Книги по нейросетям для владельца бизнеса: что читать, чтобы применять ИИ в работе

Какие книги об ИИ нужны владельцу, а какие нет

Книга попадает в подборку, если проходит четыре проверки.

• Объясняет, что ИИ умеет и не умеет, и читается без кода и формул.
• Даёт рамку для решения владельца: какую задачу передать, как разделить работу, как проверить результат.
• Её вывод переносится на практику одного специалиста или небольшой команды.
• У неё есть русское издание, сверенное по странице издательства или магазина.

Вне подборки по явному критерию, а не по умолчанию:

• технические книги по искусственному интеллекту для разработчиков, о машинном обучении и программировании нейросетей: они для тех, кто строит модели; если вы идёте в разработку, отбирайте книги по другому критерию;
• сборники промптов к конкретным сервисам: интерфейсы и модели меняются быстрее, чем выходят переиздания;
• футурология и прогнозы о замене профессий: они не помогают решить, что делать с задачей на этой неделе.

Рейтинга «лучшие книги по нейросетям» здесь тоже нет: книги стоят не по местам, а по задачам.

Чем эта страница отличается от соседних

Практические страницы отвечают, что делать с ИИ в конкретной задаче. Эта отвечает, что прочитать, чтобы принимать такие решения самому и видеть, где модель ошибается.

Как устроены нейросети и где они ошибаются

Эти две книги стоят в начале, до книг о пользе. Вольфрам показывает механику: языковая модель строит ответ, продолжая текст шаг за шагом по вероятностям, выведенным из огромного объёма чужих текстов. Рабочий вывод для владельца: гладкий уверенный текст говорит о том, что модель хорошо продолжает текст, а не о том, что утверждения в нём верны.

Митчелл добавляет второй вывод: системы ИИ не переносят умение на новую задачу так, как человек, и на непривычном входе ошибаются без предупреждения. Для практики это значит, что типовой случай и необычный случай проверяются по-разному.

Из двух книг складывается проверка на четыре типа ошибок. Прогоняйте через неё любой результат нейросети, прежде чем он уйдёт клиенту или в публикацию:

• уверенный неверный факт: число, дата, имя, норма закона, которых нет в ваших материалах;
• источник, который нельзя открыть: ссылка, книга или исследование, названные моделью;
• усреднение: текст подошёл бы любой услуге, в нём нет слов ваших клиентов и ваших примеров;
• сбой на нетипичном: обычный случай разобран верно, необычный достроен по шаблону.

Описание здесь общее и не относится к конкретному сервису. Модели меняются, поэтому проверяется результат, а не репутация сервиса.

Где ИИ даёт бизнесу рычаг

Книга об ИИ полезна владельцу не прогнозом, а тем, что учит отличать задачу, где нейросеть ускоряет работу, от задачи, где она уверенно ошибается. Три книги подборки дают для этого три вопроса к любой задаче.

• Агравал, Ганс и Голдфарб: какая часть решения здесь прогноз, а какая суждение? Прогноз, например какой вариант ответа на типовой вопрос клиент поймёт без уточнений, можно получить дешевле. Суждение, какую ошибку вы готовы допустить и кому откажете, остаётся за вами.
• Дэвенпорт: какой небольшой проект можно начать сейчас? Вместо «внедрить ИИ» берётся один повторяющийся шаг с понятным результатом: черновик ответа на типовой вопрос, конспект своего эфира, сводка своих рабочих заметок без данных клиентов.
• Кай-Фу Ли: где в задаче решают данные и повтор, а где доверие и разговор? Первое - кандидат на передачу, второе остаётся в ваших руках: первая встреча, предложение, трудный разговор.

Рычаг появляется в шаге, который описан: вход, результат, критерий готовности. Если шаг держится в голове владельца, нейросети не на что опереться, и каждый её ответ приходится оценивать заново. Как описать шаг до передачи, разобрано на странице как описать бизнес-процесс. Какие задачи вашей практики передать первыми, решает практический разбор нейросетей для бизнеса: книги дают язык для этого решения, а не само решение.

Работа вместе с ИИ: проверка результата и данные клиентов

Доэрти и Уилсон пишут о перестройке процесса под совместную работу человека и машины. Для практики одного специалиста из этого следует простое распределение: вы ставите задачу и даёте материалы, нейросеть делает объём, вы проверяете. Отвечаете перед клиентом по-прежнему вы, кто бы ни писал черновик.

Упражнение: проверить один результат ИИ на своих данных

1. Возьмите один результат нейросети, который вы уже использовали или собираетесь использовать: пост, ответ на заявку, конспект, описание услуги.
2. Положите рядом источник, из которого он должен был получиться: вашу расшифровку, заметки, прайс, прошлые тексты.
3. Разметьте каждое утверждение: есть в источнике, искажено, нет в источнике.
4. По каждому решите: в работу, на правку или удалить.
5. Запишите одно правило проверки для этой задачи и добавьте его в описание шага, как стандарт в регламентах и SOP.

Данные клиентов

Для упражнения берите свои материалы, а не переписки, записи и заметки о клиентах. Если данные клиентов всё же нужны задаче, до работы с сервисом проверьте актуальные требования к персональным данным для вашей формы работы по официальному источнику или с юристом: правового вывода эта страница не делает.

Порядок чтения и как применять прочитанное

Порядок идёт от понимания ограничений к применению: сначала вы узнаёте, где модель ошибается, и только потом ищете, где она даёт рычаг.

Вольфрам → Митчелл → Агравал, Ганс, Голдфарб → Дэвенпорт → Доэрти, Уилсон → Кай-Фу Ли

• Одна книга, одно упражнение из матрицы на своих данных до следующей книги.
• После каждой книги одна строка в описании шага, который вы передаёте или проверяете: что изменилось в задаче, во входе или в проверке.
• Если вы уже работаете с нейросетью каждый день, начните с упражнения на проверку результата, а Вольфрама и Митчелла читайте параллельно: они объяснят ошибки, которые покажет упражнение.
• Кай-Фу Ли читайте последним и выборочно: из книги нужна одна рамка, остальное в ней о геополитике и прогнозах.
• Если издания нет в продаже, проверьте электронную версию и библиотеку; замену ищите под ту же задачу из матрицы, а не по похожему названию.

Частые вопросы