Искусственный интеллект в цифровой экономике реферат
Обновлено: 08.07.2024
Роль инструментов и методов искусственного интеллекта (ИИ) в бизнесе и мировой экономике - горячая тема. Это неудивительно, учитывая недавний прогресс, прорывные результаты и демонстрацию ИИ, а также все более распространенные продукты и услуги, уже широко используемые. Все это привело к предположениям о том, что ИИ может привести к радикальным, возможно, беспрецедентным изменениям в образе жизни и работы людей, что повлияет, в том числе, на международную торговлю.
Искусственный интеллект, вероятно, повысит средний доход и улучшит благосостояние, но он также может подорвать рынки труда, повысить неравенство и стимулировать неинклюзивный рост. Но даже в той мере, в которой был достигнут прогресс в понимании влияния ИИ, мы по-прежнему не информированы о его международных аспектах. Быстрое проникновение ИИ в повседневную деятельность заставляет нас оценить международные последствия ИИ и предложить наилучшие ответные меры. Этим вызвана актуальность исследования.
Цель работы состоит в изучении влияния искусственного интеллекта и цифровизации на международную торговлю и ее регулирование.
В соответствии с поставленной целью работы основными задачами данного исследования можно считать:
- изучить развитие искусственного интеллекта и цифровизации;
- рассмотреть влияние искусственного интеллекта на конкуренцию между странами, компаниями и участниками рынка труда;
- проанализировать последствия внедрения технологий искусственного интеллекта для международной торговли и ее регулирования.
Объект исследования – искусственный интеллект и международная торговля.
Предмет исследования – выявление последствий внедрения технологий искусственного интеллекта для международной торговли.
1. Развитие искусственного интеллекта и цифровизации
Сегодня мы находимся на пороге цифровой революции, которая коренным образом изменит глобальный образ жизни, работы и общения. Трансформация, происходящая внутри отрасли электросвязи, информационно-коммуникационных технологий, оказывает большое влияние на внешний мир с появлением новых многообещающих цифровых технологий.
Искусственный интеллект - один из них. Искусственный интеллект - это обобщающий термин, который охватывает кластер самообучающихся технологий, таких как машинное обучение, усиленное обучение и глубокое обучение, с перспективой развития творческих способностей решения проблем, аналогичных человеческому разуму и превосходящих его в будущем [1] .
Это только начало, но семейство технологий, охватывающих ИИ, сократило разрыв, сопоставило, а в некоторых случаях и превзошло человеческие возможности в различных областях. Системы компьютерного зрения становятся более точными, обнаруживая объекты в больших масштабах лучше, чем в среднем по возможностям человека. Системы распознавания речи теперь могут определять язык по телефонным звонкам и голосовым записям с уровнями точности, соответствующими человеческим способностям. Решения на основе искусственного интеллекта могут трансформировать такие разнообразные и важные области, как образование, здравоохранение, финансы, мобильность и энергетика, обещая ускорить продвижение к Повестке дня в области устойчивого развития на период до 2030 года. Искусственный интеллект станет определяющим развитием 21 века, поскольку он готов стать самой преобразующей технологией общего назначения, которой когда-либо пользовалось человечество.
Возможности электронно-вычислительных машин уже никого не удивляют. Компьютеризация различных областей человеческой деятельности, помимо прямого эффекта от внедрения вычислительной техники, зачастую порождает новые классы программных продуктов и технологии их разработки. Любая технология - это прежде всего поле интеллектуальной деятельности для специалистов, однако, в отличии от других видов деятельности технологии разработки программных продуктов немедленно становятся объектами автоматизации, что выводит соответствующий раздел программирования на новый уровень развития.
Типичную эволюцию от конкретных программ до инструментальных средств разработки прошли системы, основанные на знаниях, и в первую очередь - экспертные системы, предназначенные для решения задач из тех областей, где решающую роль играют знания и опыт профессиональной деятельности. В экспертных системах поиск решений осуществляется посредством имитации рассуждений, присущих выдающимся профессионалам. Формализованные знания составляют ядро экспертной системы - ее базу знаний. Остальные блоки системы реализуют функции преобразования знаний и определяются не столько содержимым знаний, сколько свойствами их формальных структур.
Термин интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.
Интеллектом называется способность мозга решать (интеллектуальные) задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам.
В этом определении под термином "знания" подразумевается не только ту информацию, которая поступает в мозг через органы чувств. Такого типа знания чрезвычайно важны, но недостаточны для интеллектуальной деятельности. Дело в том, что объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях. Ясно, что для того, чтобы осуществлять в окружающей среде интеллектуальную деятельность (или хотя бы просто существовать), необходимо иметь в системе знаний модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и отношения между ними не только отображаются и запоминаются, но и, как это отмечено в данном определении интеллекта, могут мысленно "целенаправленно преобразовываться". При этом существенно то, что формирование модели внешней среды происходит "в процессе обучения на опыте и адаптации к разнообразным обстоятельствам".
1.2. Представление знаний
Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении) и в искусственном интеллекте. В когнитологии он связан с тем, как люди хранят и обрабатывают информацию. В Искусственном интеллекте (ИИ) основная цель — научиться хранить знания таким образом, чтобы программы могли обрабатывать их и достигнуть подобия человеческого интеллекта. Исследователи ИИ используют теории представления знаний из когнитологии. Такие методы как фреймы, правила и семантические сети пришли в ИИ из теорий обработки информации человеком. Так как знание используется для достижения разумного поведения, фундаментальной целью дисциплины представления знаний является поиск таких способов представления, которые делают возможным процесс логического вывода, то есть создание выводов из знаний.
Некоторые вопросы, которые возникают в представлении знаний с точки зрения ИИ:
· Как люди представляют знания?
· Какова природа знаний и как мы их представляем?
· Должна ли схема представления связываться с частной областью знаний, или она должна быть общецелевой?
· Насколько выразительна данная схема представления?
· Должна ли быть схема декларативной или процедурной?
В области искусственного интеллекта, решение задач может быть упрощено правильным выбором метода представления знаний. Определенный метод может сделать какую-либо область знаний легко представимой. Например диагностическая экспертная система Мицин использовала схему представления знаний основанную на правилах. Неправильный выбор метода представления затрудняет обработку. В качестве аналогии можно взять вычисления в индо-арабской или римской записи. Деление в столбик проще в первом случае и сложнее во втором. Аналогично, не существует такого способа представления, который можно было бы использовать во всех задачах, или сделать все задачи одинаково простыми.
Проблема формирования баз знаний является сложной и многогранной. Если ограничить рассмотрение этой проблемы задачей извлечения личных знаний эксперта, то можно сформулировать основные требования и принципы построения программных систем, автоматизирующих процесс формирования баз знаний. Системы такого рода именуются автоматизированными системами инженерии знаний.
1.3. Задача формирования баз знаний
При всей претенциозности своего названия, инженерия знаний является дисциплиной сугубо прозаической, в ее задачу входит разработка практически полезных программ для слабо "математизированных" областей человеческой деятельности. Главным аргументом в пользу плодотворности такого подхода является факт существования в реальной жизни института экспертов - классных профессионалов, способных решать плохо формализуемые задачи из той или иной проблемной области.
С точки зрения инженерии знаний, в любой прикладной программе (по-крайней мере теоретически) можно выделить компоненту, содержащую знания о проблемной области. Именно эта компонента, именуемая базой знаний, определяет практическую ценность программы. Построение базы знаний требует специальных изысканий в проблемной области, в то время как остальные блоки программы находятся полностью в ведении программиста.
В настоящее время известны четыре основных способа представления знаний, из которых можно конструировать "гибридные" способы представления знаний.
· Продукционные системы
· Семантические сети
· Логические исчисления
· Комбинированные способы представления знаний
· Модели проблемных областей
2. Распознавание образов и машинный перевод
2.1 Понятие образа
Образ, класс – классификационная группировка в системе классификации, объединяющая определенную группу объектов по некоторому признаку. Образное восприятие мира – одно из свойств живого мозга, позволяющее разобраться в бесконечном потоке воспринимаемой информации и сохранять ориентацию в разрозненных данных о внешнем мире. Воспринимая внешний мир, мы всегда производим классификацию информации, т. е. разбиваем их на группы похожих, но не тождественных явлений. Это свойство мозга позволяет сформулировать такое понятие, как образ.
Способность восприятия внешнего мира в форме образов позволяет с определенной достоверностью узнавать бесконечное число объектов на основании ознакомления с конечным их числом, а объективный характер основного свойства образов позволяет моделировать процесс их распознавания.
2.2 Проблема распознавания образов
Распознавание образов – это задача идентификации объекта или определения каких-либо его свойств по его изображению (оптическое распознавание) или аудиозаписи (акустическое распознавание). В процессе биологической эволюции многие животные с помощью зрительного и слухового аппарата решили эту задачу достаточно хорошо. Создание искусственных систем с функциями распознавания образов остаётся сложной технической проблемой.
Рис. 2.1. Пример объектов обучения.
