Хиймэл оюун ухаан ашиглах нь түвэгтэй мөн өндөр зардалтай. Тиймээс компаниуд хиймэл оюун ухаан ашиглахыг яагаад хүсэж буйгаа заавал урьдчилан тодорхойлох ёстой.
Нийлэг орц ашиглаж эхэлсэн 1880-аад оноос хойш үнэртэй ус бүтээх урлаг бараг өөрчлөгдөөгүй. Үнэртний мэргэжилтнүүд цоо шинэ үнэр бий болгохын тулд төрөл бүрийн орц хольдог юм. Харин үнэртэй ус үйлдвэрлэгч дэлхийн хамгийн том компаниудын нэг “Symrise”-ийн гүйцэтгэх захриал Ахим Дауб хиймэл оюун ухаан ашиглаж үнэртэй ус бүтээхээр шийдсэн байна. Хүний төсөөлж ч чадахгүй үнэртний томъёог машин санал болгож чадах уу?
Ингээд үнэртэй усны орц, томъёо, хэрэглэгчдийн мэдээлэл, хууль зүйн зохицуулалт гэх мэт асар их мэдээллийг боловсруулж, улмаар тодорхой зах зээлд зориулсан шинэ үнэртэн санал болгох компьютерийн систем бий болгох зорилгоор А.Дауб IBM компанид ханджээ. Тэд системдээ Грекийн үнэртний охин тэнгэр Филирагийн нэрийг өгсөн байна. Содон нэрээс гадна уг систем нь үнэрлэж чадахгүй учир хүнийг орлохгүй ч цоо шинэ зүйлийн эхлэл байж болох найдвар тээж байсан юм.
А.Дауб харин амжилтдаа сэтгэл хангалуун байна. Бразил залууст зориулсан хоёр төрлийн шинэ үнэртэй усыг тэд ирэх зургадугаар сард худалдаанд гаргана. Гэвч ийм амжилтад хүрэхийн тулд хоёр жил зарцуулж, маш их хөрөнгө оруулалт хийснээ А.Дауб нуусангүй. Филирагийн гаргасан эхний хувилбарууд маш муу байв. Борлуулалтын мэдээлэл системд нь орсон учраас Филира голдуу шампунийн орц санал болгож байжээ. Үүнийг өөрчлөхийн тулд “Symrise”-ийн мэргэжилтнүүд маш их ажилласан байна.
Мөн мэргэжилтнүүдээсээ компанийн зарим мэдээллийг нуухын зэрэгцээ Филирад маш их мэдээлэл оруулахад шаардлагатай мэдээллийн технологийн маш үнэтэй шийдэл худалдаж авах ёстой болжээ. Онцгой өөрчлөлт, шинэчлэлтэд хүрээгүй ч machine learning-ийг ашиглаж буй цорын ганц салбар нь үнэртэй усны бизнес биш юм. Хиймэл оюун ухаан нь дэлхийн даяар их өөрчлөлт авчирч байна гэж буй боловч уг технологийг ашиглах нь тийм ч амаргүй болохыг олон салбарын мэргэжилтнүүд өгүүлж буй. Учир нь зардал ихтэйгээс гадна анхны үр дүн нь тун бага аж. Го даамны мастерыг ялах, зааврын дагуу хөгжим тоглуулах зэрэг мундаг дэвшил гарч буй ч дижитал биш бизнесийн салбаруудад хиймэл оюун ухаан ямар онцгой дэвшил авчрах нь сонирхол татсаар байна.
Шинэ бүтээгдэхүүн, шинэ бизнес модель бий болгох, ажилтнуудыг хүнд хүчир ажлаас ангижруулах зэргээр хиймэл оюун ухаан нь эдийн засгийг эцэстээ өөрчилж магадгүй ч үүнд хүрэхийн тулд итгэл найдвар тавьж байснаас эсвэл зарим хүний хувьд айж байснаас нь их хугацаа орохоор байна. Дийлэнх компаниуд ажилчдынхаа бүтээмж, мэдээллийг ашиглаж хиймэл оюун ухаан ашиглах орчин, шаардлагатай нөхцөл бий болгож чадахгүй байна. Одоогоор аварга том, баян компаниудад л ийм боломж, хөрөнгө санхүү байгаа юм.
Түүнчлэн IT-ийн албанаас өгсүүлээд бизнесийн тэргүүн шугамд ажиллагсдыг хамарсан зохион байгуулалтын асуудал нь хиймэл оюун ухааныг ашиглахад нэн чухал юм. Өөр нэг том асуудал бол хоорондоо нягт харилцан ажиллах чадвартай мэдээлэл хадгалагч систем бий болгох билээ. Чухам ийм бэрхшээлтэй Колорадо, Вайоминг, Небраска дахь эмнэлэгийн сүлжээг хариуцдаг UC Health-ийн инновацын албаны дарга Ричард Зэйн тулгарсан юм. Тэд UC Health руу утасдаж, вэб сайтад хандаж буй өвчтөнүүдэд туслах зорилгоор Livi хэмээх ярианы програм хангамж ашиглаж эхэлжээ.
