Опубликован большой альманах «Искусственный Интеллект» индекс 2021 года.

Я в последние 5 лет смотрю его довольно пристально, тем более, что в позапрошлом году там было упоминание о нас и о нашей победе в «Новаторе Москвы» в номинации «IT и ИИ».

О искусственном интеллекте в профайлинге я здесь писал довольно много, посмотрите по хештегам. И не только хорошего. Но тем не менее факт есть факт: будущее профайлинга во многом связано именно с ИИ. Его значение будет только увеличиваться, в то время как значение других направлений профайлинга так интенсивно развиваться не будут.

Всем, кто интересуется этой темой будет интересно взглянуть отчет. В том числе и в связи с разговорами о том, что наши IT-специалисты уезжают за рубеж. По своему опыту и кругу общения скажу: да, уезжают. Не все конечно, но чувствительно. А между прочим в РФ всего 400 компаний, занимающихся ИИ. Это капля в море по сравнению с Китаем или США и даже с Бразилией. Тоже самое относительно публикаций по ИИ и патентам.

В общем – расти и развиваться есть куда.

#ИИ, #технологии, #BigData, #развитие, #ITгиганты, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #ProProfiling

Сегодня многие HR-форумы обсуждают покупку известной канадской HR-Tech-компанией Visier активы кадрового стартапа Давида Яна Yva. ai.

Вероятно, - это шаг в сторону ухода с рынка РФ, поскольку, очевидно, наш рынок в ближайшее время будет интенсивно автономизироваться.

Yva использует искусственный интеллект и инструменты аналитики для изучения настроения работников — их самочувствия, удовлетворенности работой, продуктивности и рисков выгорания, а также того, как люди и команды работают вместе. Штаб-квартира стартапа находится в Калифорнии, ее основатель Давид Ян – выходец из РФ, находящийся на 175 месте списка российского Форбс. Давид – известный человек и много сделал в этом направлении.

Yva для оценки пользователя использует данные из корпоративных источников и предоставляет кадровым и управленческим службам аналитику в области оценки персонала и их потенциала. Стартовали они в 2017 году, на год раньше нашей ProfileCenter.

По-сути они предоставляют аналитику для HR, а мы для безопасников. Есть сходства, есть различия. Yva всегда позиционировала себя как «белая и пушистая» аналитика, оценивающая таланты, потенциал и сильные стороны. А мы же, в свою очередь можем определять не только белые и пушистые, хорошие, но и темные стороны пользователя, а также его личностные деструкторы. К тому же мы тоже можем определить и выгорание и спрогнозировать увольнение ключевых сотрудников с высокой долей вероятности. И еще многое чего другого. Нашу аналитику используют крупные компании в целях кадрового и корпоративного профайлига.

Кому интересно, вот примеры стандартной «коробочной» аналитики нашего модуля.

Тема цифрового профилирования со всеми своими плюсами и минусами, сильными и слабыми сторонами - самая интенсивно развивающаяся отрасль в профайлинге. И это в ближайшее время будет только усиливаться.

#профайлинг, #HRTech, #ProfileCenter, #аналитика, #цифровойпрофайлинг, #коллеги, #перспективы, #ProProfiling

Темные данные в профайлинге. Часть 2.
Начало здесь.

ТИП 9. Обобщение данных.
Обобщение данных по определению означает отбрасывание деталей.

Если вы учитываете только средние значения любого параметра, то это не дает никакой информации о диапазоне всех данных или об асимметрии их распределения. Среднее значение может скрыть тот факт, что некоторые значения могут очень сильно от него отличаться. В то же время обобщение может скрывать и тот факт, что все значения идентичны.

ТИП 10. Ошибки измерения и неопределенность.

Ошибки измерения изучаемых значений часто приводят к ошибочным выводам. Часто мы изучаем параметры, которые нельзя измерить непосредственно, и приходится пользоваться косвенными или опосредованными вычислениями. Например, при измерении кожно-гальванической реакции при инструментальной детекции лжи низкое качество самого электрода, который используется для фиксации параметров может серьезно исказить результат.

ТИП 11. Искажения обратной связи и уловки.