В целом проблема распознавания образов (ПРО) состоит из двух частей: обучения и распознавания. Обучение осуществляется путем показа отдельных объектов с указанием их принадлежности тому или другому образу. В результате обучения распознающая система должна приобрести способность реагировать одинаковыми реакциями на все объекты одного образа и другими реакциями - на все объекты отличимых образов. Очень важно, что процесс обучения должен завершиться только путем показов конечного числа объектов. В качестве объектов обучения могут быть либо картинки (рис. 2.1), либо другие визуальные изображения (буквы, цифры). Важно, что в процессе обучения указываются только сами объекты и их принадлежность образу. За обучением следует процесс распознавания новых объектов, который характеризует действия уже обученной системы. Автоматизация этих процедур и составляет проблему обучения распознаванию образов. В том случае, когда человек сам разгадывает или придумывает, а затем навязывает машине правило классификации, проблема распознавания решается частично, так как основную и главную часть проблемы (обучение) человек берет на себя.
Круг задач, которые могут решаться с помощью распознающих систем, чрезвычайно широк. Сюда относятся не только задачи распознавания зрительных и слуховых образов, но и задачи классификации сложных процессов и явлений, возникающих, например, при выборе целесообразных действий руководителем предприятия или выборе оптимального управления технологическими, экономическими, транспортными или военными задачами. Прежде чем начать анализ какого-либо объекта, нужно получить о нем определенную, упорядоченную информацию.
Выбор исходного описания объектов является одной из центральных задач проблемы распознавания образов. При удачном выборе исходного описания (пространства признаков) задача распознавания может оказаться тривиальной и, наоборот, неудачно выбранное исходное описание может привести либо к очень сложной дальнейшей переработку информации, либо вообще к отсутствию решения.
2.5 Обучение, самообучение и адаптация
Обучением обычно называют процесс выработки в некоторой системе той или иной реакции на группы внешних идентичных сигналов путем многократного воздействия на систему внешней корректировки. Такую внешнюю корректировку в обучении принято называть " поощрениями" и " наказаниями". Механизм генерации этой корректировки практически полностью определяет алгоритм обучения. Самообучение отличается от обучения тем, что здесь дополнительная информация о верности реакции системе не сообщается.
Адаптация – это процесс изменения параметров и структуры системы, а возможно, и управляющих воздействий на основе текущей информации с целью достижения определенного состояния системы при начальной неопределенности и изменяющихся условиях работы.
Возможен способ построения распознающих машин, основанный на различении каких-либо признаков подлежащих распознаванию фигур. В качестве признаков могут быть выбраны различные особенности фигур, например, их геометрические свойства (характеристики составляющих фигуры кривых), топологические свойства ( взаимное расположение элементов фигуры) и т.п. Известны распознающие машины, в которых различение букв или цифр производится, по так называемому “методу зондов” (рис. 2.2), т.е. по числу пересечений контура фигуры с несколькими особым образом расположенными прямыми.
Рис. 2.2 Схема расположения зондов для распознавания цифр.
Если проектировать цифры на поле с зондами, то окажется, что каждая из цифр пересекает вполне определенные зонды, причем комбинации пересекаемых зондов различны для всех десяти цифр. Эти комбинации и используются в качестве признаков, по которым производится различение цифр. Такие машины успешно справляются, например, с чтением машинописного текста, но их возможности ограничены тем шрифтом (или группой сходных шрифтов), для которого была разработана система признаков. Работа по созданию набора эталонных фигур или системы признаков должна производиться человеком. Качество работы машины, т. е. надежность “узнавания” предъявляемых фигур определяется качеством этой предварительной подготовки и без участия человека не может быть повышено. Описанная машина не являются обучающейся машиной.
а) никакие сведения о подлежащих классификации образах в машину заранее не вводятся;
б) в ходе обучения машине предъявляется некоторое количество объектов каждого из подлежащих классификации образов и (при моделировании процесса обучения “с учителем”) сообщается, к какому образу относится каждый объект;
в) машина автоматически обрабатывает полученную информацию, после чего
г) с достаточной надежностью различает сколь угодно большое число новых, ранее ей не предъявлявшихся объектов из образов.
Машины, работающие по такой схеме, называются узнающими машинами.
2.6 Преобразование изображений в цифровой код
Для того чтобы ввести изображение в машину, нужно перевести его на машинный язык, т.е. закодировать, представить в виде некоторой комбинации символов, которыми может оперировать машина. Кодирование плоских фигур можно осуществить самым различным образом. Лучше стремиться к наиболее “ естественному” кодированию изображений. Будем рисовать фигуры на некотором поле, разбитом вертикальными и горизонтальными прямыми на одинаковые элементы – квадратики. Элементы, на которые упало изображение, будем сплошь зачернять, остальные – оставлять белыми. Условимся обозначать черные элементы единицей, белые – нулем. Введем последовательную нумерацию всех элементов поля, например, в каждой строке слева направо и по строкам сверху вниз. Тогда каждая фигура, нарисованная на таком поле, будет однозначно отображаться кодом, состоящим из стольких цифр (единиц и нулей), сколько элементов содержит поле.
Рис 2.3 Примеры проецирования и кодирования изображений.
Такое кодирование (рис. 2.3) считается “ естественным” потому, что разбиение изображения на элементы лежит в основе работы нашего зрительного аппарата. Действительно, сетчатка глаза состоит из большого числа отдельных чувствительных элементов (так называемых палочек и колбочек), связанных нервными волокнами со зрительными отделами головного мозга. Чувствительные элементы сетчатки передают по своим нервным волокнам в головной мозг сигналы, интенсивность которых зависит от освещенности данного элемента. Таким образом, изображение, спроектированное оптической системой глаза на сетчатку, разбивается палочками и колбочками на отдельные участки, и по элементам в некотором коде передается в мозг. Отдельные элементы поля называются рецепторами, а само поле – полем рецепторов.
Совокупность всех плоских фигур, которые можно изобразить на поле рецепторов, составляет некое множество. Каждая конкретная фигура из этой совокупности есть объект этого множества. Любому их таких объектов соответствует определенный код. Точно также любому коду соответствует определенное изображение на поле рецепторов. Взаимно однозначное соответствие между кодами и изображениями позволит оперировать только кодами, помня о том, что изображение всегда может быть воспроизведено по его коду.
Емкость ИНС – число образов, предъявляемых на входы ИНС для распознавания. Для разделения множества входных образов, например, по двум классам достаточно всего одного выхода. При этом каждый логический уровень – "1" и "0" – будет обозначать отдельный класс. На двух выходах можно закодировать уже 4 класса и так далее. Для повышения достоверности классификации желательно ввести избыточность путем выделения каждому классу одного нейрона в выходном слое или, что еще лучше, нескольких, каждый из которых обучается определять принадлежность образа к классу со своей степенью достоверности, например: высокой, средней и низкой. Такие ИНС позволяют проводить классификацию входных образов, объединенных в нечеткие (размытые или пересекающиеся) множества. Это свойство приближает подобные ИНС к условиям реальной жизни.
3. Нейрокомпьютеры и сети
Основные эффекты от применения ИИ будут получены за счет оптимизации бизнес-процессов и расширения возможностей автоматизации и роботизации ручного труда; реструктуризации глобального рынка труда и трансформации образовательных процессов в пользу персонализации и развития концептуального мышления; исключения субъективности и иррациональности в принятии решений [10].
Рис. Объем рынка искусственного интеллекта, млрд долл. США [10].
Выделяют два направления развития ИИ: (1) решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека; (2) создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества [2, 11]. Сферы применения ИИ это: автоматический перевод; распознавание текстов; интеллектуальные системы информационной безопасности; получение бизнес-аналитики; извлечение информации; распознавание речи; распознавание зрительных образов; понимание и анализ текстов на естественном языке; робототехника; экспертные системы; анализ изображений и многое другое.
В последнее время произошел впечатляющий рывок в области развития и особенно применения искусственного интеллекта, основанного на использовании нейронных сетей. Получены грандиозные результаты при решении таких задач как распознавание речи, изображений и лиц. Данные технологии основаны на достаточно грубом копировании работы человеческого мозга и не всегда дают ожидаемые результаты. Задача науки понять, как работает ИИ. Технологии часто начинают работать раньше нашего понимания всех подробностей их работы. Без такого понимания неизбежно возникают разного рода инциденты. Примером такого потенциально негативного эффекта может служить атомная энергетика (Фукусима и Чернобыль). Такое же возможно и с искусственным интеллектом, если не будет полного понимания того, как он работает.
Научные исследования и примеры внедрения ИИ показывают, как компании, которые используют новые возможности ИИ, совершают технологический прорыв, получают ощутимый результат и конкурентное преимущество. ИИ не просто позволяет существенно модернизировать многие технологические и социальные процессы, делая их эффективнее (повышая производительность труда и расширяя возможности человека), он меняет саму природу труда, кардинально перестраивая процессы управления и выдвигая новые требования к набору компетенций, меняя характер взаимодействия человека и машины.
Искусственный интеллект окажет влияние не на количество рабочих мест, а, скорее, на их содержание. Все это ставит перед бизнесом новые задачи по расширению компетенций и трансформации сознания людей при подготовке их к фундаментальным изменениям [1, 8].
Анализируя потенциал искусственного интеллекта, исследователи начали искать новые области его применения, прежде всего в увязке с совершенствованием бизнес-процессов. Применение ИИ в этой области позволяет сделать бизнес-процессы гибкими и адаптивными, отказаться от традиционных конвейеров и перейти к идее интеграции продвинутых ИИ-систем и людей. Такой подход позволяет радикально изменить взаимодействие машины и человека, формировать интегрированные команды из роботов и людей. Такие команды способны по ходу выполнения производственных операций быстро обрабатывать большие массивы данных, усваивать новую информацию и подстраиваться под непрерывно изменяющиеся условия. Такие возможности ИИ позволяют компаниям по-новому произвести 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.
Другим 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.
Такой симбиоз человека и машины выдвигает новые требования к квалификации сотрудника предприятия [9]. Сотрудник должен уметь: формулировать вопросы для интеллектуального агента на самых разных уровнях абстракции; эффективно взаимодействовать с интеллектуальным агентом при достижении поставленных целей; обучать интеллектуальных агентов новым технологическим навыкам и учиться самому; совершенствовать модель (интерфейс) взаимодействия с интеллектуальным агентом; принимать совместные с ИИ решения в условиях повышенной неопределенности; осуществлять поиск новых способов совершенствования бизнес-процессов для повышения их эффективности.
© Трофимов В.В., 2019
Валерий Владимирович Трофимов доктор технических наук, профессор, заведующий кафедрой информатики Санкт-Петербургского государственного экономического университета.
- Для учеников 1-11 классов и дошкольников
- Бесплатные сертификаты учителям и участникам
ИСКУССТВЕННЫЙ ИНТЕЛЕКТ В ЭКОНОМИКЕ
Солнцевскогорайона Курской области
Научный руководитель Непринцева Е.В. ,
Аннотация : статья раскры вает понятие искусственного интелекта для обычного пользователя, объясн яет каким образом реализовывается ИИ в различных отраслях экономик и, сравнивает плюсы и минусы его появления.
Искусственный интеллект как многозадачная технология для нужд цифровой эпохи является ключевым высокотехнологичным драйвером, который позволяет значительно ускорить прежде всего рост экономики. Разумеется, что это только лишь одна из многочисленных технологий, которые определят темпы и направленность развития человеческой цивилизации в ближайшие десятилетия. Очевидно, что в ближайшем будущем благополучие граждан и государств будет напрямую зависеть от уровня развития биотехнологий, цифровых технологий, систем, снабжённых высокопроизводительными модулями с продвинутым искусственным интеллектом, робототехники, нанотехнологий, а также наличием производства новейших материалов с уникальными свойствами [1] ; [2]; [3]; [4] . Мир и вещи в нём изменяются с невероятной скоростью. Сегодня, а тем более завтра, появятся такие изобретения, технонаучные тренды, которые способны радикально изменить всё промышленное производство, систему финансирования, коммуникацию между людьми и организациями.
Чтобы лучше представить нынешнее воздействие и потенциал ИИ, давайте рассмотрим десять ключевых отраслей, в которых технология ИИ произведет революцию в ближайшие годы.
Медицина и здравоохранение
Приложения искусственного интеллекта обрабатывают большинство клинических и амбулаторных услуг, таких как проверка показателей жизнедеятельности, телемедицина и выписывание рецептов.
Разработчики искусственного интеллекта создают чат-ботов, которые обеспечивают базовое медицинское обслуживание. Эти медицинские приложения опрашивают пользователей, как они себя чувствуют, и используют эту информацию, чтобы предоставить точную и понятную информацию о состоянии пациента.
Розничная торговля
Эксперты ожидают, что к 2022 году глобальные расходы на ИИ в ритейле вырастут до $7,3 миллиарда в год. Розничные торговцы будут использовать виртуальную реальность и расширенную функциональность в рекламе. Иммерсивное отображение каталога продуктов будет расти, и покупатели будут знакомиться с продуктами перед покупкой. Ожидается, что к 202 3 году чат-боты будут осуществлять 85% всех взаимодействий с клиентами.
Финансовый сектор
Искусственный интеллект изменит способ обработки информации в финансовых учреждениях. Банки начали использовать роботизированную автоматизацию процессов (RPA) для обработки стандартизированной информации в таких областях, как выверка и консолидация. В будущем финансовые учреждения будут использовать ИИ для составления квартальных отчетов о прибылях и убытках.
Искусственный интеллект также будет играть активную роль в стратегических процессах. Технологии позволят фирмам выполнять финансовый анализ, распределять активы и составлять прогнозы в режиме реального времени, что изменит подходы финансовых консультантов и инвестиционных компаний к потенциальным клиентам.
Аграрная промышленность
Фермеры используют технологию искусственного интеллекта для оптимизации методов выращивания сельскохозяйственных культур. Наиболее популярные применения ИИ в сельском хозяйстве варьируются от робототехники до мониторинга урожая и почвы. Так, искусственный интеллект уже применяется для удаленного наблюдения за посевными и почвами. Это стало возможным благодаря компьютерному зрению и алгоритмам глубокого обучения, которые обрабатывают данные с дронов и спутниковых снимков, анализируют их и помогают агрономам принимать оперативные решения.
Используя искусственный интеллект в аграрной промышленности, специалисты по сельскому хозяйству разрабатывают автономных роботов, запрограммированных для выполнения рутинных сельскохозяйственных задач, таких как сбор урожая в большом количестве.
Транспортные перевозки
Внесенные данные быстро обрабатываются и выставляется счет, который можно оплатить прямо в приложении. Также модернизирована система коммуникации между клиентом и компанией – можно связываться с операторами не только по мобильной связи, но и через различные мессенджеры.
сли его брать его в кассах вокзала [ 4 ].
проездного билета. Такой билет позволяет оплачивать проезд не одного транспорта, а нескольких его видов: метро, автобус, троллейбус. Различные транспортные карты предлагают пассажирам найти свой оптимальный тариф. Пока электронная система развита только в крупных городах и еще находится в процессе создания приложений, позволяющих пополнять транспортные кошельки [ 4 ].
В сфере пользования такси за последние 15 лет также произошли значительные изменения. Чтобы раньше заказать такси, нужно было найти номер службы, ждать, когда возьмут телефон, надеяться, что водитель приедет к нужному месту и в нужное время. Сейчас же есть несколько вариантов, как сделать заказ: телефонный звонок, приложение, сайт, бот. Можно легко установить время приезда водителя, отследить на картах, где стоит машина, договориться об оплате.
Обрабатывающая промышленность
Эта технология имеет огромный потенциал в сфере производства: от профилактического обслуживания оборудования до автоматизации задач, выполняемых человеком. ИИ позволит заводам работать эффективнее и снизить количество ошибок на производстве.
Инициативы технологических гигантов, таких как Microsoft (AI для доступности), и небольших компаний произведут революцию в области ИИ для всех информационно-технических работников.
Урбанизация и строительство
Строительная отрасль давно использует технологии и программное обеспечения. Многие стартапы и крупные компании используют ИИ, чтобы перенести строительную отрасль в будущее. Внедрение ИИ и машинного обучения сделает процесс строительства более быстрым, безопасным и рентабельным за счет уменьшения количества человеческих ошибок и использования больших данных.
Энергопотребление
ИИ может быть внедрен в интеллектуальные электрические сети для более эффективного энергоснабжения и прогнозирования поломок оборудования. Внедрение искусственного интеллекта упростит исследование энергетики, а также откроет новые возможности для экономии. Крупные компании, такие как General Electric, смотрят в будущее, чтобы использовать искусственный интеллект для оптимизации выработки электроэнергии из батарей и точек потребления. Согласно Bloomberg News , технологии искусственного интеллекта в энергетике и горнодобывающей промышленности могут в конечном итоге сэкономить $200 миллиардов.
Образование
По мере того как мы продвигаемся вперед с новым поколением в образовательной индустрии, становится очевидно, что изменения необходимы для прояснения их основных концепции. Самый насущный вопрос – какими должны быть эти изменения и как этого добиться.
Использование искусственного интеллекта для создания индивидуализированной, динамичной и эффективной траектории обучения по любому предмету может стать невероятным драйвером в такой революции.
Ожидается, что в скором времени образование невозможно будет представить без участия искусственного интеллекта (ИИ), который будет контролировать образовательный процесс от начала до конца. Пока алгоритмы привлекают к образованию фрагментарно.
Как ИИ будет интегрироваться в образовательный процесс?
Искусственный интеллект может быть репетитором
Уже существует несколько приложений-репетиторов, благодаря которым можно в любой момент дополнительно изучить непонятную тему. ИИ может также проанализировать школьные работы, определить проблемные области, а также создать индивидуальные уроки для заполнения пробелов в знаниях.
Искусственный интеллект может автоматизировать оценку знаний
Ожидается, что в скором времени ИИ научится полноценно проверять письменные работы и экзаменационные задания с помощью установленных метрик и эталонов, которые будут исключать предвзятость либо некомпетентность преподавателей.
Искусственный интеллект может анализировать поведение учеников
Камеры с ИИ помогают анализировать поведение учеников. Эти системы способны распознавать и оценивать, как ученики реагируют на разные темы и задания. Эта система должна помочь учителям определять сильные и слабые стороны учеников.
Также ИИ может анализировать эмоциональное и физическое состояние ученика в текущий момент, причины прогулов, профессиональные навыки учителей.
Кибербезопасность
Кибербезопасность – это область, в которой распространены мошенничество и хакерские атаки. Благодаря ИИ можно не только решить эти проблемы, но и предвидеть их. С помощью искусственного интеллекта можно было бы узнать, какие данные затронула хакерская атака, а также выяснить источники несанкционированного проникновения в информационные системы.
Минусы искусственного интеллекта
Первый минус - сбои. Перекладывая множество сложных задач на искусственный интеллект не стоит забывать, что любая машина может давать сбои. Небольшая ошибка в вычислениях может снежным комом нарастить огромное количество последовательных проблем. Также это может привести к потере важных данных, подлежащих обработке машиной. Ведь она будет контролировать большинство операций и баз данных. Второй минус - противостояние. Постоянное совершенствование логических процессов может обособить искусственный интеллект и от человечества. Агрессивное воздействие даже одного государства в своих интересах способно вызвать опасные и непредсказуемые последствия. Что будет, если в своих интересах начнет действовать глобальная современная машина? Стоит только искусственному интеллекту решить, что человек угроза или помеха, как вымирание людей станет лишь вопросом времени. Контроль всех производств и устройств ставит человека перед лицом потенциальной угрозы. Третий минус - замена. По мере того как искусственный интеллект станет заменять человека в различных сферах, все больше людей останутся без работы. Заводское производство, основа трудоустройства в огромном количестве мест, и это еще не предел. Степень замены человеческого труда на роботизированный интеллект еще трудно представить, но последствия вряд ли будут в пользу обычных людей. А даже если в выигрыше останутся все, блаженная праздность блаженного существования может оказаться еще большим вредом.
Плюсы искусственного интеллекта
Первый плюс - изучение. Искусственный разум как нельзя лучше подходит для различного рода механической деятельности. Безопасное изучение космоса, глубин океана или земного ядра не подходит ни для людей ни для обычных машин. Интеллект в свою очередь может подстроиться под ситуацию без угрозы вреда здоровью. Любые эксперименты и испытания с помощью искусственного интеллекта будут происходить куда быстрее и дешевле, чем это может сделать человек. Второй плюс - работа. Сейчас ни одно производства мира не является полностью автоматическим, так как машина не способна оценить результат своих действий. Искусственный ум может не только без труда управлять сотнями заводов по всему миру, одновременно без остановок и передышек, но еще и проверять оценку качества. Это позволит в разы удешевить производство. Также можно будет наладить работу на вредных и опасных объектах, где велика смертность и травмоопасность.
Заключение М ы увидели индустрии, которые будут преобразованы революцией искусственного интеллекта в ближайшие годы. Это переопределяет целые отрасли экономики, автоматизируя процессы и трансформируя работу бизнеса. ИИ открывает огромные возможности для расширения человеческого потенциала, используя уникальные способности к творчеству и ловкости – характеристики, которые трудно воспроизвести компьютеру.
Список литературы
2 . Зарубин, Павел Молодые российские ученые создали мощнейшую в мире ударную систему / П. Зарубин. 29 апреля 2018.
3 . Шаг в будущее: искусственный интеллект и цифровая экономика // Материалы 1-й Международной научно-практической конференции. Вып. 4 / Государственный университет управления. – М. : Изд. ГУУ, 2017.
4 . Сычёв А.А., Савостицкий А.С. Проблема неравномерности технологического развития экономики и входные барьеры / А.А. Сычёв, А.С. Савостицкий // Шаг в будущее: искусственный интеллект и цифровая экономика // Материалы 3 -й Международной научно-практической конференции. Вып. 4 / Государственный университет управления. – М. : Изд. ГУУ, 201 9 . −
5 . Буряк В.В. Цифровая экономика и новая технологическая парадигма / В.В. Буряк // Цифровая экономика в профессиональном образовании // Материалы Международной научно-практической конференции. Под ред. Н. ВМолотковой. 20 20 .
Исследования в области искусственного интеллекта (ИИ, англ. artificial intelligence, AI) активно проводились еще в 20-м веке. Ученые, инженеры, философы, писатели-фантасты и футурологи представляли решения на базе ИИ совершенно по-разному. Например, некоторые исследователи предполагали, что необходимо, в первую очередь, изучать мозг человека и создавать такие решения в области AI, которые будут повторять мыслительный процесс людей. Однако, данное направление исследований было популярно в конце 20-го века, когда мощности компьютеров (даже суперкомпьютеров того времени) еще не позволяли выполнять целый класс сложных вычислительных задач, которые мы решаем сегодня с помощью обычных гаджетов без особых затрат и усилий.
Рис 1. Тест Тьюринга
Впервые в конце 90-х годов прошлого века компьютерная программа смогла обыграть чемпиона мира по шахматам. Однако заметим, что такие программы на базе искусственного интеллекта могли решать только узкий класс задач (играть в шахматы или го, распознавать лица или автоматизировать еще какой-либо производственный процесс).
Можно отметить, что пока еще не создан какой-то универсальный ИИ, который с одной стороны мыслит таким же образом, как и человек, а с другой, превосходит человека в решении практически всех интеллектуальных задач и может сам принимать целый спектр важнейших решений.
Исследования в сфере AI пошли несколько другим путем: увеличение вычислительных мощностей компьютеров и пропускной способности магистральных сетей за последние пару десятков лет, появление совершенно новых технологий, таких как, машинное обучение (aнгл. machine learning, ML), глубокое обучение (англ. deep learning), поиск в больших данных (англ. big data), Интернета вещей (англ. Internet of Things, IoT), облачных технологий и т.д. позволило ученым и инженерам применять некоторые решения на базе ИИ на практике.
Рис 2. Новые технологии: artificial intelligence, machine learning, deep learning
В чисто прикладном аспекте исследователи AI нашли альтернативные варианты: вместо того, чтобы глубоко изучать процессы мышления человека и создавать что-то подобное для машины, было решено, что для многих задач неплохо работает машинное обучение на огромных массивах данных и использование преимуществ масштабирования (увеличения вычислительных мощностей современных компьютерных систем). Возможно, что и для интеллектуальных машин, неотличимых от человека в области мышления, придет свое время в будущем.
В этой статье мы остановимся на тех направлениях AI и сопредельных с ним технологий, которые уже работают на практике, определяют ход цифровой трансформации в мире и будут распространенными технологиями в шестом промышленном укладе.
Какие изменения принесет ИИ и робототехника в промышленность и логистику?
- моделирование будущего изделия и самого процесса его изготовления;
- применение больших данных и бизнес-аналитики;
- применение роботов нового поколения с ИИ в цехах;
- интеграцию различных производственных подразделений и внедрение систем ERP (англ. Enterprise Resource Planning, планирование ресурсов предприятия);
- использование Интернета вещей (IoT), блокчейна, частных криптовалют для внутренних расчетов.
Выход здесь видится один: использование коботов, (коллаборативных роботов) — специализированных устройств, работающих совместно с человеком, где человек необходим для принятия быстрых и интуитивных решений в ситуациях, которые не поддаются полной автоматизации и где пока еще мало эффективен ИИ.
Рис.3 Внедрение коботов на производстве
Другое направление использования AI — это логистика и беспилотные автомобили, испытания которых сейчас массово проходят в США. Кстати, аварии с участием беспилотников уже зафиксированы, поэтому введено требование об обязательном участие человека с водительскими правами в таких испытаниях. Причина кроется в неправильном принятии решений в аварийной ситуации системой ИИ беспилотного автомобиля, там, где опытный водитель быстро и интуитивно принимает решение, AI пока еще не может полноценно с ним конкурировать.
Рис 4. Беспилотный автомобиль
Как искусственный интеллект может изменить труд офисных работников и креативного класса?
В предыдущей части статьи мы раскрыли некоторые подробности грядущих изменений в промышленности и логистике, которые связаны с цифровой трансформацией этой сферы (внедрением роботов и ИИ). Казалось бы, потенциальная угроза безработицы возможна только для рабочего класса и работников сферы обслуживания? Ведь многочисленные футурологи всегда нам внушали, что роботы и ИИ вытеснят человека из сферы физического труда и конвейерного производства. Однако, именно в сфере офисного труда и даже некоторой креативной деятельности мы уже сейчас видим многочисленные наработки из сферы ИИ, которые постепенно меняют бизнес-процессы современного офиса.
Следует обратить внимание на одно из прикладных направлений в развитии AI — это целый класс методов машинного обучения (англ. machine learning, ML). С помощью этих методов, программа решает задачу не напрямую, а тренируется на огромном множестве схожих задач. Применимы в таких случаях и нейронные сети, которые именно обучаются, а не программируются, как обычный софт.
Уже сегодня мы широко используем системы машинного перевода с иностранных языков. Конечно же, они пока еще не способны полностью заменить профессиональных переводчиков, но уже помогают нам быстро перевести нужный текст с одного языка на другой.
Существует программное обеспечение, позволяющее писать тексты, которые могут заменить журналистов, копирайтеров, репортеров и других производителей контента.
Рис 5. Искусственный интеллект пишет тексты вместо журналиста
Как построена работа подобных программ на базе AI?
Рис 6. Сферы применения RPA
Заключение
Применение систем искусственного интеллекта привнесет в экономику, промышленность и социальную жизнь, как множество преимуществ для граждан, так и породит некоторые проблемы, на которые уже сейчас стоит обратить внимание:
Читайте также: