Разработка курса бизнес-тренинга с подкреплением

Лидеры, ищущие новые способы, с помощью которых искусственный интеллект (ИИ) может обеспечить конкурентное преимущество, возможно, сочли матч Кубка Америки 2021 года столь же интересным как из-за новаторского использования одной командой обучения с подкреплением, так и из-за радикального дизайна лодок и равных гонок.

Чтобы оставаться конкурентоспособными, парусные команды, участвующие в Кубке Америки, как и любой другой бизнес, должны раздвинуть границы возможного. Они также сталкиваются с аналогичными ограничениями, включая крутую кривую развития и небольшое окно возможностей, а это означает, что команды могут провести только один или два крупных эксперимента, чтобы повысить свои результаты в самом важном соревновании в этом виде спорта.

На Кубке Америки 2021 года действующий чемпион Emirates Team New Zealand рискнул использовать обучение с подкреплением, передовую технику искусственного интеллекта, которая может оптимизировать процесс проектирования. Эта методика позволила команде протестировать гораздо больше конструкций лодок и добиться преимущества в производительности, которое помогло ей одержать четвертую победу в Кубке.

В отличие от других типов машинного обучения, в обучении с подкреплением используются алгоритмы (которые часто обучают агентов ИИ или ботов), которые обычно не полагаются только на наборы исторических данных, помеченных или немаркированных, чтобы научиться делать прогнозы или выполнять задачи. Они учатся, как это часто делают люди, методом проб и ошибок. За последние несколько лет технология развилась настолько, что сделала ее высокомасштабируемой и способной оптимизировать принятие решений в сложных и динамичных средах.

Помимо ускорения и улучшения проектирования, обучение с подкреплением все чаще включается в широкий спектр сложных приложений: рекомендации продуктов в системах, где поведение и предпочтения клиентов быстро меняются; прогнозирование временных рядов в высокодинамичных условиях; решение сложных логистических задач, сочетающих упаковку, маршрутизацию и планирование; и даже ускорение клинических испытаний и анализ влияния экономической политики и политики здравоохранения на потребителей и пациентов.

Мы видели, как быстро может измениться технологическая среда. Всего несколько лет назад на бизнес-арену вышла еще одна технология искусственного интеллекта — глубокое обучение. Сегодня 30 процентов высокотехнологичных и телекоммуникационных компаний и 16 процентов компаний в других опрошенных нами отраслях имеют встроенные возможности глубокого обучения.

Вот некоторые из наиболее обсуждаемых применений этой техники за последние годы:

Руководители, которые сегодня понимают потенциал обучения с подкреплением, будут, как команда Emirates Team New Zealand, иметь больше возможностей для того, чтобы найти преимущество в своих отраслях (см. врезку «Известные примеры применения обучения с подкреплением»). Понимание опыта команды может помочь руководителям определить, где и когда использовать эту технологию, поскольку многие организации пойдут по схожему пути: сначала внедряют более традиционные технологии для решения проблемы, а затем применяют обучение с подкреплением, чтобы подняться на ранее недостижимый уровень производительности. Итак, мы начнем с рассказа о путешествии команды Emirates Team New Zealand, после чего предложим идеи о том, где и как компаниям следует рассмотреть возможность применения обучения с подкреплением.

Дизайнеры Emirates Team New Zealand не были новичками в передовых технологиях. В 2010 году команда создала современный цифровой симулятор для тестирования конструкций лодок без их физической сборки. Это было ключом к победе команды в Кубке Америки 2017 года, но у симулятора были ограничения. Для оптимального управления им требовалось несколько моряков, что было серьезной логистической проблемой, учитывая запланированные тренировки моряков, поездки и соревнования. В результате дизайнеры обычно разрабатывали новые конструкции в отсутствие данных о производительности симулятора, а затем тестировали свои лучшие идеи партиями, когда у них была возможность выделить большие отрезки времени с моряками. Более того, производительность моряков может варьироваться в зависимости от испытаний, как это часто бывает с человеческими качествами, из-за чего проектировщикам сложно понять, произошло ли незначительное улучшение реакции лодки из-за доработок в конструкции или из-за различий в испытаниях с участием людей.