Вот в этом, пожалуй, и ценность такого простого вопроса. В зависимости от того, какой уровень человек считает главным, меняется и ответ: кто-то говорит про данные, кто-то про автономность, кто-то про механизм выбора действий, кто-то про архитектуру системы. Каждый добавляет свой контекст, а сама сущность автоматизации начинает теряться в этих слоях.

Смотрю, и вы верите в чудеса! 😁 Но эти N действий всё равно должны находиться внутри заранее определённой области допустимого поведения системы. Иначе мы не сможем отличить полезное решение от ошибки. Получается, свобода выбора у ИИ шире, но она всё равно проектируется и ограничивается человеком.

Я в прошлом разработчик нейросетей. Мне не нужно верить, я знаю как они устроены изнутри.

По этому и написал, что он опирается на контекст. Читайте внимательнее)

ИИ это инструмент для автоматизации “рутины”. Спроектирован людьми для людей.

Тогда уточню именно на уровне проектирования. Допустим Вы описали реальное отличие механизма: в обычной автоматизации действия заранее заданы, а ИИ выбирает действие по контексту из более широкого пространства вариантов. Но меняет ли это сами принципы проектирования автоматизации?

Ну, я вообще плету из бисера, но мелкие фракции не моя сильная сторона. 😁 А по степени автономности... Обычная автоматизация может сама выбирать маршрут выполнения из нескольких заранее предусмотренных сценариев. Получается, вопрос опять смещается не к тому, принимает ли система решение сама, а к тому, как устроен сам механизм выбора.

А разве обычная автоматизация не может анализировать информацию и принимать решения без участия человека — просто по заранее заданным правилам: скоринг, антифрод, маршрутизация, блокировки, технологическое управление? Тогда различие, видимо, не в самом факте принятия решения.

Да видимо, Вы правы. Дело не в факте принятия решения, дело в том, как это решение принимается. При обычной автоматизации решение принимается по жесткому алгоритму, который сама система не может изменить. При автоматизации на базе ИИ решение генерируется нейросетью, которая адаптивно подстраивается под процесс и постоянно учится, т.е. следующая реакция на то же самое событие может быть несколько иной.

Но даже если решение генерируется моделью, мы ведь всё равно должны заранее определить область допустимых решений и критерии результата. Иначе как отличить допустимую вариативность от ошибки или галлюцинации?

Т.е. Вы хотите сказать, что по сути разницы нет. И там, и там работает некий алгоритм, только в случае ИИ он более сложный. Интересная мысль. Вполне возможно, что Вы правы.

У ИИ не просто «сложнее алгоритм», а, на мой взгляд, другие данные и поэтому другие процессы их обработки. Но общие принципы автоматизации пока остаются теми же. И согласитесь, что это меняет восприятие самого подхода к автоматизации с ИИ. 😁

Согласен. Я подозревал, что ИИ - это не волшебная палочка. Это просто еще один подход, где-то он окажется полезным, а где-то жесткий алгоритм сработает лучше.

Да. На моём опыте автоматизации рабочим оказался именно комбинированный подход: где можно — жёсткая детерминированная логика, где есть неопределённость — ИИ, а между ними контрольные точки и понятные границы допустимого.

А как Вы определяете структуру самой нейронной сети, количество слоев в ней и количество весовых коэффициентов? Наверное, есть какой-то инструмент для этого?

Никак. 🙂 Я не проектирую сами нейронные сети и не определяю количество слоёв или весовых коэффициентов — это уже территория ML-инженеров. Но устройство и историю развития нейросетей я изучала, чтобы понимать, что именно происходит внутри инструмента и где проходят его ограничения. Моя задача — уровень выше: определить, какую часть процесса имеет смысл передать модели, какие данные ей нужны и какой результат допустим.

Das ist fantastisch. Вы получаете готовую модель, и наверное, уже обученную, скармливаете ей данные и получаете результат. "Нажми на кнопку - получишь результат, твоя мечта осуществится".

Мне кажется, здесь как раз и возникает путаница: в один разговор складывают создание самой нейросети, обучение модели и автоматизацию бизнес-процесса с использованием готового ИИ-инструмента. Это разные задачи и разные уровни системы. Когда их не разделяют, становится очень трудно понять, о чём именно мы спорим.

