Искусственный интеллект: плюсы и минусы. Искусственный интеллект: что это такое и как его использовать обычному человеку

Разговоры о том, что системы искусственного интеллекта рано или поздно вытеснят людей из ряда профессий, ведутся уже не первый десяток лет. Роботы проникают в медицину, тяжелую промышленность, решают сложные аналитические и творческие задачи. А издание The Guardian не так давно сообщило , что одна из японский страховых компаний сократила часть сотрудников, заменив их системой Watson Explorer от IBM, которая, по предположениям менеджмента, должна оказаться на 30% продуктивнее людей.

Специалист службы поддержки: выживут только лучшие

Что автоматизируем: ответы на часто встречающиеся вопросы, базовое обучение клиента. Многие вопросы, которые интересуют клиентов, особенно в B2C-сфере, действительно можно доверить машине: вместо того, чтобы читать долгие FAQ или висеть на телефоне в ожидании ответа, пользователь направляет свой вопрос в чат - и получает немедленный ответ.

Как автоматизируем: чат-боты на основе машинного обучения. Существующие решения часто используют алгоритмы машинного обучения и анализируют как логи чатов с отделом техподдержки, так и базы знаний и FAQ.

Плюсы: быстрое реагирование. Один из неоспоримых плюсов машины по сравнению с человеком в этой сфере. Пользователям важно получить ответ прямо сейчас - что и позволяет сделать бот, готовый ответить на вопрос вне зависимости от того, который сейчас час и сколько «живых» сотрудников работает в офисе. При этом системы ИИ позволяют сделать ответ вполне «человечным». Не говоря уже о том, что у бота не портится настроение, и он не страдает от многочасовой рутины.

Минусы: ограниченные возможности чат-бота к распознаванию сложных паттернов естественного языка. Если ситуация нестандартная, и пользователь не может дать однозначного ответа на вопрос, без специалиста службы поддержки обойтись будет практически невозможно. Кстати, любопытный анализ проблем, стоящих перед современными чат-ботами, и их возможных решений, приводит в своей статье Джонатан Муган (Jonathan Mugan), сооснователь проекта DeepGrammar, специализирующегося на анализе естественных языков.

Прогнозы и предсказания: у чат-ботов на основе систем ИИ есть все шансы прижиться в сфере техподдержки. Разумеется, на все вопросы бот не ответит - но сможет определить, когда пользователю действительно требуется помощь человека - и, тем самым, сократит количество сотрудников до наиболее квалифицированных. И это при том, что в человеческом общении пользователи, в общем-то, не особенно нуждаются - 40% респондентов HubSpot , что им все равно, от кого получать советы и рекомендации. Выходит, чтобы потеснить «живых» специалистов в этой сфере, тест Тьюринга ботам проходить не придется.

Системный администратор: ИИ в помощь

Что автоматизируем: повышение эффективности работы, поиск «черных лебедей», мониторинг и диагностику в сложных распределенных ИТ-системах.

Системные администраторы уже используют большое количество продуктов, помогающих им автоматизировать свою работу. В тематических тредах, например на Reddit, достаточно примеров того, как команда из 3-5 системных администраторов успешно обслуживает инфраструктуру, необходимую для работы тысяч клиентских машин.  

Тем не менее, решения на основе искусственного интеллекта появляются и в этой, и так неплохо автоматизированной, сфере. Марк Шаттлворт (Mark Shuttleworth) основатель Canonical (и второй в мире космический турист), говорит о том, что системы ИИ позволяют, например, сопоставлять и изучать логи множества серверов (как внутри организации, так и за ее пределами), и сопоставлять статистику миллионов развертываний сервисов и систем. Обучение на основе такого объема данных позволяет системам ИИ находить так называемых «черных лебедей» - незначительные на первый взгляд события, которые предшествуют серьезным проблемам и в ретроспективе имеют вполне адекватное рациональное объяснение.

Как автоматизируем: интересный пример построения подобной системы приводят ученые, которые работали над проектом по использованию машинного обучения и систем на основе ИИ для мониторинга и диагностики состояния ИТ-инфраструктуры, задействованной в работе большого адронного коллайдера в ЦЕРНе. Принципы работы системы авторы описали в статье для журнала Journal of Physics, более подробно реализация механизма описана в докторской диссертации одного из ученых.  

Плюсы: судя по выводам ИТ-специалистов из ЦЕРНа, решения на основе ИИ могут неплохо зарекомендовать себя для мониторинга сложных систем. В конце концов, администраторы, занятые на проектах вроде большого адронного коллайдера, вряд ли откажутся от дополнительной помощи - в том числе от искусственного интеллекта. А дополнительная возможность искать «чёрных лебедей» вообще выводит работу системного администратора на новый уровень - это уже не просто развёртывание и поддержка текущей инфраструктуры, а передовая аналитика.

Минусы: помимо сложностей при развертывании и внедрении таких инструментов, главным их минусом (для самого искусственного интеллекта, но не для системного администратора) оказывается то, что подобные решения вряд ли смогут полностью вытеснить людей из профессии - по крайней мере, в обозримом будущем.

Еще несколько их недостатков обозначил Эндрю Ын в своём материале для Harvard Business Review. Во-первых, каким бы ни было само решение, оно малополезно без датасета, на котором система могла бы обучиться, и который могла бы проанализировать. У многих компаний просто физически нет ресурсов на то, чтобы собрать массив информации, необходимый системе для принятия действительно адекватных решений. Это замедляет их распространение и внедрение.

Во-вторых, по словам Эндрю Ына, для эффективного использования алгоритмов необходим талант живого человека (мало просто обучить алгоритм на выборке, надо понимать бизнес-контекст, особенности данных, уметь правильно интерпретировать результаты).

Прогнозы и предсказания: в то время, как Джо Багули (Joe Baguley), вице-президент VMware, уверен в том, что со временем системы ИИ полностью заменят на этой работе живых операторов, большинство аналитиков, а также самих системных администраторов, настроены менее радикально. Как справедливо подчеркнул один из пользователей Reddit, любая автоматизация (в том числе и на основе ИИ) вполне соответствует практикам DevOps, позволяет делать больше за меньшее время и с меньшими усилиями - и мало похожа на «ужастики, в которых в компанию приходят роботы и отбирают у вас работу».

Разработчик: перспективы далёкого будущего

Что автоматизируем: разумеется, в программировании существует и существовала масса способов автоматизации. По сути, само развитие программирования предоставляло для разработчиков возможность постепенно переходить на более совершенные средства написания кода: от языков ассемблера до Kotlin. Однако некоторые прогнозисты смотрят дальше и предрекают программистам полное или частичное исчезновение «по вине ИИ».  

Так, например, ещё в 2013 году было опубликовано исследование учёных из Оксфорда «Будущее занятости: насколько чувствительны профессии к компьютеризации?», в рамках которого авторы изучали риски замещения тех или иных профессий машинами. Исследование ставит программистов (computer programmers) на 293 место (из 702) относительно возможного вытеснения людей из этой профессии в будущем (чем выше место, тем больше вероятность замещения).

Работа программиста, исходя из выводов оксфордских учёных, может быть на 48% «замещена» искусственным интеллектом. Кстати, на первом месте (абсолютно некомпьютеризируемая работа) оказались специалисты по реабилитации, а на последнем (работа, которую на 99% можно доверить компьютеру) -телемаркетологи.

Как автоматизируем: в принципе, такой вариант развития кажется вероятным не только британским ученым. Питер Норвиг (Peter Norvig) американский учёный в области вычислительной техники и директор по исследованиям в корпорации Google, тоже рассматривает такой вариант развития событий и описывает будущее программирования как работу искусственного интеллекта:

Плюсы: в теории, «ИИ-программист» может анализировать все существующие примеры кода, написанного для решения выбранной задачи - такой подход позволяет системе стать квинтэссенцией всех ранее существовавших программистов.

Минусы: как и в случае с современными нейросетями, «ИИ-программист» даже в самых смелых фантазиях ученых и визионеров будет работать как чёрный ящик. То есть конкретные выводы, идеи, причины принятия решения на том или ином этапе, да и сами промежуточные решения будут скрыты от наблюдателя. А это - уже совершенно особый подход к программированию, мало совместимый с теми принципами, по которым пишут код и документацию к нему современные разработчики. Однако говорить о таком будущем пока рано или, по крайней мере, маловероятно - подробнее об этом чуть ниже.

Прогнозы и предсказания: Йен Смит (Iain Smith), руководитель Diaz Research, компании, специализирующейся на исследованиях и прогнозах в ИТ, крайне скептически относится к «очередным выводам британских учёных». И в этом он не одинок: большинство разработчиков в тематических тредах Quora, Reddit и Hacker News склоняются к мнению, что программистов ИИ вряд ли заменит.

Наиболее любопытные теории в поддержку этого мнения следующие:

1. Программисты и так постоянно переходят с одного уровня автоматизации на другой - и появление таких языков как C++ и Java не только не лишило девелоперов работы: наоборот, запросы работодателей на программистов с разными навыками и компетенциями только возросли. Также и появление «программирующего ИИ» не станет для разработчиков концом их профессии - наоборот, появятся новые задачи и новые требования к «настоящим» кодерам.

2. Программисты станут последней профессией, из которой искусственный интеллект вытеснит человека, потому что если компьютер превзойдёт человеческие возможности к программированию, мы окажемся в точке сингулярности (переход к рекурсивному самоулучшению), и в этот момент у нас появятся гораздо более серьезные проблемы, чем трудоустройство.
3. До возникновения по-настоящему интеллектуального «заменителя» разработчиков пройдёт слишком много времени - человечество должно будет преодолеть длительный период «зимы искусственного интеллекта » (по аналогии с ядерной зимой). Поэтому если такие разработки и станут реальностью, то уз точно не в наше время.

Реальные сложности у разработчиков, по словам Йена Смита, могут возникнуть только если чересчур вдохновлённые прогнозами CEO и CFO решат сократить часть штата в то время, когда в действительности им стоило бы расширять число работающих у них программистов.

Только зарегистрированные пользователи могут участвовать в опросе. , пожалуйста.

Тема искусственного интеллекта в 2017 году стала одной из самых привлекательных для обсуждения. Комментаторов среди участников ИТ-рынка оказалось так много, а комментарии такими интересными и развернутыми, что а заключительном номере CRN/RE за 2017 год мы смогли обсудить далеко не все из предложенных для обсуждения вопросов. Сегодня разговор пойдет о плюсах и минусах решений ИИ и о сложностях его реализации.

В чем заключается основные плюсы решений, которые называются сегодня «системы искусственного интеллекта»?

Руководитель проекта ST Smartmerch, ГК «Системные Технологии», Максим Архипенков уверен, что «плюсы вытекают из ожиданий».

«Нейросети, в отличие от человека, не имеют эмоций и не устают, - рассказывает Архипенков. - Исключаются человеческий фактор и все ошибки и проблемы, связанные с характером человека и его низкой трудоспособностью - относительно машины, конечно. У нейросетей нет порога производительности: если человек за сутки может проверить, например, 100 деталей на качество, то система проверит их столько, сколько позволяют мощности серверов. Систему проще масштабировать: на том же заводе 100 человек для контроля качества в одно помещение сложно поставить».

Директор по маркетингу CDNvideo Ангелина Решина также полагает, что основные преимущества систем ИИ «в скорости обработки данных, возможности обучать систему и экономии на человеческих ресурсах».

Генеральный директор Cezurity Алексей Чалей подчеркивает: продукты на основе ИИ способны на качественно ином уровне выполнять задачи: классифицировать изображения, переводить текст, классифицировать файлы и т. д. «Внедрение ИИ позволяет обрабатывать большое количество данных быстро и эффективно, минимизируя участие человека и, снижая человеческий фактор, минимизировать ошибку», - отмечает Чалей.

