AI. Дилемма инноватора

Содержание

Слайд 2

DISRUPT? DISRUPT. DISRUPT! Клейтон Кристенсен (Clayton Christensen) — профессор делового администрирования

DISRUPT? DISRUPT. DISRUPT!

Клейтон Кристенсен (Clayton Christensen) — профессор делового администрирования в

Школе бизнеса Гарвардского университета, предприниматель и бизнес-консультант.
В своей книге «Дилемма инноватора» (1997), впервые предложил понятие «подрывной инновации» (disruptive innovation).

«Подрывные инновации» — инновации, которые изменяют соотношение ценностей на рынке. При этом старые продукты становятся неконкурентоспособными потому, что параметры, на основе которых раньше проходила конкуренция, становятся неважными. Кристенсен изучал причины, из-за которых крупнейшие компании теряют свои доминирующие позиции, когда на рынке появляются новые технологии.

Слайд 3

Медицинские применения ии

Медицинские применения ии

Слайд 4

Экономика В 2014–16 гиганты ИТ-индустрии анонсировали запуск ряда биотехнологических проектов и

Экономика

В 2014–16 гиганты ИТ-индустрии анонсировали запуск ряда биотехнологических проектов и проектов

в сфере продления жизни, основанных на технологиях машинного обучения.
Слайд 5

диагностика и выбор оптимального плана лечения, анализ медицинских текстов 2011 —

диагностика и выбор оптимального плана лечения, анализ медицинских текстов

2011 — объявлено

о совместном исследовательском проекте IBM и Nuance Communications, результатом которого должен был стать коммерческий продукт для клинического применения. В команду проекта вошли исследователи-клиницисты из Колумбийского университета и Университета Мэриленда в Балтиморе.
С 2013 года IBM Watson используется в Мемориальном онкологическом центре им. Слоуна-Кеттеринга в Нью-Йорке.
В том же году IBM и Онкологический центр им. М. Д. Андерсона запустили пилотный проект «миссии по искоренению рака». Однако вскоре было объявлено, что проект (на который на тот момент уже было потрачено 62 млн долларов) не оправдал ожиданий и будет отложен.
В июле 2016 года программа IBM Watson for Oncology была запущена в коммерческую эксплуатацию на базе Manipal Hospitals (ведущая сеть больниц в Индии) — для помощи врачам и пациентам в определении персонализированных методик борьбы с раком. Также сеть предлагает больным узнать «мнение Ватсона» онлайн.
В феврале 2017 Медицинский центр Джупитера (Флорида, США), также объявил о начале использования IBM Watson for Oncology. В пресс-релизе, посвящённом запуску программы, сообщалось, что «Ватсон» уже способен оказывать действенную помощь клиницистам в разработке планов лечения рака груди, лёгких, толстой кишки, шейки матки, яичников и желудка. До конца года IBM и MSK планируют обучить IBM Watson for Oncology лечению ещё 9 типов рака, покрыв тем самым потенциально 80% заболеваемости раком в мире.

IBM Watson for Oncology — система для определения оптимального плана лечения онкологических заболеваний. Начальная обучающая выборка системы состояла из более 100 000 тысяч медицинских документов (15 млн страниц текста), в том числе:
— 25 тысяч историй болезни;
— более 300 медицинских журналов;
— более 200 учебников.

Слайд 6

диагностика и выбор оптимального плана лечения, анализ медицинских текстов

диагностика и выбор оптимального плана лечения, анализ медицинских текстов

Слайд 7

Диагноз по фото FDNA, материнская компания Face2Gene, была создана шесть лет

Диагноз по фото

FDNA, материнская компания Face2Gene, была создана шесть лет назад

после того, как израильские соучредители продали прежнюю компанию по производству программ по распознаванию лиц Face.com компании Facebook. Эта программа способна различать конкретные лица после «обучения» на нескольких изображениях конкретного человека. Программа Face2Gene, напротив, определяет паттерн, общий для группы людей с одним синдромом. Установление этого общего знаменателя позволяет программе создавать составное характерно-усреднённое изображение, соотносящееся с заболеванием.
Когда генеральный директор Декел Гелбман (Dekel Gelbman) был принят на работу в 2010 году, он встретился с несколькими практикующими врачами и быстро понял, что распознавание лиц может помочь снизить число недиагностированных заболеваний.
По оценке Face2Gene из более 7000 известных генетических синдромов до половины связаны с особым типом лица, который можно узнать и использовать для установления диагноза. Синдром Дауна, например, является одним из наиболее распространённых, и поэтому его легче диагностировать.
Слайд 8

Робот ROBEAR, созданный японскими инженерами из Института передовых технологий RIKEN в

Робот ROBEAR, созданный японскими инженерами из Института передовых технологий RIKEN в сотрудничестве с компанией Sumitomo Riko

предназначен для большой и важной работы — уходу за малоподвижными пожилыми людьми. Его предшественники — роботы RIBA (2009 г.) и RIBA II (2011 г.) уже умели переносить людей «на руках», но робот-медведь делает это ещё лучше. Это, как говорится в пресс-релизе института RIKEN, «сильный робот с нежным прикосновением».
По словам разработчиков, необходимость в роботе-помощнике в больницах Японии очень высока. Младшему медицинскому персоналу приходится до сорока раз в день поднимать лежачих больных, такая нагрузка может быть причиной травм и хронической боли.

