Значение искусственного интеллекта для российского предпринимательства реферат

Обновлено: 04.07.2024

Актуальность выбранной темы. В последние годы компьютер и
информационные системы в частности стали неотъемлемой частью системы
управления предприятием или организацией, независимо от форм
собственности. Благодаря широкому и стремительному развитию
информационно-коммуникационных технологий наблюдается расширение
сферы их применения. Так, использование информационных систем
позволяет делать более точные прогнозы и избегать возможных ошибок в
управлении. Кроме того, из сохранившихся данных и отчетов о работе
предприятия можно извлечь существенный массив полезных сведений для
осуществления анализа деятельности предприятия. Появление нового типа
информационных систем с элементами искусственного интеллекта позволило
расширить компьютерные возможности обработки и анализа информации
разного типа для обеспечения формирования качественных управленческих
решений и персонализированного обучения.
Целью работы является определение роли искусственного интеллекта
в бизнес среде, освещение их признаков и особенностей, раскрытие
основных направлений их использования.
Изложение основного материала. На современном этапе развития
информационного общества наличие разнообразного программного
обеспечения определяет степень и качество обработки информации
различных типов и выполнения на компьютере пользовательских задач.
Значительное место среди программных продуктов для удовлетворения
информационных потребностей пользователей заняли информационные
системы, которые определяются как прикладные программные подсистемы,
ориентированные на поиск, сбор, хранение и обработку текстовой и
фактографической информации [3, с. 22]. При этом наблюдается внедрение
информационных систем во множество сфер деятельности человека.

Активное применение информационных систем с элементами
искусственного интеллекта существенным образом превращает современную
повседневную реальность и формирует особый тип мироощущения человека.
Искусственный интеллект можно определить как отрасль компьютерной
науки, занимающейся автоматизацией разумного поведения. Современная
техника, что содержит признаки искусственного интеллекта, стала
повседневным средством повышения уровня комфорта и безопасности. [5, с.
94]
Указанные закономерности привели к появлению информационных
систем нового типа под названием интеллектуальные информационные
системы (ИИС), под которыми понимаются автоматизированные
информационные системы, основанные на знаниях, или комплекс
программных, логико математических и лингвистических средств для
осуществления поддержки деятельности человека и поиска информации в
режиме обеспечения диалога между вычислительной техникой и
пользователем средствами естественного языка. [6, с. 92]
Интеллектуальные информационные системы аккумулируют в себе
наиболее наукоемкие технологии с высоким уровнем автоматизации не
только процессов подготовки информации для принятия решений, но и самих
процессов выработки вариантов решений, опирающихся на полученные
информационной системой данные. Для них характерны следующие
признаки:

 развитые коммуникативных способностей, характеризующих
способ взаимодействия конечного пользователя с системой;
 умение решать сложные задачи, которые плохо формализуются
(задачи, которые требуют построения оригинального алгоритма
решения в зависимости от конкретной ситуации. Для таких задач
могут быть характерны неопределенность и динамичность
исходных данных и знаний);

 способность к самообучению (возможность автоматической
генерации и извлечения знаний для решения задач по
накопленного опыта в конкретной предметной области);
 адаптивность (способность к развитию системы в соответствии с
объективными изменениями модели проблемной области);
 использования в ИИС специфического компонента - базы знаний,
является контейнером фактов и правил конкретной предметной
области [6, с. 23].
Характерными особенностями, которые отличают ИИС от обычных
информационных систем, являются:
1. Представление модели изучаемого объекта и его окружения в виде
базы знаний и средств дедуктивных и правдоподобных выводов в сочетании
с возможностью работы с неполной или неточной информацией.
2. Решение ИИС обладают свойством прозрачности, то есть могут быть
объяснены пользователю на качественном уровне.
3. Способность автоматического обнаружения определенных
закономерностей в ранее накопленных фактах с накоплением базы знаний.
4. ИИС дают пользователю "готово" решение, по качеству и
эффективности не уступает решению эксперта-человека [5, с. 18].
Интеллектуальные информационные системы можно
классифицировать по:
- предметной области применения (ИИС менеджмента, риск-
менеджмента, инвестиций, ИИС в военной сфере и т.д.);
- степени автономности от корпоративной ИС или базы данных
(автономные в виде самостоятельных программных продуктов с собственной
базой знаний, полностью интегрированные);
- способу и оперативностью взаимодействия с объектом (статические,
динамические, реального времени);

