Человек + машина - Джеймс Уилсон

Ускоренные тесты

Многие исследователи согласятся, что наименее приятная часть их работы связана как раз с проведением экспериментов и сбором данных. Другие этапы НИОКР-процесса — совершение открытий и постановка вопросов — приносят гораздо больше удовлетворения. Вот почему они с облегчением осознают, каким благом оказывается искусственный интеллект во время экспериментальных испытаний. Искусственный интеллект берет на себя рутинную часть работы и позволяет ученым сосредоточиться на разработке новых типов испытаний или на формулировании гипотез. Польза для бизнеса в данном случае очевидна: на рынок быстрее выводятся первоклассные продукты.

Конечно, нынешние экспериментальные комплексы во многом похожи на лаборатории, существовавшие несколько десятилетий назад: все те же мыши в клетках, чашки Петри в инкубаторах, титровальные установки и так далее, однако все больше научных дисциплин цифровизуются, то есть все эксперименты моделируются на компьютере. В главе 1 мы обсуждали платформу Predix, благодаря цифровым двойникам которой GE моделирует и отслеживает состояние всех основных средств на заводе и за его пределами. В реальности нам не требуется Predix, чтобы моделировать наши процессы и проводить испытания. Нужно всего лишь четко представлять все этапы технологического процесса и выделять те данные, которые могут нам потребоваться для разработки модели.

Любые продукты и услуги — от финансовых услуг и страховых полисов до пивоварения и формулы крема для бритья — можно описать в цифровом виде, а значит, оптимизировать. Исторически оптимизационные алгоритмы оставались академической дисциплиной и применялись лишь исследователями. Стартап SigOpt осознал, что благодаря машинному обучению любая цифровая модель может свестись к задаче по оптимизации, а эту проблему решить сравнительно легко. Таким образом широкой аудитории открывается доступ к этому мощному вычислительному инструменту.

«Не обязательно в совершенстве владеть байесовской оптимизацией, чтобы сразу использовать подобные приемы», — считает Скотт Кларк, СЕО SigOpt. Цель компании — освободить узкопрофильных специалистов от необходимости тратить время на настройку цифровых систем (пытаясь найти оптимальные сценарии) и дать им возможность больше экспериментировать.

«Химику, экспериментирующему с реактивами у себя в лаборатории, достаточно открыть ноутбук или запустить SigOpt на смартфоне, — объясняет Кларк. — Программа подскажет: “А теперь попробуйте вот этот опыт”. Либо заметит, что тот или иной эксперимент особенно удался. Она дает подсказки специалистам, причем делает это максимально просто, поэтому исследователю нет необходимости разбираться в принципе ее работы, — говорит Кларк. — Специалисты просто получают наилучшие результаты»[58]. Иными словами, инструментарий SigOpt упрощает исследователю одну из самых главных задач: проверку гипотез.

Персонализированная доставка: теория и практика

Проведя эксперименты, ученые выдвигают гипотезы, после чего повторяют весь процесс, начиная с наблюдений. В бизнесе после тестирования и оптимизации продукт выводится на рынок и доставляется потребителю.