Моделирование развития и внедрения систем «слабого» и «сильного» искусственного интеллекта: социально-экономические аспекты

Типы искусственного интеллекта

Специалистами в сфере создания и внедрения систем ИИ на сегодняшний день осуществляется разграничение двух смежных понятий искусственного интеллекта. Ими выделяется прикладной ИИ (слабый ИИ, узкий ИИ) – это системы искусственного интеллекта, предназначенные для решения какой-то одной задачи или небольшого множества достаточно простых задач [1]. Примерами таких видов ИИ являются алгоритмы и системы для игры в шахматы, распознавания речи и образов, процесса принятия решения о предоставлении кредита, различные электронные помощники и т.п.

Вторая группа проблем, на наш взгляд, связана с возможным «поражением прав» человечества и отдельно взятого человека в условиях цифровизации и алгоритмизации. Уже сегодня идет процесс сокращения перечня привычных для человека профессий и вытеснение работника с рынка труда. Это негативные последствия включения в нашу повседневную жизнь алгоритмов «слабого» искусственного интеллекта.

По прогнозам экспертов, в результате бурного развития нейронных сетей и расширения перспектив использования искусственного интеллекта в течение 10–15 ближайших лет около 70–75% работников рискуют лишиться своих рабочих мест вследствие вытеснения их с рынка труда различного рода чат-ботами и алгоритмами ИИ [14] (Khrapov, Baeva, 2021). Ожидается, что, с одной стороны, данный процесс будет способствовать снижению так называемых транзакционных издержек производства на содержание персонала компаний и организаций, и это позитивный экономический эффект для производства и бизнеса. С другой стороны, данный процесс приведет к резкому сокращению общего объема трудовых ресурсов, занятых в производстве и сфере услуг, и постепенному исчезновению привычных человеку профессий за счет внедрения различных онлайн-алгоритмов. В первую очередь данный процесс затронет рынки труда, связанные с оказанием посреднических услуг: туроператор (2025 г.), помощник юриста (2026 г.), бухгалтер (2028 г.), сотрудник автостоянки (2028 г.), переводчик (2038 г.), водитель такси (2038 г.) [12].

борьба с атаками на информационную безопасность на базе ИИ — сразу, как была выявлено, что атака с использованием искусственного интеллекта может быть эффективной, стало понятно, что данные нападки на систему можно избежать путём привлечения ресурсов нейронных сетей

Следует отметить, что, несмотря на отсутствие единого общепринятого определения дефиниции «искусственный интеллект», завершенного понятийно-категориального аппарата и терминологических классификаций, в процессе перехода к новому информационному обществу и цифровой экономике многими экономически развитыми государствами осуществляются крупномасштабные инвестиционные вложения в целях разработки и внедрения систем искусственного интеллекта и технологической конвергенции.

II этап – развитие алгоритмов «слабого» ИИ. Для данного этапа развития слабого ИИ характерны рост числа потребителей x и рост спроса на программные продукты и алгоритмы, связанные с системами искусственного интеллекта, формируются микрониши, в рамках которых осуществляется продвижение ИИ в бизнес-сферу, начинают формироваться стандарты и нормативно-правовая основа реализации систем ИИ, предоставляется относительная доступность продуктов ИИ. Главным критерием эффективности разработок на данном этапе является поиск возможности оптимизации затрат на разработки и внедрение ИИ.

Чат-боты и виртуальные помощники

В преддверии проведения Генеральной конференции ЮНЕСКО в ноябре 2021 года [11] процессы трансформации и осмысления морально-этических аспектов, связанных с разработкой и внедрением систем «сильного» искусственного интеллекта, приобретают еще большую актуальность. Ожидается, что в ходе указанной конференции будут разработаны и утверждены Рекомендации для государств – членов ЮНЕСКО, направленные на защиту прав человека в ходе цифровой трансформации экономики и внедрения алгоритмов ИИ в производственные и бизнес-процессы. Кроме того, указанные Рекомендации будут содержать направления решений проблем в сфере транспарентности и конфиденциальности цифровых данных, а также глобальную основу для развития цифрового права в рамках государственного регулирования различных аспектов использования искусственного интеллекта. Регулирование систем ИИ направлено на определение фундаментального ориентира в целях контроля уровня рисков и оценки перспективных возможностей использования ИИ для блага всего человечества [14] (Khrapov, Baeva, 2021).

Во втором случае – обучение без учителя (unsupervised leaning) – означает, что размеченных и чистых баз данных нет вообще или они недостаточно очищены от информационных искажений, шумов и помех, т.е. данные представлены в сыром, неочищенном виде, поэтому перед алгоритмом стоит задача поиска правильного решения в условиях, когда верные ответы заранее не определены. В таком случае алгоритм (нейросеть) должен самостоятельно найти корреляцию в исходных данных, выделить полезные для обучения признаки и проанализировать их. Примером такого вида обучения без учителя является способность машинного алгоритма выявлять семантические отношения между отдельными словами языка, опираясь на анализ огромного набора текстов.

Несмотря на имеющиеся положительные ожидаемые последствия реализации стратегии российского государства на оцифровывание всех имеющихся у человечества знаний и информации, а также применения систем слабого искусственного интеллекта, проблема адаптации и поиска себя, своего места и смысла в жизни каждого конкретного индивида приобретает все возрастающее значение. Проблема идентификации человека в мире цифр и антропоморфных роботов из философского осмысления переводит в новый пласт – психолого-экономический. Возникновение оцифрованного мира и цифровых экономик ставит перед нами вопрос: необходимо, чтобы цифровые технологии и алгоритмические системы служили человеку, но не поработили его.

Однако следует добавить, что письменные ответы алгоритма ELIZA напоминали, скорее всего, пародию на медицинское заключение специалиста в области психиатрии, поскольку в ответ на входящую информацию данная программа после определенной трансформации информации генерировала выходную информацию, которая представляла собой набор специфических жаргонных психиатрических терминов. Проведенная серия экспериментов с программой ELIZA, прообразом чат-бота, показала определенные результаты и дала возможность продвижения в данном научном направлении.

Чат-боты проявились в период пандемии, когда все компании переводили сотрудников на удалённую работу. Масса виртуальных помощников применяет глубокое обучение. Эффективная сторона этого вида ИИ — моделирование с помощью языка, что позволяет машине из слов составлять текст и переработать его в компьютерный код.

Данное конечное выражение дает возможность определить число потребителей алгоритмов ИИ за временной промежуток t. График зависимости изменения x – числа потребителей алгоритмов ИИ от периода времени t – функции x (t) представлен на рисунке 2.