Джим Гуднайт: «Машинное обучение – вредный термин»
Джим Гуднайт: «Машинное обучение – вредный термин»

Джим Гуднайт: «Каждые четыре года в мире ИТ появляется очередное модное и прилипчивое словечко. Сегодня таким модным термином стал искусственный интеллект»

Источник: SAS


09:34 29.01.2018   |  Том Маколей |  Computerworld, Великобритания

Рубрика Индустрия |   1543 прочтения



Основатель компании SAS занимается наукой о данных не одно десятилетие, но на шумиху вокруг искусственного интеллекта советует не обращать особого внимания.

 

Один из основателей и генеральный директор SAS Institute Джим Гуднайт, сыгравший особую роль в том, чтобы средства бизнес-аналитики стали столь популярны, вот уже 41 год стоит во главе компании, ставшей за это время гигантом отрасли программного обеспечения. А вот на шумиху, царящую вокруг искусственного интеллекта, бизнесмен-миллиардер с докторской степенью в области математической статистики не обращает особого внимания.

«Все вокруг утверждают, что занимаются искусственным интеллектом, – иронизирует Гуднайт. – Раньше речь шла об облачных вычислениях и о больших данных, ну а сегодня нужно говорить об искусственном интеллекте. Ничего не меняется».

Гуднайт убежден в том, что многие используют растущий интерес к искусственному интеллекту для продвижения своих брендов, главным образом, в маркетинговых целях. Это в полной мере относится и к системе IBM Watson, которая, по его мнению, представляет собой, по сути, интеллектуальную поисковую технологию.

«Аналитики и журналисты уже устали от разговоров об облаке, – добавил он. – Им нужно говорить о чем-то новом. Так происходит на протяжении всей моей жизни. Каждые четыре года в мире ИТ появляется очередное модное и прилипчивое словечко. Сегодня таким модным термином стал искусственный интеллект».

Искусственный интеллект овладевает общественным сознанием в последнее время, между тем, в SAS занимаются развитием соответствующих технологий на протяжении уже довольно долгого времени.

«В эту тему мы вовлечены по крайней мере на протяжении 15 лет, – подчеркнул Гуднайт. – Все наши модели по выявлению мошенничества, связанного с кредитными картами, построены на базе искусственного интеллекта. Они работают с нейронными сетями. Всякий раз, когда вы позволяете машине принимать решения, которые ранее относились к сфере ответственности человека, это называется искусственным интеллектом. Спектр возможных применений очень широк. Порой просто формулируются три условия, которые человек учитывает при принятии решения, и это уже объявляют искусственным интеллектом. Одновременно дифирамбы поются и машинному обучению – еще одному модному термину. Когда речь заходит о машинном обучении, это очень часто представляет собой лишь рекламную шумиху. У вас есть модель, которую вы определили, и вы пытаетесь прочитать данные и улучшить ее, минимизируя целевую функцию. Вы проделываете это снова и снова до тех пор, пока целевую функцию не удастся сжать, после чего модель можно использовать в производственной деятельности. Но в основе всегда лежит модель. Нельзя просто бросать призывы к обучению. На самом деле машинное обучение – вредный термин. Звучит все хорошо. Но не стоит излишне увлекаться этим. По сути, речь идет всего лишь об очень сложной модели, которая подогнана под определенные задачи».

Прорывная сила аналитики

Известно, что в SAS всегда отказывались от соблазнов IPO и предложений о приобретении другими, более крупными игроками ИТ-индустрии, превратившись в итоге в крупнейшую частную компанию, специализирующуюся на производстве программного обеспечения бизнес-аналитики (Business Intelligence, BI). В 2016 году ее оборот составил 3,2 млрд долл., и с самого момента своего основания она ежегодно демонстрирует неуклонный рост.

Конечно, конкуренция со стороны как технологических титанов наподобие Google, так и ловких стартапов с тех пор заметно обострилась. Но Гуднайт убежден в том, что SAS удастся сохранить лидерство благодаря своей традиционной ориентации на клиентов.

«Мы стараемся разрабатывать именно то, чего хотят наши клиенты, – подчеркнул он. – Но при этом не только прислушиваемся к своим клиентам, но и пытаемся понять, куда движется рынок, с тем чтобы прийти туда первыми».

Гуднайт любит подчеркивать, что аналитическое программное обеспечение SAS проектируется таким образом, чтобы клиенты чувствовали себя разрушителями устоев, а не подвергаемыми разрушению.

Аналогичная метафора применима и к бизнес-стратегии SAS. «Мы и здесь стремимся все успеть. На протяжении 41 года нам удается оставаться на плаву, потому что мы постоянно улучшаем свое программное обеспечение, внося необходимые изменения и адаптируясь к новым задачам, которые становятся актуальными».

Основы для этих улучшений закладываются в инновационных лабораториях компании, сотрудники которых представляют новые идеи, и, если концепция имеет потенциал с точки зрения бизнеса, SAS финансирует разработку.

Среди предложений, которые уже нашли отражение в производстве, можно отметить Viya – облачную технологию анализа в памяти (in memory), которая была реализована в 2016 году, через восемь лет после появления соответствующей идеи. Архитектура предполагает использование вычислений на системах с массовом параллелизмом (Massive Parallel Processing, MPP), предусматривающих одновременную обработку множества вычислительных операций или процессов; каждый из таких процессов одновременно обрабатывается отдельными ядрами или процессорами.