Livi нь өвчтөнүүдэд жороо шинэчлэх, эмчтэй уулзах цаг захиалах, баталгаажуулах, эрүүл мэндийн байдлынх нь талаар мэдээлэх зэрэг үүрэг гүйцэтгэдэг юм. Өвчтөнүүдийн дуудлага, асуултад хариулах үүргийг Livi хүлээснээр ажилтнууд нь эмчилгээ болон өвчтөнүүдэд анхаарал халамж тавихад илүү их цаг зарцуулах болсонд Р.Зэйн сэтгэл хангалуун байна. Гэвч Livi-г ашиглахын тулд тэд нэг жилийн хугацаа зарцуулжээ. Өвчтөний түүх, даатгалын мэдээлэл, эмнэлгийн бусад мэдээллийг программтай холбох зэрэг мэдээллийн технологитой холбоотой бэрхшээлийг шийдвэрлэх нь хамгийн толгой өвтгөсөн асуудал байсан аж.
Чухам энэ бэрхшээл нь олон компанийг “айлгаж” байгаа юм. Жишээлбэл, том сүлжээ дэлгүүрүүд барааны нийлүүлэлт, худалдан авагч болон худалдан авалтын мэдээлэл зэргийг тусдаа системд хадгалдаг байна. “Хиймэл оюун ухааныг хэрэгжүүлэх ажлын 90 хувийг нь дата цуглуулах, нэгтгэх, зүгшрүүлэхэд зарцуулдаг. Харин үлдсэн 10 хувь нь л хиймэл оюун ухаантай холбоотой” хэмээн Дели хотын эдийн засгийн хөгжлийн институтын профессор Санжай Шривастава тайлбарлав.
Эдгээр нь Google, Netflix, Amazon, Facebook зэрэг компанид алга урвуулахын төдий амар ажил байж болно. Угаас эдгээр компани нь дижитал дата олж авах, хэрэглэх зорилготой билээ. Мөн тэдэнд дата шинжлэх ухаан, компьютерийн шинжлэх ухаанаар мэргэшсэн шилдэг мэргэжилтнүүд бий. “Гэвч ихэнх компаниуд тэдэн шиг биш шүү дээ” хэмээн дата шинжээч Питер Скомороч хэлсэн нь үнэний хувьтай билээ. Инженерингийн Fluor компани нь олон тэрбум долларын өртөгтэй, олон мянган ажилчин хамарсан барилгын том төслүүдийг хянах үүрэгтэй хиймэл оюун ухааны систем бүтээхээр IBM компанитай дөрвөн жил хамтран ажиллажээ.
Уг систем нь тоон болон уламжлалт дата мэдээлэл ашиглаж, хугацаа хоцрох эсвэл зардал нэмэгдэх асуудал гарч болзошгүйг төслийн менежерүүдэд урьдчилан анхааруулдаг юм. IBM болон Fluor-ийн дата шинжээчид нь системийн ашиглах алгоритмыг богино хугацаанд боловсруулжээ. Харин Fluor-ын ажилтнуудын оролцоотойгоор системээ шинэчилж, сайжруулахад маш их цаг зарцуулсан аж. Системийн гаргаж буй шийдвэрт ажилчид нь итгэлтэй байхын тулд хэрхэн ажилладагийг нь мэдэж авахаас гадна үр дүнг нь баталгаажуулахад суралцах ёстой болжээ.
Ийм системийг хөгжүүлэхийн тулд “бид хамгийн шилдэг хүмүүсээ ажиллуулсан. Өөрөөр хэлбэл тэднийг хийж буй ажлаас нь холдуулах шаардлагатай болсон юм. Учир нь хиймэл оюун ухааны систем боловсруулах нь бидний хувьд дэндүү чухал, дэндүү удаан, дэндүү зардалтай зүйл байсан учраас өөр арга байгаагүй” хэмээн Fluor-ийн мэдээллийн менежмент хариуцсан дэд ерөнхийлөгч Л.Линдгрен туршлагаасаа хуваалцав.
Эдүгээ machine learning нь Facebook, Google, Amazon зэрэг компанийн үйл ажиллагааны эд, эс бүрт хүрч ажиллаж байна. Энэ нь тэдгээр компанийг улам баян болоход нь тусалж буй. Харин бусад компаниудын хувьд эдийн засгийн шалтгааны улмаас хиймэл оюун ухаан нь ийм тус хүргэх хараахан болоогүй байна.
Эх сурвалж: MIT Technology review
