На протяжении нескольких десятилетий учёные работают над созданием искусственного интеллекта, который мог бы сравниться с человеческим или даже превзойти его. Наука, как никогда близка к этому.
Искусственный интеллект (ИИ) – это совокупность научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ, которые ранее были присущи только разумному индивиду. В составляющие искусственного интеллекта входит, как логическое мышление, так и интуиция. Учёные сделали огромный прорыв в науке, создав искусственные нейронные сети, схожие по образу нейронной сети живых организмов. Искусственные нейронные сети – это модель работы биологических нейронов, клеток головного мозга, представленная набором математических инструкций, которые записаны в виде программного кода. Теперь искусственный интеллект демонстрирует истинные человеческие качества. Огромное количество процессов происходят не линейно, а параллельно в один момент времени, как и в головном мозге [1, с. 400]. Программы с ИИ и без отличаются следующими свойствами, представленными в таблице 1
Таблица 1 – Программы с искусственным интеллектом и без ИИ.
Без ИИ |
С ИИ |
Компьютерная программа без ИИ может отвечать только на конкретные вопросы, на которые он запрограммирован отвечать
|
Может отвечать на универсальные вопросы, на которые он запрограммирован.
|
Внесение изменений в программу приводит к изменению его структуры
|
Программа с ИИ может поглощать новые модификации, сортируя весьма независимые фрагменты информации воедино. Следовательно, пользователь может изменять кусочки информации из программы, не затрагивая структуру самой программы
|
Модификация не является быстрой и легкой
|
Модификация быстрая и легкая
|
Ниже перечислены области, в которых эффективность применения нейронных сетей доказана на практике [2, с. 43]:
1. Для финансовых операций:
1.1 Прогнозирование поведений клиентов.
1.2 Прогнозирование и оценка риска предстоящей сделки.
1.3 Прогнозирование возможных мошеннических действий.
1.4 Прогнозирование движений наличности, объёма оборотных средств.
1.5 Прогнозирование экономических параметров и фондовых индексов.
2. Для планирования работы предприятия:
2.1 Прогнозирование объёма продаж.
2.2 Прогнозирование загрузки производственных мощностей.
2.3 Прогнозирование спроса на новые продукты.
3. Для бизнес – аналитики и поддержки принятия решений:
3.1 Анализ работы филиалов компаний.
3.2 Сравнительный анализ фирм-конкурентов.
4. Другие приложения:
4.1 Оценка стоимости недвижимости.
4.2 Контроль качества выпускаемых товаров.
4.3 Системы слежения за состоянием оборудования.
4.4 Проектирование и оптимизация сетей связи, сетей электроснабжения.
4.4 Прогноз на потребления энергии.
4.5 Распознавание рукописных символов, в т.ч. автоматическое распознавание и аутентификация подписи.
4.6 Распознавание и обработка видео – и аудио сигналов.
Нейронные сети с целью прогноза рынков, оптимизации товарных и денежных потоков, анализа и обобщения социологического выборочного опроса, прогнозирование динамики общественно-политических рейтингов, оптимизации производственного процесса, сложной диагностики качества продукта и для многого другого. Существует два ключевых направления:
1) Развития искусственного интеллекта: решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека [3, с. 255].
2) Создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.
Технический прогресс и разработки в области искусственного интеллекта приводят к тому, что обычному работнику приблизительно через 10 лет уже сложно будет найти место на производстве, в офисах и в области здравоохранения. Как следствие технической революции по всему миру к 2020 году будет создано 2 миллиона рабочих мест, но ликвидировано – более 7 миллионов, что совершенно не доставляет радости. Но, с другой стороны, стремительно возрастет спрос на специалистов с творческим и физико-математическим складом ума: разработчиков программного обеспечения, архитекторов, инженеров и научных сотрудников [4, с. 359].
В наше время количество финансовых операций, исполняемых машинами около 12%. Однако к 2025 году этот объем может увеличиться вплоть до 25%. В результате данного прогноза происходит существенное увеличение экономической эффективности производств, но существенное снижение заработных плат рабочим к 2025 году: в Японии и Канаде — на 25% и в Южной Корee — на 33%.
Сегодня искусственный интеллект и машинное обучение стало использоваться практически во всех областях деятельности людей. От банальной технологии размытия заднего фона на фотографиях до рассмотрения суперкомпьютерами генетической предрасположенности к серьезным медицинским заболеваниям.
Например, один из таких суперкомпьютеров IBM Watson на сегодняшний день разрабатывает 13 вариантов стратегии лечения рака различных локализаций. Его характерной чертой является искусственный интеллект с поддержкой вопросно–ответной концепции. Благодаря доступу к четырем терабайтам разных неструктурированных данных, электронно-вычислительная машина способна понимать и решать вопросы на естественном для человека языке и точно также давать на них ответ.