Этот тип данных возникает, когда собранные значения начинают влиять на исходный процесс. Например, в процессе оценки человека, получив какую-то часть информации, вы уже понимаете, к какому выводу вы, скорее всего, придете. И после этого качество вашего анализа второй половины данных существенно снижается. Или еще один пример – если все говорят, что этот пользователь, например, истероид, то возникает соблазн их послушать и это также снизит качество вашего анализа.

ТИП 12. Информационная асимметрия.

Информационная асимметрия возникает, когда один и тот же набор данных анализируют эксперты с разным уровнем подготовки и информированности.
Понятно, что если одну и ту же информацию анализируют эксперты разной подготовки (не говоря еще о их предвзятостях), то результаты этих анализов будут существенно отличаться.

ТИП 13. Намеренно затемненные данные.

Они наблюдаются, когда люди намеренно скрывают данные или манипулируют ими с целью обмана или введения в заблуждение. Возможностей для примеро здксь огромное количество: мы можем сознательно отбрасывать неугодную для нас информацию или часть данных, для того, чтобы сознать желаемое впечатление от этой информации и повлиять на дальнейшие выводы и поведение.

ТИП 14. Фальшивые и синтетические данные.

Сфальсифицированные или специально созданные данные с целью введения в заблуждение. Однако такие наборы данных создаются не только для мошенничества, но и с исследовательской задачей: существует метод симуляции, когда генерируются искусственные наборы данных, которые могли возникнуть в результате изучаемого процесса, а также другие методы, использующие репликацию данных, например методы бутстреппинга, бустинга и сглаживания. Современные статистические инструменты широко используют такие идеи, но их некачественная репликация может привести к ошибочным выводам.

ТИП 15. Экстраполяция за пределы ваших данных.

Наборы данных всегда конечны. Это означает, что они имеют максимальное и минимальное значения, за пределами которых лежит неизвестность. Заявление о возможных значениях выше максимума или ниже минимума в наборе данных требует выдвижения предположений или получения информации из какого-то другого источника. Более того, экстраполяция имеющихся данных на другой контекст или события имеет свои известные ограничения и требует крайней осторожности.

#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling

ИИ, предсказывающий преступления

Тематические профессиональные чаты активно обсуждают новости о том, что в Южной Корее представили искусственный интеллект (далее – ИИ), способный предсказывать преступления.

Тема интересная и актуальная, тем более что мы здесь ее уже обсуждали.
Суть простая – система способна анализировать видеозаписи с городских камер и в реальном времени оценивать риски совершения преступлений. Система учится на основе видеозаписей, набора поведенческих факторов и статистики. Также эта статистика учитывает и криминальную составляющую – где, как, сколько, когда и какие были зарегистрированы преступления. Используя набор данных, связанных с прошлыми криминальными записями и статистикой, связанной с преступностью, ИИ Dejaview автоматически анализирует записи видеонаблюдения в реальном времени, чтобы сравнивать и измерять текущие ситуации и их сходства с прошлыми криминальными ситуациями.

ИИ «скормили» почти 33.000 видеозаписей и по ним научили классифицировать криминальное поведение людей на улице. Как только риск того или иного события критически возрастает, система рекомендует направить дежурный отряд полиции в определенное место.

Что я могу сказать на эту тему?

Сегодня это уже не удивительно. Более того, я еще в 2021 году в Израиле тестировал подобную систему, отлично умеющую (еще в 2021 году) классифицировать криминальное поведение на улице, автоматически их фиксировать и сообщать полиции. И, судя по всему, функционал Сorsight до сих пор как минимум не хуже того, что представили корейцы.

Тем не менее, тема с ИИ, как я постоянно и говорю, в том числе и в профайлинге будет расширяться. А такие и подобные системы есть не только в Корее, но и в Израиле, США, Китае (1, 2) и у нас. Это еще конец 10х-начало 20хх и это совсем не секрет. Так что корейцы в этом плане – догоняющие и совсем не первые. Но вот хорошо это или плохо - судите сами).

#технологии, #ИИ, #профайлинг, #BigBrother, #криминалистика, #аналитика