Вкалывают роботы, счастливы банкиры

Искусственный интеллект (ИИ) — сегодня в моде. Каждый разработчик старается рассказать всему миру, что уж в его-то революционном продукте искусственного интеллекта больше, чем у всех остальных, поэтому он лучше всех и его надо брать. В общем, та же история, что недавно была с облаками, а до этого — с «зелёными» eco-friendly продуктами.

Теперь, когда волна немного схлынула, а любители модных слов переключились на блокчейн, можно взглянуть на ИИ объективно: что он даёт на самом деле? Приносит ли он деньги не стартапам, которым очень хочется продаться подороже, а серьёзному бизнесу? Как оказалось — да. Хоть и с оговорками.

 

Как ИИ помогает распознавать лица

В компьютерном распознавании лиц нет ничего удивительного, да и новой эту область назвать язык не поворачивается — первая рабочая система увидела свет ещё в шестидесятых годах прошлого века.

Вычислительные мощности с тех пор росли экспоненциально, так что возникает вопрос: почему же Большой Брат всё ещё не наблюдает за нами всегда и везде? Ответ прост: до последнего времени распознавание лиц не использовало ИИ, поэтому было не слишком эффективно. ii

В начале двухтысячных, например, полиция в Англии и СЩА пыталась применять распознавание лиц для борьбы с преступностью — эксперименты оказались не очень удачными.


В аэропорту Бостона за два года результата не было вовсе, как и в городе Тампа (Флорида). Британский опыт был успешнее — автоматическая система ни разу не обнаружила заданные цели, но зато преступность упала, по словам местных правоохранительных органов, более чем на 30%!


Система-то практически не работала, но люди об этом не знали — и на всякий случай опасались совершать противоправные действия.

Ну а сейчас, в эпоху ИИ, эффективность распознавания лиц резко возрастает за счёт применения нейросетей. Осталось лишь немного подождать — и они будут повсюду. А где-то, например, в Китае, «светлое будущее» уже наступило.

Но правоохранительные органы — не единственные бенефициары новой технологии. Конечно, для всех компаний, работающих с большим объёмом розничных клиентов, важно как-то контролировать ситуацию. Но между точкой продаж еды на вынос и финансовой организацией есть существенная разница: риск. Если пиццерия не сможет эффективно развивать продажи в заданном районе и у нужной целевой аудитории — это одно. А если банк выдаст кредитов одному и тому же человеку на разные паспорта, а потом ещё и даст ему совершить переводы со взломанных аккаунтов настоящих клиентов, это уже совсем другой масштаб проблемы.

 

Мировой опыт: первые шаги

Мировым пионером распознавания лиц в кредитно-финансовой сфере, по крайней мере, судя по открытым источникам, выступил Deutsche Bank ещё в далёком 1997-м году.


По отзывам, система уже тогда могла узнавать людей, не обращая внимания на усы, бороды, изменившиеся причёски и даже солнечные очки. Она требовала примерно 13 секунд на выбор лучшего изображения, обработку, сравнения с базой и выдачу результата.

Система продавалась под названием ZN-Face, а разработана она была на деньги Лаборатории военных исследований США.

 

У нас, как всегда, «не имеет аналогов»

Россия пришла к этому с лёгким опозданием, но зато сразу с крупнейшим в банковском мире внедрением этих технологий в промышленных масштабах.

Первопроходцем стал «Почта Банк» в 2015 — причём не только для обслуживания клиентов, но и ради собственных сотрудников, дополняя биометрическим распознаванием лиц двухфакторную аутентификацию при работе с финансами.

Разработчиком выступила компания VisionLabs, частная и российская, а продуктом была VisionLabs LUNA. Технологии развивались стремительно, в сравнении с ZN-Face результат VisionLabs LUNA выдавала в десять раз быстрее, а никаких специальных камер устанавливать было уже не нужно.

По заявлению Павла Гурина, члена правления «Почта Банка», внедрение технического решения компании VisionLabs окупило себя в течение нескольких месяцев, а за 2016 год позволило предотвратить совершение потенциально мошеннических сделок на сумму порядка 1,5 млрд рублей.

Кроме того, сработал тот же эффект, что и в нулевых в Англии, — преступники, узнав о системе распознавания лиц, перенесли свои усилия на другие объекты.

Отрасль в целом развивается: именно на платформе биометрической идентификации на базе VisionLabs собрался работать Сбербанк. Более того, Сбербанк объявил о договоренности приобрести 25,07% акций компании, а платформа будет работать и внутри банка и продаваться на внешний рынок.


 

Реклама


 

 

Перспективы и фантазии

У этих систем большое будущее. Клиенты банков в любом случае позволяют организациям обработку своих персональных данных, поэтому главным вопросом становится эффективное использование этих данных. Те, кто будет по старинке подшивать данные в личные дела и собирать лежащие мёртвым грузом архивы, вряд ли смогут победить в рыночной системе.

Ведь дело не только в предотвращении мошенничества. Да, с такой системой можно выявить мошенников, пытающихся взять кредит на украденный паспорт, или инсайдеров, пытающихся украсть у вашего банка деньги. Но речь даже не об этом, а о маркетинговом потенциале системы, способной автоматически отслеживать поведение существующих и потенциальных клиентов, оценить лояльность, собрать данные об интересах и подготовить персональные предложения, максимизирующие и лояльность, и прибыль. Точно так же, как традиционная реклама уступает digital-технологиям, умный биометрический маркетинг даёт очевидные преимущества в таргетировании.

ii

Но и на предотвращении мошенничества и маркетинге биометрия не останавливается. Уже давно существуют системы, в том числе использующие ИИ, которые оценивают «качество» клиента. Да, по официальным данным о доходах и расходах плюс кредитной историей можно сделать неплохой прогноз. Но на то и существует обработка больших данных и машинное обучение, чтобы обнаруживать неочевидные для человека взаимосвязи. Нейросети уже могут распознавать эмоции по лицу, собирают данные о внешнем виде, а потом самообучаются и сравнивают наблюдения с фактическим поведением клиента. Не за горами день, когда за время ожидания в очереди клиент уже будет оценен и классифицирован как способный или не способный принести прибыль, а кредитный лимит — рассчитан автоматически с точностью, недостижимой для человека.

