IBM Watson
IBM Watson
IBM Watson — суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, созданный группой исследователей под руководством Дэвида Феруччи. Его создание — часть проекта DeepQA. Основная задача Уотсона — понимать вопросы, сформулированные ...

IBM Watson — суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, созданный группой исследователей под руководством Дэвида Феруччи. Его создание — часть проекта DeepQA. Основная задача Уотсона — понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных. Назван в честь основателя IBM Томаса Уотсона.


Новоиспеченное подразделение Cognitive Business Solutions будет включать 2 тыс. сотрудников, главной задачей которых станет консультирование корпоративных клиентов о том, насколько выгодно для них внедрение платформы когнитивных вычислений IBM Watson

Развернуть описание Свернуть описание
Выбор редакции
29 марта, 15:00

Influential: The Story Behind This Social Intelligence Company That Is Powered By IBM Watson

Influential is a company that connects brands with influencers for creating social campaigns for brands using machine learning and AI. This is the story behind Influential.

21 марта, 20:04

Marketers Need to Stop Focusing on Loyalty and Start Thinking About Relevance

Topic Images Inc./Getty Images If your customer retention strategy relies on “buying” loyalty with rewards, rebates, or discounts, it is coming at a high cost. And these days, it could also mean that you’re giving up something priceless: your relevance. That’s because the “loyalty era” of marketing, as we’ve known it, is waning. It was built in part on the notion that consumers will keep buying the same things from you if you have the right incentives. Yet, according to recent consumer research from Kantar Retail, 71% of consumers now claim that loyalty incentive-programs don’t make them loyal at all. Instead, in this new era of digital-based competition and customer control, people are increasingly buying because of a brand’s relevance to their needs in the moment.   In fact, consumer research we’ve worked on at Accenture shows that in the U.S. market alone, companies are losing $1 trillion in annual revenues to their competitors because they are not consistently relevant enough. Loyalty remains important, but this finding indicates that the future of marketing — and, in the big picture, many businesses — depends on serving a customer’s most relevant needs in the moment. In this way, companies need to become like more like living businesses, building and sustaining symbiotic ties with their customers as if those relationships are with a concierge, butler, or friend.  A New Definition of Relevance To become this kind of living business, with a new understanding of customer needs, we need a new definition of relevance. Abraham Maslow’s oft-quoted “hierarchy of needs” — first published in 1943 — provides a good start. Maslow sought to map the psychological needs of humans and their motivations. But his framework also offers a model for rethinking the traditional four P’s of marketing: product, price, place, and promotion. Most companies today are guided by these four facets of engagement. The problem, however, is that brands using the four P’s exclusively often target a static customer archetype (e.g., a high-minded customer for an organic supermarket or a value-conscious customer for a discount chain). The reality is that there is no such archetypical customer. Everyone’s needs vary depending on time and context. And with today’s technologies, companies now have the ability to see and act on these fluctuations in the moment. Customers are increasingly expecting all companies to do just that, both in their marketing efforts and in the experiences they offer. To become a living business, companies should expand their thinking to include the following five P’s as well: purpose, pride, partnership, protection, and personalization. These form a simple and comprehensive test of relevance. The first four extend from the top to the bottom of the psychological hierarchy—from what Maslow called “self-actualization” or fulfilling your full potential, to safety, a more basic need. The fifth, personalization, enables companies to connect with customers around any of these needs. Purpose: Customers feel the company shares and advances their values. Pride: Customers feel proud and inspired to use the company’s products and services. Partnership: Customers feel the company relates to and works well with them. Protection: Customers feel secure when doing business with the company. Personalization: Customers feel their experiences with the company are continuously tailored to their needs and priorities. Soul Cycle provides a good example of what the five P’s look like in practice. By creating a community for indoor cyclers and fitness buffs, SoulCycle’s purpose aligns with customers’ values of health and a positive environment. This experience creates a sense of pride for customers who want to participate in a high-end cycling experience (given the pricing and the tendency for instructors to be young and fit). Customers also feel that SoulCycle is a partnership in the lifestyle they wish to achieve: They feel like they are treating themselves with new, clean facilities, upscale bathroom products, and custom SoulCycle playlists on Spotify. SoulCycle customers also feel protection in their purchase — which is expensive for a 45-minute fitness class compared to the cost of a traditional gym — because they are confident that the staff will help them with their needs and also will help them to make the most of each class. Finally, the SoulCycle experience becomes totally relevant when a customer has an instructor that personally inspires them, thus creating personalization. Many companies will be challenged to satisfy all five P’s at once. The following three principles, however, should help them in their efforts to connect with customers on these fronts: Go outside your comfort zone Many companies have been using the traditional four P’s for decades, and many of those with great success. Often, this means companies will need to extend outside of their comfort zones to position their brands these new, expanded ways. Consider Yoplait, the global yogurt brand owned by food giant General Mills. Consumers typically associate big food companies with mass-production methods and plastic packaging. Companies like these are more typically accustomed to using traditional 4 P’s approaches such as pricing and promotions to attract and retain customers. But Yoplait recently found itself contending with an influx of newer brands, including the Greek yogurt brand, Chobani, that emphasize and compete on meaningful connections to authentic food traditions. In response, Yoplait pivoted toward a focus on customer relevance. Yoplait found that consumers often take pride in using products with a connection to an authentic national tradition – whether Italian olive oil, or Greek and Icelandic yogurt. Recognizing that its long history of making French yogurt could be turned into a market advantage, it embraced a traditional French method in which yogurt is cultured and sold in small individual glass pots. As a yogurt executive at General Mills noted, “The simplicity of this idea, that this is a French method, coming from a French brand, with a French name — that’s authenticity.” It is also something both Yoplait and its customers can take pride in. The company is, at the same time, enhancing its relevance to customers in other ways. For example, it also recognized customers’ desire to feel protected. Their new “Oui” French yogurt product is all-natural, non-GMO, and promotes its very simple ingredient list. It’s still too early to tell whether this targeted initiative will translate into increased sales. Nonetheless, it is a noteworthy example of a company purposefully pivoting to an approach that extends beyond its norms to be relevant to customers. CVS Pharmacy, the retail pharmacy of CVS Health, offers another example. CVS Pharmacy is moving beyond a purely transactional retail model where customers fill prescriptions; instead, the company is focusing on helping their customers on their path to overall better health. In this way, customers share the company’s purpose. It also helps satisfy their desires to feel cared for, and helps build upon the trusted relationship most customers have with their pharmacist – an example of what we’ve termed protection. Extending far outside the traditional retail paradigm, CVS is embracing technologies including predictive analytics, artificial intelligence, and machine learning to send their customers personalized reminders to refill or take their medications, in the spirit of partnership. And, the company has teamed with AI giant IBM Watson to anticipate patient needs, including when they might require more urgent care. These new avenues and practices will enhance the value for customers in maintaining an active engagement with a pharmacy retailer—and make the CVS brand more relevant in the moment through protecting their health and well-being. Timing is everything If the first four P’s are additive, the final one — personalization — is multiplicative. A key component of becoming a living business is conveying exactly the right message, experience, or offer to customers in exactly the right context. It’s a level of personalization that few companies ever attain. Car-rental giant Hertz has worked to develop a “Just in Time” approach to delivering highly relevant offers at the exact moment when the customer is evaluating deals across the channels they prefer, whether it is through call-center agents, counter terminals, handheld devices, or the Hertz web site. Using predictive analytics, Hertz suggests deals based a customer’s propensity to accept certain offers over others. For example, a customer who would be qualified for a buy-one-get-one-free deal might still receive a different (perhaps even less profitable) offer if she passed up similar offers in the past. The company understands that a promotion can only be as profitable as a customer’s willingness to take it — and an unwilling customer is a lost opportunity. That’s why offers are calibrated to a customer’s behavior in a way that all marketing channels can simultaneously use. Don’t be loyal to the status quo To succeed in this era of relevance, marketers and companies must be continuously willing to abandon the old. As new technologies shift customer journeys and expectations, they can (and should) also enhance companies’ abilities to engage with customers in the most relevant ways. Often, the greatest roadblock is a company’s lack of willingness to transform their processes, organizations, and mindsets as needed. To overcome that barrier, some companies have shifted from a product-focused mindset to a platform approach. Under Armour, Inc. offers a good example. Instead of thinking of itself merely as a sports apparel manufacturer, the company has purposefully developed a “connected fitness” ecosystem. In 2015, in fact, it spent more than $500 million to acquire two popular fitness-metrics services in a bid to become the world’s largest tracker of fitness information. The two services — one based in the United States and the other in Europe — had a combined 100 million subscribers when they were acquired. Under Armour intends to enable these platforms to grow independently, while reaping aggregated data that can inform and expand its apparel designs. Ultimately, the goal is to link customers to new services such as innovative start-ups that are developing embedded sensors and biometric readers for apparel. In the words of CEO Kevin Plank, “Brands that do not evolve and offer the consumer something more than a product will be hard-pressed to compete.” Similarly, automaker BMW has embraced partnerships across a broader ecosystem to help its customers navigate their urban environment, with or without their car. Customers can now see their engagement with the brand as an ongoing relationship, rather than a one-and-done purchase. To provide its customers a seamless transportation experience, the automaker links them into a broader of ecosystem of car-share and rental companies, parking aids, electronic-vehicle charging stations, and location-based mobile lifestyle apps. Today’s mobile-enabled consumers are constantly evaluating and re-evaluating their purchasing decisions. They will choose the brands most relevant to them at an increasingly rapid pace. And they’ll pay a premium. Living businesses — those that achieve this profound degree of relevance — will have pricing power and will drive repeat purchases. Those are the ultimate goals of loyalty, now newly attainable, when relevance matters more than ever.

21 марта, 02:14

IBM CEO Rometty Proposes 'Watson's Law': AI In Everything

If it is to work for everybody, Artificial Intelligence needs to be multi-cultural (without negative bias), multi-disciplinary (in terms of the jobs it is applied to), multi-gender & multi-stakeholder all inclusive. If all this comes to pass, then IBM Watson’s Law may become hold true.

15 марта, 16:45

Diabetes Devices Market on a Tear: 3 Stocks for Solid Returns

Consider these three stocks in the rapidly-growing diabetes devices market for grand returns.

13 марта, 17:29

Will Artificial Intelligence be a Trump Card for MedTech?

The strategic application of AI in every sphere of healthcare can provide an impetus to productivity rapidly.

09 марта, 21:00

Взломать организм

Как правильно бороться со старением, чтобы прожить долго и счастливоЕвгений КузнецовПост основателя «Островка» Сергея Фаге о том, как он пытается повысить свою производительность и долголетие, используя в том числе и методы с неподтвержденной клинической эффективностью, вызвали негативную реакцию со стороны сторонников доказательной медицины. Но у этой темы есть другая сторона: как заботиться о своем здоровье, чтобы прожить долгую и активную жизньУ модного сейчас словечка «хайп» есть негативные коннотации в русском языке — «ажиотаж, шумиха». Нездоровое и шумное обсуждение, в котором младенца выплескивают с водой уже в самом начале. А потом грохочут пустыми тазами. Проблема в том, что зачастую с такой водой выплескивается очень и очень важное. Например — как в дискуссии о «биохакинге» — вопрос реального оздоровления нации.Основатель туристического сервиса «Островок» Сергей Фаге взбудоражил интернет статьей о том, что он потратил $200 000 на лекарства, которые вроде бы должны продлить его жизнь. В соцсетях тут же начались локальные бои сторонников и противников такого подхода, а создатель и президент Фонда поддержки научных исследований «Наука за продление жизни» попытался разобраться с научной точки зрения, насколько помогут принимаемые Фаге лекарства. Но дело не только в конкретном случае, уже есть достаточно способов позаботиться о своем активном долголетии.Жизненная статистикаСначала давайте посмотрим на факты. В России (находящейся на 110-м месте по продолжительности жизни по статистике ВОЗ, сразу после Боливии и КНДР), живут на 13 лет меньше, чем тройка лидеров (Япония, Швейцария и Германия), а российские мужчины вдобавок живут почти на 12 лет меньше, чем женщины. Основной успех лидеров — это не только и не столько объемы затрат на здравоохранение, сколько высокая степень личной ответственности людей за свое здоровье и нацеленность госпрограмм на профилактику.К примеру, средний японец посещает врача 15 (!) раз в год, а в 40 лет проходит обязательный и бесплатный чекап по всем основным функциям организма и анализу предпосылок возникновения рака и иных заболеваний старения. В Германии рекомендованными (оплачиваемыми страховкой) являются практически ежегодные обследования, к примеру, женщин учат следить за рисками возникновения рака молочной железы с 30 лет. Швейцария имеет максимальный в мире (99,5%) охват добровольным медицинским страхованием, при этом доля частных денег в совокупных расходах на здравоохранение там больше 30%. Швейцарцы — лидеры в части личной ответственности за свое здоровье по многочисленным опросам, и лучше других соблюдают предписания врачей и дисциплину медицинских рекомендаций.Я заинтересовался этой темой, поскольку самый долгоживущий мужчина в моем роду, мой отец, умер в 54 года, когда мне было 17. Потому в 90-е годы я в полной мере понял, что такое ответственность за семью и крепкое здоровье — одно из условий для нее. К большому для меня сожалению, массовая и доступная информация по реальному развитию здоровья появилась относительно недавно. Но как только появилась, я начал ей пользоваться.Проблемы видимого здоровьяСначала немного теории. Большинство скептиков, набросившихся на Сергея Фаге, опубликовавшего статью о «биохакинге», любят аргументировать свою позицию тем, что «им 50, и врача помнят только по травмам». Это хорошо знакомая позиция, но замечу, что средний возраст диагностики рака в России у женщин — 64 года (рака шейки матки — 52), средний возраст выявления сахарного диабета второго типа — 51 год (причем еще недавно он был 54 года). При этом диабетом болеют в России 9,6% россиян. А кумулятивный риск (процент новорожденных, которые умрут или заболеют раком до достижения 75-летнего возраста) в России — 13,69% (2012 год, по данным GLOBOCAN 2012, IARC, Международного агентства по исследованию рака). Это наивысшая (!) цифра в мире. Если упрощенно: можно считать, что смертность от рака, диабета и сердечно-сосудистых заболеваний растет примерно в 10 раз за каждое десятилетие после 30 лет. Это означает, что все те, кто радостно обсуждает отсутствие необходимости похода к врачу, уже, скорее всего, имеет тенденцию к развитию заболевания, но ничего не предпринимает для его обнаружения.И рак, и диабет (а также нейродегенеративные заболевания, болезни Альцгеймера и Паркинсона) называют сейчас «болезнями старения». Многие исследователи и само старение считают болезнью и при этом ежедневно выявляют множество факторов, которые либо сопутствуют, либо обуславливают его. Многочисленные данные показывают, что раку предшествует многолетнее скрытое воспаление (которое легко выявляется анализами, которые почти никто не делает), а диабету — инсулинорезистентность (проявляющаяся в массе слабых симптомов типа перепадов бодрости после приемов пищи и т. п). Но ранние сигналы организма в России принято игнорировать, запивая их водкой.Модный аргумент противников «есть таблетки горстями» состоит в том, что «их наследственность» крепка как скала. Да, их мамы, папы, бабушки и дедушки прожили долгий и славный век. Но тут тоже стоит сделать лирическое отступление.До середины XX века основную миссию обеспечения максимальной продолжительности жизни человека (МПЖ) брала на себя эволюция, убивая слабые организмы в младенчестве и детстве массовыми эпидемиями и болезнями. Выживал сильнейший. От этого резко падала средняя продолжительность жизни (СПЖ, которая была около 35 лет до начала XIX века), но МПЖ с того времени выросла не так сильно (на 10-20 лет). Иными словами, вирусы и бактерии «выбивали» из популяции слабые организмы, которые, однако, были лишены тем самым шанса стать великими учеными, музыкантами, да и просто хорошими людьми.Великие достижения медицины последнего столетия убрали этот механизм, младенческая и детская смерть упали на порядки, но это привело к тому, что генетика современного человека, то есть способность организма самостоятельно (это важно!) справляться со стрессами и старением, в популяции становится все хуже. Иными словами, человечество стало эволюционировать скорее социально, а не биологически, а ухудшению генофонда противодействует улучшение медицины. Что, впрочем, верно для тех, кто медициной пользуется.Другое важное обстоятельство, которое не должно давать повод впадать в успокоение, это то, что современный городской житель (а у нас урбанизированное общество), дышит вовсе не воздухом 50-70-летней давности, ходит пешком в 5-10 раз меньше и имеет на порядок меньше рутинной ежедневной физической нагрузки. Потому все многочисленные исследования, подтверждающие прямое влияние регулярной (умеренной) физической нагрузки на долголетие, — это просто признание того факта, что человеку нужно выходить из массовой и вредной гиподинамии на уровень среднего для его вида количества физических усилий.Суммируем: даже если вы можете похвастаться хорошим геномом (я, например, не могу), это не значит, что вы проживете хотя бы столько же, сколько ваши предки, не предпринимая специальных усилий. В стране, где граждане считают, что «здоровье им обязано предоставить государство» (так, кстати, написано в Конституции), это печальная новость: государство мало делает для геропротекции и усиления профилактической медицины. Так что это ваше личное дело, всерьез вы отнесетесь к профилактике старения или будете весело отчитываться в соцсетях, как успешно вы избежали врача.Не панацея, а системаТеперь давайте перейдем от общей картины к личной стратегии. Многие, как правило, в районе 50 лет, резко начинают думать о старости. И мечтать о волшебной таблетке, которая ее отодвинет. Думаю, такой панацеи нет и никогда не появится. Слишком сложно устроен человеческий организм, и слишком много в нем систем и механизмов, которые и сами начинают стареть, и разлад между ними усиливает старение.На клеточном уровне старение клеток ведет к снижению их чувствительности к базовым молекулам — например, инсулину. Удаление старых клеток из органов со временем происходит все медленнее, они накапливаются, провоцируя скрытое воспаление органов (а следствие его — часто новообразования). Фундаментальные системы организма, эндокринная и иммунная, с возрастом необратимо меняются, и все это увязано с изменением в психике, поведении, когнитивных функциях. Даже суперэффективное лекарство может исправить один механизм, но он не удержит старение остальных. Старение — самая сложная и многообразная болезнь человека, и она требует к себе полного уважения.В последнее время появилось множество научно доказанных фактов увеличения и средней, и максимальной продолжительности жизни при применении тех или иных методов или препаратов. Революция в этой сфере идет на наших глазах: буквально каждую неделю появляется новое исследование, которое приносит новые факты. Прорыв делается как за счет новых методов (исследование на мышах с генетическим аппаратом человека, то есть мышки болеют «человеческими» версиями болезней и их метаболизм приближен к нашему), так и за счет завершение многолетних, а часто многодесятилетних популяционных исследований на десятках и сотнях тысяч людей, которые стартовали давным-давно.Все это приводит к взрывному росту информации. В мире публикуется в год больше 600 000 статей по медицине (за 20 лет их накоплено более 10 млн). В каждой статье — статистики, модели, примеры. Многие статьи содержат революционные результаты. Но физически даже просмотреть все актуальные статьи современный врач или исследователь не способен, разве что только самые яркие в самых авторитетных изданиях или в рамках очень узкой темы. А старение — тема широчайшая. Возможным решением проблемы в будущем станет искусственный интеллект, который сможет оперировать всеми факторами. Например, IBM Watson в некоторых случаях ставит диагнозы лучше врачей, однако над полноценными системами искусственного интеллекта, которые помогут в борьбе со старением, предстоит еще поработать.Сегодня, когда любой врач с любыми регалиями берется рассуждать о старении, если он не начинает с дисклеймера об ограниченности своего представления о предмете, то, к сожалению, он вас обманывает. Удержать все многообразие тем физически невозможно. А потому современная борьба со старостью начинает формировать совершенно иные формы организации медицины (и пациентские стратегии), нежели раньше.Во-первых, к борьбе со старением начали относиться всерьез. 8 лет назад, когда я лично спрашивал инвесторов Кремниевой долины, сколько у них проектов по Longevity, мне отвечали — 0, тема слишком недоказанная. Сейчас такие проекты есть в каждом (!) венчурном фонде с фокусом на Life Science, и даже в российских. Ряд популяризаторов, таких как Орби ди Грей, сумели вызвать широкий интерес инвесторов и спонсоров к решению задач борьбы со старением. В России таким евангелистом является Михаил Батин, который активно пропагандирует и развивает тему.Во-вторых, накоплены первые данные, которые уверенно (научно доказуемо) связывают те или иные факторы со старением. Разгромлено величайшее заблуждение века о «жирной еде», которая якобы провоцирует рост холестерина. Истинный «провокатор» негативных обменных процессов найден и обозначен: это сахар и другие «быстрые» углеводы. Выявлены эффективные диеты («средиземноморская диета», «диета, имитирующая голодание»), методы и требуемая интенсивность занятий спортом (регулярная умеренная нагрузка, а вовсе не чрезвычайно опасные марафоны) и так далее и тому подобнее.В-третьих, исследования начинают приносить конкретные прорывы в отношении тех или иных препаратов, витаминов и минералов. К примеру, препарат метформин, который уже полвека применяется для диабетиков, показал массу геропротективных свойств, профилактирует рак и другие болезни. Кстати, это выяснили, посмотрев на среднюю продолжительность диабетиков, лечащихся метформином: она оказалась выше, чем у контрольной группы «здоровых». Однако это вовсе не значит, что его пора включать всем в ежедневный рацион — популяционные исследования в масштабах жизни человека еще только идут. Но по показаниям врачи назначают его уже достаточно смело.В-четвертых, появляются врачи, которые начинают внимательно читать все эти материалы и применять те или иные методы и подходы. По личному опыту могу сказать, что ближе всего к пониманию масштабов проблем находятся эндокринологи и иммунологи, которым свойствен системный и самый широкий взгляд на организм человека. Увы, но более узко заточенные специалисты очень часто имеют взгляд со своей колокольни, хотя, конечно, все зависит от того, насколько внимателен врач к общему потому информации.Хакеры vs программистыТут пришло время сказать о ставшем модном «биохакинге». Вообще-то, изначально это «движение» касалось весьма узких приложений по резкому усилению отдельных способностей человека — например, первая история была про «ночное зрение». Однако сейчас его трактуют расширительно — как способ противостоять «биологически запрограммированному» старению и вообще усилению когнитивных и иных функций в любом возрасте. Отношение к биохакингу разное: от восторгов до шельмования, однако надо отнестись к нему внимательно.Почему активные мероприятия по предотвращению старения и «заболеваний старости» стали называть биохакингом? Все громче раздаются голоса тех, кто считает само старение запрограммированным процессом. «Программируемый износ», как в автомобилях, для стимуляции покупок. Согласно этой версии, организм человека нужен только для репродуктивных функций, а потому, выполнив их, разрушается, так же как умирает лосось, после того как отметал икру. Но даже те, кто считает, что «программы» нет, а старение — естественный процесс, согласны, что программы самоподдержания здоровья и эффективности в организме человека активны только в репродуктивной фазе, а после 30 начинают ослабевать. Здоровый и продуктивный человек после активной репродуктивной фазы нужен обществу, а не природе, а потому вопросами здоровья занимается не его организм, а сам человек и медицина как система — в этом и есть «хакерство» естественного положения дел, которое нас не устраивает.Биохакерами в тривиальном смысле являются все, кто применяет методы поддержания здорового образа жизни целенаправленно. И в этом смысле включение новых доказанных способов поддержки тонуса или здоровья — это просто продолжение уже существующего тренда. С другой стороны, люди фактически добровольно становятся участниками глобального эксперимента, имея призом стать первыми в обретении долгожданного результата. Это называется модным ныне термином civil science, но, несомненно, должно проводиться по всем правилам науки — то есть с формулированием гипотез, постановкой целей, согласованием методов и контролем результатов. Потому нормальный биохакер не сделает ни одного шага без совета с врачом, который поможет ему составить грамотный набор метрик контроля и будет учитывать совместимость методик и препаратов.Советы для долгой жизниЕсли собрать наиболее исследованные вопросы продления жизни, то можно выделить несколько тем. Учтите, что это советы, данные на личном опыте, возможно, у вас есть персональные особенности, действия медицинского плана необходимо согласовывать с врачом.1. Борьбу со старостью надо начинать загодя, оптимально — в 30 лет, когда организм системно переключается с роста на старение. В этот момент начинаются первые системные сдвиги, которые потом, как лавина, набирают свою мощь к 40-50-60 годам. Как минимум в этот время надо научиться регулировать сон и физическую нагрузку. Спать нужно не менее 7-8 часов, заниматься спортом не менее двух раз в неделю. Все просто.В это же время (а желательно и раньше) необходимо радикально расстаться с сахаром и научиться регулировать потребление углеводов (снизить их количество, особенно самых быстрых, с высоким гликемическим индексом, таких как картофель фри).Важно в это время сделать первый чекап по минералам и витаминам — их дефицит еще не критичен, но уже ведет к системным сдвигам. Как минимум в наших широтах нам системно не хватает витамина D и полиненасыщенных жирных кислот (Омега 3 и т. п). У мужчин дефицит цинка или магния ускоряет падение тестостерона. Может начать формироваться системный дефицит витаминов группы В. Но в любом случае все добавки надо согласовать с врачом, потому как есть и индивидуальная чувствительность, и индивидуальная непереносимость.В это же время в современной популяции начинает развиваться возрастная аллергия на глютен. В России эту проблему диагностировать толком не умеют, точнее, врачи не задумываются об этой проблеме. Да и последствия часто настолько разнообразны, что нельзя и сказать, есть ли простой симптом. Однако, поскольку глютеносодержащие продукты (все из пшеницы, к примеру) одновременно часто имеют и наибольший гликемический индекс, то просто снизить долю пшеницы в рационе полезно всем. Есть и иная причина: за последние 50 лет количество глютена в пшенице благодаря селекции выросло на порядок и более (что было нужно для легкости изготовления пышной сдобы). А потому в традиционном рационе доза этого небезопасного белка превышена колоссально.Тяжелее всего расставаться сахаром. При отказе от него организм бунтует, человек испытывает почти ломку. Но, по опыту автора, недолго: сложновато будет около месяца, но результат, поверьте, того стоит. Полный отказ от сахара приводит к самым быстроощутимым результатам в виде улучшения состояния, потому рекомендую его как «первый шаг» — если смог его сделать, сделаешь и остальное, а результат настолько нагляден, что и другие шаги делать уже легче.2. Ключевым индикатором начинающихся возрастных проблем является, как ни странно, настроение и сон. Тревожность, бессоница, отсутствие бодрости по утрам, ослабевание концентрации, быстрая утомляемость, раздражительность и эмоциональная нестабильность — все это признаки начинающихся системных сбоев. И упаси вас Эскулап начинать компенсировать эти проблемы психостимуляторами или иными препаратами. А тем более (как принято в России) — заливать проблемы алкоголем. Дело в том, что эти тенденции, как правило, есть следствия проблем фундаментальных систем — эндокринной, иммунной, а также неумения системно отрабатывать стрессы.Тут важно сделать оговорку — организму вредит стресс. Но здоровый организм умеет реагировать и преодолевать стресс. А значит, проблема или в том, что организм начинает системно сдавать (предболезнь) и стрессы начинают «пробивать защиту», или у вас стрессов слишком много и вы не умеете их блокировать и держать удар, и они начинают системно подтачивать уже ваш организм.Это значит, что в 30 и после (а еще лучше раньше) вам пора всерьез начать учиться работать со своей психикой. Медитации, простые приемы успокоения тревожности (например, рациональное планирование), курсы и книги по хорошему устройству миропонимания (какие — на ваш вкус или по совету хорошего психотерапевта или просто друга). В общем, пора привыкать, что все в жизни не на авось, и ваше хорошее настроение и добрые коммуникации с людьми — это ваша ответственность за свое здоровье.В этот момент, если вы входите в штопор (бессонницы, сильная тревожность, депрессии, агрессия и системные конфликты с ближними) — сделайте ровно две вещи. Сделайте полный чекап организма (в основном на гормональные сбои) и сходите к психотерапевту. Научитесь один раз и навсегда преодолевать такие эмоциональные штормы (найдя причину и эффективное лечение). Это фундамент навыка заботы о собственном здоровье.3. С возрастом, после 40, начинают формироваться прямые последствия ранних факторов старения, например ухудшается сон, сильнее меняется гормональный фон, возникает инсулинорезистентность. Это идет медленнее, если вы начали в 30, но начинают единицы. Так что самое время пройти полный чекап и перейти к контролируемым диетам, в основном их суть сводится к снижению калорийности, производимой за счет уменьшения потребления углеводов. Две важные оговорки. Во-первых, «жесткие диеты» (с сильным голодом), как правило, контпродуктивны. Нужно умеренное и контролируемое снижение потребления калорий. Во-вторых, модная ныне кетогонная диета пока имеет доводы как за, так и против, потому я, к примеру, прибегал к ней ограниченно (полгода), под контролем врача, и имея конкретную врачебную задачу определенным образом отрегулировать вес (проблем лишнего веса у меня не было никогда, но тем не менее таково было предписание врача).Показано преимущество «средиземноморской диеты» — меньше красного мяса, больше рыбы и птицы, и обязательно много овощей и клетчатки. Впрочем, непосредственно для вас могут оказаться вредными пасленовые или еще что-то, потому еще раз — советуйтесь с врачом. Но общий подход к разумной стратегии — умеренность, не бросайтесь в крайности. Веганство ведет к доказанному острому дефициту витаминов. Часть полезных белков не присутствует в рыбе, а только в красном мясе. Ни одна из резких диет не доказала преимуществ по долголетию. А вот легкое (на 20-30%) ограничение калорий и организм примет легко — и, доказано, пойдет на пользу.В целом очень рекомендую прочитать книгу «Кишечник долгожителя» Алексея Москалева, лучшего, пожалуй, российского ученого-геронтолога, обладающего отличным талантом популяризатора.4. Есть чрезвычайно многообещающие результаты по геропротективным лекарствам, однако, как я сказал раньше фактически вы станете участником масштабного исследования по их полезности. Ваш риск, но, повторюсь, вступать на этот путь стоит только под контролем врача. Как минимум он скажет вам, когда остановиться, глядя на те или иные параметры организма.Начиная с 40 лет регулярная ежегодная профилактика и анализы основных системных маркеров должны стать обязательными. Точную номенклатуру дать сложно, можно, например, воспользоваться списком Михаила Батина и его группы Open Longevity, но как минимум вам надо контролировать гормоны щитовидной железы, уровень сахара в крови, тестостерон/эстроген, С-реактивный белок, уровни холестерина (высокой и низкой плотности) и триглицеридов, уровень толерантности к глюкозе. Такой чекап выпишет вам и кардиолог, и эндокринолог в ответ на самые типичные жалобы сорокалетних — вялость по утрам, вялость после приема пищи, отсутствие бодрости и ясности ума «как в 20» (да, это симптом проблем, а не пресловутый «возраст»), набор веса и тому подобное. Если любой показатель будет вне нормы, то вы уже можете обсудить с врачом, что делать. В 90% случаев помогут много лет апробированные витамины и добавки. Только сразу оговорюсь — не поли/мультивитаминные комплексы из аптек по совету продавца-фармацевта, а конкретные минералы/витамины, дефицит которых установлен и диагностирован анализами.Стоит ли это пресловутых $200 000, которые затратил на биохакинг основатель «Островка» Сергей Фаге? Нет, конечно. Но потратиться придется. Вам, впрочем, решать, хорошая ли это цена за здоровую жизнь.И два важных пункта в заключениеСамое неочевидное в «диетах» биохакеров — это психостимулирующие вещества. Сразу скажу: автор пас. Ощутимый и мощный прилив бодрости от описанного выше мне лично кажется абсолютно достаточным. Остальное — если пропишет врач по показаниям.И второе: модный ныне спорт преодоления (триатлон, марафоны), увы, тоже относится скорее к формированию зависимости от ряда нейромедиаторов (которые стимулируются такими сверхусилиями), чем к разумным усилиям по поддержке продолжительности жизни. Просто подумайте, почему в известном мифе молодой профессиональный воин пробежал 42 км и умер, а современный клерк после трех лет тренировок — нет. После определенного возраста (30-40), всякое стимулирование роста в организме (а усиленное обновление тканей после сверхнагрузок ведет к этому) усиливает процессы, которые ведут к накоплению ошибок в организме (например, новообразованиям). Текущие исследования показывают, что после 40 инсулиноподобный фактор роста надо сдерживать, а не бустить, так что умеренные тренировки в удовольствие — то, что надо, а изнурительный бег за «эндорфиновым приходом» — нет.И как принято у нас стало говорить: вы держитесь там, хорошего здоровья и настроения вам.Евгений КузнецовИсточник

04 марта, 09:32

Пациент в нейросети: ИИ в медицине

Мирослав Шестернин, менеджер по продуктам Orange Business Services: "В подавляющем большинстве стран больницы собирают данные о своих пациентах. Если информация хранится в электронном виде, в особенности с доступом к сети, то ИИ позволит обрабатывать ее гораздо быстрее, чем это делает человек. Эта возможность имеет критическое значение, когда речь идет о сложных заболеваниях в начале их развития. Оперативные меры помогут купировать болезнь на начальном этапе, когда от нее относительно легко избавиться. По информации корпорации Google, в США из-за неправильной диагностики или слишком долгого анализа информации страдает каждый десятый пациент.Чтобы решить проблему, некоторые компании уже сейчас предлагают медицинские сервисы, позволяющие провести предварительную диагностику пациента (например, один из кейсов – стартап Lung Passport – ред.). Особенно преуспели в этом корпорации Google (Google Deepmind Health) и IBM (IBM Watson Health). Платформы компаний способны обрабатывать десятки тысяч страниц текста за считанные секунды. Данные, о которых идет речь, берутся как из сети, так и с серверов больницы, в которой работает платформа от Google или IBM. Решение от Google анализирует открытые данные, так или иначе связанные с самочувствием пациента: его историю болезни, а также схожие истории других пациентов, научно-медицинскую литературу, справочную информацию и многое другое. После сервис Google Deepmind Health взаимодействует с врачом, помогая поставить диагноз и назначить эффективный курс лечения. Платформа от Google работает в нескольких медицинских учреждениях США, включая Moorfields Eye Hospital".( Читать дальше... )Вы также можете подписаться на мои страницы:- в фейсбуке: в твиттере: в контакте: в инстаграм: в телеграм: в одноклассниках:

03 марта, 20:14

Нашествие роботов на рынок труда стало реальностью

От роботизированных станков на фабриках потребительской электроники до алгоритмов-программистов и цифровых юристов — автоматизация перешла из разряда призрачной угрозы в категорию реальных рисков. Банки, холдинги, ИТ-компании, производители кроссовок и хедж-фонды заменяют сотрудников роботами, а аналитики прогнозируют — скоро ИИ отберет миллионы рабочих мест по всему миру. Роботы-рабочие […]

Выбор редакции
15 февраля, 16:21

Хабрабургер 1.0: архитектура решения и особенности гастрономической платформы

Хостинг RUVDS совместно с Burger Heroes организовал на Хабрахабре конкурс на рецепт бургера. Идеи сообщества вдохновили бургерную на создание нового блюда. Шеф-повар Петр Рабчевский помог нам провести реверс-инжиниринг Хабрабургера и разобраться в ключевых моментах бургерной разработки в домашних условиях. Подробности – под катом

07 февраля, 15:00

Are the Most Innovative Companies Just the Ones With the Most Data?

viktor vasicsek/unsplash Do you still use Yahoo? Do you still remember MySpace? Compaq? Kodak? The cases of startups with superior ideas dethroning well-established incumbents are legion. This is the beauty of “creative destruction” – the term coined by innovation prophet Joseph Schumpeter almost a century ago. Incumbents have to keep innovating, lest they be overtaken by a new, more creative competitor. Arguably, at least in sectors shaped by technical change, entrepreneurial innovation has kept markets competitive far better than antitrust legislation ever could. For decades, creative destruction ensured competitive markets and a constant stream of new innovation. But what if that is no longer the case? The trouble is that the source of innovation is shifting – from human ingenuity to data-driven machine-learning. Google’s self-driving cars are getting better through the analysis of billions of data points collected as Google’s self-driving cars roam the street. IBM Watson detects skin cancer as precisely as the average dermatologist because it has been training itself with hundreds of thousands of skin images. Siri and Alexa are getting better at understanding what we say because they never stop learning. Of course, it takes plenty of talented, creative people to build these products. But their improvement is driven less by a human “aha-moment” than by data and improvements in how machines learn from it. Insight Center The Risks and Rewards of AI Sponsored by SAS Assessing the opportunities and the potential pitfalls. Sometimes companies have to go out and collect a specific kind of data – think of Google’s cars roaming the streets of Silicon Valley. And sometimes companies pay for access to data so that their systems can learn. But more often than not, the data that fuels innovation is being generated by users interacting with an existing digital service. When we accept Siri’s suggestion, it’s feedback to Siri that she got it right. And when we surf away from Amazon’s product recommendation, it’s another feedback signal that we weren’t so happy. It’s the same when a driver in a Tesla takes over from assisted driving, or when we accept (or don’t accept) Google auto-completing our search query. This feedback data is incredibly valuable because it is the raw material feed into machine learning tools; it’s the very resource that fuels data-driven innovation. And the more you have, the better you get. Take self-driving cars as an example. During 2016, self-driving cars by major international car manufacturers improved by roughly a third. That’s a significant jump. But Google collected far more data per car to feed a more advanced machine learning system, and its cars improved by 400%– an amazing jump in innovation, and more than ten times as much as cars utilizing less data. But if innovation is founded on data rather than human ideas, the firms that benefit are the ones that have access to the most data. Therefore, in many instances, innovation will no longer be a countervailing force to market concentration and scale. Instead, innovation will be a force that furthers them. This would be a fundamental change to competition, and could cause market after market to become concentrated – as has already been happening in the U.S. If this happens, conventional antitrust measures won’t be much help, because they restrain uncompetitive behavior – but large companies using their data to learn and innovate isn’t illegal. In fact, they’re acting perfectly efficiently, using the benefits of their scale to squeeze novel insights out of troves of data. The specter of companies with access to data becoming data-driven innovation leaders, leaving smaller competitors and startups behind in the dust, should concern policymakers intent on ensuring that markets stay dynamic and competitive. Their challenge is less to realize the problem than to devise a solution that keeps markets competitive without stifling data-driven innovation on the whole. Most business leaders, on the other hand, face a very different challenge in this world of data-driven innovation. To compete against digital champions, they will have to overcome not just scale and network effects but especially these new data-driven feedback effects. For many innovative companies, the next few years will be a time of reckoning: as the power of data-driven innovation increases, these more conventional innovators will have to find access to data to continue to innovate. That necessitates at least two huge adjustments. First, they need to reposition themselves in the data value chain to gain and secure data access. That’s difficult if, for instance, all the data is captured upstream in the data value chain. Just ask suppliers in car manufacturing, or book publishers. Second, as innovation moves from human insight to data-driven machine learning, firms need to reorganize their internal innovation culture, emphasizing machine learning opportunities and putting in place data exploitation processes. This is hard because it often runs counter to an engineering culture that has long championed human ingenuity. The adjustment will be so severe that numerous innovative firms will falter in the coming years, overtaken by more data-savvy competitors. And those that succeed will look very different than they do today. But firms wanting to stay innovative have no other choice. You may be doing well with your innovative company today, but as the source of innovation shifts, you will need to as well.

26 января, 14:00

How AI Could Help the Public Sector

omair khan/unsplash Last Thanksgiving, I watched my father-in-law evaluate over one hundred exams for the high school class he teaches on the U.S. government. They were mostly short answer questions: matching different provisions of the U.S. Constitution, and explaining the contents of the Bill of Rights. The grading was tedious and time consuming, and took him hour after hour during what should have been a holiday. I started to wonder whether there could be a faster way. Automatic computer grading could do exactly that, learning from previous answers and getting better as it goes — and it is already being used in some universities and for large online courses (MOOCs). It could grade bundles of student papers quickly, perhaps flagging those with unusual elements that need a bit of human oversight. Teachers would get time back to plan new lessons, give extra tutorials to students who are struggling, do extra reading, or simply get their holiday time back. A public school teacher grading papers faster is a small example of the wide-ranging benefits that artificial intelligence could bring to the public sector. A.I could be used to make government agencies more efficient, to improve the job satisfaction of public servants, and to increase the quality of services offered. Talent and motivation are wasted doing routine tasks when they could be doing more creative ones. Insight Center The Risks and Rewards of AI Sponsored by SAS Assessing the opportunities and the potential pitfalls. Applications of artificial intelligence to the public sector are broad and growing, with early experiments taking place around the world. In addition to education, public servants are using AI to help them make welfare payments and immigration decisions, detect fraud, plan new infrastructure projects, answer citizen queries, adjudicate bail hearings, triage health care cases, and establish drone paths.  The decisions we are making now will shape the impact of artificial intelligence on these and other government functions. Which tasks will be handed over to machines? And how should governments spend the labor time saved by artificial intelligence? So far, the most promising applications of artificial intelligence use machine learning, in which a computer program learns and improves its own answers to a question by creating and iterating algorithms from a collection of data. This data is often in enormous quantities and from many sources, and a machine learning algorithm can find new connections among data that humans might not have expected. IBM’s Watson, for example, is a diagnostician-bot that seeks to identify rare diseases among combinations of common symptoms that human doctors might overlook. Machine learning program may be better, cheaper, faster, or more accurate than humans at tasks that involve lots of data, complicated calculations, or repetitive tasks with clear rules. Those in public service, and in many other big organizations, may recognize part of their job in that description. The very fact that government workers are often following a set of rules — a policy or set of procedures — already presents many opportunities for automation. To be useful, a machine learning program does not need to be better than a human in every case. In my work, we expect that much of the “low hanging fruit” of government use of machine learning will be as a first line of analysis or decision-making. Human judgment will then be critical to interpret results, manage harder cases, or hear appeals. When the work of public servants can be done in less time, a government might reduce its staff numbers, and return money saved to taxpayers — and I am sure that some governments will pursue that option. But it’s not necessarily the one I would recommend. Governments could instead choose to invest in the quality of its services. They can re-employ workers’ time towards more rewarding work that requires the lateral thinking, empathy, and creativity — all things at which humans continue to outperform even the most sophisticated AI program. Deciding who qualifies for unemployment benefits, for example, is an important task with major consequences. Machine learning applications might speed up decisions, either giving a clear answer or indicating which cases need a human to take over. Sometimes, a citizen’s most valuable response from her government is a fast “yes” or “no.” At other times, the question might be more complicated. Perhaps someone has been unemployed for several months, and wants a longer conversation that includes some coaching, advice, and encouragement. A human will do this far better than a computer, and it might also be the best part of a public servant’s job: he gets to think about a new problem, and to truly help someone. On the other hand, asking a human to act like a computer, processing simple claims and hiding empathy or creativity, creates a tedious job for the government worker and a depressing experience for the citizen interacting with government. Writing as a former government worker — and now a full-time consultant for governments — I am very familiar with the high proportion of government work that is mundane. Complicated processes that leave little room for new ideas turn enthusiastic new public servants into cynics (and encourage them to leave government work). This is bad for public servants, but more importantly, it is bad for government. Regular surveys of trust in government, including by the OECD and Edelman, show that trust in government is low, and falling. Increasing the space for government workers to use their more human skills — empathy, creativity, and lateral thinking — may help. Humans are much better at this kind of thinking (and feeling) than machines are, and it is often the meaningful connection, the good sense, and the understanding that citizens are seeking when they deal with their government. If they are used well, artificial intelligence programs can make our government services faster and more tailored. The critical decision to be made by governments is how the time won by the best technology can be given back to citizens. At a time when many industries and jobs will change quickly, citizens may find that opportunities to have longer conversations with more engaged public servants may be much more important than a cheaper government.   With thanks to Richard Stirling and Antone Martinho-Truswell

25 января, 11:39

Фото: робот София позавтракала с директором «Сбербанка» и министром экономики

На полях Всемирного экономического форума в Давосе прошел деловой завтрак «Сбербанка», который модерировал президент банка Герман Греф. Тема делового завтрака — «Технология AI меняет компании и экономику: приобретения и угрозы».В завтраке также приняли участие вице-премьер Аркадий Дворкович, глава Минэкономразвития Максим Орешкин, а также представители Google, Microsoft, Dell, McKinsey, IBM, «Яндекса» и других компаний. Почетным гостем мероприятия стала робот София. Герман Греф задал Софии вопрос: «Может быть, стоит ограничить развитие искусственного интеллекта?» Робот ответила: «Людям не стоит отвергать эти изменения, но доля здоровой критики не помешает. Не судите о нас по таким фильмам, как 'Терминатор'». Дэвид Кенни, менеджер платформы IBM Watson отметил, что «нет ни одной профессии, ни одного человека, которого в ближайшие 5 лет не затронет развитие искусственного интеллекта». Глава Минэкономразвития Максим Орешкин, заявил, что его ведомство серьезно смотрит на использование искусственного интеллекта и работает с компаниями, в том числе со «Сбербанком», и старается трансформировать рынок труда и повышать качество услуг.

15 января, 13:05

The 5 Things Your AI Unit Needs to Do

Bogdan Dreava/EyeEm/Getty Images Not a day goes by without the announcement of the appointment of a new VP of Artificial Intelligence (AI), a Chief Data Scientist, or a Director of AI Research. While the enthusiasm is undeniable, the reality is that AI remains an early-stage technology application. The potential is vast, but how managers cut through the AI hyperbole to use its power to deliver growth? In our consulting work, we often encounter managers who struggle to convert AI experiments into strategic programs which can then be implemented. Michael Stern (not his real name), for instance, is the Head of Digital for a German Mittelstand office equipment company. Michael is used to starting new projects in emerging areas, but feels unable to fully understand what can AI can do for his business. He started a few experiments using IBM Watson, and these produced some clear, small tactical gains. Now Michael is stuck on how to proceed further. How can he create cross-functional teams where data experts work with product teams? And how will they pick project ideas that produce real ROI? Michael wonders if his firm even knows what new business models can be explored with their existing datasets — let alone which new ones might be made possible by AI. Insight Center The Risks and Rewards of AI Sponsored by SAS Assessing the opportunities and the potential pitfalls. Michael is not alone.  As more and more companies invest in AI-driven units, many newly appointed managers face these challenges – especially in companies with little or no previous experience with cognitive technologies. Part of the trouble: in many companies, the role of these teams is undefined. Very little research has been done to design the mission and scope of these new units. At the European Center for Strategic Innovation (ECSI), we examined numerous corporate AI initiatives among large organizations, and identified five key roles that can help AI units to develop the right mission and scope of work to succeed. 1. Scouting AI technology, applications, and partners. This role is about setting up a core team of “AI sensors” in charge of monitoring new trends, identifying disruptive technologies, and networking with innovative players — mainly startups. The automobile-parts supplier Bosch and the tech and engineering powerhouse Siemens are two prime examples of this. With a planned investment of $300 million, Bosch has established three AI corporate centers focused on IoT and other AI-related fields in Germany, India, and Palo Alto. Siemens, similarly, has included AI in the company’s list of innovation fields to be monitored through its network of innovation outposts with offices in California, China, and Germany. 2. Experimenting with AI technology and applications. This role is about understanding through quick, small AI pilots how to develop or adopt cognitive technologies to the company’s business and operational models. Although off-the-shelf AI tools and open-sourced systems are available, they have limited transformational potential compared to customized ones. At Deutsche Telekom, the development of its own AI solutions is an important priority. Instead of buying AI chatbots from vendors, Deutsche Telekom has its own developer teams. With the support of partners, they design, train, and fine-tune AI solutions for the company. Rather than concentrating efforts on a single big win, AI units and teams should embrace a portfolio approach to their experiments. The power of AI should be tested across functions and business areas. There are three types of experiments that are worth paying particular attention to: Experiments in the driver’s seat are typically conducted by the company’s AI unit or internal developer teams. In the last few years, Deutsche Telekom has tested internally three different AI-backed chatbots and virtual assistants to improve the company’s corporate and private customer services. Experiments with others in the driver’s seat involve joining forces with innovative players such as start-ups, research centers, and universities. In general, such experiments are focused on cutting-edge technologies or applications requiring in-depth expertise and skills that companies do not have. This is a common strategy among large organizations: Mercedes-Benz entered a partnership with the Computer Science and AI Lab of MIT; Associated Press collaborated with Automated Insight, a specialized AI firm; Deutsche Telekom partnered with the German Research Centre for AI, called DFKI. Experiments by learning from others are common among companies interested in pioneering AI technology and applications, but too premature for their industry. Observing others translates into funding ventures or start-ups innovating at the frontier of AI. This is the case at German insurance company Allianz, which funded Europe’s first global AI equity fund to position itself as a “pioneer in AI investments.” 3. Supporting business units in applying AI technology. This role is about building internal capabilities through a specialized network of AI experts who can support business units in the integration and application of AI tools and solutions (from basic data visualization and chatbots to the automation of entire processes like claims management). The success of AI applications lies not in the technology per se, but in the ability of a company to align it with its business and operational models. The Data and AI Lab is one of the most visible BNP Paribas’ AI efforts. The Lab is responsible for the development of AI tools that can improve the internal processes. At BNP Paribas, the AI team is in charge of accompanying and supporting business units all along the way, from the identification of potential applications to the experimentation and fine-tuning. It’s essential that these labs be tightly integrated into the organization, not in a far-off lab. Constance Chalchat, Head of Change Management at BNP Paribas says, “Data scientist teams need to work in close partnership with both the business and IT.” 4. Getting the entire organization to understand AI. This role is about the ability of the AI team to educate the organization on the opportunity to harness the power of AI. Why? Because AI is ultimately a tool. Organizations need to build solid foundations that enable people to actually use and secure value from AI technology. As passion for AI is rising to the top of large organizations, this applies also to the C-suite and Board. Executives need support to cut through the complexity of AI-driven discussions and find ways to extract value. Embedding AI in the company’s culture and core skills set can be done at two levels. First, internal communication initiatives can help raising awareness and acceptance of AI technologies, in particular those with a high transformative potential, while creating a common AI language and culture. Second, targeted education efforts allow building basic, standard capabilities of people, who are not AI experts in the organization. AirBnB is a prime example of this. By setting up an internal Data University, AirBnB is teaching employees data science with the goal of making the transition to a more AI-aware organization easier and faster. 5. Attracting and retaining talent. This role is about addressing the AI skills gap. A dedicated AI unit should work in close cooperation with the HR department to identify the right skills and capabilities required, and define strategies for talent retention. Companies are currently adopting different AI talent acquisition strategies. Edouard d’Archimbaud, Head of the BNP Paribas Data and AI Lab is gradually expanding his 25-member team. “We’re recruiting around ten people a year […] we’re very careful and only like to hire the right people,” he explained. Other companies have invested more significantly. This is the case of Airbnb that recently “acqui-hired” a team of seven data engineers from Changecoin, a start-up with deep knowledge of blockchain technology. The framework in action Sometimes these newly created AI teams will be investing time and effort in all the five roles. The challenges at other companies can be quite different. Plotting the five roles on spider graphs like the one shown here can help companies figure out where they are currently focused and where they may need to increase or reduce their efforts. They can, for example, compare what they are currently doing with what they should be doing, given their company’s strategic intent and their capability and organizational issues.   Each AI team should design its own spider-graph based on its existing context, goals, and constraints. Companies investing – or planning to invest – in AI units need to think strategically about where to focus their efforts. Winning the AI revolution isn’t about just the technology and the tools, it is about educating and getting your organization ready for the future.  In the same way as Amazon didn’t invent the technology that has made them a corporate titan, companies in the AI-age need to prepare their organization to be data-first in order to stay competitive in the long run. Plotting the five roles can help align the company’s strategic intent with the organizational context and constraints.

14 января, 19:53

Не опоздать на революцию. Нужен ли вашей компании робот?

Как грамотно оценить возможности робота и его стоимость для конкретной организации? Какие можно передать ему операции и сколько рабочих мест, а, следовательно, и денег, он будет экономить компании?