Весит ROBEAR 140 килограммов, оснащён приводами с очень низким передаточным отношением, что позволяет его «суставам» двигаться быстро и точно. Система обратной связи служит для того, чтобы движения робота не были излишне резкими.

Медицинские роботы

Слайд 9

Робот-ассистированная хирургическая система «da Vinci» — аппарат для проведения хирургических операций.

Робот-ассистированная хирургическая система «da Vinci» — аппарат для проведения хирургических операций.

Производится серийно компанией Intuitive Surgical. Используется в нескольких сотнях клиник по всему миру.

Масса аппарата — полтонны. Состоит из двух блоков, первый предназначен для хирурга-оператора, а второй — четырёхрукий робот-манипулятор — является исполнительным устройством. За 2012 год общемировое число операций, выполненных с использованием системы «da Vinci» составило порядка 200 тыс.

Медицинские роботы

Слайд 10

Медицинские роботы

Медицинские роботы

Слайд 11

Поиск новых препаратов «Разработка лекарств, белков, квантовая химия, новые материалы —

Поиск новых препаратов

«Разработка лекарств, белков, квантовая химия, новые материалы — только

подумайте, возможно, не за горами появление сверхпроводника, работающего при комнатной температуре, — говорит Демис Хассабис, глава DeepMind. — Я мечтал о таком с тех пор, как был ребенком и читал книги по физике».
2016—2017 годы ознаменовались рядом альянсов между ИИ-проектами, специалирующимися на открытии новых препаратов, и крупными фармкомпаниями: Pfizer + IBM Watson, Sanofi + Genzyme и Recursion Pharmaceuticals, GSK + Exscientia, Evotec + Celgene.
Слайд 12

Обработка сигналов в бионических протезах: Звук Кохлеарный имплантат — медицинский прибор,

Обработка сигналов в бионических протезах: Звук

Кохлеарный имплантат — медицинский прибор, протез,

позволяющий компенсировать потерю слуха некоторым пациентам с выраженной или тяжёлой степенью нейросенсорной (сенсоневральной) тугоухости.
Слайд 13

Обработка сигналов в бионических протезах: Картинка Одним из первых учёных, создавших

Обработка сигналов в бионических протезах: Картинка

Одним из первых учёных, создавших зрительный

протез, стал частный исследователь Уильям Добелл.
Первый прототип Добелла был имплантирован в 1978 году «Джерри», мужчине, потерявшему зрение в зрелом возрасте. Однослойный массив из 68 электродов был имплантирован в визуальную кору Джерри и был способен передавать в мозг изображение в тонах серого цвета в ограниченной области зрения с низкой частотой кадров.
В 2002 году Дженс Науманн стал первым в серии из 16 пациентов, получившим зрительный протез на коммерческой основе. В 2004 году Добелл умер, оставив большую часть работ недокументированной.
Слайд 14

Распознавание медицинских изображений Клетки глиобластомы-астроцитомы U373 на полиакрилимидном субстрате Сине-зелёный цвет

Распознавание медицинских изображений

Клетки глиобластомы-астроцитомы U373 на полиакрилимидном субстрате

Сине-зелёный цвет — сегментация

u-net, жёлтая линия — ручная разметка

Нейронная сеть u-net, разработанная Университетом Фрайбурга. Победитель соревнований Grand Challenge for Computer-Automated Detection of Caries in Bitewing Radiography в рамках ISBI 2015, и Cell Tracking Challenge в рамках ISBI 2015.

Слайд 15

Анализ данных с мобильных устройств

Анализ данных с мобильных устройств

Слайд 16

Анализ данных с мобильных устройств Свёрточная нейронная сеть уверенно определяет возраст

Анализ данных с мобильных устройств

Свёрточная нейронная сеть уверенно определяет возраст человека

по данным о его физической активности, регистрируемым носимым устройством (результат совместного проекта с компанией Gero).
Слайд 17

ИИ в медицине

ИИ в медицине

Слайд 18

Интерфейсы

Интерфейсы

Слайд 19

машинноЕ обучениЕ В Банке: распознавание речи В 2016 году в колл-центрах

машинноЕ обучениЕ В Банке: распознавание речи

В 2016 году в колл-центрах «АктивБизнесКоллешн»

внедрена система полнотекстового распознавания речи. Переговоры операторов с должниками преобразуются в текст, который затем сохраняются в специализированном хранилище.
Слайд 20

Роботы в КЦ

Роботы в КЦ

Слайд 21

Что хочет бизнес от робота-оператора? Возможности ведения диалога по скрипту любой

Что хочет бизнес от робота-оператора?

