Интеллектуальные технологии и системы искусственного интеллекта для поддержки принятия решений Текст научной статьи по специальности «Компьютерные и информационные науки»

Текст научной работы на тему «Интеллектуальные технологии и системы искусственного интеллекта для поддержки принятия решений»

2) семиотичности, поскольку ИСППР РВ — это система распределенного интеллекта семиотического типа, включающая наряду с традиционными для экспертных систем модулей, таких как база данных, база знаний, модуль вывода (поиска) решения, также базу моделей, интеллектуальные модули прогнозирования, моделирования проблемной ситуации, модули организации интерфейса: образного, текстового, речевого и в виде различных графиков и диаграмм и др.;

Машинное обучение активно используется во многих отраслях экономики. Например, в бизнесе широко применяются модели для предсказания поведения клиентов, создания рекомендательных систем, кластеризации аудитории для настройки показов рекламы (объединение людей в группы по схожим интересам, возрасту или социальному положению). Например, такой метод, как анализ временных рядов, необходим для глубокого понимания происходящих бизнес-процессов, в частности, динамики закупок и продаж товаров, посещаемости сайта и охвата пользователей.

Под наглядно-действенным мышлением ИС следует подразумевать различные формы целесообразного функционирования, направленные на изучение закономерностей проблемной среды методом проб и ошибок с привлечением эвристических процедур, позволяющих сокращать количество отрабатываемых пробных действий.

Вместе с тем условия перехода к информационному обществу, когда фокус внимания перемещается от индустрии добычи, переработки сырья и полезных ископаемых на высокие технологии и инновации, диктуют необходимость работы всех социальных и экономических структур (государственное управление, бизнес, социальные коммуникации) по принципу быстрого, мобильного, интеллектуального предприятия. Такой принцип основывается на интеллектуальных способах управления наиболее критическим ресурсом — информацией [1].

Что касается state-of-the-art — технологий ближайшего будущего, то это направление тоже весьма активно развивается. Недавно команда Сбера анонсировала обучение большой версии языкового трансформера ruGPT — перспективной архитектуры, внедрение которой вызовет взрывообразный рост производительности и эффективности диалоговых систем. Для того чтобы сделать это на русском языке, нужно накопить множество данных и иметь соответствующие мощности, которые призван обеспечить суперкомпьютер «Кристофари».

Медицина. Лаборатория по искусственному интеллекту Сбера недавно разработала проект диагностирования инсульта по результатам бесконтрастной компьютерной томографии с помощью модели ИИ. Уже реализованные проекты лаборатории касаются помощи врачам в постановке диагноза и определении COVID-19 на КТ-снимке.

По мнению доктора физико-математических наук, профессора МФТИ, специалиста в области машинного обучения Константина Воронцова, интеллектуальный анализ данных в целом основывается на подходах и методах машинного обучения. ML занимается построением математических моделей для обобщения информации, а анализ данных как прикладная дисциплина позволяет решать конкретные практические задачи. Модели помогают исследовать и обрабатывать гигантские потоки информации, выявлять закономерности.

Второй подход (прикладное направление) в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Ос -новная цель — разработка и создание технических систем, которые могут решать отдельные задачи высокого уровня сложности и, таким образом, эти системы должны являться дополнением естественного интеллекта, которое позволяло бы усиливать интеллектуальные способности человека. Сюда относятся также создание алгоритмического и программного обеспечения ЭВМ, позволяющего решать интеллектуальные задачи не хуже человека. Основное отличие данного направления в том, что не ставится задача создания автономных систем ИИ, а решаются задачи моделирования отдельных интеллектуальных функций, таких как представление знаний, планирование целесообразного поведения, распознавание образов и обучение, общение человека и ЭВМ.

ИИ сегодня

Образование. Лаборатория по искусственному интеллекту Сбера уделяет очень много внимания сотрудничеству в области образования как школьного, так и высшего. Сбер много и плодотворно работает с ведущими высшими учебными заведениями России: Сколтехом, МГУ, ВШЭ, МФТИ. Кадровые вопросы всегда стоят на повестке, ведь главная цель — не допустить оттока молодых специалистов за рубеж, а дать им все возможности для работы здесь, в России.

Знания — это полезная информация, накопленная индивидуумом, а интеллект — способность индивидуума использовать эту накопленную информацию некоторым полезным (целенаправленным) образом. Более широко интеллект можно рассматривать как способность ЛПР достигать определенной степени успеха при поиске широкого многообразия целей в обширном диапазоне сред.

Предметная область ИИ описывается естественными науками, хотя часто привлекаются и гуманитарные науки и даже должен учитываться весь накопленный мировым искусством опыт. Это объясняется невозможностью точно установить границы области мыс -лительной деятельности человека, поскольку человеческий интеллект, мышление проявляет себя в самых различных формах. Критерием адекватности, проверки правильности и полноты наших моделей являются практика, прикладные исследования.

Итак, сформулируем цели и задачи, которые ставятся перед теорией ИИ. Во-первых, фундаментальной стратегической целью ИИ является научное объяснение мыслительного процесса, оценка возможности передачи мыслительных функций техническим системам, машинам. Во-вторых, теоретическая ес-тественно-научная цель — это познание механизма выполнения различных функций мозга и переработки информации и создание моделей этих функций. В-третьих, практическая, техническая цель — это решение насущных неотложных задач высокой степени сложности, с которыми естественный интеллект не

В последнее время технологии BI и KM сближаются. Так, планы IBM и Microsoft включают интеграцию программных средств BI и инструментов KM и создание нового поколения программного обеспечения, которое будет работать как со структурированными, так и неструктурированными данными. А совсем недавно сложился конгломерат — KM-Enabled BI (Интеллект бизнеса, поддерживаемый Управлением знаниями) [4].

Автоматизация точек принятия решения добралась даже до таких направлений, как правовая экспертиза: в Сбере несколько лет назад был запущен проект «Робот-юрист», который автоматизировал юридическую экспертизу и оценку правовых рисков при реализации кредитного процесса.

Существуют также системы графовой аналитики, они широко распространены, например, в банкинге, а также применяются при решении задач информационной безопасности. Ну и наконец, так называемые перспективные технологии (state-of-the-art, SOTA) — всё, что находится на переднем крае науки. Сюда относятся такие методы, как обучение с подкреплением (reinforcement learning, или RL Meta), — один из видов машинного обучения, при котором испытуемая система обучается, взаимодействуя со средой. Или автоматизированное машинное обучение (AutoML) — автоматизация всего процесса обучения от набора «сырых» данных до полноценной модели машинного обучения. А также разработки в направлении общего искусственного интеллекта (AGI) — интеллекта машины, способного понять и решить любую интеллектуальную задачу, доступную человеку.

Третье направление ориентировано на создание смешанных человеко-машинных или, как еще говорят, интегрированных интерактивных ИС, на симбиоз возможностей естественного и ИИ. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и ИИ и организация диалога между человеком и машиной.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Карелин Владимир Петрович

Искусственный интеллект (ИИ) уже не технологии далёкого или даже ближайшего будущего: мы пользуемся его алгоритмами, когда подписываемся на стриминговые музыкальные сервисы, подбирающие для нас треки и плейлисты, или при поиске в интернете, где алгоритмы ранжируют результаты поисковых запросов. ИИ используется в управлении финансами, в промышленности, в медицине, мы встречаем на дорогах первые беспилотные автомобили, управляемые при помощи алгоритмов машинного обучения. В России есть несколько компаний, выступающих визионерами в этой области. Одна из них — Сбер.

Machine learning в перспективе освободит человека от выполнения рутинных операций и сделает его труд более эффективным. Благодаря этому жизнь станет легче, а компьютеры – ещё умнее. Несмотря на большие успехи в области искусственного интеллекта, современное машинное обучение и другие подходы пока не могут заменить человеческий интеллект. Модели занимаются статистическим обобщением свойств объектов, но помимо общих характеристик также существуют особенности, которые можно определить только методом «ручного» анализа. На данный момент это единственная возможность выявлять единичные (уникальные) признаки, распознавать сложные объекты и новые явления во всей их полноте.

Академия искусственного интеллекта Сбера и благотворительный фонд СберБанка «Вклад в будущее» разработали курс по машинному обучению и тренажёр по языку программирования Python. Этот тренажёр интегрирован в школьную цифровую платформу «СберКласс», и ученики используют его на уроках информатики.

При обработке массивов информации нет описания или меток объектов, алгоритм должен самостоятельно выявлять закономерности, взаимосвязи и зависимости в данных. Обучение без учителя применяется для поиска похожих текстов, изображений и документов, визуализации и выявления аномалий.

Применение продуктов и алгоритмов VisionLabs (входит в экосистему Сбера) на основе свёрточных нейронных сетей позволяет автоматически отслеживать ношение СИЗ в режиме реального времени и при их отсутствии отправлять оповещение в ситуационный центр или другие ответственные службы. Сейчас на многих предприятиях подобный контроль до сих пор осуществляется вручную: либо личной проверкой специалиста по охране труда, либо просмотром видеозаписей диспетчером. Однако это очень трудозатратно и низкоэффективно. Использование видеоаналитики VisionLabs на основе компьютерного зрения позволяет полностью автоматизировать процесс и исключить влияние человеческого фактора.

Обосновывается необходимость интеллектуализации информационных и организационных процессов в управлении социально-экономическими системами, необходимость построения и внедрения методов и систем искусственного интеллекта (ИИ) и интеллектуальных технологий поддержки принятия решений. Приведены составляющие информационных технологий бизнес-интеллекта и управления знаниями. Рассмотрены понятия « интеллект », « интеллектуальная система », их свойства и особенности, направления моделирования мышления . Рассмотрены цели и задачи, которые ставятся перед теорией ИИ, основные подсистемы, входящие в систему ИИ. Приведены основные принципы построения нечетких интеллектуальных систем поддержки принятия управленческих решений.

Чтобы существующие системы поддержки принятия решений (СППР) могли моделировать процесс ПР человеком, им необходимо придать свойства интеллектуальности, то есть включить в их состав перечне -ленные выше подсистемы. Тогда полученные СППР можно будет называть интеллектуальными. Интеллектуальность предполагает наличие в системе собственной внутренней модели внешнего мира. Эта модель обеспечивает индивидуальность, самостоятельность системы в оценке входного запроса, возможность семантической и прагматической интерпретации запроса в соответствии с собственными знаниями и выработку ответа (реакции), семантически и прагматически правильного с точностью до адекватного моделирования внешнего мира.

На «СберКлассе» в программу по информатике для третьей и четвёртой четверти будут добавлены модули по изучению искусственного интеллекта. Сначала, на пилотном этапе, они будут доступны для 50 школ, чьи учителя пройдут повышение квалификации в рамках учебной программы, разработанной совместно с МГПУ.