Развитие ИИ полностью трансформирует экономику, а прогнозирование становится главным инструментом власти и умножения прибыли. Эта книга адресована каждому лидеру, который хочет найти новые возможности и использовать технологии в своих целях.
Величайшая система из всех существующих «AlphaFold — самое важное достижение в области искусственного интеллекта за всю историю», — говорится в статье, опубликованной в Forbes. Надо признать, что это издание склонно гиперболизировать. Впрочем, в выдержанном научном журнале Nature обычно не преувеличивают, но и там заявили, что «это изменит все».
AlphaFold прогнозирует структуру белков. Белки — это строительные блоки жизни, отвечающие за большинство процессов, происходящих внутри клеток. То, как работает белок и что он делает, определяется его трехмерной структурой. В молекулярной биологии «структура определяет функции».
Ученые давно задаются вопросом, откуда берется эта структура, как аминокислоты образуют множество изгибов и складок, определяющих то, каким будет белок. На протяжении десятилетий основным способом получения качественной белковой структуры были лабораторные эксперименты. С помощью AlphaFold, позволяющего предсказывать ее на основе последовательности аминокислот, ученые могут узнавать новые факты о строительных кирпичиках жизни. Исследователи из Калифорнийского университета в Сан-Франциско использовали AlphaFold для изучения ранее неизвестных характеристик ключевого белка SARS-CoV-2, что способствовало разработке препарата для лечения COVID-19. Ученые из Колорадского университета в Боулдере в течение многих лет пытались определить структуру конкретного бактериального белка, чтобы преодолеть его устойчивость к антибиотикам. С помощью AlphaFold они сделали это за пятнадцать минут. В другой лаборатории отметили, что AlphaFold помог им выявить структуру белка за тридцать минут после десяти лет попыток сделать это с помощью других инструментов. Руководитель этой лаборатории Андрей Лупас отметил: «Это изменит медицину. Это изменит научные исследования. Это изменит биоинженерию».
подход к ИИ, направленный на повышение ценности, а не на экономию затрат, с большей вероятностью даст реальный толчок к использованию машинного интеллекта.
первоначальные предложения предпринимателей сводились к тому, что та или иная система ИИ будет полезна для бизнеса, поскольку позволит сэкономить на найме. При установлении цен на свои ИИ-продукты производители исходили из суммы экономического эффекта, то есть рассчитывали сэкономленную заработную плату и другие расходы.
Такая аргументация не убеждает покупателей. Если вы приходите на предприятие и говорите, что можете сэкономить 50 тыс. долларов в год на оплате труда, заменив одну функцию работника, этого мало. Вот если бы ваш продукт ИИ выполнял все задачи сотрудника! Замещение всего одной функции в деятельности человека не позволяло сэкономить на его заработной плате.
Более удачными оказались предложения, направленные не на выполнение тех или иных функций, а на создаваемую ценность. Они демонстрировали, как решение на основе ИИ может увеличить прибыль бизнеса, если, например, позволит повысить качество продукции, поставляемой клиентам. В этом случае не надо доказывать, что ИИ может выполнить конкретную задачу с меньшими затратами, чем человек, и это уже большое преимущество. К тому же такая аргументация не вызывает внутреннего сопротивления, что упрощает внедрение ИИ. Суть в том, что подход к ИИ, направленный на повышение ценности, а не на экономию затрат, с большей вероятностью даст реальный толчок к использованию машинного интеллекта.