«Для нас это являлось очень сложной задачей, поскольку изначально все делалось по-другому, – отметил Гуднайт. – Мы имели дело с последовательной обработкой. Данные считывались, заполнялась матрица вычислений, производилось обращение этой матрицы, после чего осуществлялся вывод полученных результатов. Как выполнять все это параллельно? Ни в одной книге рецептов вы не найдете. Нужно думать самим. Именно этим мы и занимались на протяжении последних восьми лет, определяя способы для организации параллельных вычислений. Некоторые задачи, на решение которых ранее уходило до 18 часов, теперь выполняются за четыре минуты. Клиенты, оперирующие большими объемами данных, уже успели ощутить все преимущества такого подхода на собственном опыте».

Одним из пользователей Viya недавно стала спортивная аналитическая компания SciSports, применяющая предлагаемые средства анализа при обработке событий футбольных матчей. Это позволяет ей быстро идентифицировать все, что происходит на поле.

«С телевизионных камер мы получаем изображение, поступающее со скоростью 32 кадра в секунду, – сообщил Гуднайт. – Его необходимо проанализировать. А если учесть, что на матче работают 20 камер, объемы данных, подвергаемых обработке каждую секунду, оказываются весьма значительными».

Обработка потоков событий (Event Stream Processing, ESP) становится важной частью бизнеса SAS. Миллионы периферийных устройств Интернета вещей, от домашнего оборудования и до покоряющих бескрайние просторы железных дорог локомотивов, генерируют потоки данных, открывая возможность их сбора и анализа прямо на месте.

«Обработкой потоков событий занимается большое количество наших аналитических средств, – указал Гуднайт. – Мы обрабатывает потоки данных со скоростью 400 тыс. событий в секунду, передавая в Viya соответствующую информацию, и вы можете получать визуальные результаты всех этих движений данных. Мы поддерживаем отношения с компаниями, занимающимися построением систем управления кондиционированием воздухом, управления отоплением, управления потреблением электроэнергии. Мы контролируем все это 24 часа в сутки, выдавая клиентам рекомендации по повышению эффективности путем изменения положения того или иного органа управления или регулятора, благодаря чему им действительно удается сократить свои расходы на электроэнергию. Полученные данные используются также для своевременного проведения профилактических мероприятий и прогнозирования того, что может пойти не так».

Дефицит специалистов в области науки о данных

Недавний SAS опрос руководителей 100 европейских организаций показал, что только 20% респондентов считают свои подразделения обработки данных готовыми к решению задач в области искусственного интеллекта, тогда как 19% сообщили о полном отсутствии у них групп, связанных с наукой о данных.

Гуднайту эта тема очень близка. Его филантропическое желание устранить дефицит специалистов в сфере анализа — основная причина того, что и в свои 74 года он продолжает заниматься наукой о данных, вместо того чтобы уйти на покой и наслаждаться состоянием в 9,4 млрд долл., которое сделало его самым богатым жителем родного штата Северная Каролина.

Среди реализованных Гуднайтом образовательных инициатив можно отметить SAS Curriculum Pathways – среду обучения в Интернете, объединяющую 2 млн студентов и преподавателей, и программу Goodnight Scholars Program для студентов из семей с невысоким уровнем дохода.

В рамках этой программы ежегодную поддержку получают более 200 студентов-старшекурсников его альма-матер, Университета штата Северная Каролина, где в 1976 году с реализованного Гуднайтом совместно с его тогдашним аспирантом Джоном Солом исследовательского проекта системы статистического анализа сельскохозяйственных данных и началась история SAS.

Дефицит специалистов, который помогают устранить образовательные программы, ощущается в SAS не так остро, как в большинстве других компаний, и Гуднайт связывает это со своей бизнес-средой, пронизанной участием к работникам.

Сочетание удачной организационной структуры, гибкого графика и различных льгот, включая тренажерный зал, объекты соцкультбыта и бесплатные консультации по вопросам профессиональной жизни, обеспечивают компании ежегодное место в списке Fortune 100 Best Companies to Work For, начиная с его первой публикации в 1997 году.

Культура корпоративного участия, прививаемая Гуднайтом, вдохновила Google на создание ставшей знаменитой концепции дружественных рабочих мест.

«У нас нет особых проблем с поиском талантов, потому что наша компания считается одним из лучших рабочих мест в мире, – признался Гуднайт. – Это помогает нам эффективно привлекать новые таланты. А также удерживать их».

Оптимистичный взгляд на GDPR

Гуднайт убежден в том, что опасения в отношении неправомерного использования компаниями персональных данных во многом преувеличены.

«Теперь, когда приняты нормы GDPR о персональных данных, пользователю нечего бояться: если вам что-то не нравится, вы можете просто отказаться, – заметил он. – По большому счету, я не вижу здесь особого потенциального риска. Конечно, вас могут раздражать cookie и демонстрация одной и той же рекламы, которая появляется всякий раз, когда вы заходите на сайт. Но в этом случае вы просто пройдете мимо, что в итоге приведет к существенным денежным потерям владельцев такого сайта».

Чтобы помочь компаниям подготовиться к ужесточению требований, диктуемых принятым в Евросоюзе общим регламентом обработки персональных данных GDPR, в SAS выпустили программное обеспечение «единого окна», помогающее находить и изолировать идентифицируемые клиентские данные для их защиты.

Гуднайт спокойно относится к требованиям регулирующих органов, но признает, что его компания не поддерживает их ужесточение.

«Откровенно говоря, наши люди в Брюсселе выступали против, поскольку гарантии конфиденциальности и права на забвение требуют огромных усилий, – указал он. – Тем не менее, мы проиграли. Но зато теперь у нас есть программное обеспечение, помогающее компаниям раскрывать характер использования соответствующих данных».


Теги: Бизнес-аналитика Искусственный интеллект Data Science SAS Джим Гуднайт
На ту же тему: