Искусственный интеллект и предиктивная аналитика

В настоящее время IoT используется для контроля текущих процессов. Умные устройства помогают в решении конкретных задач:

• контроль безопасности дома,
• проверка эффективности сотрудника.

В перспективе Интернет вещей (IoT) сможет поможет прогнозировать экстренные ситуации и предотвращать их происшествие.

Что говорят аналитические исследования?

По подсчетам аналитического агентства IDC мировой объем данных к 2025 году он превысит 175 зеттабайт. То есть, для скачивания всей этой информации на скорости в 25 Мбит\с, потребуется около 1,8 млрд лет, а чуть меньше миллиарда лет уйдет лишь на загрузку данных от устройств, подключенных к сети Интернета вещей.

Предиктивная аналитика — это одно из наиболее перспективных направлений обработки этого массива данных. Среди сотен зеттабайт информации искусственный интеллект (ИИ) находит закономерности и данные, которые неочевидны человеку и которые он не сможет проанализировать вручную.

Как появилась предиктивная аналитика?

Самые первые попытки использования предиктивной аналитики осуществлялись еще задолго до появления IoT.

Раньше финансовые организации самостоятельно собирали информацию о клиенте, оценивая все риски и покупки банковских продуктов. Сейчас банки занимаются скорингом, то есть покупают и обрабатывают информацию о человеке, которую он предоставил сам о себе в сети Интернет.

Развитие IoT, искусственного интеллекта, облачных технологий и вычислительных мощностей стали почвой для стремительной эволюции предиктивной аналитики. Теперь, после предварительного обучения на базе исторических и актуальных данных, система может сделать выводы и принять решения практически исключая человеческий фактор.

Как используется предиктивной аналитики?

В первую очередь системы предиктивной аналитики:

• собирают статистику, которая анализируются последние десятки и сотни лет;
• предсказывают природные катаклизмы, погодные явления и т.д.

Помимо общественных и научных сообществ, систему активно внедряют в МЧС. Ведь системы контролируют техническое состояние продукта или оборудования, что позволяет спрогнозировать жизненный цикл изделия.

Также подобные системы:

• Определяют, когда и какую деталь необходимо заменить до того, как неисправность нанесет ущерб.
• Оценивают поведение людей, чтобы помочь понять бизнесу, какого рода взаимодействие с ними будет наиболее эффективно.
• Нивелируют человеческий фактор, когда речь идет об управленческих решениях.
• Заранее анализируют потенциальные риски и предоставляют оптимальные решения, что особенно важно для организаций, в которых ошибка или несвоевременность может стоить человеку жизни (например, автоматически объявить эвакуацию в аварийной ситуации).

Перспективные сферы для развития ИИ

Метеорологическая сфера.

В первую очередь слово «прогноз» ассоциируется с метеорологией. Например британская служба Met Office собирает данные с различных измерительных приборов круглосуточно в автоматическом режиме. Их система фиксирует даже минимальные колебания среды, что позволяет исследователям делать более точные прогнозы погоды и давать объективную оценку изменению климата.

Интернет вещей помог сделать услуги английских метеорологов интересными и для бизнеса. В Met Office обращаются различные компании, чтобы узнать, повлияла ли погода на конкретный бизнес-результат, например изменения спроса на тот или иной продукт.

Сфера продаж.

В продажах система прогнозирует эффективность мероприятий, акций, маркетинговых стратегий. Она оценивает потенциальный спрос на ту или иную категорию товара, анализирует поведение покупателя и подсказывает, как именно с ним взаимодействовать для успешной продажи.

Так американская компания Walmart первой из ритейлеров оптимизировала систему снабжения с помощью интернета вещей. Их система:

• собирает данные с кассовых терминалов,
• на их основе ИИ делает выводы о востребованности того или иного продукта.

Предиктивная аналитика поможет рационально организовывать поставки, уменьшить риск необходимости корректировки заказов, а также вовремя среагировать в ситуациях, когда предложение превысило спрос или наоборот.

Сфера здравоохранения.

В сфере здравоохранения ИИ поможет анализировать истории болезни каждого пациента, регулярно собирать, обновлять и обрабатывать данные, поступающие от каждого больного и предупреждать возможные скорые проявления хронических болезней, рецидивов и т.д.

Например, для этого можно использовать фитнес-трекеры. Сейчас технологии уже могут по звуку дыхания обнаружить приближающиеся заболевания легких.

Транспортная сфера.

С помощью таких систем транспортное средство сможет подстраиваться под водителя:

• запоминать предпочтительную скорость движения,
• автоматически включать нужные приложения и т. д.

Также транспорт сможет зафиксировать негативные действия водителя, например превышение скорости или не пристегнутый ремень, и далее передать информацию о них условно в ДПС. Собранные могут быть полезны и страховым компаниям.

Промышленная сфера.

В промышленности обрели популярность системы автоматической интеллектуальной диагностики (САИД). С их помощью предприятия экономят на сервисных и ремонтных работах.

Для проверки электротехнического оборудования используются предиктивные комплексы на базе спектрального анализа тока. Это простой и сравнительно бюджетный способ.

Другие сферы.

В сфере досуга система может спрогнозировать туристические потоки в конкретном направлении в интересующий период.

Технология также будет полезна в охране природы и экологии. Не самый очевидный пример применения предиктивной аналитики — это деятельность зоопарков. Например, если заранее знать количество посетителей, то можно варьировать количество обслуживающего персонала, что поможет сэкономить. В США:

• Руководство зоопарка объединило данные метеорологической службы с платформой на основе ИИ.
• Решение позволило определять посещаемость с точностью до 95%.
• В планах расширение функционала IoT на территории, чтобы с помощью датчиков следить за животными, их здоровьем, поведением и привычками.

Использование в России и за рубежом

Интерес к предиктивной аналитике пока не сформирован окончательно. Очевидно, пока она зарождается только в корпоративном секторе. Но интерес уже начали проявлять компании из добывающей, нефтегазовой и химической промышленности.

Представители крупных металлургических компаний ранее рассказывали СМИ, что у них технологии развиваются очень быстро, поскольку они конкурируют на международном уровне. Однако сейчас в мире этот рынок только формируется.

Пессимистичные прогнозы развития

Норвежская компания Telenor назвала одним из основных трендов 2020 года так называемые “грязные” данные. По мнению аналитиков организации, данных станет настолько много, что среди них сможет оказаться ложная или неточная информация, которую будет невозможно выявить в общем массиве данных.

Ошибочные данные в результате могут дать неверные прогнозы, что отрицательно повлияет на уровень доверия людей к информационным технологиям.

Также представители компании предполагают, что люди будут выкладывать меньше личной информации в социальных сетях. Соответственно, чем меньше такой информации будет доступно в сети Интернет, тем меньше будет оставаться возможностей для предиктивной аналитики.