Какие виды искусственного интеллекта применяют в российских компаниях

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Барсукова М. А., Пальмов С. В.

Сегментация изображений – это задача обвести по контуру объект на изображении. Например, Zoom умеет удалять задний фон и оставлять человека, обведенного по контуру. Также сегментация применяется в проектах, о которых я рассказывал в предыдущем пункте. Например, обвести на КТ-снимке очаг пневмонии, на фотографиях леса с квадрокоптера сделать сегментацию леса по контуру — вот здесь у нас еловый лес, здесь опушка, здесь река, здесь березовый лес. Компьютерное зрение занимает чуть большую долю проектов, чем остальные типы AI-задач.

Нейронные сети пытаются создавать приемлемые модели на основе огромного количества данных. Также они могут распознавать математические модели, не особо понятные для людей и адаптировать их при получении какой-либо новой информации. Главной характеристикой нейронных сетей является способность к обучению. Здесь обучение означает нахождение верных коэффициентов связи между нейронами, а также в обобщении данных и выявлении сложных зависимостей между входными и выходными сигналами. В общем, удачное обучение нейросети означает, что система будет способна сформировать верный результат для новых входных данных.

Кибернетика — это в основном наука о человеке, обществе и живых организмах, нежели о машинах. Сам Винер считал, что машина — это скорее инструмент и модель в общей науке кибернетике, а не какой-то предмет для изучения. Он в свое время сравнивал машины, которые были созданы человеком, и машины, которые были созданы самой природой и делал выводы обих эффективности и приспособляемости. [4]

CBR-системы представляют собой реализацию методологии искусственного интеллекта, применяемую при построении компьютеризированных консультационных систем, которые основываются на накопленном опыте. Если сравнивать с классическими экспертными системами, созданными на основе логических правил, CBR-системы хранят правильные решения ряда реальных проблем, называемых примерами или прецедентами, и при появлении новой проблемы находят по определенному алгоритму наиболее подходящие прецеденты. У таких систем существует один главный недостаток — они не создают моделей или правил, обобщающих накопленный опыт.

Другой пример: эффективность рекламы на телевидении. Есть табличные данные о том, в какой период вышла реклама, на каком канале, в каком регионе и программы какой тематики шли перед рекламой. С помощью нейронной сети по этим табличным данным предсказываем, сколько звонков поступит после рекламы.

Работа с временными рядами в целом похожа на работу с табличными данными, но отличие в том, что данные упорядочены по времени, а основная задача – предсказание, прогнозирование. Например, есть временной ряд инцидентов на заводах компании, и надо спрогнозировать количество инцидентов на квартал вперед. Также прогнозируется нагрузка на серверы компании, количество переходов на сайт компании, количество поломок оборудования — есть временной ряд количества его поломок по неделям (если компания крупная), и мы хотим на 4 недели вперед предсказать объем поломок оборудования.

На рынке искусственного интеллекта нет консолидации, практически нет доминирующих тем, на которые приходится хотя бы 20% проектов по искусственному интеллекту. Примеры, которые я приведу в статье, — в подавляющем большинстве случаев либо проекты, которые мы внедряли, либо проекты, которые мы разрабатываем в данный момент. В меньшем числе случаев это будут проекты, обсуждаемые с компаниями в режиме консультаций, но не внедрённые непосредственно нами.

Такое направление, как нечеткие системы, базируется на принципах нечеткой логики и теории нечетких множеств — раздела математики, являющегося обобщением классической логики и теории множеств. Эти понятия были предложены американским ученым Лотфи Заде в 1965 году. Главной причиной возникновения новой теории стало наличие нечетких и приближенных рассуждений при описании человеком процессов, систем, объектов. Алгоритмы нечеткого вывода отличаются от рассуждения по аналогии в основном видом используемых правил, логических операций и

METHODS OF ARTIFICIAL INTELLIGENCE: BRIEF OVERVIEW

Методы искусственного интеллекта используются в настоящее время для решения широкого спектра прикладных задач и позволяют повысить эффективность труда многих специалистов. Выходит, что в настоящее время без искусственного интеллекта нам не обойтись и проделанный обзор лишь доказывает это.

Это проекты на пересечении компьютерного зрения и обработки текстов — OCR (optical character recognition), оптическое распознавание символов. Это частый тип задач, особенно в юридической, банковской и подобных сферах. Типовые задачи — распознавание данных паспорта, СНИЛС, ПТС, СТС, фотографий документов ИП или распознавание чеков. Еще одна часто встречающаяся задача — распознавание показаний весов, когда товар кладется на весы и надо, чтобы камера визуально распознала результат взвешивания в цифрах.

Это одна из простых, но распространенных тем. Есть изображение и ограниченное число классов, задача — определить, к какому классу относится это изображение. Например, квадрокоптер летит над лесом и снимает видео, а искусственный интеллект классифицирует тип деревьев — ели, сосны, лиственницы, березы.

Так в чем же особенность этих эволюционных вычислений и отличие от нечетких систем? Особенности идей эволюции и самоорганизации заключаются в том, что они находят подтверждение не только для биологических систем. Эти идеи в настоящее время с успехом используются и даже применяются при разработке многих технических и, в особенности, программных систем.

Мы 5 лет занимаемся образованием разработчиков по искусственному интеллекту, через нас прошли тысячи программистов и сотни компаний. Мы работаем с компаниями от многомиллиардных российских брендов до микробизнесов и малых стартапов. Речь пойдет о проектах по искусственному интеллекту именно в российских компаниях, потому что передовые проекты, которые внедряет Google, Microsoft или Илон Маск с OpenAI, и то, что внедряет условное производство фанеры в России, — совершенно разные миры.

Надеюсь, вам было полезно, и какие-то из названных мной направлений разработки AI подойдут вашей компании. В любом случае пришло время размышлять о применении искусственного интеллекта в компании, потому что в 2023-м году 99% компаний российского рынка, включая малый бизнес, смогут найти для себя выгодное и рентабельное применение искусственного интеллекта, которое значительно продвинет их вперед.

Экспертная система представляет собой программное средство, которое задействует экспертные знания напрямую. Основу же экспертных систем составляет база знаний (БЗ) опредметной области, которая впоследствии накапливается в процессе построения и эксплуатации экспертных систем. Накопление и организация знаний — важнейшее свойство всех экспертных систем. [4]

Это основные категории AI задач среди сотен проектов, за которыми к нам обращаются компании. Для подобных проектов компания нанимает разработчиков, инициирует разработку, далее идет сбор датасета, полгода разработки. Внедрение AI — это практически всегда уникальный проект. Конечно, есть и более редкие темы — например, недавно появившиеся нейросети вроде Stable Diffusion, Midjourney или DALL-E 2, которые умеют рисовать изображения.