Мы не спорим. Честно скажу, у меня нет опыта работы с нейросетями. Читал что-то об этом, но практически не применял. Поэтому встретив Вас здесь в Сетке, стал задавать практические вопросы, потому что интересно.

Понятно 🙂 А мне как раз интересно отделить страшилки и маркетинговые лозунги от реальной ситуации. Поэтому я стараюсь опираться прежде всего на собственный опыт, знания и логику происходящего.

Благодаря Вам, стало понятно, что нужна поддержка ML-специалистов. В общем, не все так просто.

Для автоматизации бизнес-процесса можно использовать готовую внешнюю модель, внутреннюю модель, классические алгоритмы или комбинацию нескольких инструментов. Наличие собственной нейросети само по себе, на мой взгляд, не меняет сущность автоматизации — это одна из архитектурных вариаций того, чем реализуется конкретный участок процесса.

Поддержка ML-специалиста нужна, когда задача уже касается самой модели: её обучения, дообучения или технической оценки. Но это всё-таки другой уровень задачи.

Когда я учился в ВУЗе, а это было в начале 90-х, таким вещам не учили. А сейчас учат или люди сами до всего доходят?

В начале 90-х всё выглядело сильно иначе. Я, например, программирование в институте умудрилась сдать вообще без компьютера — зачётом по телефону. 😁 Тогда был BASIC, РАПИРА, C — для особо продвинутых. Алгоритмы изучали, программы писали, а доступ к самой машине был уже отдельным приключением.

Нейросети к тому времени, конечно, существовали и, говорят, активно развивались, но для меня как студента экономического вуза это было скорее из раздела научной фантастики.

У меня сохранились лекции по машинному обучению примерно десятилетней давности. Там значительная часть обучения строилась на размеченных данных и сравнении результата с эталоном. Мне тогда это казалось довольно однообразным — примерно как приучать кошака к туалету. 😁 Тем более что мой кот в итоге убедил меня, что реальность сложнее обучающей выборки: лоток должен стоять перед дверью, потому что там проходит граница его территории. Представляете, что было бы, если бы я тогда занялась нейронкой? 🤣

Сейчас уже есть академические программы по ML и нейросетям. Но область развивается так быстро, что изучать её с колёс, через реальные задачи и собственные эксперименты, мне, например, интереснее. Тем более что теперь это уже ребёнок. Мыслящий. 😁

Интересно пишете. Да, с доступом к компьютеру в те годы было сложно. Но я все же сподобился запустить свою первую программку, написанную на Фортране, на ЕС-ЭВМ. Программка решала кубическое уравнение методом половинного деления. Ну а потом я купил программируемый калькулятор МК-52 и считал на нем курсовые. Мне понравилось программировать. Потом увлекся цифровой обработкой сигналов и узнал про нейросети. Я думаю, робототехника - это та область, где нейросети будут активно применяться.

У меня тоже был МК-52. На нём, кажется, даже делали программируемые ключи доступа. Фортран тоже помню. 😁 Как и машины размером с холодильник, перфокарты и принтеры, печатавшие на простынях бумаги.

В моей работе всегда были ангелы — программисты службы поддержки. Мы с ними даже проводили разные расследования: от компрометаций и взломов до «а что же на самом деле происходило в системе».

Потом было увлечение фотографией — и совсем другой взгляд на цифровое поле.

Робототехника мне пока не очень близка. В прошлом году я изучала выставочную активность роботов и анализ инженерных способностей у детей — это было прикладным к кружкам робототехники.

В прошлом году я посмотрела фильм «Я создан для тебя» 2021 года — он ставит очень интересные психологические вопросы о том, что происходит с нами, когда мы общаемся с роботами. Я его пока не переварила. 😁 Хотя агентов у меня, наверное, уже с сотню. Трёх-четырёх из них я использую каждый день.

Вы, наверно, слышали, что Китай сейчас активно производит человекоподобных роботов? Честно говоря, я скептически смотрю на все это. А Вы что думаете? Увенчаются их усилия успехом?

У меня сразу встаёт вопрос о критериях успеха. Профдеформация. 😂 Вы про Всемирные игры человекоподобных роботов?