Возможности ведения диалога по скрипту любой сложности

Возможность

использования в онлайн-режиме сведений из информационных систем компании

Реалистичный синтез речи, почти неотличимый от речи человека

Возможность определения пола, возраста абонента, эмоциональной окраски речи

Качественное распознавание речи даже при наличии акцента или речевых дефектов

Возможность переключения на оператора в любой момент диалога

Слайд 22

Преимущества

Преимущества

Слайд 23

Технологии

Технологии

Слайд 24

1 Количество разговоров с ошибочно зафиксированными переходами по скрипту/общее количество разговоров.

1 Количество разговоров с ошибочно зафиксированными переходами по скрипту/общее количество разговоров.

2 Количество уточнений роботом/общее количество переходов в разговоре.
Критерии успешности пилота:
1. Доля верно проставленных обещаний > 85%
2. Доля нераспознанных фраз клиента <20%
3. Доля неправильно проставленных результатов <20%
Итог пилота:
По итогам проведенного комплекса мероприятий ни одно из представленных решений не удовлетворяет требованиям для запуска в промышленную эксплуатацию.

Первый блин комом в бочке с мёдом

Слайд 25

Борьба за урожай

Борьба за урожай

Слайд 26

Борьба за урожай

Борьба за урожай

Слайд 27

Говорим по-русски

Говорим по-русски

Слайд 28

Распознавание речи

Распознавание речи

Слайд 29

Пол и возраст Мужской голос: ну давайте вот мой номер телефона

Пол и возраст

Мужской голос: ну давайте вот мой номер телефона

Женский голос:

здравствуйте девушка мне только что звонили
Слайд 30

Что хочет бизнес от робота-оператора?

Что хочет бизнес от робота-оператора?

Слайд 31

Скрипты и голоса Телемаркетинг: Немного лирики: И поэзии: Входящий звонок: Взыскание:

Скрипты и голоса

Телемаркетинг:

Немного лирики:

И поэзии:

Входящий звонок:

Взыскание:

Слайд 32

Вызовы

Вызовы

Слайд 33

Прогресс

Прогресс

Слайд 34

Что дальше? Дополнение возможностей распознавания: интонация, правдивость, уверенность. «Эмоциональный интеллект» робота.

Что дальше?

Дополнение возможностей распознавания: интонация, правдивость, уверенность.
«Эмоциональный интеллект» робота.
Новые голоса робота.
Увеличение

вариативности скрипта и выбор оптимальных путей в скрипте.
Совершенствование распознавания речи.
Совершенствование моделей определения интенции.
Автоматизация построения скриптов.
Слайд 35

Промышленность

Промышленность

Слайд 36

Промышленность: примеры

Промышленность: примеры

Слайд 37

Промышленность: примеры Решения для металлургии и нефтегазовой сферы от Yandex Data Factory

Промышленность: примеры

Решения для металлургии и нефтегазовой сферы от Yandex Data Factory

Слайд 38

Промышленность: примеры Другие промышленные решения от Yandex Data Factory

Промышленность: примеры

Другие промышленные решения от Yandex Data Factory

Слайд 39

Спасибо за внимание!

Спасибо за внимание!

- Предыдущая
Порядок размещения информационных конструкций на территории Шекснинского муниципального района
Следующая -
Основы технологии малярных работ

Похожие презентации

Информация – сведения, разъяснение
Протокол маршрутизации RIP
Презентация "Психолого-педагогические особенности формирования и использования каталога образовательных ресурсов сети Интер
Устройства ввода-вывода
Количественная обработка данных
Каким должен быть аватар
Аттестационная работа. Информатика в примерах и задачах
Базы данных-2
Программирование на языке C++
Лучшее электронное приложение к уроку. Конкурс
Введение в базы данных
Теория и практика копирайтинга
Принципы построения информационных систем в таможенной логистике
Ограничение и сортировка данных
Составные логические выражения. Логические операторы
Компьютерная графика. 5 класс
Основные понятия баз данных. Лекция №6
Электронные тесты для формативного оценивания по естествознанию в 1 классе. Раздел Земля и космос
ПРЕДЛОЖЕНИЕ практические задания 5 класс
Основные информационные процессы и их реализация с помощью компьютера. 4 часть - хранение информации
Unit 17: IT Project Project Management Issues
Методические особенности использования мобильных технологий при изучении математики
Система управления базами данных. (Тема 1.3)
Виды и модели терминалов
Лабораторная работа № 5
Форматирование списков
Стратегическое планирование библиотечной деятельности
Проецирование как метод графического отображения формы предмета.
Вы можете прислать нам Вашу презентацию и мы опубликуем ее на сайте.
Обратная связь
Для правообладателей
Email: Нажмите что бы посмотреть