12 января, 15:00

Robo-Advisers Are Coming to Consulting and Corporate Strategy

CSA Images/Printstock Collection/Getty Images Does a robot manage your money?  For many of us, the answer is yes. Online and algorithmic investment and financial advice is easy to come by these days, usually under the moniker of “robo-advisor.” Startups such as Wealthfront, Personal Capital, and Betterment launched robo-advisors as industry disruptors, and incumbents, such as Schwab’s (Intelligent Advisor), Vanguard (Personal Advisor Services), Morgan Stanley and BlackRock have joined the fray with their own hybrid machine/advisor solutions. It’s clear that robo-advisors and AI play an important and growing role in the financial services industry, but a question remains.  Will robo-advisors disrupt corporate capital allocation the same way they have personal capital allocation? And, will they shake up the trillion-dollar corporate consulting and advisory industry? Robo-advisors, which were introduced in 2008, are steadily eating up market share from their human counterparts much the way that Amazon and Netflix have taken share from Walmart and Regal Cinemas. A study by Deloitte estimated that “assets under automated management” (including hybrid offerings) in the U.S. will grow to U.S. $5 trillion to U.S. $7 trillion by the year 2025 from about U.S.$300 billion today. This would represent between 10% and 15% of total retail financial assets under management. At the end of 2016, Fitch Ratings estimated that all robo-advisors managed under U.S.$100B in assets, and predicts double-digit growth in assets under management over the next several years. Finally, A.T. Kearney predicts that assets under “robo-management” will total $2.2 trillion by 2021. Insight Center The Risks and Rewards of AI Sponsored by SAS Assessing the opportunities and the potential pitfalls. If AI-guided investing can work for a person, can it also work for a company?  Corporations buy and employ human advice from many wise advisors—consultants, lawyers, investment bankers—in the same fashion that investors did in the past. Corporate strategy is complex, and the advice is expensive.  However, the approaches advisors take are usually data-driven and guided by previous experiences.  This is just the sort of problem that can benefit from machine intelligence. This makes corporate strategy an enormous and untapped prize for “robos” and “AI-enabled” expert advice across the entire enterprise; this market is ripe for disruption much the way the financial investing industry was in 2008. Marketing and sales, manufacturing, recruiting (including people assessment), customer service, and support are all fields that can benefit from artificial intelligence according to McKinsey’s recent research. The reasons for this potential disruption now are many: There is an explosion in the amount of corporate data. In fact, it is doubling every 14 months and it will reach 10.5 ZB by 2020.  This data is both financial (revenues, profits, growth) and non-financial (customer sentiment, employee engagement, marketing effectiveness, product feedback, and partner ecosystems).  The availability of this data creates fertile ground for robos to provide algorithmic insights and recommendations that deliver highly predictive, error-proof, and low-cost advising. Companies are both operators and investors. Research by McKinsey shows that US companies allocate about $650B a year across all their activities—be it financial, physical, human, intellectual, or customer capital. However, they don’t have the tools or practices to best allocate capital, and as a result, 92% of companies allocate their capital the same way year over year. Just like individual investors, most corporations could probably use some help in making wise investment decisions. AI is growing exponentially in enterprises. By almost all accounts, companies at the digital frontier such as Google, Facebook, and Microsoft are investing vast amounts in AI—somewhere between $20 billion and $30 billion alone in 2016. Many established firms—a 2017 Deloitte survey suggested about 20% in the U.S.—are making substantial investments in AI as well. Further, venture capitalists are jumping in with both feet. $4 to $5 billion was invested by VCs in AI in 2016.  Lastly, private equity firms invested another $1 billion to $3 billion. These numbers represent more than three times as much as was invested in 2013. The costs of AI-enabled tools are falling, and availability is rising. Both proprietary tools, like IBM’s Watson, and open-source tools from firms like Google, Microsoft, and Amazon, are widely available. Cloud-based hardware is also increasingly available to any business at low cost. Companies in every industry can benefit from making more data and algorithm-based decisions in areas of internal operations and finance. Analytics are growing in every business function and industry. “Robo-advice” is a straightforward extension of these analytical tools. Each one of us is becoming increasingly more comfortable being advised by robots for everything from what movie to watch to where to put our retirement.  Given the groundwork that has been laid for artificial intelligence in companies, it’s only a matter of time before the $60 billion consulting industry in the U.S. is going to be disrupted by robotic advisors. For those who want to stay ahead of the curve, there are three strategies you can take: Build a pure-play solution: Several robo-advice companies started their offerings with machine-only advice. Their goal was to hit the lowest possible price point, and to appeal to “digital native” customers. However, as the companies providing hybrid advice have grown rapidly, most startups now also offer some level of human advice—typically for a higher fee. Only Wealthfront remains a machine-only robo-advisor. This suggests that corporate robo-advice providers should think carefully before abandoning the human component completely. At Vanguard, the Personal Advisor Services offering features advisors as “investing coaches” who are able to answer investor questions, encourage healthy financial behaviors, and be, in Vanguard’s words, “emotional circuit breakers” to keep investors on their plans. There are likely to be corporate equivalents of these functions. Create your own internal robo-advisory service: Companies could develop their own robotic or semi-robotic advice for key decision domains. This is in fact what cancer hospitals, for example, are attempting to do with IBM Watson in cancer care, and what customers of semi-automated machine learning platforms are doing for highly quantitative decisions (DataRobot is one example; Google’s new AutoML is another). However, developing a robo-advisor only for one’s own internal issues may be more difficult and expensive than many companies are willing to venture into. Further, it is decidedly outside the wheelhouse for most established firms, which brings us to the third option. Partner with or acquire an existing provider: In financial robo-advice, firms that were not first to market are now moving quickly to either partner with a startup or acquire one.  Examples include BlackRock, which recently acquired FutureAdvisor for a reported $150-200 million; JP Morgan’s recent partnership with Motif Investing, and UBS’ equity investment in SigFig. There are likely to eventually be a number of vendors of corporate robo-advice, though they are not widely available at this point. Regardless of which strategy you pursue, it seems likely that corporate robo-advisors are coming to many parts of the organization, just as software has spread through the value chain over the last two decades. Robo-advisors have the potential to deliver a broader array of advice and there may be a range of specialized tools in particular decision domains. These robo-advisors may be used to automate certain aspects of risk management and provide decisions that are ethical and compliant with regulation. In data-intensive fields like marketing and supply chain management, the results and decisions that robotic algorithms provide is likely to be more accurate than those made by human intuition. Finally, it is becoming clear that serious AI adopters with proactive business strategies based on it benefit from higher profit margins. In fact, a McKinsey survey suggests that these front runners report current profit margins that are 3 to 15 percentage points higher than the industry average in most sectors, and they also expect this advantage to grow in the future. In the next three years, these AI leaders expect their margins to increase by up to 7 percentage points more than the industry average. Of course, traditional consultants and other providers of corporate advice are unlikely to disappear. Like the human advisors that still complement robo-advisors in the investment world, they can provide a number of key functions. Here are several ways existing corporate advisors can complement their future robot partners: Integrate different online advice sources, and help clients and investment firms to understand what systems to use for what purposes. Human advisors could also, like hedge fund managers, analyze the results from machine-advised decisions and advise clients on whether changes are necessary in the algorithms and logic employed by the machines. Shift to providing advice on business models, not just strategy and operations. We suggested in a recent article that pure advice from even the most elite consultants would be put at risk by machine learning. However, our research as well as others’ suggest that consultants can focus on their clients’ business models rather than just strategy, operations, and best practices to insure their future growth, relevance and success. Deliver behavioral coaching. As corporate strategy advice is increasingly disrupted by algorithms and artificial intelligence, corporate advisors could coach leaders on the best approach to success using their EQ skills. As with behavioral coaches in individual investing, corporate coaches could, for example, dissuade leaders and boards from buying companies at the top of the market or selling when the markets crash. They can help them with change management as smart machines provide new insights at increasing speeds. While the details of adoption of automated advice from robo advisors in all industries are unclear, it is likely that the future will include automated advisors in many fields. They already exist in personal investing, driving navigation (Google Maps, Waze), matchmaking (EHarmony,, and healthcare (WebMD Symptom Checker). It seems only logical that they would extend into corporate strategy and finance. Financial services firms, financial advisors, and their clients were the first to witness substantial disruption, but they won’t be the last.  The days of only face-to-face discussions between client and consultant may not vanish altogether, but they shift from crunching the numbers to changing behaviors and nurturing relationships with clients.  As Ian Dodd, Director of legal analytics firm Premonition, said to the BBC, “The knowledge jobs will go.  The wisdom jobs will stay.”

11 декабря 2017, 19:18

Искусственный интеллект и робот — лучшие друзья космонавта

IBM Watson, перешедший от «Своей игры» к полезным задачам вроде медицины, поварского искусства или сервиса советов наконец-то добрался до аэрокосмической отрасли. И в 21 веке возвращение человека на Луну может произойти в условиях, когда ИИ будет верным советчиком при перелете, корабль сядет на уже подготовленную площадку с развернутой роботами базой, да и функцией человека станет присмотр за роботами телеприсутствия. читать далее

11 декабря 2017, 07:11

Искусственный интеллект и робот — лучшие друзья космонавта

IBM Watson, перешедший от "Своей игры" к полезным задачам вроде медицины, поварского искусства или сервиса советов наконец-то добрался до аэрокосмической отрасли. И в 21 веке возвращение человека на Луну может произойти в условиях, когда ИИ будет верным советчиком при перелете, корабль сядет на уже подготовленную площадку с развернутой роботами базой, да и функцией человека станет присмотр за роботами телеприсутствия.Интерфейс ИИ из фильма "Луна 2112"IBM WatsonСвежая новость - когнитивную систему IBM Watson начали адаптировать к задачам из области авиации и космонавтики. При этом задач выделяется два вида: "Исследования" и "Принятие решений". В первом случае ИИ работает как научный помощник, готовый представить требуемую информацию из огромных банков данных. И успешный опыт ответов на сформулированные на естественном языке вопросы, показанный в "Своей игре", означает, что с таким научным помощником можно будет быстро и эффективно общаться.Второй вариант еще интересней. В режиме "Принятие решений" когнитивная система становится советчиком в центре управления воздушным движением, космическом ЦУПе и даже в кабине самолета или космического корабля. ИИ будет получать поток данных о ходе полета и, вооруженный знаниями о технике, истории авиации и всем, имеющим отношение к делу, сможет давать советы пилотам и руководителям полетов. Утверждается, что в качестве проверки работоспособности идеи уже был произведен тест - ИИ на симуляторе подали случай замерзания измерительных приборов самолета. В реальном полете человек двадцать минут набирал и терял высоту, разбираясь в ситуации, а IBM Watson успешно нашел место аварии и сообщил об этом. Сейчас ведутся работы по разработке кабинного интерфейса, чтобы встроить систему в существующий кокпит. Также IBM Watson учат понимать еще и радиопереговоры.Памятник погибшим в катастрофе рейса 301 BirgenairРабота со сложными техническими системами в авиации и космонавтике ярко показала недостатки человеческого сознания. Люди могут отвлекаться, их легко запутать и перегрузить информацией, особенно в условиях стресса. Увы, история авиации знает случаи, когда из-за отказа приборов, измеряющих параметры полета, пилоты, перегруженные противоречивыми аварийными сообщениями, теряли контроль над самолетом, и ситуация, которую можно было бы исправить, заканчивалась катастрофой. В катастрофе рейса Aeroperú 603 заклеенный при техническом обслуживании приемник воздушного давления на стороне командира лишил его данных о воздушной скорости. Если бы летчики поняли, что ошибается один прибор, и перешли на данные с ПВД второго пилота, радиовысотомера и гироскопического авиагоризонта, то смогли бы вернуться в аэропорт. Увы, из-за лавины аварийных сообщений они перестали верить всем приборам вообще и посчитали, что самолет плохо управляется (чего тоже не было). Ночью, над морем, они потеряли пространственную ориентировку и, думая, что поднимаются, разбили самолет о воду. В катастрофе рейса 301 Birgenair забившаяся трубка Пито (одна из трех!) привела к недостоверным показаниям воздушной скорости на стороне командира. Когда в кабине одновременно звучали предупреждения о превышении скорости полета (ложные) и об опасно низкой скорости (реальные) без визуальных ориентиров (снова ночь и море), экипаж запутался в ситуации. Самолет разбился о воду, все погибли. В обоих случаях система искусственного интеллекта, которая смогла бы определить отказавшую систему и сообщить, показаниям каких приборов можно доверять, могла бы предотвратить катастрофу.РобонавтыЕще одна развивающаяся тема - человекоподобные дистанционно управляемые роботы. Свежая новость - робот Федор будет использоваться во всех летных испытаниях корабля "Федерация", а не только в первом, и вполне может успеть слетать на МКС вместе с людьми.Польза от такого робота достаточно очевидна. На МКС люди часто используются в качестве "универсальных работников", которые могут менять сломавшуюся технику, разгружать корабли и выполнять другие задачи, не требующие ни творческого подхода, ни особой квалификации. Дистанционно управляемый "аватар", меняя операторов на Земле, может работать сутками и экономить время космонавтов. Кроме того, его можно отправлять в опасные места и использовать для ликвидации аварии в отсеке, где не могут находиться люди. На МКС с 2011 года трудится Robonaut, созданный NASA и General Motors. В 2014 году ему привезли космические ноги.Фото NASAНесмотря на то, что работы на станции ведутся, сенсаций и прорывов пока не заметно. Из последних новостей - один робот пиарится на Супербоуле 2017, а другой экземпляр отправился на пять лет в Австралию работать в сфере нефте- и газодобычи - крутить вентили и определять утечку газа.На все готовоеВпрочем, робот не обязательно должен быть человекообразным, чтобы приносить пользу. Достаточно очевидна идея отправить на Луну или Марс сначала роботов, чтобы они подготовили посадочную площадку, построили базу, произвели топливо для возвращения людей. В Европейском космическом агентстве еще несколько лет назад нарисовали концепт робота с 3D-принтером, который будет строить защитный слой лунной базы. Одна из довольно свежих новостей - на Гавайях испытали робота, который может строить посадочную площадку.Фото: Центр PISCESРобот Helelani смог успешно собрать более сотни плиток, для пущей прочности соединяющихся по принципу пазла. Стоит отметить, что плитки сделаны из местного материала, базальта, не сильно отличающегося по составу от того, с чем придется работать на Луне или Марсе.ЗаключениеОсвоение космоса сильно отличается от того, каким его представляли фантасты. Вместо героев-первопроходцев в неизвестность сначала отправляются машины, затем, иногда, животные, и уже только потом человек. Это не трусость - глупо не использовать возможности получить знания проще, дешевле и без могил, "над которыми черные ветры будут петь легенды о героях". В то же время, вряд ли человечество настолько превратится в машины, чтобы игнорировать сейчас влияние космоса на людей и не изучать его, например, на МКС. Скорее всего, в будущем в космос отправятся друзья и коллеги - люди, роботы и искусственный интеллект, дополняющие друг друга.Я в социальных сетях:Вконтакте, Facebook, Twitter, Instagram, YouTube

30 ноября 2017, 23:39

Box (BOX) Q3 Loss In Line with Expectations, Revenues Beat

Box's (BOX) fiscal third-quarter 2018 top-line growth was driven by strength across international markets and positive contribution from strategic partnerships.

28 ноября 2017, 16:26

Как ИИ совершает тайную революцию в медицине

«The Artificially Intelligent Doctor Will Hear You Now» Нынешний этап массового интереса к нейросетям во многом связан с возможностями сеток по обработке изображений. Улучшить качество фотографии, стилизовать селфи под картину известного художника, выявить объект в кадре и запустить каскад внешних событий — все эти наглядные примеры сегодня доступны в различных продуктах: от приложения для обработки фотографий до сложной системы дорожного автопилота. Есть еще одна важная сфера применения нейросетей и других технологий, близких к ИИ, — это медицина. Если речь не идет об IBM Watson, то новости из сложного мира высокотехнологичной борьбы за здоровье человека редко просачиваются в СМИ. А тем временем происходит настоящая революция — оказалось, что система автоматизированной обработки изображений не только может стать мощным инструментом анализа и помощи для врача, но и в некоторых случаях заменить самого специалиста. И не только нейросети питают новый технологический рывок. Бигдата, машинное обучение в целом и даже блокчейн становятся основой для медицинских стартапов, вносящих вклад в борьбу с болезнями и старением. Читать дальше →

Выбор редакции
25 ноября 2017, 01:22

Microsoft Bot Framework + IBM Watson =… би-лингвистический бот

Продолжая начатую тему хочется поделиться успешным опытом создания билингвистического Node.JS бота на Microsoft Bot Framework под Linux. От заказчика поступила задача разработать простой социальный бот в формате вопрос-ответ для большой торговой сети, однако сложность заключалась в другом — бот должен быть двуязычным: на английском и арабском. Хотя, как будет показано ниже, выбор инструментов для решения задачи сделал разработку лёгкой, приятной и интересной. Читать дальше →

06 октября 2015, 20:21

IBM создает подразделение для продвижения Watson

IBM сформировала подразделение под названием Cognitive Business Solutions, которое вплотную займется продвижением технологий искусственного интеллекта. Об этом пишет газета The Wall Street Journal.

03 сентября 2015, 11:34

Когнитивная система IBM Watson: принципы работы с естественным языком

IBM Watson — одна из первых когнитивных систем в мире. Эта система умеет очень многое, благодаря чему возможности Watson используются во многих сферах — от кулинарии до предсказания аварий в населенных пунктах. В общем-то, большинство возможностей Watson не являются чем-то уникальным, но в комплексе все эти возможности представляют собой весьма мощный инструмент для решения разнообразных вопросов. Например — распознавание естественного языка, динамическое обучение системы, построение и оценка гипотез. Все это позволило IBM Watson научиться давать прямые корректные ответы (с высокой степенью достоверности) на вопросы оператора. При этом когнитивная система умеет использовать для работы большие массивы глобальных неструктурированных данных, Big Data. Каковы основные принципы работы IBM Watson с языком? Об этом — в продолжении. Читать дальше →

07 августа 2015, 19:55

IBM покупает "глаза" для Watson за $1 млрд

Суперкомпьютер Watson получит способность видеть. Платформы Merge Healthcare, ведущего поставщика решений для обработки медицинских изображений, будут интегрированы с сервисами IBM Watson Health Cloud. Общая сумма сделки составит $1 млрд.

05 марта 2015, 20:57

Что общего между IBM и алхимией? Элементарно, Watson

Американская IBM купила компанию AlchemyAPI с целью усовершенствования своего суперкомпьютера Watson. Специалисты приобретенного актива займутся разработкой технологий Big Data. Сумма сделки не раскрывается.

05 марта 2015, 20:57

Что общего между IBM и алхимией? Элементарно, Watson

Американская IBM купила компанию AlchemyAPI с целью усовершенствования своего суперкомпьютера Watson. Специалисты приобретенного актива займутся разработкой технологий Big Data. Сумма сделки не раскрывается.

05 марта 2015, 20:57

Что общего между IBM и алхимией? Элементарно, Watson

Американская IBM купила компанию AlchemyAPI с целью усовершенствования своего суперкомпьютера Watson. Специалисты приобретенного актива займутся разработкой технологий Big Data. Сумма сделки не раскрывается.

22 января 2013, 21:58

Суперкомпьютер IBM начал отчаянно материться.

Суперкомпьютер IBM начал отчаянно материться     ВАШИНГТОН, 18 января. Сотрудник IBM Эрик Браун, работающий "тренером" знаменитого суперкомпьютера Watson, созданного этой компанией, допустил грубую ошибку, загрузив в него словарь городского жаргона.     Умная машина с легкостью освоила новые знания, попутно срастив их с ранее усвоенным словарем медицинских терминов, передает "Новолитика".     Результат не заставил себя ждать: Watson начал сквернословить, ибо решительно не понимает разницу между "приличным" и "неприличным". Поначалу это изрядно всех повеселило, но потом стало ясно, что просто так все оставить нельзя.     Разработчики планировали обогатить и разнообразить словарный запас своего подопечного. Но знакомство с ругательствами не пошло суперкомпьютеру на пользу. Никакие попытки внести коррективы к успеху не привели.     Теперь Брауну со своими коллегами придется вручную чистить память суперкомпьютеру и ставить дополнительные словарные фильтры. И не очень понятно, сработает ли это или нет.     Напомним, Watson — часть проекта DeepQA компании IBM, цель которого состоит в исследовании перспектив создания компьютеров, способных конкурировать с человеком при ответах на вопросы, сформулированные на естественном языке.     Система названа в честь Томаса Ватсона, под чьим руководством IBM в первой половине XX века превратилась в крупнейшую транснациональную корпорацию.     источник РосБалт