Мне кажется, они как раз показали огромный технологический прогресс. На фоне того уровня робототехники, который мы чаще видим здесь — робособак, демонстрационных андроидов и того же Зевса с бегущей строкой, — китайский масштаб производит совсем другое впечатление.

Одни только кадры массовых тренировок, замены батарей и площадок, заполненных андроидами, у меня вызывают ассоциацию с терракотовой армией XXI века. И это уже не просто эффектная демонстрация: Китай последовательно двигается к проверке гуманоидов в реальных бытовых, производственных и сервисных сценариях.

Не забывайте, что и самих китайцев свыше миллиарда.

Инженерное мышление в Китае начинают формировать уже в начальной школе: детей учат ставить проблему, проектировать решение, испытывать его, оценивать ограничения и улучшать конструкцию.

И с биотехнологиями у Китая довольно прагматичная позиция. Репродуктивное клонирование человека запрещено, но смежные технологии — SCNT, эмбриональные исследования, генетические модели, клонирование приматов — активно развиваются в исследовательском режиме.

Поэтому я думаю, здесь нас ждёт много чего интересного. То ли ещё будет. 😁

Я читал где-то статью, по-моему, на CNN, что одно дело танцевать и отбивать мяч, и совсем другое дело, выполнить какое-то простое действие, ну скажем, приготовить завтрак. Роботы пока не могут этого делать. Это слишком сложная задача для них. И общее мнение экспертов такое, что пока технологии не созрели для таких задач.

Наверное, и слава богу. 😁 Есть надежда, что на моём веку завтрак в постель мне ещё принесёт человек.

Хотя я уже читала о том, как AI и робототехника приходят в секс-индустрию. Там пока ещё не те полноценные гуманоиды из фантастических фильмов, но уже есть антропоморфные системы, которые разговаривают, помнят предыдущие беседы, реагируют на прикосновения, а разработчики работают над мимикой и движениями тела.

Учитывая, с какой скоростью за последние годы развились нейросети, я бы не стала слишком уверенно говорить, что бытовые роботы ещё долго останутся беспомощными. Думаю, подтянутся. 😁

Вот здесь мне как раз интересно различие. Вы описываете расширение функциональности автоматизации: раньше система могла отправить готовое письмо по правилу, теперь AI может ещё и сформировать его на основании контекста и предыдущих примеров. Но делает ли это саму автоматизацию принципиально другой?

Я привёл самый простой пример. Но, да, делает - расширяет функционал, делает автоматизацию ещё ближе к автономии. В более сложных кейсах (например, в кибератаках, кибербезопасности, маршрутизации и т.д.) - эта разница еще более ощутима.

Вот автономность уже кажется мне более содержательным различием. Но я пока не вижу, почему увеличение степени автономности делает автоматизацию принципиально другой сущностью, а не просто расширяет диапазон задач и решений, которые система может выполнять без человека.

Суть Ai - именно в автономности принятия решений.

Про узкую специализацию согласна: чем лучше ограничена задача, тем проще управлять результатом. Но тогда снова возникает мой вопрос: это особенность именно другого типа автоматизации — или особенность инструмента, который мы встроили в автоматизированный процесс?

Ваш вопрос лучше адресовать ИИ-теоретикам 🙂 в Сетке такие специалисты встречаются, не рискну конкурировать с ними на этой поляне 😉

Жаль, что как только вопрос доходит от свойств нейросети до принципов автоматизации, разговор уходит на территорию теоретиков. Хотя именно это решение бизнес принимает вполне практически — когда выбирает, что, зачем и чем автоматизировать.

Полагаю, российские ЛПРы всегда точно знают, что, зачем и чем. И в своем выборе ошибок не допускают. 🧐

Я просто пытаюсь вытащить ответ из лишнего шума, а не перекладывать на кого-то ответственность за выбор.

Если поиск ответа ведется из академического интереса, с интересом понаблюдаю за ним. Не вторгаясь на поляну ИИ-теории по причине собственной неизлечимой аналоговости.. 🙂

Это как сеанс одновременной игры в шахматы: можно сделать ход, можно наблюдать. Ваш выбор. 🙂

В детстве имел третий разряд, а уважение к благородной игре сохраняю до сих пор. Поэтому лучше понаблюдаю со стороны за ходами теоретиков.. 🧐