Сам вычислительный блок состоит из 90 серверов IBM p750, спроектированных на основе процессора POWER7, а суммарный объем доступной для работы оперативной памяти составляет более 15 терабайт. Несмотря на такие внушительные технические характеристики, вычислительная система не является самой передовой в мире, но на фоне конкурентов превосходством Watson считается возможность деятельности с когнитивными вычислениями. Благодаря этому, в краткосрочной перспективе, на «плечи» компьютера можно будет полностью доверить и поручить работу с логистическими, автотранспортными, экономическими и медицинскими задачами.
Когнитивные вычисления предполагают симуляцию человеческой мозговой работы. В теории, в случае если системы искусственного интеллекта будут централизованными, то в таком случае вероятно, что машины сумеют обрабатывать информацию, познавать мир и анализировать происходящие действия подобно нам, не исключено, что даже более продуктивно.
Проанализировав возможности искусственного интеллекта, ученые начали искать новые области его использования, в первую очередь — в увязке с совершенствованием бизнес-процессов. Применение ИИ в этой сфере дает возможность сделать бизнес-процессы гибкими и адаптивными, отказаться от традиционных конвейеров и перейти к идее интеграции современных систем искусственного интеллекта и людей. Такого рода подход позволяет кардинально поменять взаимодействие машины и человека, создавать интегрированные команды из роботов и людей. Подобные команды способны в ходе выполнения производственных операций быстро обрабатывать большие массивы данных, усваивать новую информацию и адаптироваться под постоянно изменяющиеся условия. Такие возможности ИИ позволяют компаниям с новым подходом осуществить реинжиниринг своих бизнес-процессов, существенно повысить их производительность и снизить издержки. Таким образом, одно из основных направлений развития и внедрения ИИ в промышленности — реинжиниринг бизнес-процессов.
Вторым направлением развития и внедрения ИИ является дополнение и расширение человеческих возможностей, когда машины выполняют то, что лучше всего они умеют (выполнение повторяющихся, монотонных задач с обработкой колоссального объема данных), а люди выполняют то, что лучше всего умеют они (работа с неоднозначной информацией, умозаключение в сложных случаях, принятие решений в условиях с высоким уровнем неопределенности, творчество и др.). Это направление принято назвать третьей волной бизнес-трансформации.
Напомним, что к первой волне трансформации относят стандартизацию бизнес-процессов (конвейер Г. Форда, каждая операция измерима, оптимизирована и стандартизована).
Ко второй волне трансформации относят автоматизацию (реинжиниринг бизнес-процессов на основе информационных технологий и вычислительной техники).
Таким образом, третья волна трансформации бизнес-процессов связана с адаптивными бизнес-процессами, которые позволяют радикальным образом преобразовать бизнес и опираются на обработку данных в реальном режиме времени вместо выполнения заранее заданной последовательности шагов. Такой подход позволяет предлагать на рынке персонализированные продукты и услуги (в отличие от массовой продукции), основанные на применении ИИ с обработкой огромного массива данных в реальном масштабе времени [5, с. 742].
Крупные коммерческие компании не обходят стороной достижения в области искусственного интеллекта. Банки активно внедряют подобные технологии в свою деятельность. При помощи систем, основанных на ИИ, они проводят операции на биржах, ведут управление собственностью и выполняют иные операции.
Рассмотрим перспективы развития ИИ. Научные исследования ИИ ведутся более полувека, но до сих пор далеко не все понимают суть технологии. В фантастических романах и фильмах писатели и режиссеры изображают, каким опасным может быть искусственный интеллект. И у многих представление об искусственном разуме формируется именно таким.
Искусственные нейросети создаются по образу человеческого мозга, хотя и в очень упрощенном виде. Может быть, однажды станет возможно просканировать все разделы мозга живого человека, составить «карту» его нейронов и синаптических связей и воспроизвести ее копию в компьютере. От такой скопированной нейросети можно ожидать не только разумного поведения — она буквально будет двойником человека, сможет осознавать себя, принимать решения и совершать поступки, как он. Скопируются даже воспоминания. Теоретически, можно будет поместить такую нейросеть в искусственное тело (в робота), и тогда человек — копия его сознания — сможет жить практически вечно.
На практике осуществить такой перенос будет невероятно сложно: нет технологий, которые позволили бы «прочитать» живой мозг и создать его «карту». И мы пока очень далеки от создания искусственной нейросети, которая была бы столь же мощной, как мозг.
Библиографический список
- Флах Петер Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. Учебник; ДМК Пресс – М., 2015. – 400 c.
- Педро Домингос. Верховный алгоритм, 2015.
- Современные проблемы нейрoинформатики. Книга 23. Часть 1; Радиотехника – М., 2016. – 255 c.
- Искусственный интеллект. Десятая национальная конференция по искусственному интеллекту. Наука – Москва, 2015. – 359 c.
- Искусственный интеллект и принятие решений, №1, 2011; Ленанд – М., 2018. – 742 c.
Количество просмотров публикации: Please wait