«Основными плюсами существующих в настоящий момент решений являются возможность автоматизации многих сфер деятельности при минимизации участия в этом человека и расширение сфер, где возможно использовать программное обеспечение вместо человеческого труда, - считает основатель хостинг-компании King Servers Владимир Фоменко. - Особенно хорошо в настоящий момент ИИ справляется с анализом больших объемов данных, где человеку понадобилось бы слишком много времени, а обычные программы, не использующие машинное обучение, не смогли бы добиться необходимой точности».

Согласна с коллегами и директор департамента корпоративных информационных систем ALP Group Светлана Гацакова: «С помощью технологий ИИ значительно возрастает скорость и уровень автоматизации обработки больших массивов информации - с одновременным повышением качества и технологичности. При правильном отношении к новым технологиям возрастает полнота использования данных, а также оперативность и качество управленческих решений».

По мнению генерального директора «Хок Хаус Интегрэйшн» Александра Ивлева, «технологии ИИ лучше всего подходит для оптимизации различного рода механической деятельности, автоматизации рутинных операций, использовании на вредных производствах». «Грамотное использование робототехники на конвейерных линиях позволяет перейти на безостановочный режим работы, оптимизирует расходы предприятия, повышает качество продукции, но требуют серьезного и продолжительного этапа пуско-наладочных работ, - рассказывает Ивлев. - Не многие компании могут позволить себе вложение больших средств в подобные технологии, хотя в дальнейшем это позволяет в разы удешевить производство. Аналогично обстоит и ситуация с технологиями машинного обучения: для каждого проекта проанализировать большую выборку данных, причем по индивидуальным алгоритмам, что требует временных затрат и ресурсов. Но после внедрения автоматизации эти операции будут происходить быстрее и дешевле, чем это может сделать человек».

«Начнем с того, что системы искусственного интеллекта разрабатываются для повышения эффективности в широком смысле этого слова, - напоминает директор по бизнес-приложениям КРОК Максим Андреев. - Для реализации новых идей, подходов компаниям зачастую необходимо учитывать огромное количество факторов, которые обычный человек просто не сможет удержать в голове. Одно из главных преимуществ искусственного интеллекта - способность учитывать такое разнообразное количество факторов в режиме реального времени. Кроме того, в отличие от человека, алгоритм не может устать или изменить какую-то информацию намеренно. То есть, внедряя искусственный интеллект, компания минимизирует возможность ошибок, обусловленных этими факторами. Но здесь есть и обратная сторона медали: человек может учесть дополнительные подробности, в то время как плохо настроенный алгоритм продолжит работать неправильно. Еще один плюс систем искусственного интеллекта - тиражируемость. Возьмем в качестве примера любой бизнес-процесс в компании, при работе с которым у сотрудника уходит год на обучение. Следовательно, если нам нужно 10 новых сотрудников, то мы потратим 10 человеко-лет на их обучение. С точки зрения алгоритмов все проще и цена масштабирования решения значительно ниже».

Руководитель отдела разработки и внедрения AV-решений Auvix Александр Пивоваров считает, что к наиболее очевидным и лежащим на поверхности плюсам относится повышение эффективности, снижение рутинных операций и большее удобство использования. «Например, если взять такую достаточно простую вещь, как система бронирования и отображения расписания переговорных комнат, то когда вы начинаете внимательно ее изучать, вы видите множество возможностей повышения эффективности ее использования, сокращения простоев и так далее с использованием «умных алгоритмов», - подчеркивает Пивоваров.

«Основная задача цифровой трансформации, одним из инструментов которой является ИИ, - сделать так, чтобы процессы шли быстрее и эффективнее, компании тратили меньше, а зарабатывали больше, - говорит генеральный директор ABBYY Россия Дмитрий Шушкин . - Например, один из наших заказчиков в банковском секторе автоматизировал обработку документов для открытия счета юрлицам. Интеллектуальная система сама типизирует и распознает документы, затем извлекает из них информацию и подгружает ее в нужные поля банковской системы. В результате на ввод данных из документов тратится меньше 10 минут, в 2,5 раза быстрее, чем вручную. Банк посчитал, что за 3 года он сэкономит на обработке документов более 270 млн руб.»

По словам менеджера по развитию бизнеса Plantronics Алексея Богачева, «один из главных плюсов систем ИИ - это возможность получить какие-то новые материалы, которые нам просто недоступны. Так как обычный человек делает выводы на основе только своих знаний, а здесь же мы получаем более глубокий анализ, который может привести к совершенно неожиданным выводам. Таким образом можно получить прорыв в определенной области».

«Человек привык считать себя венцом эволюции, но мы регулярно сталкиваемся с ограничениями, - размышляет генеральный директор „Конструктор документов FreshDoc.ru“ Николай Пацков . - Например, гиперзвуковые самолеты летают со скоростью в 10 раз большей, чем скорость звука, пилот-человек попросту не способен управлять такой машиной без помощи умной электроники. Человеческой реакции и скорости принятия решений недостаточно для работы на подобных скоростях. Искусственный интеллект помогает нам перешагнуть через эти ограничения. ИИ позволяет людям быстрее реагировать, защищает от совершения ошибок, высвобождает от рутинных операций и решений. Подобные системы способны эффективно заменить человека-эксперта в перевозках, прогнозировании, торговле на бирже, консультировании, составлении документов. Использование „умных решений“ сказывается и на конечной стоимости продукта: ведь „роботам“ не нужно платить зарплату, они не болеют и не уходят в отпуск, не подвержены снижению работоспособности. Мы видим огромный потенциал в разработке интеллектуальных решений для широкого круга задач. Участие в развитие этого направления может позволить российским ИТ-предпринимателям перевернуть рынок и „оседлать“ информационную волну развития человечества».

По словам директора по развитию бизнеса и маркетингу Konica Minolta Business Solutions Russia Жамили Каменевой все, конечно, зависит от класса решений. Но в большинстве своем они нацелены на оптимизацию и автоматизацию процессов, экономию ресурсов - как материальных, так и нематериальных, рабочего и личного времени. «Проще говоря, их задача - сделать нашу жизнь проще», - резюмирует Каменева.

«Во-первых, такие системы позволяют выявлять то, что скрыто от человеческого разума, - рассказывает директор по развитию международного бизнеса Navicon Илья Народицкий . - Независимо от того, насколько хорошим BI-инструментарием владеет человек, в ряде случаев без машинного обучения не обойтись: например, если надо обработать статистику операций по банковским счетам 1 млн клиентов за 10 лет. Уже сегодня машинный поиск скрытых, неочевидных человеку закономерностей позволяет многим компаниям выстраивать стратегию бизнеса и создавать системы поддержки принятия управленческих решений. Во-вторых, технологии искусственного интеллекта существенно повышают эффективность всех видов коммуникаций с потребителями. Инновационные технологии, способные понимать и анализировать текстовые и голосовые сообщения, помогают сократить время обработки входящих запросов и более оперативно, чем раньше, реагировать на обращения клиентов. В-третьих, такие системы способны избавить сотрудников компании от выполнения рутинных операций, а значит, высвободить их время на решение стратегически важных вопросов. Время, потраченное на решение рутинных задач, можно было бы использовать для решения задач творческих».

«Такие системы позволяют принимать решения за человека в тех областях, где это допустимо, - говорит генеральный директор „Атак Киллер“ Рустэм Хайретдинов . - Если раньше автоматизированные системы принимали решения только в рамках четко предустановленных сценариев „если-то“, то сегодняшние и завтрашние системы смогут принимать решения и при нечетко определенных условиях и при недостаточном количестве информации, что ранее мог делать только человек».

Директор по разработке Acronis Сергей Уласень также отмечает: системы искусственного интеллекта решают многие задачи, которые раньше требовали привлечения человека. При этом зачастую они функционируют быстрее и имеют прогнозируемый результат и качество работы.

«Технологии ИИ действительно работают и помогают совершенствовать бизнес-процессы, хотя бы частично освобождая интеллект человека от рутины для творчества и создания нового, - подчеркивает генеральный директор компании „Преферентум“ (ГК АйТи) Дмитрий Романов. - Для них легко оценить экономический эффект. Для большого класса систем, использующих методы машинного обучения, несомненным плюсом является их способность становиться „умнее“ по мере работы».

По словам директора по маркетингу компании «Вокорд» Сергея Щербины, основные плюсы в том, что на основе «хаотичных» фактов, плохо структурированной, неклассифицированной или неполной информации, ИИ строит точные прогнозы. «Опираясь на них, мы получаем принципиально новый уровень точности и скорости принятия решений там, где не работают простые, линейные правила, - продолжает Щербина. - Огромные массивы данных постоянно пополняются, но сами по себе они не могут решать задачи, ИИ как раз и нужен для их анализа. Уже сейчас мы знаем много примеров успешного применения ИИ в медицине, в анализе глобальных и локальных экономических и социальных процессов, в решении инженерных и технических задач, принятии инвестиционных решений, в системах безопасности. Инновации в области ИИ дадут возможность автоматизировать принципиально более широкий спектр бизнес-процессов. Так, в области видеонаблюдения и безопасности впервые станет возможным гарантированно, без участия оператора, выявлять 24/7 потенциально опасные инциденты, выявлять разыскиваемых лиц. Можно назвать уже много примеров успешного применения ИИ».

Основной плюс, по мнению сооснователя сервиса shikari.do Вадима Шемарова, состоит в том, что системы ИИ обучаемы. «Например, если мы хотим, чтобы система могла отличать сообщения людей, где они хотят что-то купить, от сообщений, где хотят что-то продать, или определить тематику сообщений, нам не нужно составлять подробный перечень слов и оборотов, которые выражают намерения, настроения, тему и т.д. Мы подбираем много текстов-примеров по нужной нам тематике, „обучаем“ на этих примерах систему, а дальше она уже сама начинает понимать суть незнакомых ей текстов», - говорит Шемаров.

Руководитель исследовательского центра проблем регулирования робототехники и ИИ, старший юрист Dentons Андрей Незнамов также полагает, что возможность обучения (обучение с учителем или самостоятельное совершенствование) можно назвать основным плюсом технологий, которые обычно называются «ИИ».

В чем заключаются сложности реализации этих систем?

Если кратко резюмировать, то главными плюсами технологий ИИ, по мнению экспертов ИТ-рынка, является выход на новые уровни производительности, автоматизации, эффективности, анализа, обучения, принятия решений, прогнозируемости, а также обучаемость. Однако поскольку направление это новое, сложностей эксперты видят даже больше, чем плюсов. Достаточно сказать, что практически каждый из спикеров назвал свою сложность.

«Это абсолютно новая сфера. Каждая задача, которая сейчас решается, - это RnD в чистом виде: нужно определить, систематизировать, придумать решение, реализацию этого решения и реализовать его, - подчеркивает Максим Архипенков. - Это творческий процесс, требующий большой науковооруженности и высокой экспертизы как непосредственно в сфере приложения этого решения - будь то FMCG, космос, медицина, так и в области реализации систем нейросетей».

По мнению Александра Пивоварова, сложность «в нахождении баланса между хайпом и действительной полезностью, сложность сделать эти технологии невидимыми для потребителя и отсутствие ошибок в их работе».

Дмитрий Карбасов считает, что «ключевая сложность данных проектов связана с непредсказуемостью результата». «Скажем, при покупке CRM системы заказчик четко понимает фукнциональность, которую ему предлагает система, и как он эту функциональность будет использовать, - рассказывает Карбасов. - Это процессы, формы ввода данных, отчетность и пр. При внедрении системы ИИ предсказать результат без реализации проекта очень сложно, раскрытие технологий и алгоритмов практически ничего не скажет человеку без математического образования и практического опыта, а среди заказчиков топ-менеджеров с таким бэкграундом единицы. Помогает реализация пилотных проектов, методика которых у нас отлажена и которую мы применяем в 99% проектов».

«Сложностей, безусловно, очень много, - размышляет Максим Андреев. - Основная из них, пожалуй - отсутствие достаточно больших массивов данных для обучения искусственного интеллекта. При этом нужны данные с историей. Поясню, что я имею в виду: для одной крупной компании мы делали прогноз продаж услуг по перевозкам - прогнозировали вес грузов и направление перевозок. Мы никак не могли добиться хорошей точности прогноза, начали разбираться в чем же дело и выяснили, что в исторических данных, которые хранились в компании, где-то вес учитывался с упаковкой, а где-то без. При этом никакого признака, по которому этот фактор можно было бы отследить, просто нет. То есть когда-то в прошлом эта информация не играла роли, но теперь все изменилось. Поэтому так важно собирать все данные, которые можно собрать „до востребования“. Технологии для сбора и обработки данных постоянно развиваются, и компании уже могут внедрять у себя технологии Data Lake, которые становятся отличной платформой для обучения искусственного интеллекта. Еще одна сложность заключается в том, что самих алгоритмов пока еще довольно мало. Поэтому перед внедрением компании необходимо провести исследование. Это позволяет выяснить, получится ли в конкретных условиях, на конкретных данных и под конкретные бизнес-процессы построить ИИ, расходы на который не превосходили бы ту ценность, которую он дает компании».

Анна Племяшова считает, что основная проблема - полное отсутствие или недостаточность данных для построения точных моделей. «Для промышленных предприятий, где такие решения требуют значительных инвестиций в инфраструктуру - это отсроченный экономический эффект: необходимо сначала данные начать собирать и накапливать, а потом уже можно переходить к решениям с применением интеллектуальных систем. Приблизить экономическую выгоду позволяют переходные BI-решения и визуализация данных в режиме реального времени, - говорит Племяшова. - Еще одной сложностью является необходимость перестройки бизнес-процесса при внедрении интеллектуальных систем. То есть недостаточно купить такое решение и поставить, как цветок в вазу или приложение на компьютер. Необходимо это решение сделать дружественным бизнес-процессу: создать, перенастроить или вообще отменить какие-то операции, переобучить людей, оптимизировать персонал».

«Эти системы основаны на данных и больших данных, - напоминает Сергей Уласень. - Для тренировки моделей необходимы значительные вычислительные ресурсы, для хранения больших данных - соответствующая инфраструктура. Следовательно, для реализации систем ИИ требуются серьезные вложения в оборудование.
В свою очередь, сбор и подготовка данных требуют больших организационных усилий, а зачастую и разработку нового софта, помогающего в анализе данных».

Светлана Гацакова полагает, что сложности прежде всего «в недостаточном внимании к границам применимости каждой конкретной технологии ИИ, к подводным камням». А также «в слабой интерпретируемости результатов (ведь, например, нейронная сеть не объясняет своих выводов), в сложностях формирования однородных совокупностей данных для обучения и проверки моделей». Еще одна сложность - «слепая вера в данные и ослабление внимания к интуиции менеджера и тем факторам, которые трудно измерить и интегрировать в процессы DDM*». На это, по словам Гацаковой, накладываются «специфические для российских организаций сложности». «Это малая доступность достоверных данных о внешнем мире организации и вытекающий отсюда риск замкнуться на внутренней информации, т. е. превратиться в своего рода организацию-аутиста. Кроме того, это малое (по сравнению с ведущими западными компаниями) проникновение культуры DDM, ограниченное в основном выпускниками западных бизнес-школ».

«ИИ помогает автоматизировать многие процессы и заменить низкоквалифицированных сотрудников, но при этом требует контроля со стороны разработчиков, стоимость работы которых, конечно, выше, - говорит Ангелина Решина. - Обучаемость системы нужно контролировать, чтобы она не выходила за допустимые рамки».

По оценкам Сергея Щербины, сложности кроются в устаревшем оборудовании и слабой инфраструктуре, унаследованных аппаратно-программный платформах, которые в сложные экономические времена и при ограниченных бюджетах мало кто решится менять. «Оказывает влияние и человеческий фактор, - подчеркивает Щербина. - Здесь и дефицит квалифицированных кадров, и недостаточный уровень компетенции, либо консерватизм руководителей. Более того, не все понимают, для чего это нужно и зачем тратить деньги на модернизацию, когда „по старинке“ все вроде и так работает».

«Среди сложностей построения систем ИИ, в первую очередь, нужно отметить дефицит кадров, - отмечает Андрей Сыкулев. - Очень мало специалистов, потому что здесь требования чрезвычайно высокие: помимо навыков программирования надо владеть довольно сложным математическим аппаратом и иметь знания и опыт в предметных областях. Довольно часто „шоустоппером“ является низкое качество данных и отсутствие инфраструктуры для их интеграции. Еще одна немаловажная проблема - обеспечение безопасности данных, ведь данные, консолидированные для работы ИИ, могут стать мишенью для атаки или быть использованы, мягко говоря, не по назначению».

Алексей Богачев также считает, что одна из главных сложностей - кадровая. «Как и со всем новым, возникает вопрос, как с этим работать. Так как прикладное применение любой технологии требует квалифицированных специалистов, а это очень молодое направление, поэтому достаточно сложно найти людей, которые бы разбирались в этом».

У кадровой проблемы есть и вторая сторона. «Главная трудность - не так много высших руководителей предприятий понимают, что такое искусственный интеллект и каково его практическое применение, - напоминает Дмитрий Карбасов. - Да, практически все они слышали про ИИ, все знают, что ИИ помогает оптимизировать бизнес-процессы, сокращать затраты, делать более эффективными отдельные функции (логистику, анализ покупательского поведения, прогнозирование загрузки производства и объемов сбыта, и т.д.). Но редко кто из заказчиков понимает: чтобы ИИ сработал так как надо, нужно сформулировать бизнес-задачу и критерии ее успешности в терминах бизнеса. Другими словами, заказчик должен понимать, какой из параметров нужно поручить проанализировать системе ИИ и как поступить с полученными данными с точки зрения принятия управленческих решений».

«В качестве основной сложности реализации подобных решений можно выделить два фактора: человеческий и технологический, - рассказывает Николай Пацков. - К первому относится проблема малого количества экспертов, способных взаимодействовать с системами искусственного интеллекта. Эта проблема постепенно решается, рынок осознает ценность таких специалистов и все больше сотрудников осваивают необходимые развивающемуся рынку навыки. К технологическому фактору можно отнести недостаточность вычислительных мощностей: сейчас мы снова нарабатываем идеи, которые будем способны реализовать только с появлением более мощных машин. Но, учитывая прогнозируемый рост производительности (увеличение в 1000 раз в ближайшие 10 лет), мы считаем, что эволюционное развитие технологий как минимум не замедлится».

По мнению Алексея Чалея, существуют три основных сложности: «Первая - люди. В мире совсем немного людей, способных работать в пограничных сферах, которые одновременно понимают в предметной области (в нашем случае - анализе вирусов), хорошо разбираются в математике, статистике и машинном обучении, а также умеют хоть немного программировать. Вторая - данные для обучения. Эти данные необходимо где-то взять, а затем разметить. Данные получить очень сложно. Из-за этого, кстати, тормозится прогресс развития ИИ, так как исследователи не имеют возможности экспериментировать с моделями. Недостаточно быть просто талантливым аналитиком и программистом - без данных невозможно создать что-либо в области ИИ. И третья - стоимость инфраструктуры. Начальные инвестиции в инфраструктуру могут быть достаточно серьезными».

«Чтобы искусственный интеллект хорошо решал задачи бизнеса, технологию необходимо „кастомизировать“, - полагает Дмитрий Шушкин. - Любой машине, как и человеку, нужно обучаться на актуальных данных, чтобы принимать точные решения. Чтобы научить такую систему, сначала нужно собрать или синтезировать большой объем качественно размеченных данных - например, информации о финансах, производстве, работе с клиентами, и т.д. В крупном бизнесе такие данные подготовить и собрать проще, так как многие компании уже используют системы потокового ввода данных из различных видов документации, эта корпоративная информация упорядочена и структурирована. Создание же подобных массивов в среднем и малом бизнесе пока менее доступно».

Жамиля Каменева одной из главных сложностей называет высокую стоимость таких решений, протяженность проектов и долгий возврат инвестиций (2-5 лет - минимум). «Во-вторых, как и любой новый инструмент, необходима долгая и кропотливая работа по созданию рынка потребителей данных технологий, - продолжает Каменева. - Помимо этого, отмечу и отсутствие на рынке высококвалифицированных кадров - системами искусственного интеллекта у нас занимаются в подавляющем большинстве зарубежные вендоры и всего несколько научных учреждений».

По мнению Дмитрия Романова, основная сложность, как ни удивительно, психологическая: «Люди привыкли ждать от компьютера абсолютной точности. Системы ИИ имеют вероятностный выход. Они могут ошибаться, давать неправильные ответы, и в этом они похожи на человека. Пользователи иногда склонны переоценивать возможности интеллектуальных технологий».

Владимир Фоменко уверен: через несколько лет, как только эта технология перестанет быть новой и станет более понятной, уже не будет большой сложности в ее реализации. «Будут системы или программы, которые смогут создавать ИИ системы или программы».

А вот Рустэм Хайретдинов считает, что никакой сложности в реализации нет - «и математический аппарат, и реализованные программно алгоритмы, и вычислительная мощность сегодня доступны практически „из коробки“ или „из облака“. „Сложность скорее есть в постановке задачи, построении модели для анализа. Скоро мы столкнемся с тем, что чистые математики, как их сейчас называют datascientists, будут менее востребованы, чем специалисты в других областях (врачи, технологи, безопасники, лингвисты и т.д.) со знанием принципов машинного и „глубокого“ обучения“», - подчеркивает Хайретдинов.

* DDM (англ. Digital Diagnostics Monitoring) - функция цифрового контроля параметров производительности SFP трансивера (а также SFP+ и XFP). Позволяет отслеживать в реальном времени такие параметры как: напряжение, температуру модуля, ток смещения и мощность лазера (TX), уровень принимаемого сигнала (RX).

Искусственный интеллект — это то, что способно поработить мир и лишить нас рабочих мест. С другой стороны, он же способен существенно упростить нашу жизнь. нейронные сети и ИИ — тема, набирающая все большую популярность. И неудивительно. Сам факт, что существует объект, значительно умнее человека, уже вызывает бурю эмоций разной гаммы. Сегодня мы рассмотрим все, что вас интересовало об искусственном интеллекте: что это такое, как его использовать обычному человеку, о том, как он разрабатывается.

Сегодня посмотрел видеоролик на ютубе про то, что скоро машины не будут нуждаться в водителях. Уже сейчас разработаны модели, которые довольно неплохо определяют объекты, в которые ни за что не стоит врезаться. Единственное, что не умеют делать эти автомобили — парковаться. Для этого все еще требуется человек. Но ведь это такая мелочь. Поставить одного парковщика, и пусть он этим делом занимается.

А так система очень умная. Боюсь представить, как будет в будущем: сказал машине “едь в ресторан”, и она поехала. Даже если ты не знаешь, в каком районе он находится, все равно ты окажешься там, где нужно. Это шикарно.

Общая информация об искусственном интеллекте

Искусственный интеллект основан на нейросетях — математической модели человеческого нейрона. Чтобы рассмотреть подробно принцип его работы, нужно немного проникнуть в анатомию ЦНС. Каждая наша клетка состоит из аксонов и дендритов. Первые соединяются со вторыми с помощью синапсов. Нейрон активируется, если был преодолен определенный порог возбуждения (то есть, если напряжение на него подается чуть больше, чем определенное значение). Как следствие, возникает сигнал, который передается на следующий нейрон, и так далее.

Дендриты — это входной порт информации, если можно так выразиться. Предположим, вы смотрите видео. Информация поступает на нейрон, там обрабатывается и выходит на другой при условии, что был преодолен порог возбуждения через аксон. Это очень упрощенная модель, которую легко понять. На деле все значительно сложнее, но к теме не относится.

Нейросеть — это такая модель, которая позволяет принять самое верное решение, исходя из определенных условий.

Описание искусственного нейрона

Опишем искусственный интеллект, как он работает, более детально. В искусственном нейроне ситуация примерно аналогичная. Там есть входной слой и выходной слой. Есть непосредственно тело нейрона, которое называется сумматором, задача которого — проверить, преодолен ли порог возбуждения и выдать сигнал на следующий искусственный нейрон в случае, если это условие истинное.

На входной слой поступают признаки, которые подвергаются анализу. Представим, что мы хотим создать программу, решающую, стоит ли подписываться на какого-то стендапера. Предположим, что для этого нам требуется:

Чувство юмора. Понятно, что стендапер без этого качества не котируется.
Интеллект. Хотелось бы, чтобы он еще на мысли какие-то наталкивал.

Эти признаки подаются на сумматор. Порог возбуждения нейрона на языке нейросетей называется функцией активации. Если он был преодолен, то идет сигнал на выходной слой. Это и есть решение. Мы можем с помощью весовых коэффициентов определить уровень важности каждого признака. Это делается для того, чтобы настроить искусственный интеллект под задачи конкретного пользователя. Предположим, нам более важно испытать эффект “а ведь он прав”. То есть, интеллект стендапера имеет больший весовой коэффицент, чем чувство юмора.

Если эту систему не вводить, то решение о том, подписываться или нет, будет приниматься исключительно если стендапер шутит так, что дом трясется от вибраций, вызванных хохотом слушателя, а также если благодаря ролику была изобретена идея, как освоить космос, не вставая с дивана.

Как это работает на практике? Создается взвешенное значение путем умножения показателя на весовой коэффициент. Например, если для нас более важен интеллект, то этому признаку присваивается коэффициент 0,6, а на юмор — 0,4. Видим, что в сумме все равно должна получиться единица. В конечном итоге, компьютер видит только два возможных значения или 0, или 1.

Входные данные в компьютере поступают только в виде чисел. Предположим, интеллект будет измеряться в единицах IQ, а юмор — по собственной шкале программиста. В таком случае еще нужно провести нормализацию входных данных, чтобы они были выражены в одной шкале. Не будем вдаваться в детали, потому что нам нужно лишь общее представление о том, что такое искусственный интеллект. Дальше нейросеть нужно обучить. Делается это с помощью подбора коэффициентов. То есть, нужно подобрать такие коэффициенты, чтобы получать необходимый результат.

Области применения искусственного интеллекта

Сфера применения искусственного интеллекта очень широка, и его можно использовать везде, где только человек может представить. Вот некоторые области, в которых он уже успешно используется.

Медицина. Преимущество искусственного интеллекта в этой сфере — способность запоминать и обрабатывать колоссальное количество информации, благодаря чему уже появились не только приложения, дающие рекомендации врачам, но и программы, способные на ранних стадиях обнаружить заболевания, когда симптомы еще не успели проявиться. Например приложение Face2Gene сканирует лицо и способно определить 3500 различных генетических заболеваний.
Промышленность и сельское хозяйство. В этих сферах искусственный интеллект развился до такой степени, что скоро человек будет вовсе ненужным. Так, компания LG в 2023 году откроет завод, где абсолютно все этапы будут выполняться искусственным интеллектом, начиная закупкой товара и выгрузкой готовой продукции. И да, контроль за качеством также будет осуществлять соответствующее программное обеспечение. А уже 2021 году произойдет частичный переход заводов на эту технологию. В сельской промышленности искусственный интеллект следит за состоянием растений, уровнем влажности, количеством питательных веществ в почве. Более того, он способен обнаруживать сорняки и выдергивать их без вреда для растений.
Дорожное движение. Уже сейчас искусственный интеллект используется для того, чтобы предотвращать пробки. Для этого он в режиме реального времени собирает информацию со светофоров, анализирует расстояние между машинами, имеющиеся аварии и анализирует ее для улучшения дорожно-транспортной ситуации. Подобные системы реализованы уже во многих странах. Еще одно направление ИИ в этой области — машины с автопилотом, как это описывалось в примере выше.
Умный дом. Да, искусственный интеллект уже может применяться в быту человека. Например, он может утром разбудить вас и раздвинуть занавески, чтобы в комнате оказался солнечный свет. Когда вы проснетесь, у вас уже будет чашка ароматного кофе, сваренная как раз к моменту вашего пробуждения. Холодильник в ближайшем будущем сам научится заказывать еду, а как только вы закроете дверь по выходу на работу, сразу включится сигнализация. Также есть возможность в ближайшее время почувствовать все удобство умных батарей, которые адаптируют температуру под человека. Очень удобно.
И наконец, последний элемент нашего списка — умные переводчики. Там искусственный интеллект дошел до того уровня, что нередко они свои функции выполняют не хуже человека. Есть случаи, когда студент перевел реферат с иностранного языка на свой, распечатал и сдал в неизменном виде и получил 5. Конечно, лучше пока не экспериментировать таким образом. Да и знаний не будет, для чего и ходит человек в университет.

Перспектива развития искусственного интеллекта

Есть несколько сценариев развития искусственного интеллекта. Первый — пессимистический. Рано или поздно интеллект ИИ будет настолько совершенным, что его нельзя будет ни обмануть, ни взломать. Зато он может быть настроен агрессивно против человека. Как только у бездушной машины появится самосознание, она фактически превратится в человека, только гораздо более умелого. И если, не дай Бог, каким-то образом вступить в конфликт с этим устройством, то последствия будут очень печальными.

Второй сценарий — оптимистический, но не факт, что он не закончится плохо. Машины будут делать за человека все. И даже если это произойдет, будет приблизительно что-то типа мультика “Wall-E”, где люди превратились просто в большие куски жира, которые не могут даже с кресла встать самостоятельно. Если они падают, их какой-то робот возвращает на место.

Третий сценарий тоже пессимистический. Человечество может решить создать машину, которая определяет и решает глобальные проблемы человечества. И вполне возможно, что проанализировав кучу переменных, робот решит, что виноват во всех своих бедах сам человек. И естественно, у него будет программа уничтожить причину, то есть, людей.

Четвертый сценарий — технологическая безработица, которая уже начинает потихоньку проявляться, причем не только в конвейерном производстве, но и во вполне “умных” профессиях. Так, в большинстве мировых банков осталось достаточно лишь пары трейдеров, а всю остальную работу по анализу рынка и даже заключению прибыльных сделок на куплю или продажу валюты или ценных бумаг выполняют роботы. Да, это происходит уже сейчас.

Наступит период, когда только те люди, которые обслуживают ИИ, то есть, программисты, будут востребованы. А затем последние будут ненужными, поскольку искусственный интеллект будет настолько хорошо самообучаться, что даже сам программист не будет знать, что происходит в его коде. Искусственный интеллект развивается полным ходом и, рано или поздно, один из этих сценариев вполне может наступить.

Возможностей у искусственного интеллекта очень много. Нам надо ответственно подходить к его созданию, чтобы они их не было такого большого количества, чтобы ИИ вышел из-под контроля. Как только становятся совместимыми понятия “искусственный интеллект” и “сознание”, то мы тогда не сможем управлять этой субстанцией. Минимум, что нужно делать — договариваться.

Отличие искусственного интеллекта от естественного

Искусственный интеллект и человек на деле очень разные. Объединяет их лишь способность думать, но и это осуществляется по-разному. И как же их сравнить? Лучшая идея — представить их в виде преимуществ искусственного интеллекта на фоне человеческого и недостатков, имеющихся на данный момент. Стоит учитывать, что со временем количество минусов будет все меньше и меньше. Преимущества ИИ:

Способность мгновенно запоминать информацию и обрабатывать колоссальное ее количество в кратчайшие сроки. Для того, чтобы любое знание напрочь засело в голове человека и не забылось, необходимо повторять нужную информацию в течение 3-4 дней, а затем хотя бы раз в 1,5 месяца освежать его в памяти хоть в косвенной форме. Искусственный интеллект запомнит раз и навсегда.
Невероятно быстрая обработка количественных данных. Пока человек сложит два двузначных числа, компьютер уже проанализирует экономическую ситуацию и выдаст точку на графике, в которой лучше всего покупать валюту. А потом и сам эту сделку заключит и вовремя выйдет из рынка, оставив с прибылью своего хозяина. Трейдеру обработать такое множество количественной информации не под силу.

Недостатки ИИ:

Искусственный интеллект пока еще не умеет обрабатывать качественную информацию, но это лишь вопрос времени. Любая качественная информация может быть выражена в форме математической модели. Пример вы уже видели выше — искусственный нейрон, который может функционировать даже лучше полноценного. Это обычная математическая формула, которая была открыта еще в 40-х годах прошлого века. Но это открытие уже изменило мир.
Искусственный интеллект все еще может давать сбои. Пока он не настолько совершенный, поэтому все равно нужен человек, который за ним будет “присматривать”. Но уже через несколько десятилетий ИИ может научиться видеть свои сбои, чинить их, и человек не понадобится. Недавно по новостям пробежались заголовки, что изобретено высокоточное оружие, которое будет само выбирать цель, находить самый благоприятный маршрут к ней, чтобы при этом остаться незамеченным. Если на это ружье поместить ядерную боеголовку, и оно вдруг даст ложный старт, то это может уничтожить все человечество. Вспомнить только ситуации во время Холодной Войны, когда электроника давала ложный сигнал о пуске ядерного снаряда, хотя это была лишь погодная аномалия. Если бы решение тогда принималось искусственным интеллектом, вы бы эту статью уже не читали.

Искусственный интеллект в реальной жизни

Искусственный интеллект только развивается и далеко не все его проявления доступны человеку уже сейчас. Но все равно есть примеров искусственного интеллекта, которыми может воспользоваться каждый:

Различные развлекательные приложения, например с масками.
FaceID в iPhone X и старше. Функция, позволяющая разблокировать смартфон лицом. Специальные самообучающиеся алгоритмы сканируют человека с разных сторон и создается уникальный слепок, который и позволяет идентифицировать человека.
Искусственный интеллект в маркетинге. Если вам нужно что-то продать, то системы контекстной рекламы находят именно того человека, который в этом нуждается. Вы и сами могли замечать, что сайты уж сильно хорошо вас знают, что дают ту рекламу, которая вас может заинтересовать.
Виртуальные ассистенты на смартфонах. Там все реализовано через ИИ, начиная распознаванием речи и заканчивая выдачей готового решения.
Чат-боты на сайтах. Нередко это очень умные программы, которые могут извлекать нужную клиенту информацию прямо с сайта.
Приложения дополненной реальности, которые могут, например, определить объект, на который вы навели камерой и предоставить подробную информацию по нему, начиная отзывами и заканчивая контактными данными.

И таких возможностей с каждым годом будет все больше.

Выводы

Один из главных возможных плюсов ИИ — это то, что человек потенциально способен повысить свой интеллект. Со временем нам придется конкурировать с бездушными машинами, возможности которых многократно превосходят наши. Поэтому нам не надо всецело им доверять, нужно и самим развиваться. Поскольку вы читаете этот сайт, то вы большой молодец. Здесь вы сможете прочитать множество материалов по саморазвитию и прокачать свою биологическую нейронную сеть.

Основатель и председатель совета директоров компании ABBYY Давид Ян назвал 2017 год поворотным в развитии технологий искусственного интеллекта. По его мнению, проект Google AlphaGo продемонстрировал фантастические возможности обучения искусственного интеллекта – победа в игре, основанной на интуиции, доказывает, что с помощью глубоких нейронных сетей можно смоделировать аналоги трудно постигаемых процессов, которые происходят в мозге человека.

Ученые из Google и его дочерней компании в сфере здравоохранения Verily Life Sciences разработали новый способ оценки риска сердечных заболеваний человека с помощью нейросетей.

Специальная программа анализирует скан задней части глаза пациента и на основе этих данных выдает невероятно точную характеристику состояния здоровья. Например, определяет возраст человека, кровяное давление или даже является ли человек курящим. Но главное, что эти данные можно использовать для прогнозирования инфарктов и других болезней сердца.

Глава Рособрнадзора Сергей Кравцов на конференции «Образ будущего и компетенции выпускника-2030» рассказал о том, как изменится Единый государственный экзамен к 2030 году.

К 2030 году компьютеры и сети будут использоваться все более широко и активно, в том числе в сфере образования. Предполагается, что к этому времени на смену преподавателям в качестве экзаменатора придет искусственный интеллект. При этом задания для каждого выпускника будут формироваться индивидуально и не заранее, а прямо в экзаменационной аудитории.

Как отмечают эксперты из Оксфордского, Кембриджского и Йельского университетов, хакеры могут использовать искусственный интеллект для вызова автокатастроф, а также превращения коммерческих дронов в оружие.

Подобные варианты развития событий, как отмечают эксперты, чреваты угрозой международной безопасности, так как могут привести к очень эффективным точечным нападениям.

Минсвязи РТ и минздрав Татарстана приняли решение о реализации пилотного проекта технологии интеллектуального распознавания рака легких на рентгеновских снимках.

Система создана на базе технологии искусственного интеллекта, она анализирует и распознает снимки компьютерной томографии. По данным ведомства, это повысит качество диагностики и позволит оперативно определять онкологические заболевания на ранней стадии. Сообщается, что при этом трат на дополнительные исследования на аппаратах компьютерной томографии не понадобится.

IBM и Unity объявили о партнерстве и запуске IBM Watson Unity SDK, инструмента для внедрения искусственного интеллекта в игры.

IBM Watson – когнитивная система, способная понимать речь, делать выводы и обучаться. Теперь с помощью Watson разработчики могут добавлять элементы искусственного интеллекта в игры на движке Unity.

В качестве примера разработчики представили игру, которая распознает голосовые команды. Пользователь произносит определенную фразу, программа обрабатывает ее и понимает, что игроку нужна помощь.

Компания RoadBotics разработала облачную ИИ-платформу, которая работает с камерами смартфонов и непрерывно фиксирует качество дорог, когда водители путешествуют по США.

Технология глубокого обучения создана для определения на дорогах различных отклонений от норм, которые выявляют опытные специально обученные контролеры. Затем эти данные используются для создания динамической карты, чтобы должностные лица могли понять состояние своих магистралей, улиц, велосипедных дорожек и мостов практически в режиме реального времени.

Будущие войны будут вестись с применением систем искусственного интеллекта, которые можно использовать в качестве смертоносного оружия, заявили нынешние и бывшие европейские лидеры в рамках Мюнхенской конференции по безопасности. Одновременно они признали, что страны, входящие в состав НАТО, не готовы к такому развитию событий.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Введение

Основы искусственного интеллекта

Машинные и человеческие возможности: примеры, практика и анализ

Плюсы и минусы использования искусственного интеллекта в управлении

Заключение

Список использованной литературы

Введение

Наш мир, возможно, близится к катастрофе. К такому выводу нетрудно прийти при любом трезвом анализе состояния нашей планеты. Экономический застой, нищета, безудержная инфляция, массовая безработица, перенаселение, политические раздоры, терроризм, войны и опасность их возникновения, а также угроза наступления «судного дня» не обошли ни одного уголка земного шара. Разумеется, перед человечеством всегда стояло немало проблем, но сегодняшние проблемы, естественно, представляются более значительными, чем те, что были в прошлом. Теперь мы, по-видимому, в самом деле достигли точки, где нужно поступиться чем-то очень существенным. К сожалению, основную вину за это принято возлагать именно на развитие техники, т.е. как раз на то, в чем человечество на протяжении всей своей истории пыталось найти решение многих проблем.

Техника сопутствует человеку в течение тысячелетий и представляет собой не что иное, как совокупный результат стремлений человечества к лучшей жизни. Сейчас, однако, находятся люди, которые считают, что развитие техники, напротив, ухудшает, а не улучшает жизнь. Проблемы, стоящие ныне перед людьми, различны по своим масштабам: от социальных сдвигов, вызванных технологическими изменениями, безработицы, загрязнения окружающей среды и угрозы ядерного уничтожения до отчуждения и неудовлетворенности работой и ее конкретными результатами. К этому можно добавить следующее. Не исключено, что именно сложность, порожденная техническим прогрессом, несет ответственность за не поддающиеся лечению недуги экономики и что значительную опасность начинают представлять технические системы, которые становятся настолько сложными, что вскоре людям будет недоставать знаний и понимания для управления ими.

Естественно, возникает вопрос, как же решать эти проблемы? Могут ли неодушевленные творения техники найти ответы на вопросы, которые она сама же и поставила, и еще на мириады других, приводящих в отчаяние род человеческий? Способны ли сами машины прийти к решениям, которые ускользают от человеческого разума? В данной курсовой работе мне хотелось бы доказать, что в принципе это возможно и, более того, в будущем это обязательно должно случиться.

Подобное утверждение - не просто плод мечтаний. Оно основывается на открытиях, которые день за днем совершаются в различных лабораториях мира, наиболее плодотворно работающих в области вычислительной техники. Длительное время ошибочно считалось, что на выходе компьютера можно получить лишь то, что заложено в него на входе. Это представление, безусловно, находило себе подтверждение на протяжении последних 30 лет в большинстве работ, связанных с обработкой данных. Теперь, однако, неопровержимо доказано, что от компьютеров можно получить нечто совершенно новое, а именно знания. Эти знания в свою очередь могут принимать форму оригинальных идей, стратегий и решения реальных проблем.

До сих пор знания, созданные машиной, не имеют большого практического значения, они не способны излечить те глубокие недуги, которыми болен наш мир. Этого и следовало ожидать: ведь биолог, приступив к синтезу живой материи, в лучшем случае ожидает получить всего лишь вирус, а не взрослую лошадь. Но, несомненно, со временем станет возможным направить компьютеры на поиск не решений в шахматной или какой-то другой игре, а более острых проблем, стоящих перед обществом. И, скорее всего он их найдет.

Безусловно, на это потребуется много времени, но если человек поставит перед собой такую цель, он рано или поздно ее достигнет. Хочется верить, что настанет день, когда нищета, голод, болезни и политические распри будут укрощены, и свою роль в этом сыграют новые знания, полученные компьютерами, действующими как наши помощники, а не рабы. Кроме того, умственный и художественный потенциал человека получит совершенно иные возможности развития, которые сегодня трудно даже вообразить, и как никогда широко распахнутся врата человеческого воображения.

И нам нельзя упустить свой шанс, хотя, возможно, это будет нелегко. Нам придется полностью отказаться от традиционного технического подхода с его главной целью - обеспечить максимальный экономический эффект от использования машин и перейти к стратегии, направленной на то, чтобы сделать процессы, происходящие в системах, вполне понятными для людей. Для этого компьютеры должны научиться мыслить, как люди, т.е. если вычислительные системы следующего десятилетия не попадут в «человеческие рамки», они станут столь сложными и непонятными, что человек попросту не сможет управлять ими. Невозможность справиться со столь сложными системами сначала будет приводить просто к срывам (если говорить о многих приложениях этих систем, которые имеются сегодня); если же речь идет о военных системах предупреждения, о системах управления атомными электростанциями или глобальных системах связи, то выход их из-под нашего контроля может привести к катастрофам всемирного масштаба.

Основы искусственного интеллекта

С начала 80-х годов в работах по искусственному интеллекту наступил новый этап - создание промышленных и коммерческих образцов интеллектуальных систем. Стала развиваться промышленность, производящая такие системы, а значит, и появились потенциальные потребители ее продукции. Что отличает интеллектуальные системы от других творений человеческого разума? Что можно ждать от их появления в недалеком будущем?

Ключевым термином искусственного интеллекта является термин «знание». С известной долей приближенности можно было бы сказать, что интеллектуальные системы - это системы, использующие знания. Именно этим они отличаются от иных искусственных систем (включая программные, которые реализовались на ЭВМ в эпоху, предшествующую интеллектуальным системам), основанных, как правило, на тех же ЭВМ.

Оставаясь на метафорическом уровне, можно сказать, что раньше ЭВМ «понимали», как надо выполнить введенную в них программу, но «не понимали», что они при этом делают, а с появлением интеллектуальных систем ЭВМ научились «понимать», как построить нужную для решения поставленной задачи программу и что эта программа делает. Поясним эту важную мысль. При традиционном способе решения задачи на ЭВМ суть самой задачи, ее содержательную интерпретацию знал программист, который готовил программу для ЭВМ. Это могли быть различные программы: для игры «нарды» или «го», расчета траектории движения космического корабля или начисления заработной платы. Когда эти программы вводились в ЭВМ, содержательная сторона задач исчезала - ЭВМ в силу своей конструкции качественно одинаково выполняла команды любой из программ. В паре «программист-ЭВМ» лишь первый знал, что делает ЭВМ, а вычислительная машина, подобно мощному арифмометру, просто выполняла нужные преобразования и вычисления.

В этой традиционной схеме таилась опасность. Она заключалась в нерасторжимости пары «программист - ЭВМ» при решении задач. Программист, как «раб на галере», должен был взаимодействовать с машиной, «равнодушно» перемалывающей любую введенную в нее информацию.

Появление интеллектуальных систем свидетельствовало о сломе этой парадигмы. Если в память ЭВМ ввести знания о том, как из условий задачи строятся программы и что означает та или иная задача в данной проблемной области (т.е. как интерпретируется цель задачи и каковы возможные связи между исходной ситуацией и целью), то функции программиста будет выполнять сама ЭВМ. Она автоматически, на основе имеющихся у нее в памяти знаний о проблемной области, о задачах, которые здесь могут возникнуть, и о путях их решения, сможет самостоятельно составить нужную программу и выполнить ее.

Этот момент принципиален. Введенные в ЭВМ знания позволяют ей теперь «понимать», что она должна делать, когда возникает необходимость в решении задачи. Кстати, когда именно возникает эта необходимость, ЭВМ тоже «знает» сама (хотя требование на решение задачи может прийти извне - от пользователя системы).

Так формируются основные задачи, которые стоят перед той ветвью искусственного интеллекта, которую в наши дни все чаще называют инженерией знаний. Каковы же эти задачи? Прежде всего, это задача сбора знаний, которые необходимы ЭВМ. Задача эта далеко не так проста, как может показаться па первый взгляд. Ведь кроме тех знаний, которые воплощены в различных текстах, профессионалы владеют многими знаниями, которые нельзя найти ни в руководствах, ни в инструкциях, ни в монографиях. Это те знания, которые обычно называют опытом, умением, профессионализмом. Зачастую опытный специалист даже не подозревает, что он владеет огромными знаниями. Ему кажется, что он «просто работает и все», а еще не накопивший опыта коллега смотрит на него с завистью, не понимая, почему у него самого все выходит не так. Суметь получить эти знания от эксперта-специалиста, суметь представить их в форме, пригодной для ввода в память ЭВМ,- первая и весьма нетривиальная задача инженера по знаниям. Но этого мало. Накапливая знания, полученные из различных источников, надо постоянно заботиться о том, чтобы они не образовали противоречивую систему: всякое новое знание должно быть увязано с ранее имевшимися. Появление нового знания может потребовать какой-то перестройки созданной ранее базы знаний. Для этого нужны специальные процедуры управления ею. Разработка подобных процедур и манипулирование ими - вторая задача инженера по знаниям.

Получая информацию из окружающего мира, анализируя возникающие ситуации, человек постоянно обращается к сведениям, хранящимся в его памяти. Привлекая уже известное для понимания нового, человек, используя свои знания, как бы достраивает входные описания, пополняет их. В любом разговоре двух людей понимание реплик возможно лишь потому, что в памяти собеседников хранится много дополнительной информации о предмете разговора. И ЭВМ для пополнения знаний должны располагать набором подобных же процедур. Для этой цели используются так называемые псевдофизические логики: временная, пространственная, каузальная и другие. С их помощью происходит пополнение входных описаний, что обеспечивает их понимание. Кроме пополнения описаний в базах знаний осуществляются и другие процедуры: обобщение и классификация поступающей информации, выдвижение гипотез о связях фактов, хранимых в памяти системы, разнообразный по типу, достоверный и правдоподобный вывод производных фактов и т.д. Это еще одно поле деятельности инженера по знаниям.

Однако, касаясь непосредственно темы курсовой работы нам важно отметить массовое внедрением ЭВМ во все сферы управления. Это вопрос о возможности человека-администратора понять те решения, которые принимает ЭВМ, включенная в систему управления. Системы управления сложными техническими комплексами сегодня буквально «нашпигованы» вычислительными машинами, связанными между собой в сложные структуры. Работая с недоступными для человека скоростями, перерабатывая огромное количество разнообразной информации, получаемой от объекта управления и от других машин, ЭВМ принимает решения, часто не понятные человеку. Единственный способ понять их - задать машине вопрос: почему решение такое? И ЭВМ обязана дать необходимые пояснения. Для этой цели в ней должна существовать специальная подсистема объяснения, которая позволяет ЭВМ «понимать», почему она приняла то или иное решение. Появление подсистем объяснения можно рассматривать как первый шаг на пути к «гуманизации» технических систем. Трудно переоценить значение этого шага. Слишком далеко ушли технические системы в своем развитии, слишком сложно стало человеку взаимодействовать с ними и слишком опасными могут быть последствия действий наших умных, но бездушных помощников.

Развитие работ в области искусственного интеллекта и широкое внедрение интеллектуальных систем в нашу жизнь - свидетельство нового этапа на пути научно-технического прогресса. Он неизбежен - и мы должны быть готовы встретить его последствия с полным пониманием происходящего. Не проблема КТО КОГО и не опасения, что ОНИ поработят НАС, если мы не примем мер, должны определять этот новый этап жизни человечества, а содружество МЫ + ОНИ, из которого человечество, несомненно, извлечет огромную пользу, ибо оно поможет нам решать задачи, с которыми нам одним не справиться.

Машинные и человеческие возможности: примеры, практика и анализ

28 марта 1979 г. на атомной электростанции «Тримайл Айленд» (шт. Пенсильвания, США) в зале управления № 2 раздался сигнал тревоги. Сначала операторы не проявили особого беспокойства, так как незначительные аварии на станции были не столь уж редки, но уже через несколько минут стало ясно, что на сей раз случилось что-то гораздо более серьезное. Заело крошечный клапан пневматической системы, и это привело к прекращению циркуляции воды в системе водяного охлаждения вторичного контура. Спустя мгновения урановая активная зона реактора начала разогреваться, и, несмотря на все старания операторов, положение лишь ухудшалось. Открылся предохранительный клапан и залип в этом положении; радиоактивная вода и пар пошли в здание реактора, а значит, и в атмосферу. Под крышей корпуса реактора образовался огромный пузырь водорода, который мог взорваться в любую минуту. Создалась угроза, что начнет плавиться и само урановое топливо. Любое из этих событий могло бы привести к радиоактивному загрязнению всей территории шт. Пенсильвания.

Последующие несколько дней персонал станции вместе со специалистами из Комиссии по ядерному регулированию боролись за то, чтобы взять реактор под контроль, а напуганный мир с тревогой следил за этой борьбой. Губернатор штата отдал приказ об эвакуации из опасной зоны детей и беременных женщин, а многие жители уезжали сами. Лишь неделю спустя компания «Метрополитен Эдисон», которой принадлежала станция, сообщила, что начаты работы по консервации остановленного реактора, и жизнь в Пенсильвании постепенно стала входить в нормальное русло. Несколько лет ушло на то, чтобы расчистить «авгиевы конюшни», в которые превратилось здание реактора.

Комиссия, занимавшаяся изучением роли человеческого фактора в этом инциденте, пришла к следующему выводу: «... на оператора обрушилась такая лавина информации: показания дисплеев, предупредительные сигналы, данные распечаток и тому подобное, - что было совершенно невозможно выявить неисправность и правильно выбрать меры по устранению».

Президентская комиссия согласилась с этим выводом, заключив, что вину следует возложить на «недостаточное внимание к человеческому фактору и его роли в обеспечении безопасности атомных станций». Урок, вынесенный из этой аварии, очевиден: пока конструкция технических систем не будет во всех деталях продумана так, чтобы все происходящее в них было абсолютно понятно обслуживающему персоналу, пока информация не будет представлена в форме, удобной для восприятия человеческим глазом и мозгом, а не машиной, любая неполадка в автоматизированной системе может сделать ее полностью неуправляемой.

В 1975 г. голландская сталеплавильная компания «Эстель Хуго-венс» установила на своем заводе, что расположен на берегу моря недалеко от Амстердама, новый высокоавтоматизированный стан горячей прокатки. Предвкушая гигантский рост производительности труда в связи с внедрением передовой технологии, дирекция предприятия была потрясена, обнаружив, что в действительности выпуск продукции снизился. На помощь пригласили консультантов из «Бритиш стил корпорейшн», которые в отчете о результатах исследования указали, что главная причина заключается в неправильной организации взаимодействия операторов с машиной. В журнале New Scientist это описывалось так: «Операторы настолько потеряли уверенность в себе, что в ряде случаев просто бросали пульт управления без присмотра. Кроме того, операторы не всегда до конца понимали теорию управления, лежащую в основе программы управляющего компьютера, и это побуждало их по возможности «самоустраняться» от управления, пока не обнаруживались явные неполадки. Но вследствие того, что они вмешивались в процесс с большим опозданием, средняя производительность оказалась ниже, чем на заводах, использующих традиционные методы управления. Таким образом, автоматизация повлекла за собой снижение производительности и одновременно еще больше отстранила операторов от процессов управления».

Проблема усугублялась еще и тем, что в новой конструкции прокатного стана полоса на протяжении всего пути прокатки скрыта от глаз, что не позволяло операторам хотя бы зрительно следить за процессом. В своем отчете консультанты, в частности, безоговорочно настаивали на том, что операторов необходимо приблизить к технологическому процессу, а информационные дисплеи должны помогать людям понимать смысл решений, которые принимает автоматика, а не просто сообщать о ходе процесса.

Следующий пример? управление воздушным сообщением, которое вызывает равное беспокойство как у пассажиров, так и у диспетчеров во всем мире. Слишком частыми стали случаи, когда самолеты едва не сталкиваются в полете, не говоря уже о сбоях в электронном оборудовании, которые оставляют диспетчеров беспомощными на протяжении столь драгоценных секунд, а то и минут. По данным лаборатории координирования научных исследований Иллинойсского университета управление воздушным сообщением с помощью ЭВМ в Америке становится столь сложным, что операторы иногда с трудом могут разобраться в происходящем. Что касается перспектив на будущее, то высказываются две противоположные точки зрения на то, какими должны быть системы управления, которые придут на смену существующим ныне. Одни специалисты призывают ко все большей автоматизации, полагая, что это исключит неопределенности, связанные с присутствием человека; другие считают, что люди и машины должны быть в своем роде партнерами в этом общем деле. Но по какому бы пути ни пошло дальнейшее развитие систем управления, всегда возможны ситуации, где потребуется вмешательство человека. И если создатели системы заранее не позаботятся о том, чтобы человек мог понять, как работает система, то его вмешательство скорее всего будет весьма незначительным и произойдет с большим опозданием.

Нельзя обойти стороной и военную проблематику.

В течение восьми месяцев 1979-1980 гг. вооруженные силы США получили три ложных сигнала тревоги, предупреждающих о «нападении» советских ракет. Все сигналы поступили из центра управления Северо-американскими воздушными силами, запрятанного в глубине горы в шт. Колорадо. Первая ложная тревога была просто результатом ошибки оператора, который по небрежности заложил в систему пленку с информацией, предназначенной для обучения. Второй раз вышел из строя один из компонентов системы: отказала интегральная схема. Третий сигнал оказался преднамеренным - это была попытка воспроизвести условия второй тревоги в целях проверки.

К счастью, спустя несколько минут после этих ложных тревог был дан отбой, однако вызванное ими нервное перенапряжение не забыто. Совершенно ясно, что система, которая в буквальном смысле слова может привести к концу света, должна быть сделана так. чтобы полностью исключалась возможность недопонимания в взаимосвязи человек - машина.

Вывод, который следует из этих историй, очевиден: по мере того как технические системы все более усложняются, их становится все труднее понимать, а следовательно, и контролировать. Особенно это относится к вычислительным системам, которые, даже предназначаясь для выполнения простейших вещей, должны быть очень сложными. Мы стремимся к тому, чтобы они смогли решать задачи практического значения, и тем самым увеличиваем их сложность до уровня, понимание которого лежит вне возможностей человека или даже группы людей. Такое время уже пришло. Как мы только что показали, большие вычислительные программы и операционные системы вырастают до масштабов, когда с ними не в состоянии справиться ни их творцы, ни пользователи.

Если вычислительные системы будут и в дальнейшем развиваться по тому же пути, как сейчас, когда на их и без того не слишком надежную архитектуру возлагается все больше функций, то можно не сомневаться, что ЭВМ 90-х годов станут совершенно непригодными для пользования: неуправляемыми и пугающими - этакими помощниками всемирного «злого духа». Человеческое общество, которое уже сейчас сильно зависит от подобных машин, столкнется с кризисом чудовищных масштабов. Вычислительные машины - в том виде, как они существуют сейчас,- в некотором смысле уже достигли предела своих возможностей. Сегодня главная задача состоит уже не в том, чтобы довести их производительность до максимума, извлечь все возможное из машинных ресурсов. Напротив, их работа должна основываться на совершенно иной идее - идее антропоцентризма. Чтобы мы могли понять работу машин, нужно научиться организовывать ее по образу и подобию работы человеческого мозга.

Можно и дальше развивать этот зловещий сюжет, представив себе наше будущее таким, как его не раз описывали писатели-фантасты, начиная с Сэмюела Батлера: мир в котором власть захватили машины. Эта идея обычно отвергается техническими специалистами как абсурдная. Но так ли она абсурдна? Взять хотя бы ЭВМ, которые уже используются в управлении жизнью наших городов. В ее функции входят не только задачи центральной администрации, но и коммунальные услуги, поддержание порядка в городе, образование, банки, воздушное сообщение, регулирование уличного движения, проблемы строительных и планирующих организаций. И наступает такой момент, когда соответствующие вычислительные сети начинают непосредственно обращаться друг к другу - первоначально по самым простым поводам. Если, например, в одной системе принято решение перекопать дорогу, то мусоровозам нужно изменить маршрут движения. Если кто-нибудь заказывает билет на самолет, то авиакомпания должна проверить, имеет ли он право пользоваться представленной кредитной карточкой.

Обращаясь теперь к менее кошмарным, но более насущным проблемам, посмотрим на глубокий застой в экономике, высокий уровень безработицы, кризисы доверия, которые в последние годы все больше беспокоят мир. Все эти явления, действительно имеющие место, на первый взгляд совершенно необъяснимы. Начнем с проблемы экономического роста, а точнее - его отсутствия. На самом деле производительный капитал промышленно развитых стран не сокращается. Тем не менее в связи с непрерывным прогрессом науки и техники он постоянно трансформируется. Какова природа этого изменения? Вложенный капитал приносит более высокие прибыли. Рабочие на заводах ныне могут производить за день больше, чем тридцать лет назад. Фермер может накосить больше сена, чем нужно для того, чтобы оправдать прокат сенокосилки. Недалек день, когда появятся самоуправляемые сенокосилки.

Более того, научно-техническое развитие происходит не просто с постоянной скоростью: каким бы способом мы ни оценивали его темпы, очевидно, что они неуклонно возрастают. Почему в таком случае мы не богатеем такими же темпами? Даже делая скидку на потери, связанные с реорганизацией работы в тех или иных отраслях, человечество в целом должно бы оказаться в значительном выигрыше. Видимо, действует некая сила, блокирующая тот рог изобилия, из которого, казалось, должны были бы ныне сыпаться блага на всех нас.

Похоже, все мы едины в своих сожалениях по этому поводу. Но разные люди по-разному относятся к тому, какую именно составляющую этого процесса следует клеймить. Одни абсолютно уверены, что в этом повинны профсоюзы, которые состоят в тайном заговоре с невидимой сетью подрывных элементов и террористов всего мира, добивающихся своих политических целей. По мнению других, виновников следует искать в конторах гигантских корпораций и банков, возможно действующих в союзе с тайной сетью транснациональных монополий и картелей, во главе с одним-двумя «злыми карликами» из Цюриха, преследующими свои политические цели. Есть и третья «школа мысли», быть может, не столь подверженная страстям, как предыдущие две, но зато еще более бредовая, которая считает, что во всем виновата сама техника. Не редки случаи, когда разъяренный покупатель готов срывать злость на неработающем автомате по продаже мелких товаров до тех пор, пока окончательно не лишит его возможности работать.

Хотя, возможно, подобная антитехническая позиция не столь и бредова. Эту идею можно, по крайней мере, обсудить, поскольку приведенные ранее примеры действительно говорят о том, что наши технические достижения чем-то похожи на неработающий автомат.

Придется сделать небольшой экскурс в глубины истории, чтобы выяснить, а был ли на всем ее протяжении какой-либо устойчивый и в то же время эволюционирующий процесс? Такой процесс нетрудно найти - толчком ему послужило развитие земледелия. И тысячелетие за тысячелетием наши предки, казалось, не замечали, что этот процесс непрерывно идет в одном направлении, пока в XIX-XX вв. мы не достигли последней стадии ускорения. Таким устойчивым процессом был постепенный, хотя и мучительный, со многими сбоями и остановками, рост понимания человеком окружающего мира, рост его способности управлять этим миром.

Сегодня с помощью вычислительной техники мы пытаемся научиться решать сложные проблемы, которые пока не могут решаться на ЭВМ,- проблемы, которые невозможно решить «в лоб», находя за конечное число шагов ответ на вопрос путем простых расчетов. Однако случается, что, хотя сама задача очень трудна, обратная задача решается гораздо легче. К примеру, вычислять квадратный корень весьма непросто, а квадрат числа - очень легко. Не исключено, что школьник сочтет более экономичным вычислить квадраты всех чисел, о которых его могут спросить, и заполнить огромную таблицу результатов (только записывая их наоборот: сначала квадраты, упорядоченные по величине, а для них - основания, возможно, с некоторой интерполяцией для заполнения пропусков). Тогда, если понадобится узнать какой-нибудь квадратный корень, можно просто заглянуть в таблицу. Но у этого метода есть один большой недостаток - полученный результат абсолютно необъясним для пользователя.

Возникает вопрос, а не лучше ли вообще не выдумывать подобного рода тупых справочных систем, само наличие которых унижает человека, ибо они пренебрегают его суждениями и пониманием. Интересно, что впервые этот довод более 2300 лет назад привел Платон. В его «Федре» Сократ рассказывает историю о египетском боге Тоге, который пришел к царю богов Тамузу со словами: «Господин мой, я изобрел остроумную вещь, называемую письменностью, она усовершенствует как мудрость, так и память египтян».

В ответ Тамуз заявил, что, напротив, письменность - это низкопробная замена памяти и понимания. «Тот, кто обретет ее, перестанет тренировать свою память и станет забывчивым, он будет полагаться на письменность, надеясь, что эти значки напомнят ему что-то, вместо того чтобы рассчитывать на свои внутренние резервы».

Сократ цитирует Аммона, обличающего порочную мысль, что «можно передать или получить ясные и четкие знания о предмете посредством письменности или что написанные слова способны сделать больше, чем просто напомнить читателю о том, что он уже и так знает». Другими словами, человек может решить, что мудрость заключена в письменности, тогда как в действительности мудрость должна быть в самом человеке. «Можно было бы предположить,- добавляет Сократ,- что написанные слова понимают то, что в них говорится, но если их переспросить, что подразумевается под тем-то и тем-то, то они снова и снова будут давать один и тот же ответ».

Иначе говоря, Сократ как бы сетует по поводу того, что письменность не сможет выдержать знаменитый тест Алана Тьюринга (согласно этому тесту, машина может доказать, что она обладает интеллектом, если ей удастся убедить беседующего с ней через телепринтер человека в том, что его собеседник - человеческое существо). В самом деле, если бы машина могла объяснить то, что в ней заключено, то можно было бы считать, что в некотором смысле она «поняла», продемонстрировав таким образом свой интеллект. Как и письменность, справочные системы будущего с памятью на триллионы бит не смогут пройти тест Тьюринга. Но, как и письменность, такие системы, безусловно, имеют право на существование, и помогут изменить мир. Хорошо это или плохо? До тех пор пока мы не разберемся в сути претензий Сократа применительно к этой новой проблеме, такие гигантские справочные системы будут лишь отчасти благом, которое нередко оборачивается и большими неприятностями. Напомним, что такие базы данных содержат только основные элементарные факты, касающиеся того или иного вопроса, и не включают никакого понимания, выводов, суждений, классификационных понятий и тому подобного.

Чтобы любые существа - человеческие или машинные - могли общаться друг с другом, у них должен быть одинаковый склад ума. Так как изменить склад ума людей нам не дано, придется менять его у машин. Нужно целиком переделать все, что делают программы при решении задачи, а не только способ, которым они взаимодействуют с пользователем. Способ, каким в программе хранится информация, т.е. способ представления решения задачи, должен быть понятен человеку и описываться понятиями, уже знакомыми ему. Экспертные системы, основанные на правилах вывода, специально предназначены для того, чтобы иметь дело с человеческими понятиями, как при получении их у специалистов в данной области, так и при объяснениях пользователю. Для начала это неплохо, но нужно еще много сделать, чтобы наладить общение человека и машины на языке понятий.

Если аналогичные идеи используются для решения задач автоматизации производственных процессов или в других системах управления, то такую автоматизацию мы назовем «мягкой». Потребность в ней непрерывно возрастает, что позволяет хотя бы отчасти нейтрализовать излишнюю переусложненность, связанную с жесткой автоматизацией. Самая насущная социальная потребность заключается сейчас не в расширении процесса автоматизации, а в его гуманизации. Безусловно, для несложных или средней сложности задач «непрозрачность» систем управления не столь опасна, и поэтому мы долгое время мирились с ней. Допустим, что программа, занимающаяся распределением ресурсов, делает это лучше, чем руководитель проекта. В таком случае зачем ему любопытствовать, как она это делает, или оспаривать ее решения, если он получает то, что хочет? Пусть это будет «черный ящик» в той степени, в какой установлено программой.

Однако существуют и другие приложения информационных систем, где возможность «заглянуть внутрь ящика» весьма существенна. Пока их немного, так как процессам обработки информации еще предстоит глубоко внедриться во все более сложные и ответственные области человеческой деятельности. Сложность и ответственность - это две независимые характеристики систем, побуждающие нас настаивать на том, чтобы программа работала в «человеческих рамках». Некоторые проблемы столь трудны, что без интеллектуального партнерства человек - машина при их решении просто не обойтись. Другие касаются вопросов жизни и смерти или самой возможности управления экономикой.

При мягкой автоматизации система уже на стадии конструирования подгоняется под человеческий склад ума. Если, заглянув в будущее, представить себе полчища роботов, совместно работающих на наших заводах, неизбежно возникает вопрос: «Как будет осуществляться связь между ними? По проводам, с помощью инфракрасного излучения или радиосигналов, либо по каким-то другим недоступным для человека каналам?» Конечно, лучше бы осуществлять эту связь с помощью синтезированного голоса, ибо это позволило бы человеку-дежурному слышать, что происходит, и, как показала практика, это вполне возможно.

Плюсы и минусы использования искусственного интеллекта в управлении

Тенденция к автоматизации заводов и машин существует давно. Кроме как ради некоторых специальных целей, никто больше уже не думает о производстве болтов на обычном токарном станке, где токарь должен наблюдать за движением резца и регулировать его вручную. В настоящее время производство болтов в большом количестве без серьезного вмешательства человека представляет собой обыденную задачу обыкновенного винторезного станка. Хотя в этом станке специально не используется ни процесс обратной связи, ни электронная лампа, этот станок достигает почти аналогичных целей. Обратная связь и электронная лампа сделали возможным не спорадическое конструирование отдельных автоматических механизмов, а общую политику создания автоматических механизмов самых различных типов. В решении этой задачи принципы таких устройств были подкреплены нашим теоретическим исследованием сообщения, которое полностью учитывает возможности сообщения между машиной и машиной. Именно это стечение обстоятельств делает в настоящее время возможным новый век автоматики.

Существующая сейчас промышленная техника включает в себя всю совокупность результатов первой промышленной революции наряду со многими изобретениями, которые мы теперь рассматриваем в качестве предтечи второй промышленной революции. Каковы могут быть точные границы между этими двумя революциями, об этом рано говорить. По своим потенциальным возможностям электронная лампа определенно принадлежит к промышленной революции, отличающейся от века энергии; и все же только в настоящее время подлинное значение изобретения электронной лампы понято в достаточной мере, для того чтобы отнести настоящий век к новой, второй промышленной революции.

Нарисуем картину более совершенного века - века автоматики. Рассмотрим, например, как будет выглядеть автомобильный завод будущего, и в частности сборочная линия, представляющая собой ту часть автомобильного завода, которая использует наибольшее количество живого труда, последовательность операций будет управляться устройством, подобным современной быстродействующей вычислительной машине. Можно свести всю математику к выполнению ряда чисто логических задач. Если такой образец математики воплощен в машине, то эта машина будет представлять собой вычислительное устройство в обычном смысле. Однако такая вычислительная машина, кроме решения обычных математических задач, будет способна решать логическую задачу распределения по каналам ряда приказов относительно математических операций. Поэтому такое устройство будет содержать, подобно тому как его действительно содержат современные быстродействующие вычислительные машины, по крайней мере один большой узел, который предназначен для выполнения чисто логических операций.

Инструкции такой машине - я здесь также говорю о существующей практике - даются приспособлением, которое мы называем программной катушкой. Отдаваемые машине приказы могут посылаться в нее программной катушкой, характер и объем инструкции которой полностью предопределены. Также возможно, что реальные непредвиденные обстоятельства, с которыми толкнется машина при выполнении своих задач, могут передаваться в качестве основы дальнейшего регулирования на новую ленту управления, создаваемую самой машиной, или на видоизменение старой ленты управления.

Можно подумать, что современная большая стоимость вычислительных машин исключает их использование в промышленных процессах и, более того, что чувствительность работы, необходимая в их конструкции, и изменчивость их функций исключают методы массового производства при создании этих машин. Ни одно из этих утверждений не является правильным. Во-первых, огромные вычислительные машины, используемые в настоящее время для очень сложной математической работы, обходятся примерно в сумму порядка сотен тысяч долларов. Даже эта цена не была бы недоступной для управляющей машины на действительно крупном заводе, но это все же слишком дорого.

Современные вычислительные машины развиваются так быстро, что практически каждая сконструированная машина представляет собой новую модель. Иначе говоря, большая часть этих, очевидно, непомерных затрат идет на оплату новой работы по проектированию н производству новых частей, которые требуют очень высококвалифицированного труда и самых дорогостоящих условии. Если бы, следовательно, были установлены цена и модель одной из этих вычислительных машин и если бы эта модель применялась десятками, то весьма сомнительно, чтобы ее цена была выше суммы порядка десятков тысяч долларов. Подобная машина меньшей мощности, не пригодная для решения самых трудных вычислительных проблем, но, тем не менее, вполне пригодная для управления заводом, вероятно, стоила бы не больше нескольких тысяч долларов в любом виде производства умеренного масштаба.

Рассмотрим теперь проблему массового производства вычислительных машин. Если для массового производства единственной благоприятной возможностью было бы массовое производство типовых машин, то совершенно ясно, что в течение значительного периода лучшее, на что мы могли бы надеяться, - это производство в умеренном масштабе. Однако в каждой машине детали в основном повторяются весьма часто. Это в одинаковой степени относится и к запоминающему устройству, и к логическому аппарату, и к арифметическому узлу. Таким образом, производство только нескольких дюжин машин в потенции будет массовым производством деталей и имеет экономические преимущества массового производства.

Все же может показаться, что чувствительность машины должна означать необходимость создания специальной новой модели для каждой отдельной работы. Это также неверно. Даже при грубом сходстве в типе математических и логических операций, выполнение которых требуется от математических и логических узлов машины, общее выполнение машиной своих задач регулируется программной катушкой или, во всяком случае, первоначальной программной катушкой. Изготовление программной катушки подобной машины представляет собой очень сложную задачу для высококвалифицированного специалиста; однако это работа, которую делают раз и навсегда, и, когда машина видоизменена в целях нового промышленного монтажа, ее нужно только частично повторить. Таким образом, затраты на такого квалифицированного техника будут распределены на громадное количество выпущенной продукции н не будут действительно важным фактором при использовании машины.

Вычислительное устройство является центром автоматического завода, однако никогда оно не будет представлять собой весь завод. С другой стороны, оно получает свои подробные инструкции от элементов, имеющих природу органов чувств, как, например, от фотоэлементов, от конденсаторов для определения толщины рулона бумаги, от термометров, от измерителей концентрации водорода и от общих типов аппаратов, созданных в настоящее время приборостроительными фирмами для ручного управления производственными процессами. Эти приборы уже устроены так, что они передают на отдельные посты показания при помощи электричества. Для того чтобы обеспечить возможность передачи этими приборами своей информации в автоматическую быстродействующую вычислительную машину, необходимо лишь читающее устройство, которое преобразует положение или шкалу в форму последовательных цифр. Такое устройство уже существует и не представляет большой трудности ни в принципе, ни в конструктивных деталях. Проблема органа чувств не является новой, и она уже эффективно разрешена.

Система управления должна содержать в себе, кроме этих органов чувств, эффекторы, или воздействующие на внешний мир компоненты. Некоторые типы этих эффекторов уже знакомы нам, например двигатели с распределительным клапаном, электрические муфты и т. п. Чтобы воспроизвести более точно функции человеческой руки, дополненные функциями человеческого глаза, некоторые из этих эффекторов следует еще изобрести. При механической обработке автомобильных рам вполне можно оставить на металлических консолях гладко обработанные поверхности в качестве контрольных точек. Фотоэлектрический механизм, приведенный в действие, например от световых точек, может приводить рабочий инструмент - будет ли это сверло, или клепальный молоток, или какой угодно другой необходимый нам инструмент - в непосредственную близость с этими поверхностями. Окончательная фиксация положения может закреплять инструмент против контрольных поверхностей н таким образом устанавливать плотный контакт, однако не настолько плотный, чтобы вызвать разрушение этих поверхностей. Это только один из способов выполнения работы. Всякий квалифицированный инженер может придумать еще дюжину других.

Конечно, мы предполагаем, что действующие как органы чувств приборы регистрируют не только первоначальное состояние работы, но также результат всех предыдущих процессов. Таким образом, машина может выполнять операции обратной связи: либо вполне освоенные операции простого типа, либо операции, влекущие за собой более сложные распознавательные процессы, регулируемые таким центральным управлением, как логическое или математическое устройство. Иначе говоря, всеохватывающее управляющее устройство будет соответствовать животному как целому с органами чувств, эффекторами и проприоцепторами, а не изолированному мозгу, эффективность и практические знания которого зависят от нашего вмешательства, как это имеет место в сверхскоростной вычислительной машине.

Скорость возможного внедрения этих новых устройств в промышленность будет сильно различаться в различных отраслях промышленности. Машины-автоматы, выполняющие примерно те же самые функции, уже получили широкое применение в отраслях промышленности с непрерывными процессами, как, например, на консервных заводах, сталепрокатных станах и особенно на заводах, изготавливающих проволоку и белую жесть. Они также известны на бумажных фабриках, которые тоже работают по поточному методу. Другая область, в которой автоматы необходимы,- это такого рода заводы, где производство является слишком опасным, чтобы значительное число рабочих рисковало своей жизнью при управлении им, и где авария может быть столь серьезной и дорогостоящей, что ее возможность должна быть предусмотрена заранее, а не предоставлена поспешному суждению какого-нибудь человека, оказавшегося на месте аварии. Если возможно заранее продумать линию поведения, то ее можно нанести на программную ленту, которая будет управлять поведением в соответствии с показаниями прибора. Иначе говоря, такие заводы должны работать при режиме, довольно сходном с режимом блокировки и работы выключателей железнодорожного блок-поста. Такой режим уже установлен на нефтеперегонных заводах, на многих других химических предприятиях и в обращении с такого рода опасными материалами, какие встречаются при эксплуатации атомной энергии.

Мы уже упоминали о сборочной линии в качестве области применения такого рода техники. На сборочной линии, как и на химическом заводе или на бумажной фабрике с непрерывными процессами, необходимо осуществлять известный статистический контроль за качеством продукции. Этот контроль зависит от процесса опробования. Ученые в настоящее время развили эти процессы опробования, разработав технические приемы, называемые последовательным анализом, где опробывание больше не производится в целом, а представляет собой непрерывный процесс, происходящий наряду с производством. Следовательно, те процессы, которые могут быть выполнены настолько стандартизированной техникой, что ее можно передать в ведение статистика, не понимающего скрывающейся за ней логики, могут также выполняться вычислительной машиной. Иначе говоря, опять-таки за исключением высших уровней работы, машина может также заботиться о повседневном статистическом контроле, как и о производственном процессе.

Обычно на заводах существует процедура учета, которая не зависит от производства, однако поскольку данные этого ведения отчетности поступают из машины или со сборочной линии, их можно прямо послать в вычислительную машину. Другие данные могут вводиться в вычислительную машину время от времени человеком-оператором, однако большая часть канцелярской работы может выполняться механически, и только экстраординарные сведения, как, например, внешняя корреспонденция, останутся людям. Однако даже большая часть внешней корреспонденции может быть получена от корреспондентов на перфорированных картах или же напечатана на перфорированную карту очень низкоквалифицированным служащим. Начиная с этой ступени, все процессы могут выполняться машиной. Эта механизация также может применяться к значительной части библиотечного архивного фонда промышленного предприятия.

Иначе говоря, машина не отдает предпочтения ни физическому, ни канцелярскому труду. Таким образом, возможные области, в которые новая промышленная революция способна проникнуть, являются очень широкими и включают всякий труд, выполняющий решения низкого уровня, почти так же, как вытесненный машиной предыдущей промышленной революции труд включал любые стороны человеческой энергии. Конечно, некоторые профессии новая промышленная революция не затронет или потому, что новые управляющие машины не являются экономичными в таких незначительных отраслях промышленности, которые неспособны нести связанные с этим большие капитальные расходы, или потому, что работа у ряда специалистов столь разнообразна, что новые программные катушки будут необходимы почти для каждой отдельной работы. Я не могу представить, чтобы автоматическое машинное оборудование типа принимающих решения устройств начало использоваться в бакалейных лавках или в гаражах, хотя могу очень ясно представить использование этого оборудования оптовым торговцем бакалейными товарами и фабрикантом автомобилей. Сельскохозяйственный рабочий, хотя в его производство начинают внедряться автоматические машины, также защищен от их полного господства благодаря размерам земельной площади, которую он должен обработать, благодаря изменчивости посевов, которые он должен возделывать, особых условий погоды и тому подобных обстоятельств, с которыми он должен столкнуться. Там, где могут быть использованы такие машины, не является невероятным некоторое использование принимающих решения машин.

Конечно, внедрение этих новых устройств и сроки, в течение которых можно ожидать их внедрения,- это в основном вопросы экономического порядка, рассмотрение которых не является целью курсовой работы. Если не произойдет каких-либо насильственных политических изменений или новой большой войны, то новым машинам потребуется от десяти до двадцати лет, чтобы занять подобающее им место.

Очень важным вопросом является разбор последствий -экономических и социальных.

Во-первых, мы можем ожидать резкого падения и окончательного прекращения спроса на такого рода фабричный труд, который выполняет исключительно однообразную урочную работу. В конечном итоге ликвидация чрезвычайно неинтересных однообразных урочных заданий может принести пользу и послужить источником досуга, необходимого для всестороннего культурного развития человека. Но это также может привести к таким же малоценным и пагубным результатам в области культуры, какие по большей части были получены от радио и кино.

Как бы то ни было, переходный период внедрения этих но-вых средств, особенно, если он наступит мгновенно, чего можно ожидать в случае повой войны, выльется в непосредственный переходный период бедственного кризиса. Имеется большой опыт, показывающий, как промышленники относятся к новому промышленному потенциалу. Вся их пропаганда сводится к тому, что внедрение новой техники не должно рассматриваться как дело правительства, а должно быть предоставлено каждому предпринимателю, желающему вложить деньги в эту технику. Мы также знаем, что промышленников трудно чем-либо сдержать, когда дело доходит до извлечения из промышленности всех прибылей, которые только можно оттуда извлечь, чтобы затем предоставить обществу довольствоваться крохами.

В этих условиях промышленность будет наполняться новыми механизмами лишь в той степени, в какой будет очевидно, что они принесут немедленную прибыль, невзирая на тот будущий ущерб, какой они способны нанести. Мы явимся свидетелями процесса, идущего по той же линии развития, по какой идет Процесс развития атомной энергии, когда использование атомной энергии для создания бомб поставило под угрозу весьма неотложные возможности перспективного использования атомной энергии в целях замены наших нефтяных и угольных запасов, которые через столетия, если не через десятилетия, полностью истощатся. Обратим внимание на то, что производство атомных бомб не конкурирует с производящими энергию фирмами.

Подобные документы

Может ли искусственный интеллект на данном уровне развития техники и технологий превзойти интеллект человека. Может ли человек при контакте распознать искусственный интеллект. Основные возможности практического применения искусственного интеллекта.

презентация , добавлен 04.03.2013

Искусственный интеллект – научное направление, связанное с машинным моделированием человеческих интеллектуальных функций. Черты искусственного интеллекта Развитие искусственного интеллекта, перспективные направления в его исследовании и моделировании.

реферат , добавлен 18.11.2010

Агентно-ориентированный подход к исследованию искусственного интеллекта. Моделирование рассуждений, обработка естественного языка, машинное обучение, робототехника, распознание речи. Современный искусственный интеллект. Проведение теста Тьюринга.

контрольная работа , добавлен 10.03.2015

История развития искусственного интеллекта в странах дальнего зарубежья, в России и в Республике Казахстан. Разработка проекта эффективного внедрения и адаптации искусственного интеллекта в человеческом социуме. Интеграция искусственного в естественное.

научная работа , добавлен 23.12.2014

Сущность термина "искусственный интеллект"; история его развития. Наука и технология создания интеллектуальных машин и компьютерных программ. Задача использования компьютеров для понимания человеческого интеллекта. Анализ, синтез и понимание текстов.

дипломная работа , добавлен 17.06.2013

Феномен мышления. Создание искусственного интеллекта. Механический, электронный, кибернетический, нейронный подход. Появление перцептрона. Искусственный интеллект представляет пример интеграции многих научных областей.

реферат , добавлен 20.05.2003

Области человеческой деятельности, в которых может применяться искусственный интеллект. Решение проблем искусственного интеллекта в компьютерных науках с применением проектирования баз знаний и экспертных систем. Автоматическое доказательство теорем.

курсовая работа , добавлен 29.08.2013

Исторический обзор развития работ в области искусственного интеллекта. Создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека. От логических игр до медицинской диагностики.

реферат , добавлен 26.10.2009

Изучение проблемы искусственного интеллекта. Процесс переработки информации в мозге человека. Расшифровка мозговых кодов явлений субъективной реальности. Естественный интеллект как факт, обладающий субъективной реальностью с принципом инвариантности.

реферат , добавлен 04.12.2011

Компоненты и архитектура интеллектуального агента, его дополнение средствами обучения. Различные подходы к созданию искусственного интеллекта, перспективы его развития. Этические и моральные последствия разработки интеллектуальных машин и программ.

​Искусственный интеллект: плюсы и минусы. Искусственный интеллект: что это такое и как его использовать обычному человеку