 

Подводные камни

Но есть, конечно, и проблемы. Самая очевидная из них — использование неэффективной системы или непрофессиональное её внедрение. Например, «на стенде» модель работала и самообучалась с традиционной базой данных в локальном доступе, а в «боевых условиях» вдруг направляется на взаимодействие через интернет, и заказчик удивляется, откуда взялось проседание быстродействия в сотню раз. Или были допущены глупые ошибки при внедрении — один плюс вместо минуса и работающая в целом идеально система начнёт отказывать не худшим, а лучшим потенциальным клиентам! А если вы думаете, что работающие в серьёзных отраслях серьёзные люди не путают плюс и минус, то вспомните упавший недавно с тремя спутниками ракетоноситель «Протон», у которого сборщики перепутали полюса датчика угловых скоростей. А ведь это ещё оптимистичный сценарий, где ошибку можно будет заметить. Что, если ошибка гораздо тоньше? На её обнаружение могут уйти годы, и вместо выгоды получатся сплошные убытки.

Есть и другой нюанс. Нейросети — система сложная. Самообучающаяся. Звучит красиво? На практике это означает, что система сама решает, что ей нравится, а что нет, и не горит желанием объяснить весь логический процесс постороннему.


В 2015 году компания Google получила жалобу на то, что её распознающие изображения алгоритмы классифицируют часть чернокожих людей как горилл. Разумеется, проблему надо было решать. В 2018 году выяснилось: единственным способом решения этой проблемы Google посчитал блокировку поиска горилл и некоторых других приматов. И дело не в том, что компании не хватило денег или человеческих ресурсов, уж тут-то проблем точно не было. Просто переучить систему очень, очень сложно, часто проще начать с нуля. А бизнесу это не подходит, ему нужно рабочее решение — и сейчас, а не спустя пару лет.


Так что систему нельзя внедрить и забыть. Идея сэкономить на постпродажной поддержке соблазнительна, но, если не проводить регулярных тестов, проверок и оптимизаций, в один прекрасный день система, которую банк пытается приспособить под определение качества клиента, может решить, что ей не нравятся люди с, например, родинкой на левой щеке. А что, её опыт показал, что такие люди реже платят по кредиту вовремя. Но нейросеть об этом никому не расскажет, и с каждым ушедшим из отделения человеком с родинкой на левой щеке будет уходить и потенциальная прибыль. Вряд ли ради этого всё и затевалось, не правда ли?

ii

И напоследок — люди не очень любят, когда за ними следят. По крайней мере, не все и не всегда. Конечно, любой человек, подходящий к банкомату, в общем-то, знает, что нужно улыбнуться, ведь его снимает скрытая камера. Но знать — это одно, а ощущать — совсем другое.


Поэтому следует избегать ситуаций, подобных той, что произошла в Осло в прошлом году, когда «заглючивший» рекламный экран показал посетителям пиццерии, что каждый проходящий мимо распознавался и оценивался безо всякого на то согласия. Казалось бы, какое применение ИИ может быть безобиднее, чем показывать мужчинам рекламу пиццы, а женщинам — салатов? Однако разразился жуткий скандал, рекламу пришлось в спешке убрать, посетителей — убеждать в кристальной чистоте помыслов, а что творилось в юридическом поле деятельности, так и вовсе неизвестно.


Некоторые люди всячески стараются обмануть системы распознавания лиц — от попыток закрыть лицо банданами и глубокими капюшонами они переходят к попыткам реверс-инжиниринга распознающих лица систем и создания специальных носимых на лице объектов, сбивающих существующие алгоритмы. К счастью, в банковской сфере с этим проще: те, кто всерьёз опасается распознавания своего лица, обычно негативно относятся и к обработке персональных данных, без согласия на которую не обходится ни одно заявление на кредит. А значит, хоть в одной сфере деятельности от внедрения систем биометрической идентификации не возникает PR-рисков. И на том спасибо.


28 января 2018г. / Индустрия 4.0
61 | Обсудить в   
Еще по теме
ПоROBOщение трудящихся

ПоROBOщение трудящихся

Роботизация может лишить работы более половины наших экономически активных соотечественников. Об этом говорят последние данные. Пора ли нам насторожиться? Есть ли способ побороться за свое рабочее место?

74
Инфобезопасность в компании: виновные и ответственные

Инфобезопасность в компании: виновные и ответственные

Когда очередной шифровальщик потрошит чей-то личный компьютер, единственное, что может полиция - получить заявление от пострадавшего. Мало кто это делает, потому что результаты обычно очевидны. И всё-таки, это дело принципа.

49
Не убийцы, а партнеры: как выживают ИТ-компании в цифровом мире

Не убийцы, а партнеры: как выживают ИТ-компании в цифровом мире

Кэптивные ИТ-компании крупных корпораций — «Сбербанк-Технологии», «Лукойл-Информ», ИТСК и др. — породили новые рынки для традиционных ИТ-компаний. Чтобы заработать на нем, участникам открытого рынка придется освоить новые механизмы взаимодействия с холдингами и организациями.

65