Подмена понятий подвела искусственный интеллект

ИТ на базе концепции искусственного интеллекта

«Задача в том, чтобы демократизировать ИИ. Чем быстрее мы упакуем ИИ в готовые простые решения, которые будут, например, следить за браком, не допускать экологических катастроф, убирать людей из опасных зон на производстве, тем проще обычное массовое производство будет брать себе эти решения», — уверен Алексей Сидорюк. Также он отметил, что на предприятии необходима позиция директора по внедрению ИИ, проведя параллель с директором по электрификации.

На это, среди прочего, обращается внимание в исследовании Kept (аудиторско-консалтинговая фирма, которая прежде была частью международной сети KPMG, но покинула её 8 июня 2022 г.) «Искусственный интеллект — драйвер изменений экономики и финансов». Его основные результаты были обнародованы в феврале — буквально за неделю до публикации Указа Президента РФ № 124 от 15 февраля 2024 г. «О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. № 490 „О развитии искусственного интеллекта в Российской Федерации“ и в Национальную стратегию, утвержденную этим Указом».

Ещё один интересный момент: 50% респондентов опроса Kept отметили, что используемые в их компаниях ИТ-решения на базе ИИ внедрялись самостоятельно силами внутренних ИТ-подразделений. А остальные привлекали внешних подрядчиков для создания специализированного ИТ-решения. По мнению организаторов опроса, это связано с тем, что готовые ИИ-решения не всегда отвечают бизнес-потребностям компаний с учетом специфики деятельности.

Основные барьеры при внедрении ИИ в промышленности, как показал опрос, — недостаток специалистов с соответствующими компетенциями, на втором месте — низкий уровень совместимости с существующей инфраструктурой, на третьем месте — недостаток информации о возможностях, отсутствие планов использовать ИИ на предприятии и финансовые ограничения. Кроме того, среди причин значились отсутствие четкой стратегии развития ИИ и недостаток релевантных технологических решений на рынке.

В чем различие, между «четкой» ( Crisp Logic ) и «нечеткой» ( Fuzzy Logic ) логикой»? В четкой логике ожидаемое следствие всегда однозначно следует заявленной посылке, если заданы четкие правила выполнения условия — например, «если А, то Б», или, «если А и Б, то В». Когда логика нечеткая, границы выполнения условия не определены или определены нечётко: «если А, то в промежутке времени Б может быть много больше В, а может быть почти равно В» — всё зависит от начальных и текущих условий, которые могут быстро измениться даже внутри зафиксированного промежутка времени .

Класс технологий и систем, созданных на базе таких принципов и предназначенных для поддержки принятия делового решения в условиях развивающейся неопределенности, стал широко применяться в бизнесе и получил название «системы интеллектуального анализа данных» ( Business Intelligence — BI).

Барьеры на пути внедрения технологий ИИ

Председатель правительства РФ Михаил Мишустин в ходе пленарного заседания в рамках ЦИПР-2022 заявил, что промышленность занимает третье место по уровню затрат на внедрение цифровых решений, после коммуникационных технологий и финансово-страхового сегмента. «Но, к сожалению, в обрабатывающих отраслях слабо применяют решения на основе искусственного интеллекта и анализа больших данных», — отметил он. Также он рассказал, что еще одна мера поддержки разработана для компаний, направляющих средства на внедрение инновационных отечественных технологий, в том числе базирующихся на решениях в области ИИ. «Предусмотрим условие, чтобы они платили меньше налог на прибыль. Соответствующие поправки в законодательство мы рассмотрели на заседании правительства и в ближайшее время внесем предложение в Госдуму», — сообщил Михаил Мишустин.

Для сравнения: в упомянутом выше Указе Президента РФ от 15.02.2024 отмечается, что в настоящее время в нашей стране «более 30% организаций, осуществляющих деятельность в различных отраслях экономики, применяют технологии искусственного интеллекта для выполнения прикладных задач». При этом «в мире существенно увеличилась доля организаций, которые применяют искусственный интеллект для повышения эффективности бизнес-процессов. По данным опросов, проведенных шестью консалтинговыми компаниями, в развитых странах 50 — 60 процентов всех крупных организаций используют искусственный интеллект».

Таким образом, общей задачей использования искусственного интеллекта является построение компьютерной интеллектуальной системы, которая обладала бы уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его. На рис. 3.1 показана функциональная структура такой системы [Морозов М. Н. — http://www.marstu.mari.ru:8101/ mmlab/home/AI/index.html].

Многомерные OLAP-серверы, а также реляционные OLAP-механизмы являются BI-инструментами и инфраструктурой для BI-платформ, на базе которых разрабатываются разнообразные приложения с «заказными» пользовательскими интерфейсами. Указанные инструменты применяются для доступа к данным, их многомерного и многофакторного анализа и генерации отчетов по данным, которые чаще всего располагаются в различных витринах (оперативных складах), базах или хранилищах данных. В качестве примера BI-приложения можно указать информационную систему (подсистему) поддержки деятельности руководителя ( Executive Support System — ESS ).

Глобализация и интернационализация экономики, всё ускоряющаяся динамика бизнеса, жесткая конкуренция и борьба за сырьевые ресурсы всё чаще стали приводить к ситуациям, когда в условиях дефицита времени необходимо принять единственно верное деловое решение. Для этого руководителю нужно в сжатые сроки в условиях большой неопределенности проанализировать ситуацию, сформировать варианты решений ( Decision Tree ), оценить риски и взять на себя ответственность за принятие и реализацию решения.

BI-приложения обычно ориентированы на конкретные важные функции организации, такие как анализ тенденций рынка, анализ рисков, анализ и прогноз продаж, планирование бюджета и т.п. Они могут применяться и более широко — для построения систем сбалансированных показателей (Balanced Scorecard System ) или для управления эффективностью предприятия в целом ( Enterprise Perfomance Management ). На рис. 3.2 показан пример общей корпоративной архитектуры BI-архитектуры.

Плюсы и минусы внедрения технологий ИИ

Алгоритмы для анализа таких ситуаций реализуют, как правило, сценарные варианты развития ситуации с оценкой риска каждого варианта. Соответственно, информационная система в таком случае, помимо стандартных функций сбора, хранения и передачи данных, должна содержать модули, реализующие обработку и многовариантный анализ информации. Поскольку развитие бизнес-ситуации может определяться несколькими параметрами, и модели, описывающие такие ситуации, редко бывают линейными, то реальная задача чаще всего сводится к задачам многофакторного оценивания и нелинейной оптимизации.

Есть и такое «бревно» на пути к светлому будущему, в котором естественный и искусственный разум сообща действуют ради общего блага: неоднородность данных информационных систем. Эксперты Kept отмечают, что, как правило, у многих компаний отсутствует единый информационный ландшафт с едиными информационными базами и потоками, и сотрудникам приходится собирать и структурировать большой объем данных из различных источников. Для эффективной работы ИИ необходимо иметь доступ к большому массиву данных. Решением этой проблемы может стать использование консолидированных хранилищ данных, корпоративных / локальных справочников — ИТ-решений, обеспечивающих единство источников финансово-управленческой информации и единое информационное пространство.

Говоря про создание условий для развития ИИ, он упомянул специальные площадки для демонстрации решений и результатов внедрения технологий ИИ в проектировании продукции и в производственных процессах. Расширить налоговые льготы на внедрение технологий ИИ и на переоснащение инфраструктуры под ИИ. Дополнить текущие правила субсидирования модернизации производства в части расходов на переоснащение инфраструктуры и закупки «железа» для ИИ. «Также мы предлагаем посмотреть в расширение программы цифровизации промышленности, чтобы там появились приоритетные меры поддержки именно для технологии машинного обучения для ИИ», — сообщил он.

Генеральный директор АНО «РТ-ЦТ» Виктория Кузнецова в ходе дискуссии отметила, что нехватка кадров, как барьер внедрения ИИ, выйдет на первое место. «Обычно это второе и третье места в отчетах. Сейчас эта проблема на первом месте с большим отрывом, и с этим нужно что-то делать», — считает Виктория Кузнецова. Также она отметила, что необходимо больше информации про ИИ нести в массы, чтобы на предприятиях понимали плюсы его использования.

Аннотация: ИТ на базе концепции искусственного интеллекта. Мультимедийные ИТ-системы. Технологии мобильных устройств. Видеоконференции и системы коллективной работы. Геоинформационные системы. Связанные технологии: GIS, GPS и ГЛОНАСС. Возможности «облачных» технологий.

По мнению экспертов Kept, в нашей стране технологии искусственного интеллекта пока не получили широкого распространения. Чтобы понять, с чем это связано, а также сформировать представление об актуальных тенденциях развития данных технологий, они провели первичное анкетирование, а затем глубинные интервью с представителями финансово-экономических департаментов 20 компаний, являющимися одними из лидеров в следующих отраслях: горно-металлургической, нефтедобывающей, нефтеперерабатывающей, энергосбытовой, машиностроительной, фармацевтической, ритейле.

Методы и системы интеллектуального анализа данных, построенные на базе нейронных самообучающихся сетей, находят разнообразное применение при создании современных информационных систем. Это большой класс систем, архитектура которых имеет некоторую аналогию с построением нервной ткани из нейронов. В одной из наиболее распространенных архитектур — многослойном персептроне с обратным распространением ошибки — имитируется работа нейронов в составе иерархической сети, где каждый нейрон более высокого уровня соединен своими входами с выходами нейронов нижележащего слоя.

Искусственный интеллект ( Artificial Intelligence ) можно определить, как «совокупность теоретических методов и физических вычислительных устройств, задача которых состоит в воссоздание разумных рассуждений и действий, имеющих целью достижение ожидаемого или нового результата».