- степени адаптивности (ИИС, которые учатся, то есть системы,
параметры и структура которых изменяются в процессе обучения или
самообучения, ИИС, параметры которых изменяются администратором):
- модели представления знаний (немонотонные, модальные и
временные логики, Марковские и Баесовски сети, казуальные деревья, ИИС,
основанные на теории Демпстера-Шейфера, нечеткие системы и т.д.) [5, с.
20].
Чаще всего ИИС применяются для решения сложных, слабо
структурированных задач. Сложность этих задач связана с использованием
слабоформализованих знаний специалистов-практиков, где логическая
обработка информации доминирует над вычислительной. Это касается
поддержки принятия решений в чрезвычайных ситуациях, понимание
естественного языка, определение диагноза и рекомендации по методам
лечения, анализа визуальной и звуковой информации, управление
диспетчерскими пультами и системами безопасности. [1, с. 47]
Наряду с традиционным применением интеллектуальных
информационных систем, сейчас наблюдается тенденция, когда реализуются
другие подходы к использованию искусственного интеллекта в программном
обеспечении, а именно:
1. Адаптивные системы и системы самообучающихся,
предназначенные для решения тех или иных задач за счет учета априорной
информации и информации, поступающей в интеллектуальную систему в
процессе ее эксплуатации. Подобные системы развиваются на основе опыта
их работы, а усвоение этого опыта является одним из технологических
этапов создания таких систем.
2. Открытые системы большого масштаба, которые спроектированы
большим количеством различных разработчиков, зачастую не связанных
между собой. Их развитие происходит не по конкретным планом, созданным
заранее, а хаотично. Системы такого типа создают условное
информационную среду общего доступа, куда могут вносить свой вклад

Управление цепочками поставок также готово существенно
продвинуться вперед на основе ИИ в ближайшие несколько лет. Технологии
интеллектуального анализа процессов все чаще будут предоставлять
компаниям точные и всесторонние сведения для мониторинга и улучшения
операций в режиме реального времени.
Прозрачность и безопасность данных - еще одна область, в которой
ИИ, как ожидается, существенно изменит ситуацию в ближайшие годы.
Поскольку клиенты узнают, сколько данных собирают компании,
потребность в большей прозрачности того, какие данные собираются, как
они используются и как они защищены, будет только расти. [2, с. 116]
Кроме того, по-прежнему существует значительная возможность для
расширения использования ИИ в финансах и банковском деле - двух
секторах с огромными объемами данных и огромным потенциалом для
модернизации на основе ИИ, которые по-прежнему в значительной степени
полагаются на устаревшие процессы.
В некоторых отраслях широкое распространение ИИ зависит от
этических соображений по обеспечению общественной безопасности.
Отметим, однако, что в то время как кибербезопасность долгое время
была проблемой в мире технологий, некоторые компании теперь должны
также учитывать физические угрозы для населения. В сфере бизнеса это
особенно актуально. Например, вопрос о том, как автономные транспортные
средства должны реагировать в случае неизбежной аварии на предприятии,
является большой темой для обсуждения. Такие инструменты, как Moral
Machine Массачусетского технологического института, были разработаны
для оценки общественного мнения о том, как должны работать беспилотные
автомобили, когда невозможно избежать человеческого вреда.
Учитывая потребность в специфичности при разработке алгоритмов
принятия решений, естественно, потребуется международный орган для
установления стандартов, в соответствии с которыми разрешаются
моральные и этические дилеммы. [2, с. 117]

1. Алешина, И. В. Искусственный интеллект: цифровая глобализация и
маркетинг [Текст] / И. В. Алешина // Маркетинг в России и за рубежом.
- 2019. - № 1. - С. 74-80
2. Бирюков, А. Н. Нейросетевое моделирование как инструмент
искусственного интеллекта для бюджетно-налоговых систем / А. Н.
Бирюков // Современные научные исследования и разработки. – 2018. -
№ 2. – С. 47-55.
3. Громов Ю.Ю. Интеллектуальные информационные системы и
технологии: учебное пособие / Ю.Ю. Громов, О.Г. Иванова, В.В.
Алексеев и др. – Тамбов: Изд-во ФГБОУ ВПО "ТГТУ", 2013. – 244 с.
4. Зайцев, А. Тенденции в области искусственного интеллекта.
Современные методы машинного обучения / А. Зайцев // Видеонаука:
сетевой журн. - 2018. - №1(9).
5. Исхакова, А. Ф. Применение искусственного интеллекта / А. Ф.
Исхакова // Вестник современных исследований. - 2018. - № 9.3 (24) .-
С. 261-262
6. Стрельцов Р.В. Искусственный интеллект в бизнесе / Р.В. Стрельцов,
Л.В. Славинская // Сборник научных трудов студентов, магистров и
преподавателей. – Донецк: ДонНТУ, 2010. – С. 148 – 152.

Искусственный интеллект в предпринимательской деятельности

Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Сразу же стоит отметить, что стратегию по внедрению и развитию ИИ в России в 2019 году, Правительство РФ разрабатывало совместно со Сбербанком. Согласно стратегии, к 2030 году каждое пятое предприятие в стране должно перейти на искусственный интеллект.

В нынешнем состоянии способность ИИ автоматизировать процессы, которые раньше выполнялись вручную, в сочетании с машинным обучением делает его ценным бизнес-инструментом для сферы предпринимательства. Это автоматическая проверка резюме, оценка кредитоспособности, оценка риска клиента, виртуальные операторы и многое другое. Система учится масштабно, становится лучше благодаря опыту и более естественным образом взаимодействует с людьми, что значительно упрощает работу и сокращает время.

В процессе исследования было выявлено, что уровень доверия к искусственному интеллекту уже на 2020 год достаточно высок: 56% респондентов предпочитают внедрить идеальную модель ИИ вместо поиска опытного сотрудника. Следовательно, остальные 44%, вероятно, больше доверяют решениям, принимаемым людьми, даже если факты свидетельствуют в пользу искусственного интеллекта [3].

1. Извлечение данных и прогнозирование. Компании часто используют данные из множества документов для создания отчетов для клиентов и внутренних целей. Однако задача по извлечению этих данных может быть утомительной, трудоемкой и длительной. Искусственный интеллект упрощает работу. Компания МТC внедрила в свою деятельность технологии ИИ при помощи которых компания может спрогнозировать желания своих абонентов, которые хотят воспользоваться той или иной услугой. Клиенту делается предложение еще до того, как абонент сам решит обратиться в компанию. Проанализировав деятельность компании можно сделать вывод о том, что используемая технология, которая помогает извлекать данные о клиентах и их желаниях, значительно повысила уровень продаж за достаточно короткое время.

2. Обнаружение аномалий в данных. Машины могут просматривать огромные объемы данных для автоматического определения вероятных аномалий. Примером может служить способность банка выявлять необычную банковскую деятельность, обеспечивая более надежную защиту от мошенничества со стороны потребителей.

3. Обучение на основе голосовых, графических и текстовых данных. Компании могут извлечь большую выгоду из способности Искусственного интеллекта распознавать изображения и данные в различных документах и узнавать, что они собой представляют, поэтому он может быстро классифицировать эти элементы.

4. Обработка естественного языка для проверки документов. Вместо того, чтобы строить сводные таблицы, выполнять поиск в тысячах электронных таблиц и отсеивать клиентов. машина может изучить информацию, необходимую для выполнения задачи, и быстро классифицировать документы, выполнив тем самым задачу нахождения конкретных потребителей [2].

Искусственный интеллект развивает сферу предпринимательства. Вместо того, чтобы тратить часы на повторяющуюся работу, ценные сотрудники теперь могут сосредоточиться на более творческих задачах, обеспечивая большую выгоду для своих работодателей и давая им возможность значительное преимущество перед конкурентами.

Однако в российском бизнесе лишь половина использует искусственный интеллект. 43% бизнесменов не используют ИИ в своей деятельности и не планируют этого делать. Учитывая, что 91% знают о существовании таких технологий. Радует то, что 31% уже применяют ИИ в своей работе, а 23% планирует внедрить ИИ [4].

Рис. 1. Причины отказа от искусственного интеллекта

Изучив данные опроса выяснилось, что основной проблемой внедрения искусственного интеллекта в компании является нехватка квалифицированных специалистов в данной сфере, так считают 69% респондентов. Компаний, планирующих вводить в свою деятельность технологий ИИ около 83%. Однако обучение сотрудников приходится на долю организаций, по этой причине лишь 28% готовы к внедрению. 82% предприятий и организаций, внедривших искусственный интеллект, сообщают об эффективности технологий (Рис. 2.).

Рис. 2. Плюсы искусственного интеллекта в работе компаний

По результатам опроса приблизительно 42% организаций, использующих искусственный интеллект, предполагают, что риск того, что данные технологии не окупят себя в ближайшие 5-10 лет, достаточно невелик [4].

Таким образом, фактически каждый бизнес-процесс значительно улучшится с помощью технологий искусственного интеллекта. Например, финансовая отрасль использует системы искусственного интеллекта для анализа поведения рынка, построения торговых алгоритмов, проверки на отмывание денег и управления процессами инвестирования. Искусственный интеллект также приносит пользу отраслям, в которых требуется много документов, таким как ипотечное банковское дело, кредиторская задолженность и страхование, где он повышает скорость обработки документов и решения бизнес-процессов.

Искусственный интеллект (ИИ) напрямую соотносится с Data Science – наукой о данных, которая направлена на извлечение бизнес-ценности из массива информации. Эта ценность может заключаться, например, в расширении возможностей прогнозирования, знании о закономерностях, обоснованном принятии решений. В более узком значении ИИ – это алгоритмы и методологии обработки информации. Искусственный интеллект оперирует огромными массивами, анализирует поступающие данные и разрабатывает на их основе адаптивные решения.

Применение

Искусственный интеллект способен быстро вывести бизнес на принципиально новый уровень, это одна из его ключевых функций и задач. Вот несколько проблем, которые можно решить с помощью алгоритмов машинного обучения:

Оперативное реагирование. В некоторых сферах бизнеса принципиальное условие успеха – быстро анализировать поступающие данные и моментально на них реагировать – например, в биржевых операциях. В отличие от обычных алгоритмов, которые не способны без предварительного обучения самостоятельно адаптироваться к новым условиям и данным, искусственный интеллект обеспечивает такую возможность.

Человеческий фактор. Даже у самого профессионального и опытного сотрудника бывают неудачный день и неверные решения. У искусственного интеллекта – нет, вместо эмоций у него функции, а технология и информация заменяют переменчивое настроение.

Борьба с мошенничеством. Самообучающиеся нейронные сети помогают анализировать поведение пользователей и выявлять подозрительные операции, а также создавать алгоритмы для предотвращения финансовых потерь. Результат: система становится менее уязвимой, а это ключевое условие доверия клиентов.

Увеличение прибыли. Использование машинного обучения в одной только системе ценообразования способно обеспечить прирост выручки на 5%, а при условии комплексного подхода доходы компании могут вырасти в несколько раз.

Искусственный интеллект в бизнесе: примеры

Пекарни

Предприятия, которые работают с продуктами питания, должны следить за их сроком годности и своевременно проводить списание. Например, в булочных и пекарнях срок реализации – всего один день, до 30% хлебобулочной продукции ежедневно списывают.

Задача предприятия: сократить убытки, но не ассортимент, так как покупатели хотят иметь широкий выбор.

Супермаркеты

Области применения искусственного интеллекта

Банковское дело (управление рисками, прогнозирование, чат-боты в мобильных банковских приложениях).

Информационная безопасность (технологии борьбы с мошенничеством, анализ старых угроз и предупреждение новых, сведения для создания общей базы данных).

Промышленность (контроль производственных процессов, их оптимизация, диагностика оборудования, информация о поломках, профилактические мероприятия, автоматизация).

Торговля (анализ покупательской активности и эффективности маркетинговых стратегий, управление закупками, разработка персонализированных программ лояльности, глубокая аналитика).

Медицина (ведение документации, диагностика).

Это только малая часть возможностей ИИ. Безусловно, решение всех вышеперечисленных задач доступно и человеку – но потребует гораздо больше времени и ресурсов. Для разработки самообучающейся системы на первом этапе тоже нужны вложения, но в перспективе ее помощь в обработке больших массивов данных неоценима.

Отдельные сегменты бизнеса преобразились с появлением искусственного интеллекта, например:

Управление данными. ИИ собирает, систематизирует, анализирует и хранит информацию компании, составляет на ее основе прогнозы и/или отслеживает состояние оборудования.

Автоматизация. Самообучающийся алгоритм берет на себя выполнение регулярных рутинных задач и освобождает человеческие ресурсы для решения более творческих задач. Например, программа может полностью автоматизировать бронирование гостиниц и помещений для конференций, рассылку приглашений на встречи, покупку авиабилетов, составление маршрутов. Таким образом вся административная сфера может быть передана искусственному интеллекту. Автоматизация существовала и раньше, но сфера ее применения была ограничена.

Прогнозирование. В отличие от искусственного интеллекта, человек не может быть полностью беспристрастным и объективным. Кроме того, для достоверного прогноза нужно обработать значительное количество данных, и компьютер отлично справляется с этим.

Искусственный интеллект и бизнес-процессы

С помощью ИИ бизнес получает практически безграничный доступ к новым возможностям расширения деятельности и увеличения прибыли. Даже один алгоритм способен значительно улучшить показатели, а комплексный подход тем более дает хорошие результаты.

Что берет на себя ИИ:

Рутинные административные задачи, о которых мы уже говорили выше.

Повышение продуктивности специалистов за счет оптимизации рабочих процессов.

Техническую и информационную поддержку клиентов.

Снижение роли человеческого фактора в принятии решений.

Улучшение коммуникаций внутри компаний, включая преодоление языкового барьера.

Контроль финансовых операций, обнаружение подозрительной пользовательской активности.

Контроль за информационной безопасностью, соблюдение конфиденциальности данных.

Разработку маркетинговых стратегий.

Прогнозирование как в ближайшей перспективе, так и на более отдаленное будущее.

Внедрение искусственного интеллекта

Работа с ИИ проходит в несколько этапов. Первый и основной шаг – предпринимателю необходимо собрать максимум информации о продажах за последние годы – такой массив данных называется DataSet. К счастью, с введением онлайн-касс эти сведения сохраняются автоматически, а система синхронизируется с ними буквально в несколько кликов, без ручного ввода. Иногда можно обойтись простой систематизацией уже имеющихся сведений, хотя, конечно, в некоторых случаях придется потратить больше времени и сил.

Разработка самообучающегося алгоритма потребует финансов и времени, однако на степень расходов будет влиять сфера бизнеса. Например, торговые сети могут воспользоваться уже готовыми решениями, а не создавать рекомендательный алгоритм с нуля. Одна из функций таких систем – увеличение выручки. В среднем ИИ окупается уже через три месяца использования, а затем начинает приносить чистую прибыль за счет значительной оптимизации расходов и увеличения продаж.

Основные шаги по внедрению ИИ:

1. Сбор и цифровизация информации для анализа, ее ввод в программу обработки данных.

2. Создание алгоритма с нуля или доработка на основе фреймворка.

3. Обучение и самообучение алгоритма.

4. Создание новой комплексной маркетинговой стратегии предприятия и всех бизнес-процессов с учетом возможностей ИИ.

Заключение

Использование искусственного интеллекта постепенно становится необходимостью во всех отраслях бизнеса. Вопрос только в том, кто внедрит современные технологии среди первых и получит быстрый результат, а кто подтянется в самом конце, чтобы хотя бы просто остаться на рынке. Согласно исследованиям McKinsey, Data Science имеет значительное влияние на маркетинг и продажи, а рыночные аналитики настоятельно рекомендуют внедрять искусственный интеллект уже сегодня.

Познакомьтесь с нашими решениями Data Science и другими кейсами в портфолио.

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.

Валерий Владимирович Трофимов доктор технических наук, профессор, заведующий кафедрой информатики Санкт-Петербургского государственного экономического университета.

ГОСТ

Состояние развития искусственного интеллекта в России

По данным компании Microsoft, российские компании входят в число лидеров по внедрению ИИ: этой деятельностью занимаются около трети предприятий IT-направленности, тогда как в мире соответствующий показатель составляет около 20%. Руководители предприятий России, по мнению корпорации, оказались на втором месте по положительному отношению к использованию ИИ в производстве и бизнесе. Эта статистика выглядит несколько неожиданной на фоне постоянных упреков в технологическом отставании в адрес отечественной экономики, поэтому небезынтересно проанализировать статистику из других источников.

Сайт AI Index, анализирующий связанные с развитием ИИ научные публикации, предоставляет такую информацию. Теоретических работ по ИИ в 2018 г. было издано:

в Евросоюзе - более 17 000;
в Китае - около 15 000;
в США - 10 000.

Россия в данной сводке не упоминается.

Интересен доклад Всемирной организацией интеллектуальной собственности, где перечисляются 30 компаний и институтов, зарегистрировавших за период 2013–2016 гг. наибольшее количество патентов по тематике ИИ. Первое место в нем занимает IBM с 8290 патентами; Microsoft зарегистрировала 5930 патентов. Далее в списке значатся Toshiba, Samsung, NEC, Fujitsu, Hitachi, Panasonic, Canon. В 30-ку входят также европейские Siemens, Bosch, Philips и Nokia. Китай представлен государственной компанией State Grid Corporation of China. Это говорит о том, что в США, Европе и развитых странах Азии деятельность по развитию ИИ носит не только теоретический, но и прикладной характер. Упоминания о российских компаниях отсутствуют, к сожалению, и здесь.

Еще один подход к оценке развития ИИ в стране - анализ количества стартапов, связанных с этим направлением. Статистику за 2018 г. в этом разрезе предоставляет Институт немецкой экономики, расположенный в Кельне. В лидерах здесь снова оказались США (1400 стартапов), Евросоюз (730) и Китай (400). В РФ же за этот период, по данным компании Roland Berger, основано 19 стартапов, связанных с ИИ. Для сравнения: в Германии – 106, во Франции – 109, в Израиле – 362.

Готовые работы на аналогичную тему

Рисунок 1. Количество ИИ-стартапов по странам. Автор24 — интернет-биржа студенческих работ

Эти данные свидетельствуют не столько об отставании нашей страны, сколько о свойственном стремлении к изолированности, нежелании участвовать в международных проектах и рейтингах.

Российские достижения в сфере ИИ

Было бы неправильным сказать в связи с вышеизложенным, что Россия безнадежно отстала в области разработок, связанных с ИИ. В нашей стране за последние годы появилось немало успешных проектов в этом направлении. Рассмотрим некоторые из них.

Рисунок 2. Направления развития ИИ в России. Автор24 — интернет-биржа студенческих работ

Интеллектуальный поиск компании Яндекс

Яндекс использует ИИ в своих поисковых технологиях уже много лет. В компании формируется нейронная сеть, позволяющая добавлять в интерпретацию поискового запроса элементы интуиции. Каждый уникальный запрос кодируется векторным числом, отражающим его семантику. Применение такого подхода ускоряет обработку результатов. При этом запрос и ответ могут даже не содержать общих фраз, хотя и совпадать по смыслу.

ИИ задействован также в проекте Яндекс.Дзен, предлагающий пользователям материалы, соответствующие их вкусам, а также в сервисах Яндекс.Аудитории и Яндекс.Директ, позволяющих монетизировать деятельность сайтов.

Лингвистические алгоритмы Abbyy

Компания ABBYY - одна из старейших IT-фирм на отечественном рынке. Разрабатываемые ей приложения предназначены для распознавания текста и других сложных обработок, связанных с естественными языками. ИИ здесь используется для выявления семантических закономерностей, ускорения поиска по тексту, для перевода отсутствующих в стандартных словарях слов и фраз с одного языка на другой. Их система Compreno разрабатывалась в течение 10 лет. Затраты на этот проект приближаются к $100 млн.100 млн.

Рисунок 3. Этапы работы ABBYY Compreno. Автор24 — интернет-биржа студенческих работ

Распознавание лиц от VisionLabs и N-Tech.Lab

Технология VisionLabs входят в тройку лидеров в своей области деятельности. Ее суть заключается в преобразовании изображения в компактный код, что позволяет сравнивать порядка миллиарда фотографий за 2 секунды.

Компания N-Tech.Lab с 2015 г. также разрабатывает технологии распознавания лиц, используя для этого нейронные сети. Их алгоритм FaceN оказался лучшим на мировом чемпионате The MegaFace.

Логика от "Мивар"

В компании Мивар занимаются автоматизацией логических умозаключений. Они отказались от методики полного перебота вариантов и создали алгоритм, позволяющий обрабатывать системы логических выражений, содержащие несколько миллионов условий. При этом обработка может вестись на обычном персональном компьютере.

Данными примерами не исчерпывается список достижений российских компаний в области ИИ, хотя, к сожалению, следует отметить, что эти проекты сосредоточены в основном с столицах. Это лишний раз свидетельствует о неравномерности развития регионов РФ.

Читайте также: