ОСНОВНЫЕ ПРОБЛЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В НАУКЕ Текст научной статьи по специальности «Компьютерные и информационные науки»

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Каримов Константин Сергеевич

Определений ИИ много, так как термин включает в себя сочетание множества наук. Если говорить коротко, то искусственный интеллект — это структура данных и алгоритмов, использующих такие методы, как глубокое и машинное обучение для выполнения различных задач, приближенных к уровню человеческого интеллекта.

Отсутствие квалификационных ресурсов и знаний. Глубокая аналитика и машинное обучение в их нынешнем виде все еще являются новыми технологиями. Таким образом, ощущается нехватка квалифицированных сотрудников. Представители российской ИТ-отрасли прямым текстом говорят, что отечественные вузы почти не уделяют вниманияя подготовке кадров по направлению искусственного интеллекта [3].

В настоящее время правительства играют в гонки по разработке и развертыванию приложений ИИ. Несмотря на международный характер этой технологии, единого политического подхода к регулированию ИИ или использованию данных не существует. Крайне важно, чтобы правительства обеспечивали «ограждения» для развития частного сектора посредством эффективного регулирования. Но этого еще нет ни в США (где ведется наибольшее количество разработок), ни в большинстве других стран мира. Этот регулирующий «вакуум» имеет важные этические последствия и последствия для безопасности ИИ.

Комитет по науке, инновациям и технологиям Великобритании опубликовал промежуточный отчет, описывающий 12 основных проблем в сфере управления искусственным интеллектом, которые должны быть учтены и решены на законодательном уровне, в том числе с международным участием.

С помощью ИИ модерируются транспортные процессы районов, городов и стран, чтобы обезопасить дорожное движение. В логистике ИИ может оптимизировать маршрутизацию трафика доставки, повышая топливную экономичность и сокращая сроки доставки. Waymo, Яндекс, Baidu и крупные автопроизводители Nissan, VAG, BMW и другие с каждым днем ближе к созданию беспилотного транспортного средства. Многие стартапы по всему миру занимаются созданием беспилотных аэротакси.

Также помимо энтузиастов ИИ, студентов и исследователей есть лишь ограниченное число людей, которые знают о потенциале ИИ. Например, для интеграции, развертывания и внедрения приложений искусственного интеллекта на предприятии организация должна знать о текущих достижениях и технологиях ИИ, а также о его недостатках. Отсутствие технических

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Каримов Константин Сергеевич

Применение ИИ широко распространилось на многие сферы, связанных с обработкой данных. В финансовой сфере ИИ давно используется для определения платежеспособности заемщика. Например, приложение Smart Finance полагаясь только на свои алгоритмы, выдает миллионы небольших кредитов. Теперь заемщику не нужно вводить сумму заработка, а только разрешить доступ приложению подключиться к некоторым дан-

Текущие приложения на основе искусственного интеллекта требуют не только качественных, но и массивных данных. Такие компании как AmazovL, Google, Facebook лидируют, потому что у них есть доступ к такому количеству данных, но не у всех компаний есть такая возможность.

Однако без надзора со стороны правительства дальнейшее применение необычайного потенциала ИИ будет фактически отдано на привлечение коммерческих интересов. Этот результат дает мало стимулов для использования ИИ для решения самых серьезных мировых проблем от бедности и голода до изменения климата.

Вероятно, наиболее многообещающим подходом к государственной политике в отношении ИИ является предложенный Евросоюзом подход, основанный на оценке рисков. Он запретит наиболее проблемные виды использования ИИ, такие как искажение человеческого поведения или манипулирование гражданами с помощью подсознательных методов. Не менее важно, чтобы использование ИИ правительствами было понятным, согласованным и этич-

ваться для повышения эффективности бизнеса в таких областях, как профилактическое обслуживание, где способность глубокого обучения анализировать большие объемы данных из аудио и изображений может эффективно обнаруживать аномалии на заводских сборочных линиях или авиационных двигателях. В управлении обслуживанием клиентов ИИ стал ценным инструментом в колл-центрах, благодаря улучшенному распознаванию речи.

Например, база данных ImageNet имеет гораздо больше белых граней, чем не белых. Когда мы обучаем алгоритмы искусственного интеллекта распознавать черты лица с помощью базы данных, которая не включает правильный баланс лиц, алгоритм не будет работать так хорошо на не белых лицах, создавая встроенное смещение, которое может оказать огромное влияние. Важно устранить как можно больше предвзятости по мере обучения ИИ.