ხელოვნური ინტელექტის თემა 2017 წელს ერთ-ერთი ყველაზე მიმზიდველი გახდა განსახილველად. იმდენი კომენტატორი იყო IT ბაზრის მონაწილეებს შორის და კომენტარები იმდენად საინტერესო და დეტალური იყო, რომ CRN/RE-ს 2017 წლის ბოლო ნომერში ჩვენ შევძელით განხილვა შემოთავაზებული ყველა საკითხის არა. დღეს ვისაუბრებთ AI გადაწყვეტილებების დადებით და უარყოფით მხარეებზე და მისი განხორციელების სირთულეებზე.
რა არის გადაწყვეტილებების მთავარი უპირატესობები, რომლებსაც დღეს „ხელოვნური ინტელექტის სისტემებს“ უწოდებენ?
პროექტის მენეჯერი ST Smartmerch, კომპანიების ჯგუფი "System Technologies", მაქსიმ არქიპენკოვიდარწმუნებული ვარ, რომ „სარგებელი მოლოდინებიდან მოდის“.
"ნერვულ ქსელებს, ადამიანებისგან განსხვავებით, არ აქვთ ემოციები და არ იღლებიან", - ამბობს არხიპენკოვი. - ადამიანური ფაქტორი და ყველა შეცდომა და პრობლემა, რომელიც დაკავშირებულია ადამიანის ხასიათთან და მის დაბალ შრომისუნარიანობასთან, გამორიცხულია - რა თქმა უნდა, მანქანასთან შედარებით. ნერვულ ქსელებს არ აქვთ შესრულების ბარიერი: თუ ადამიანს შეუძლია, მაგალითად, დღეში 100 ნაწილის ხარისხის შემოწმება, მაშინ სისტემა შეამოწმებს იმდენ მათგანს, რამდენსაც სერვერის სიმძლავრე იძლევა. სისტემის მასშტაბირება უფრო ადვილია: იმავე ქარხანაში ძნელია 100 ხარისხის მაკონტროლებელი ადამიანის ერთ ოთახში მოთავსება“.
მარკეტინგის დირექტორი CDNvideo ანჯელინა რეშინაასევე თვლის, რომ ხელოვნური ინტელექტის სისტემების მთავარი უპირატესობები „არის მონაცემთა დამუშავების სიჩქარე, სისტემის მომზადების უნარი და ადამიანური რესურსების დაზოგვა“.
Cezurity-ის აღმასრულებელი დირექტორი ალექსეი ჩალიხაზს უსვამს: AI-ზე დაფუძნებულ პროდუქტებს შეუძლიათ შეასრულონ ამოცანები ხარისხობრივად განსხვავებულ დონეზე: სურათების კლასიფიკაცია, ტექსტის თარგმნა, ფაილების კლასიფიკაცია და ა.შ. ადამიანური ფაქტორის შემცირება, შეცდომის მინიმუმამდე შემცირება“, აღნიშნავს ჩალი.
„ამჟამად არსებული გადაწყვეტილებების მთავარი უპირატესობებია საქმიანობის მრავალი სფეროს ავტომატიზაციის შესაძლებლობა, ამავდროულად ადამიანის მონაწილეობის მინიმუმამდე შემცირება და იმ სფეროების გაფართოება, სადაც შესაძლებელია პროგრამული უზრუნველყოფის გამოყენება ადამიანის შრომის ნაცვლად“, - ამბობს ჰოსტინგის კომპანია King Servers-ის დამფუძნებელი. ვლადიმირ ფომენკო. -ხელოვნური ინტელექტი ამჟამად განსაკუთრებით კარგად აანალიზებს დიდი რაოდენობით მონაცემებს, სადაც ადამიანს ძალიან დიდი დრო დასჭირდება და ჩვეულებრივი პროგრამები, რომლებიც არ იყენებენ მანქანურ სწავლებას, ვერ მიაღწევენ საჭირო სიზუსტეს.
ALP Group-ის კორპორატიული საინფორმაციო სისტემების დეპარტამენტის დირექტორი ეთანხმება კოლეგებს სვეტლანა გაცაკოვა:„AI ტექნოლოგიების დახმარებით მნიშვნელოვნად იზრდება დიდი რაოდენობით ინფორმაციის დამუშავების ავტომატიზაციის სიჩქარე და დონე - ამავდროულად უმჯობესდება ხარისხი და დამზადების შესაძლებლობა. ახალი ტექნოლოგიების მიმართ სწორი დამოკიდებულებით იზრდება მონაცემთა გამოყენების სისრულე, ასევე მენეჯმენტის გადაწყვეტილებების ეფექტურობა და ხარისხი“.
Hawk House Integration-ის აღმასრულებელი დირექტორის თქმით ალექსანდრა ივლევა,„AI ტექნოლოგიები საუკეთესოდ შეეფერება სხვადასხვა ტიპის მექანიკური აქტივობების ოპტიმიზაციას, რუტინულ ოპერაციებს ავტომატიზირებს და მათ სახიფათო ინდუსტრიებში გამოყენებას“. „რობოტიკის სწორად გამოყენება კონვეიერის ხაზებზე საშუალებას გვაძლევს გადავიდეთ უწყვეტ მუშაობაზე, ოპტიმიზებს საწარმოს ხარჯებს, აუმჯობესებს პროდუქციის ხარისხს, მაგრამ მოითხოვს სერიოზულ და ხანგრძლივ ექსპლუატაციას“, - ამბობს ივლევი. - ბევრ კომპანიას არ შეუძლია მსგავს ტექნოლოგიებში დიდი თანხის ინვესტირება, თუმცა მომავალში ეს წარმოებას ბევრად გააძვირებს. ანალოგიური სიტუაციაა მანქანათმცოდნეობის ტექნოლოგიებთან დაკავშირებით: თითოეული პროექტისთვის, გაანალიზეთ მონაცემთა დიდი ნიმუში, ინდივიდუალური ალგორითმების გამოყენებით, რაც მოითხოვს დროსა და რესურსებს. მაგრამ ავტომატიზაციის დანერგვის შემდეგ ეს ოპერაციები უფრო სწრაფად და იაფად მოხდება, ვიდრე ადამიანს შეუძლია“.
„დავიწყოთ იმით, რომ ხელოვნური ინტელექტის სისტემები შემუშავებულია ეფექტურობის გაზრდის მიზნით ამ სიტყვის ფართო გაგებით“, იხსენებს CROC-ის ბიზნეს აპლიკაციების დირექტორი. მაქსიმ ანდრეევი. -ახალი იდეებისა და მიდგომების განსახორციელებლად კომპანიებს ხშირად სჭირდებათ იმ ფაქტორების დიდი რაოდენობის გათვალისწინება, რომელთა გათვალისწინებაც ჩვეულებრივ ადამიანს უბრალოდ არ შეუძლია. ხელოვნური ინტელექტის ერთ-ერთი მთავარი უპირატესობა არის ფაქტორების ასეთი მრავალფეროვანი რაოდენობის რეალურ დროში გათვალისწინების შესაძლებლობა. გარდა ამისა, ადამიანისგან განსხვავებით, ალგორითმი არ შეიძლება დაიღალოს ან შეცვალოს რაიმე ინფორმაცია მიზანმიმართულად. ანუ ხელოვნური ინტელექტის დანერგვით კომპანია მინიმუმამდე ამცირებს ამ ფაქტორებით გამოწვეული შეცდომების შესაძლებლობას. მაგრამ ამას აქვს უარყოფითი მხარე: ადამიანს შეუძლია დამატებითი დეტალების გათვალისწინება, ხოლო ცუდად კონფიგურირებული ალგორითმი არასწორად გააგრძელებს მუშაობას. ხელოვნური ინტელექტის სისტემების კიდევ ერთი უპირატესობა არის განმეორებადობა. მაგალითად ავიღოთ ნებისმიერი ბიზნეს პროცესი კომპანიაში, რომლის სწავლას თანამშრომელს ერთი წელი სჭირდება. ამიტომ, თუ ჩვენ გვჭირდება 10 ახალი თანამშრომელი, ჩვენ დავხარჯავთ 10 კაცურ წელს მათ მომზადებაზე. ალგორითმების თვალსაზრისით, ყველაფერი უფრო მარტივია და გადაწყვეტის სკალირების ღირებულება გაცილებით დაბალია“.
Auvix-ის AV Solutions-ის განვითარებისა და დანერგვის ხელმძღვანელი ალექსანდრე პივოვაროვითვლის, რომ ყველაზე აშკარა და აშკარა სარგებელი მოიცავს გაზრდილ ეფექტურობას, შემცირებულ რუტინულ ოპერაციებს და უფრო მარტივ გამოყენებას. „მაგალითად, თუ თქვენ იღებთ რაღაც მარტივს, როგორიცაა სისტემა დაჯავშნისა და შეხვედრების ოთახის განრიგის ჩვენებისთვის, მაშინ, როდესაც დაიწყებთ მის გულდასმით შესწავლას, ხედავთ ბევრ შესაძლებლობას მისი გამოყენების ეფექტურობის გასაუმჯობესებლად, შეფერხების დროის შესამცირებლად და ა.შ. ჭკვიანი ალგორითმები“, - ხაზს უსვამს ბრუერსი.
„ციფრული ტრანსფორმაციის მთავარი ამოცანა, რომლის ერთ-ერთი ინსტრუმენტია ხელოვნური ინტელექტი, არის პროცესების უფრო სწრაფად და ეფექტურად წარმართვა, კომპანიები ნაკლებს ხარჯავენ და მეტს გამოიმუშავებენ“, - ამბობს ABBYY Russia-ს აღმასრულებელი დირექტორი. დიმიტრი შუშკინი. - მაგალითად, ერთ-ერთმა ჩვენმა კლიენტმა საბანკო სექტორში მოახდინა იურიდიული პირებისთვის ანგარიშის გასახსნელად დოკუმენტების დამუშავების ავტომატიზირება. ინტელექტუალური სისტემა თავად აკრიფებს და ცნობს დოკუმენტებს, შემდეგ ამოიღებს მათგან ინფორმაციას და იტვირთება საბანკო სისტემის საჭირო ველებში. შედეგად, დოკუმენტებიდან მონაცემების შეყვანას 10 წუთზე ნაკლებ დრო სჭირდება, 2,5-ჯერ უფრო სწრაფად, ვიდრე ხელით. ბანკმა გამოთვალა, რომ 3 წლის განმავლობაში იგი დაზოგავს 270 მილიონ რუბლზე მეტს დოკუმენტების დამუშავებაზე.
Plantronics-ის ბიზნესის განვითარების მენეჯერის თქმით ალექსეი ბოგაჩოვი,„AI სისტემების ერთ-ერთი მთავარი უპირატესობა არის ახალი მასალის მოპოვების შესაძლებლობა, რომელიც ჩვენთვის უბრალოდ მიუწვდომელია. ვინაიდან ჩვეულებრივი ადამიანი დასკვნებს მხოლოდ მისი ცოდნის საფუძველზე აკეთებს, მაგრამ აქ უფრო ღრმა ანალიზს ვიღებთ, რამაც შეიძლება სრულიად მოულოდნელი დასკვნები გამოიწვიოს. ამ გზით თქვენ შეგიძლიათ მიაღწიოთ გარღვევას გარკვეულ სფეროში. ”
"ადამიანი მიჩვეულია, რომ თავი ევოლუციის გვირგვინად მიიჩნიოს, მაგრამ ჩვენ რეგულარულად ვაწყდებით შეზღუდვებს", - ასახავს Document Constructor FreshDoc.ru-ს აღმასრულებელი დირექტორი. ნიკოლაი პაცკოვი. - მაგალითად, ჰიპერბგერითი თვითმფრინავი დაფრინავს ხმის სიჩქარეზე 10-ჯერ მეტი სიჩქარით; ადამიანის პილოტი უბრალოდ ვერ აკონტროლებს ასეთ მანქანას ჭკვიანი ელექტრონიკის დახმარების გარეშე. ადამიანის რეაქცია და გადაწყვეტილების მიღების სიჩქარე საკმარისი არ არის ასეთი სიჩქარით მუშაობისთვის. ხელოვნური ინტელექტი გვეხმარება გადავიდეთ ამ შეზღუდვების მიღმა. ხელოვნური ინტელექტი საშუალებას აძლევს ადამიანებს რეაგირება მოახდინონ უფრო სწრაფად, იცავს მათ შეცდომების დაშვებისგან და ათავისუფლებს მათ რუტინული ოპერაციებისა და გადაწყვეტილებებისგან. ასეთ სისტემებს შეუძლიათ ეფექტურად შეცვალონ ადამიანის ექსპერტი ტრანსპორტირების, პროგნოზირების, საფონდო ვაჭრობის, კონსულტაციისა და დოკუმენტების მომზადებაში. "ჭკვიანი გადაწყვეტილებების" გამოყენება ასევე გავლენას ახდენს პროდუქტის საბოლოო ღირებულებაზე: ბოლოს და ბოლოს, "რობოტებს" არ სჭირდებათ ხელფასის გადახდა, ისინი არ ავადდებიან და არ მიდიან შვებულებაში და არ ექვემდებარებიან შესრულების შემცირებას. ჩვენ ვხედავთ უზარმაზარ პოტენციალს გონივრული გადაწყვეტილებების შემუშავებაში პრობლემების ფართო სპექტრისთვის. ამ სფეროს განვითარებაში მონაწილეობა რუს IT მეწარმეებს საშუალებას მისცემს, ბაზარი თავდაყირა დააყენონ და ადამიანური განვითარების საინფორმაციო ტალღა „გაატარონ“.
Konica Minolta Business Solutions Russia-ის ბიზნესის განვითარებისა და მარკეტინგის დირექტორის თქმით ჟამილი კამენევაყველაფერი, რა თქმა უნდა, დამოკიდებულია გადაწყვეტილებების კლასზე. მაგრამ უმეტესწილად, ისინი მიზნად ისახავს პროცესების ოპტიმიზაციას და ავტომატიზაციას, რესურსების დაზოგვას - როგორც მატერიალურ, ისე არამატერიალურ, სამუშაო და პერსონალურ დროს. ”მარტივად რომ ვთქვათ, მათი ამოცანაა ჩვენი ცხოვრების გამარტივება”, - აჯამებს კამენევა.
„პირველ რიგში, ასეთი სისტემები საშუალებას გვაძლევს ამოვიცნოთ ის, რაც იმალება ადამიანის გონებისგან“, - ამბობს Navicon-ის საერთაშორისო ბიზნესის განვითარების დირექტორი. ილია ნაროდიცკი. - მიუხედავად იმისა, თუ რამდენად კარგია ადამიანის BI ინსტრუმენტები, ზოგიერთ შემთხვევაში შეუძლებელია მანქანური სწავლის გარეშე: მაგალითად, თუ გჭირდებათ სტატისტიკის დამუშავება 1 მილიონი კლიენტის საბანკო ანგარიშებზე 10 წლის განმავლობაში. უკვე დღეს, მანქანური ძიება ფარული შაბლონებისთვის, რომლებიც ადამიანებისთვის აშკარა არ არის, ბევრ კომპანიას საშუალებას აძლევს შექმნას ბიზნეს სტრატეგია და შექმნას მენეჯმენტის გადაწყვეტილების მხარდაჭერის სისტემები. მეორეც, ხელოვნური ინტელექტის ტექნოლოგიები მნიშვნელოვნად ზრდის მომხმარებლებთან ყველა სახის კომუნიკაციის ეფექტურობას. ინოვაციური ტექნოლოგიები, რომლებსაც შეუძლიათ ტექსტური და ხმოვანი შეტყობინებების გაგება და ანალიზი, შეამცირებენ შემომავალი მოთხოვნების დამუშავების დროს და უპასუხებენ მომხმარებელთა მოთხოვნებს უფრო სწრაფად, ვიდრე ადრე. მესამე, ასეთ სისტემებს შეუძლიათ გაათავისუფლონ კომპანიის თანამშრომლები რუტინული ოპერაციების შესრულებისგან და, შესაბამისად, გაათავისუფლონ დრო სტრატეგიულად მნიშვნელოვანი საკითხების გადასაჭრელად. რუტინული პრობლემების გადაჭრაზე დახარჯული დრო შეიძლება გამოყენებულ იქნას შემოქმედებითი პრობლემების გადასაჭრელად“.
”ასეთი სისტემები შესაძლებელს ხდის გადაწყვეტილებების მიღებას იმ სფეროებში, სადაც ეს დასაშვებია”, - ამბობს Atak Killer-ის გენერალური დირექტორი. რუსტემ ხაირეთდინოვი. „მაშინ, როცა ადრე ავტომატიზირებული სისტემები გადაწყვეტილებებს მხოლოდ წინასწარ განსაზღვრული „თუ-მაშინ“ სცენარების ფარგლებში იღებდნენ, დღევანდელი და ხვალინდელი სისტემები შეძლებენ გადაწყვეტილების მიღებას ბუნდოვნად განსაზღვრულ პირობებში და არასაკმარისი ინფორმაციით, რაც ადრე მხოლოდ ადამიანს შეეძლო.
Acronis-ის განვითარების დირექტორი სერგეი ულასენიასევე აღნიშნავს: ხელოვნური ინტელექტის სისტემები წყვეტს ბევრ პრობლემას, რომელიც ადრე მოითხოვდა ადამიანის ჩართულობას. ამავდროულად, ისინი ხშირად უფრო სწრაფად ფუნქციონირებენ და აქვთ პროგნოზირებადი შედეგები და მუშაობის ხარისხი.
„AI ტექნოლოგიები ნამდვილად მუშაობს და ხელს უწყობს ბიზნეს პროცესების გაუმჯობესებას, ნაწილობრივ მაინც ათავისუფლებს ადამიანის ინტელექტს რუტინისგან კრეატიულობისთვის და ახალი ნივთების შესაქმნელად“, ხაზს უსვამს Preferentum-ის (IT Group) აღმასრულებელი დირექტორი. დიმიტრი რომანოვი.„მათთვის მარტივია ეკონომიკური გავლენის შეფასება. სისტემების დიდი კლასისთვის, რომლებიც იყენებენ მანქანური სწავლის მეთოდებს, უდავო უპირატესობაა მათი უნარი გახდნენ „ჭკვიანები“ მუშაობისას“.
Vocord-ის მარკეტინგის დირექტორის თქმით სერგეი შჩერბინა,მთავარი უპირატესობები ისაა, რომ „ქაოტური“ ფაქტების, ცუდად სტრუქტურირებული, არასაიდუმლო ან არასრული ინფორმაციის საფუძველზე, AI აკეთებს ზუსტ პროგნოზებს. ”მათზე დაყრდნობით, ჩვენ ვიღებთ გადაწყვეტილების მიღების სიზუსტისა და სიჩქარის ფუნდამენტურად ახალ დონეს, სადაც მარტივი, ხაზოვანი წესები არ მუშაობს”, - განაგრძობს შჩერბინა. - დიდი რაოდენობით მონაცემები მუდმივად ივსება, მაგრამ დამოუკიდებლად მათ არ შეუძლიათ პრობლემების გადაჭრა; AI არის ზუსტად ის, რაც საჭიროა მათი გასაანალიზებლად. ჩვენ უკვე ვიცით ხელოვნური ინტელექტის წარმატებული გამოყენების მრავალი მაგალითი მედიცინაში, გლობალური და ადგილობრივი ეკონომიკური და სოციალური პროცესების ანალიზში, საინჟინრო და ტექნიკური პრობლემების გადაჭრაში, საინვესტიციო გადაწყვეტილებების მიღებაში და უსაფრთხოების სისტემებში. ინოვაციები ხელოვნური ინტელექტის სფეროში შესაძლებელს გახდის ბიზნეს პროცესების ფუნდამენტურად უფრო ფართო სპექტრის ავტომატიზაციას. ამრიგად, ვიდეოთვალთვალის და უსაფრთხოების სფეროში, პირველად შესაძლებელი გახდება საიმედოდ, ოპერატორის მონაწილეობის გარეშე, 24/7 პოტენციურად საშიში ინციდენტების იდენტიფიცირება და ძებნილი პირების იდენტიფიცირება. ხელოვნური ინტელექტის წარმატებული გამოყენების მრავალი მაგალითი უკვე არსებობს“.
მთავარი უპირატესობა, shikari.do სერვისის თანადამფუძნებლის თქმით ვადიმ შემაროვი,არის ის, რომ AI სისტემები სწავლობენ. მაგალითად, თუ ჩვენ გვსურს, რომ სისტემამ შეძლოს განასხვავოს შეტყობინებები ადამიანებისგან, სადაც მათ სურთ რაღაცის ყიდვა იმ შეტყობინებებისგან, სადაც სურთ რაღაცის გაყიდვა, ან განვსაზღვროთ შეტყობინებების თემა, ჩვენ არ გვჭირდება სიტყვების დეტალური ჩამონათვალის შექმნა. და ფრაზები, რომლებიც გამოხატავს განზრახვებს, განწყობას, თემას და ა.შ. ჩვენ ვირჩევთ უამრავ სამაგალითო ტექსტს ჩვენთვის საჭირო თემებზე, „ვავარჯიშებთ“ სისტემას ამ მაგალითების გამოყენებით და შემდეგ ის თავად იწყებს მისთვის უცნობი ტექსტების არსის გაგებას“, - ამბობს შემაროვი.
რობოტიკისა და ხელოვნური ინტელექტის მარეგულირებელი კვლევითი ცენტრის ხელმძღვანელი, უფროსი თანაშემწე, დენტონსი ანდრეი ნეზნამოვიასევე თვლის, რომ სწავლის შესაძლებლობას (ზედამხედველობითი სწავლა ან თვითგანვითარება) შეიძლება ეწოდოს ტექნოლოგიების მთავარ უპირატესობად, რომლებსაც ჩვეულებრივ „AI“-ს უწოდებენ.
რა გამოწვევებია ამ სისტემების დანერგვა?
მოკლედ რომ შევაჯამოთ, AI ტექნოლოგიების ძირითადი უპირატესობები, IT ბაზრის ექსპერტების აზრით, არის პროდუქტიულობის, ავტომატიზაციის, ეფექტურობის, ანალიზის, ტრენინგის, გადაწყვეტილების მიღების, პროგნოზირებადობისა და სწავლის უნარის ახალ დონეზე მიღწევა. თუმცა, ვინაიდან ეს ახალი მიმართულებაა, ექსპერტები უფრო მეტ სირთულეს ხედავენ, ვიდრე უპირატესობას. საკმარისია ითქვას, რომ თითქმის თითოეულმა მომხსენებელმა დაასახელა საკუთარი სირთულე.
„ეს არის სრულიად ახალი სფერო. ყველა პრობლემა, რომელიც ამჟამად მოგვარებულია, არის RnD მისი სუფთა სახით: თქვენ უნდა განსაზღვროთ, სისტემატიზაცია მოახდინოთ, მოიძიოთ გამოსავალი, განახორციელოთ ეს გამოსავალი და განახორციელოთ იგი, ხაზს უსვამს მაქსიმ არხიპენკოვი. „ეს არის შემოქმედებითი პროცესი, რომელიც მოითხოვს უამრავ მეცნიერებას და მაღალ ექსპერტიზას, როგორც უშუალოდ ამ გადაწყვეტის გამოყენების სფეროში - იქნება ეს FMCG, სივრცე, მედიცინა და ნერვული ქსელის სისტემების დანერგვის სფეროში.
ალექსანდრე პივოვაროვის თქმით, სირთულე არის "აწონასწორობასა და რეალურ სარგებლიანობას შორის ბალანსის პოვნა, ამ ტექნოლოგიების მომხმარებლისთვის უხილავი გახდომის სირთულე და მათ მუშაობაში შეცდომების არარსებობა".
დიმიტრი კარბასოვი თვლის, რომ „ამ პროექტების მთავარი სირთულე დაკავშირებულია შედეგის არაპროგნოზირებადობასთან“. „მაგალითად, CRM სისტემის შეძენისას მომხმარებელს ნათლად ესმის ის ფუნქციონალობა, რომელსაც სისტემა სთავაზობს მას და როგორ გამოიყენებს ამ ფუნქციას“, - ამბობს კარბასოვი. - ეს არის პროცესები, მონაცემთა შეყვანის ფორმები, ანგარიშგება და ა.შ. ხელოვნური ინტელექტის სისტემის დანერგვისას, პროექტის განხორციელების გარეშე შედეგის პროგნოზირება ძალიან რთულია, ტექნოლოგიებისა და ალგორითმების გამჟღავნება პრაქტიკულად არაფერს ეუბნება ადამიანს მათემატიკური განათლების და გარეშე. პრაქტიკული გამოცდილება და მომხმარებელს შორის მხოლოდ რამდენიმე ტოპ მენეჯერია ასეთი წარსულის მქონე. ეხმარება საპილოტე პროექტების განხორციელებას, რომელთა მეთოდოლოგიაც ჩამოყალიბებულია და რომელსაც პროექტების 99%-ში ვიყენებთ“.
”რა თქმა უნდა, ბევრი სირთულეა”, - ასახავს მაქსიმ ანდრეევი. - მთავარი, ალბათ, არის საკმარისად დიდი მონაცემთა ნაკრების ნაკლებობა ხელოვნური ინტელექტის მომზადებისთვის. ამ შემთხვევაში საჭიროა ისტორიის მონაცემები. ნება მომეცით აგიხსნათ, რას ვგულისხმობ: ერთი დიდი კომპანიისთვის ჩვენ გავაკეთეთ გაყიდვების პროგნოზი სატრანსპორტო მომსახურებისთვის - ჩვენ ვიწინასწარმეტყველეთ ტვირთის წონა და ტრანსპორტირების მიმართულება. ჩვენ ვერ მივაღწიეთ კარგი პროგნოზის სიზუსტეს, დავიწყეთ იმის გარკვევა, თუ რა ხდებოდა და გავარკვიეთ, რომ ისტორიულ მონაცემებში, რომლებიც ინახებოდა კომპანიაში, ზოგან წონა გათვალისწინებული იყო შეფუთვით, ზოგან კი გარეშე. ამავდროულად, უბრალოდ არ არსებობს ნიშანი, რომლითაც შესაძლებელი იქნებოდა ამ ფაქტორის თვალყურის დევნება. ანუ ოდესღაც წარსულში ეს ინფორმაცია არ თამაშობდა როლს, ახლა კი ყველაფერი შეიცვალა. ამიტომ ძალიან მნიშვნელოვანია შეაგროვოს ყველა ის მონაცემი, რომელიც შეიძლება შეგროვდეს „მოთხოვნით“. მონაცემთა შეგროვებისა და დამუშავების ტექნოლოგიები მუდმივად ვითარდება და კომპანიებს უკვე შეუძლიათ მონაცემთა ტბის ტექნოლოგიების დანერგვა, რაც ხელოვნური ინტელექტის მომზადების შესანიშნავი პლატფორმა ხდება. კიდევ ერთი სირთულე ის არის, რომ თავად ალგორითმები ჯერ კიდევ საკმაოდ მცირეა. ამიტომ, კომპანიამ უნდა ჩაატაროს კვლევა განხორციელებამდე. ეს გვაძლევს საშუალებას გავარკვიოთ, კონკრეტულ პირობებში, კონკრეტულ მონაცემებზე და კონკრეტულ ბიზნეს პროცესებზე, შესაძლებელი იქნება თუ არა ხელოვნური ინტელექტის შექმნა, რომლის ხარჯები არ აღემატება იმ ღირებულებას, რომელსაც ის კომპანიას აძლევს“.
ანა პლემიაშოვა მიიჩნევს, რომ მთავარი პრობლემა არის მონაცემთა სრული ნაკლებობა ან არასაკმარისი ზუსტი მოდელების შესაქმნელად. ”სამრეწველო საწარმოებისთვის, სადაც ასეთი გადაწყვეტილებები მოითხოვს მნიშვნელოვან ინვესტიციებს ინფრასტრუქტურაში, ეს არის დაგვიანებული ეკონომიკური ეფექტი: ჯერ უნდა დაიწყოთ მონაცემების შეგროვება და დაგროვება, შემდეგ კი შეგიძლიათ გადახვიდეთ გადაწყვეტილებებზე ინტელექტუალური სისტემების გამოყენებით. გარდამავალი BI გადაწყვეტილებები და მონაცემთა რეალურ დროში ვიზუალიზაცია საშუალებას გაძლევთ დააახლოოთ ეკონომიკური სარგებელი, ამბობს პლემიაშოვა. - კიდევ ერთი სირთულე არის ინტელექტუალური სისტემების დანერგვისას ბიზნეს პროცესის რესტრუქტურიზაციის აუცილებლობა. ანუ ასეთი ხსნარის ყიდვა და ყვავილივით ვაზაში ან აპლიკაციის კომპიუტერში განთავსება საკმარისი არ არის. აუცილებელია ამ გადაწყვეტილების მიღება ბიზნეს პროცესისადმი მეგობრულად: შექმენით, გადააკეთეთ ან თუნდაც გააუქმოთ ზოგიერთი ოპერაცია, გადაამზადოთ ხალხი, მოახდინოთ პერსონალის ოპტიმიზაცია“.
„ეს სისტემები დაფუძნებულია მონაცემებსა და დიდ მონაცემებზე“, იხსენებს სერგეი ულასენი. - მოდელების მოსამზადებლად საჭიროა მნიშვნელოვანი გამოთვლითი რესურსები, დიდი მონაცემების შესანახად კი შესაბამისი ინფრასტრუქტურა. ამიტომ, AI სისტემების დანერგვა საჭიროებს მნიშვნელოვან ინვესტიციას აპარატურაში.
თავის მხრივ, მონაცემთა შეგროვება და მომზადება მოითხოვს დიდ ორგანიზაციულ ძალისხმევას და ხშირად ახალი პროგრამული უზრუნველყოფის შემუშავებას, რომელიც დაეხმარება მონაცემთა ანალიზს. ”
სვეტლანა გაცაკოვა თვლის, რომ სირთულეები, უპირველეს ყოვლისა, არის „არასაკმარისი ყურადღება ყოველი კონკრეტული ხელოვნური ინტელექტის ტექნოლოგიის გამოყენების საზღვრებზე, ხარვეზებზე“. და ასევე ”შედეგების სუსტი ინტერპრეტაციით (ბოლოს და ბოლოს, მაგალითად, ნერვული ქსელი არ ხსნის მის დასკვნებს), ტრენინგისა და მოდელების ტესტირებისთვის მონაცემთა ერთგვაროვანი ნაკრების ფორმირების სირთულეებში”. კიდევ ერთი სირთულე არის „მონაცემებისადმი ბრმა რწმენა და მენეჯერის ინტუიციისადმი ყურადღების შესუსტება და იმ ფაქტორების მიმართ, რომელთა გაზომვა და ინტეგრირება რთულია DDM პროცესებში *“. გაცაკოვას თქმით, ამას თან ახლავს „რუსული ორგანიზაციებისთვის დამახასიათებელი სირთულეები“. „ეს არის ორგანიზაციის გარე სამყაროს შესახებ სანდო მონაცემების დაბალი ხელმისაწვდომობა და შიდა ინფორმაციაზე იზოლირების, ანუ ერთგვარ აუტისტურ ორგანიზაციად გადაქცევის რისკი. გარდა ამისა, ეს არის DDM კულტურის მცირე (წამყვან დასავლურ კომპანიებთან შედარებით) შეღწევა, რომელიც ძირითადად შემოიფარგლება დასავლური ბიზნეს სკოლების კურსდამთავრებულებით“.
„AI ეხმარება მრავალი პროცესის ავტომატიზაციას და დაბალი კვალიფიკაციის მქონე თანამშრომლების შეცვლას, მაგრამ ამავე დროს მოითხოვს კონტროლს დეველოპერებისგან, რომელთა სამუშაო ხარჯები, რა თქმა უნდა, უფრო მაღალია“, - ამბობს ანჯელინა რეშინა. ”სისტემის სწავლის უნარი უნდა იყოს კონტროლირებადი, რათა ის არ გასცდეს მისაღებ საზღვრებს.”
სერგეი შჩერბინას თქმით, სირთულეები მდგომარეობს მოძველებულ აღჭურვილობასა და სუსტ ინფრასტრუქტურაში, მემკვიდრეობით მიღებულ აპარატურულ და პროგრამულ პლატფორმებში, რომელთა შეცვლას რთულ ეკონომიკურ დროში და შეზღუდული ბიუჯეტით ცოტა ადამიანი ბედავს. ”ადამიანური ფაქტორი ასევე მოქმედებს”, - ხაზს უსვამს შჩერბინა. - არის კვალიფიციური კადრების დეფიციტი, არასაკმარისი კომპეტენცია, ან მენეჯერების კონსერვატიზმი. უფრო მეტიც, ყველას არ ესმის, რატომ არის ეს საჭირო და რატომ იხარჯება ფული მოდერნიზაციაზე, როცა ყველაფერი „ძველმოდურად“ მუშაობს.
”AI სისტემების აშენების სირთულეებს შორის, პირველ რიგში, უნდა აღინიშნოს პერსონალის დეფიციტი”, - აღნიშნავს ანდრეი სიკულევი. - სპეციალისტები ძალიან ცოტაა, რადგან აქ მოთხოვნები უკიდურესად მაღალია: პროგრამირების უნარების გარდა, უნდა დაეუფლოთ საკმაოდ რთულ მათემატიკურ აპარატს და გქონდეთ ცოდნა და გამოცდილება საგნობრივ სფეროებში. ხშირად „შოუსტოპერი“ არის მონაცემთა დაბალი ხარისხი და მათი ინტეგრაციის ინფრასტრუქტურის ნაკლებობა. კიდევ ერთი მნიშვნელოვანი პრობლემაა მონაცემთა უსაფრთხოების უზრუნველყოფა, რადგან ხელოვნური ინტელექტის ფუნქციონირებისთვის კონსოლიდირებული მონაცემები შეიძლება გახდეს თავდასხმის სამიზნე ან გამოყენებული, რბილად რომ ვთქვათ, სხვა მიზნებისთვის“.
ალექსეი ბოგაჩოვი ასევე მიიჩნევს, რომ ერთ-ერთი მთავარი სირთულე პერსონალია. „როგორც ყველაფერი ახალი, ჩნდება კითხვა, როგორ ვიმუშაოთ მასთან. ვინაიდან ნებისმიერი ტექნოლოგიის გამოყენებითი გამოყენება მოითხოვს კვალიფიციურ სპეციალისტებს და ეს ძალიან ახალგაზრდა სფეროა, ამიტომ საკმაოდ ძნელია იპოვოთ ადამიანები, რომლებსაც ეს ესმით.
ასევე არის საკადრო პრობლემის მეორე მხარეც. ”მთავარი სირთულე ის არის, რომ საწარმოების ბევრმა უფროსმა მენეჯერმა არ ესმის, რა არის ხელოვნური ინტელექტი და რა არის მისი პრაქტიკული გამოყენება”, - იხსენებს დიმიტრი კარბასოვი. - დიახ, თითქმის ყველა მათგანს სმენია ხელოვნური ინტელექტის შესახებ, ყველამ იცის, რომ ხელოვნური ინტელექტი ხელს უწყობს ბიზნეს პროცესების ოპტიმიზაციას, ხარჯების შემცირებას, ინდივიდუალური ფუნქციების ეფექტურობას (ლოგისტიკა, მომხმარებელთა ქცევის ანალიზი, წარმოების დატვირთვისა და გაყიდვების მოცულობის პროგნოზირება და ა.შ.). მაგრამ იშვიათად ესმის ნებისმიერ მომხმარებელს: იმისათვის, რომ ხელოვნურმა ინტელექტუალმა იმუშაოს ისე, როგორც უნდა, აუცილებელია ბიზნეს პრობლემის ჩამოყალიბება და მისი წარმატების კრიტერიუმები ბიზნესის თვალსაზრისით. სხვა სიტყვებით რომ ვთქვათ, მომხმარებელმა უნდა გააცნობიეროს, რომელი პარამეტრები უნდა მიენიჭოს AI სისტემას გასაანალიზებლად და რა უნდა გააკეთოს მიღებულ მონაცემებთან მენეჯმენტის გადაწყვეტილებების მიღების თვალსაზრისით.
”ორი ფაქტორი შეიძლება განისაზღვროს, როგორც მთავარი სირთულე ასეთი გადაწყვეტილებების დანერგვისას: ადამიანური და ტექნოლოგიური”, - ამბობს ნიკოლაი პაცკოვი. - პირველი არის ექსპერტების მცირე რაოდენობის პრობლემა, რომლებსაც შეუძლიათ ხელოვნური ინტელექტის სისტემებთან ურთიერთქმედება. ეს პრობლემა თანდათან წყდება, ბაზარი აცნობიერებს ასეთი სპეციალისტების ღირებულებას და სულ უფრო მეტი თანამშრომელი იძენს განვითარებადი ბაზრისთვის აუცილებელ უნარებს. ტექნოლოგიური ფაქტორი შეიძლება მივაწეროთ გამოთვლითი სიმძლავრის ნაკლებობას: ახლა ჩვენ კვლავ ვავითარებთ იდეებს, რომელთა განხორციელებასაც შევძლებთ მხოლოდ უფრო ძლიერი მანქანების მოსვლასთან ერთად. მაგრამ პროდუქტიულობის პროგნოზირებული ზრდის გათვალისწინებით (1000-ჯერ ზრდა მომდევნო 10 წელიწადში), ჩვენ გვჯერა, რომ ტექნოლოგიის ევოლუციური განვითარება მაინც არ შენელდება“.
ალექსეი ჩალის თქმით, არსებობს სამი ძირითადი სირთულე: „პირველი არის ხალხი . მსოფლიოში ძალიან ცოტა ადამიანია, რომელსაც შეუძლია იმუშაოს სასაზღვრო რაიონებში, რომლებსაც ერთდროულად ესმით საგნის არეალი (ჩვენს შემთხვევაში, ვირუსის ანალიზი), კარგად ერკვევიან მათემატიკაში, სტატისტიკაში და მანქანათმცოდნეობაში და ასევე იციან როგორ დაშიფვრონ. . მეორე - ტრენინგის მონაცემები . ეს მონაცემები სადმე უნდა იქნას აღებული და შემდეგ მონიშვნა. მონაცემების მოპოვება ძალიან რთულია. ამის გამო, სხვათა შორის, ხელოვნური ინტელექტის განვითარების პროგრესი შენელებულია, რადგან მკვლევარებს არ აქვთ მოდელებზე ექსპერიმენტების შესაძლებლობა. საკმარისი არ არის მხოლოდ ნიჭიერი ანალიტიკოსი და პროგრამისტი იყო - მონაცემთა გარეშე შეუძლებელია რაიმეს შექმნა ხელოვნური ინტელექტის სფეროში. და მესამე არის ინფრასტრუქტურის ღირებულება. საწყისი ინვესტიცია ინფრასტრუქტურაში შეიძლება იყოს საკმაოდ მნიშვნელოვანი“.
"იმისთვის, რომ ხელოვნურმა ინტელექტმა კარგად გადაჭრას ბიზნეს პრობლემები, ტექნოლოგია უნდა იყოს "მორგებული", - თვლის დიმიტრი შუშკინი. - ნებისმიერ მანქანას, ისევე როგორც ადამიანს, სჭირდება ტრენინგი მიმდინარე მონაცემებზე, რათა მიიღოს ზუსტი გადაწყვეტილებები. ასეთი სისტემის მოსამზადებლად, პირველ რიგში, თქვენ უნდა შეაგროვოთ ან სინთეზიროთ დიდი რაოდენობით მაღალი ხარისხის ეტიკეტირებული მონაცემები - მაგალითად, ინფორმაცია ფინანსების, წარმოების, მომხმარებლის მომსახურების შესახებ და ა.შ. მსხვილ ბიზნესში უფრო ადვილია ასეთი მონაცემების მომზადება და შეგროვება, რადგან ბევრი კომპანია უკვე იყენებს ნაკადის მონაცემთა შეყვანის სისტემებს სხვადასხვა ტიპის დოკუმენტაციიდან; ეს კორპორატიული ინფორმაცია არის შეკვეთილი და სტრუქტურირებული. ასეთი მასივების შექმნა საშუალო და მცირე ბიზნესში ჯერ კიდევ ნაკლებად ხელმისაწვდომია“.
ჟამილია კამენევა ერთ-ერთ მთავარ სირთულეს უწოდებს ასეთი გადაწყვეტილებების მაღალ ღირებულებას, პროექტების ხანგრძლივობას და ინვესტიციის ხანგრძლივ ანაზღაურებას (2-5 წელი - მინიმუმი). ”მეორე, როგორც ნებისმიერი ახალი ინსტრუმენტი, ხანგრძლივი და შრომატევადი სამუშაოა საჭირო ამ ტექნოლოგიების მომხმარებლებისთვის ბაზრის შესაქმნელად,” განაგრძობს კამენევა. გარდა ამისა, მე ასევე აღვნიშნავ ბაზარზე მაღალკვალიფიციური პერსონალის ნაკლებობას - ჩვენი ხელოვნური ინტელექტის სისტემების აბსოლუტური უმრავლესობა შემუშავებულია უცხოელი მოვაჭრეების მიერ და მხოლოდ რამდენიმე სამეცნიერო ინსტიტუტის მიერ.
დიმიტრი რომანოვის თქმით, მთავარი სირთულე, გასაოცრად, ფსიქოლოგიურია: „ადამიანები მიჩვეულნი არიან კომპიუტერისგან აბსოლუტური სიზუსტის მოლოდინს. AI სისტემებს აქვთ სავარაუდო გამომავალი. მათ შეუძლიათ დაუშვან შეცდომები, გასცენ არასწორი პასუხები და ამით ჰგვანან ადამიანებს. მომხმარებლები ზოგჯერ გადაჭარბებულად აფასებენ ჭკვიანი ტექნოლოგიების შესაძლებლობებს. ”
ვლადიმირ ფომენკო დარწმუნებულია: რამდენიმე წელიწადში, როგორც კი ეს ტექნოლოგია ახალი იქნება და უფრო გასაგები გახდება, აღარ იქნება დიდი სირთულე მის განხორციელებაში. ”იყოს სისტემები ან პროგრამები, რომლებიც შეძლებენ ხელოვნური ინტელექტის სისტემების ან პროგრამების შექმნას.”
მაგრამ რუსტემ ხაირეთდინოვი თვლის, რომ განხორციელების სირთულე არ არის - ”როგორც მათემატიკური აპარატი, ასევე პროგრამული უზრუნველყოფაში განხორციელებული ალგორითმები და გამოთვლითი ძალა დღეს ხელმისაწვდომია პრაქტიკულად ”გარედან” ან ”ღრუბელიდან”. „სირთულე უფრო პრობლემის ფორმულირებაში, ანალიზისთვის მოდელის აგებაში მდგომარეობს. ჩვენ მალე დავდგებით იმ ფაქტის წინაშე, რომ სუფთა მათემატიკოსებს, როგორც ახლა მათ უწოდებენ მონაცემთა მეცნიერებს, ნაკლებად მოთხოვნადი იქნებიან, ვიდრე სხვა დარგის სპეციალისტები (ექიმები, ტექნოლოგები, უსაფრთხოების სპეციალისტები, ლინგვისტები და ა.შ.) მანქანების პრინციპების ცოდნით. და "ღრმა" სწავლა." , - ხაზს უსვამს ხაირეთდინოვი.
* DDM (Digital Diagnostics Monitoring) არის ფუნქცია SFP გადამცემის მუშაობის პარამეტრების ციფრული მონიტორინგისთვის (ასევე SFP+ და XFP). საშუალებას გაძლევთ რეალურ დროში აკონტროლოთ ისეთი პარამეტრები, როგორიცაა: ძაბვა, მოდულის ტემპერატურა, მიკერძოებული დენი და ლაზერული სიმძლავრე (TX), მიღებული სიგნალის დონე (RX).
პროექტის მენეჯერი ST Smartmerch, კომპანიების ჯგუფი "System Technologies", მაქსიმ არქიპენკოვიდარწმუნებული ვარ, რომ „სარგებელი მოლოდინებიდან მოდის“.
"ნერვულ ქსელებს, ადამიანებისგან განსხვავებით, არ აქვთ ემოციები და არ იღლებიან", - ამბობს არხიპენკოვი. - ადამიანური ფაქტორი და ყველა შეცდომა და პრობლემა, რომელიც დაკავშირებულია ადამიანის ხასიათთან და მის დაბალ შრომისუნარიანობასთან, გამორიცხულია - რა თქმა უნდა, მანქანასთან შედარებით. ნერვულ ქსელებს არ აქვთ შესრულების ბარიერი: თუ ადამიანს შეუძლია, მაგალითად, დღეში 100 ნაწილის ხარისხის შემოწმება, მაშინ სისტემა შეამოწმებს იმდენ მათგანს, რამდენსაც სერვერის სიმძლავრე იძლევა. სისტემის მასშტაბირება უფრო ადვილია: იმავე ქარხანაში ძნელია 100 ხარისხის მაკონტროლებელი ადამიანის ერთ ოთახში მოთავსება“.
მარკეტინგის დირექტორი CDNvideo ანჯელინა რეშინაასევე თვლის, რომ ხელოვნური ინტელექტის სისტემების მთავარი უპირატესობები „არის მონაცემთა დამუშავების სიჩქარე, სისტემის მომზადების უნარი და ადამიანური რესურსების დაზოგვა“.
Cezurity-ის აღმასრულებელი დირექტორი ალექსეი ჩალიხაზს უსვამს: AI-ზე დაფუძნებულ პროდუქტებს შეუძლიათ შეასრულონ ამოცანები ხარისხობრივად განსხვავებულ დონეზე: სურათების კლასიფიკაცია, ტექსტის თარგმნა, ფაილების კლასიფიკაცია და ა.შ. ადამიანური ფაქტორის შემცირება, შეცდომის მინიმუმამდე შემცირება“, აღნიშნავს ჩალი.
„ამჟამად არსებული გადაწყვეტილებების მთავარი უპირატესობებია საქმიანობის მრავალი სფეროს ავტომატიზაციის შესაძლებლობა, ამავდროულად ადამიანის მონაწილეობის მინიმუმამდე შემცირება და იმ სფეროების გაფართოება, სადაც შესაძლებელია პროგრამული უზრუნველყოფის გამოყენება ადამიანის შრომის ნაცვლად“, - ამბობს ჰოსტინგის კომპანია King Servers-ის დამფუძნებელი. ვლადიმირ ფომენკო. „AI განსაკუთრებით კარგია ამ მომენტში დიდი რაოდენობით მონაცემების ანალიზში, სადაც ადამიანს ძალიან დიდი დრო დასჭირდება და ჩვეულებრივი პროგრამები, რომლებიც არ იყენებენ მანქანურ სწავლებას, ვერ მიაღწევენ საჭირო სიზუსტეს.
ALP Group-ის კორპორატიული საინფორმაციო სისტემების დეპარტამენტის დირექტორი ეთანხმება კოლეგებს სვეტლანა გაცაკოვა: “AI ტექნოლოგიების დახმარებით მნიშვნელოვნად იზრდება დიდი რაოდენობით ინფორმაციის დამუშავების ავტომატიზაციის სიჩქარე და დონე - ამავდროულად იზრდება ხარისხი და დამზადების შესაძლებლობა. ახალი ტექნოლოგიების მიმართ სწორი დამოკიდებულებით იზრდება მონაცემთა გამოყენების სისრულე, ასევე მენეჯმენტის გადაწყვეტილებების ეფექტურობა და ხარისხი“.
Hawk House Integration-ის აღმასრულებელი დირექტორის თქმით ალექსანდრა ივლევა"AI ტექნოლოგიები საუკეთესოდ შეეფერება სხვადასხვა ტიპის მექანიკური აქტივობების ოპტიმიზაციას, რუტინულ ოპერაციებს ავტომატიზირებს და მათ გამოყენებას სახიფათო ინდუსტრიებში." „რობოტიკის სწორად გამოყენება კონვეიერის ხაზებზე საშუალებას გვაძლევს გადავიდეთ უწყვეტ მუშაობაზე, ოპტიმიზებს საწარმოს ხარჯებს, აუმჯობესებს პროდუქციის ხარისხს, მაგრამ მოითხოვს სერიოზულ და ხანგრძლივ ექსპლუატაციას“, - ამბობს ივლევი. - ბევრ კომპანიას არ შეუძლია მსგავს ტექნოლოგიებში დიდი თანხის ინვესტირება, თუმცა მომავალში ეს წარმოებას ბევრად გააძვირებს. ანალოგიური სიტუაციაა მანქანათმცოდნეობის ტექნოლოგიებთან დაკავშირებით: თითოეული პროექტისთვის, გაანალიზეთ მონაცემთა დიდი ნიმუში, ინდივიდუალური ალგორითმების გამოყენებით, რაც მოითხოვს დროსა და რესურსებს. მაგრამ ავტომატიზაციის დანერგვის შემდეგ ეს ოპერაციები უფრო სწრაფად და იაფად მოხდება, ვიდრე ადამიანს შეუძლია“.
„დავიწყოთ იმით, რომ ხელოვნური ინტელექტის სისტემები შემუშავებულია ეფექტურობის გაზრდის მიზნით ამ სიტყვის ფართო გაგებით“, იხსენებს CROC-ის ბიზნეს აპლიკაციების დირექტორი. მაქსიმ ანდრეევი. - ახალი იდეებისა და მიდგომების განსახორციელებლად კომპანიებს ხშირად სჭირდებათ იმ ფაქტორების დიდი რაოდენობის გათვალისწინება, რომელთა გათვალისწინებაც ჩვეულებრივ ადამიანს უბრალოდ არ შეუძლია. ხელოვნური ინტელექტის ერთ-ერთი მთავარი უპირატესობა არის ფაქტორების ასეთი მრავალფეროვანი რაოდენობის რეალურ დროში გათვალისწინების შესაძლებლობა. გარდა ამისა, ადამიანისგან განსხვავებით, ალგორითმი არ შეიძლება დაიღალოს ან შეცვალოს რაიმე ინფორმაცია მიზანმიმართულად. ანუ ხელოვნური ინტელექტის დანერგვით კომპანია მინიმუმამდე ამცირებს ამ ფაქტორებით გამოწვეული შეცდომების შესაძლებლობას. მაგრამ ამას აქვს უარყოფითი მხარე: ადამიანს შეუძლია დამატებითი დეტალების გათვალისწინება, ხოლო ცუდად კონფიგურირებული ალგორითმი არასწორად გააგრძელებს მუშაობას. ხელოვნური ინტელექტის სისტემების კიდევ ერთი უპირატესობა არის განმეორებადობა. მაგალითად ავიღოთ ნებისმიერი ბიზნეს პროცესი კომპანიაში, რომლის სწავლას თანამშრომელს ერთი წელი სჭირდება. ამიტომ, თუ ჩვენ გვჭირდება 10 ახალი თანამშრომელი, ჩვენ დავხარჯავთ 10 კაცურ წელს მათ მომზადებაზე. ალგორითმების თვალსაზრისით, ყველაფერი უფრო მარტივია და გადაწყვეტის სკალირების ღირებულება გაცილებით დაბალია“.
Auvix-ის AV Solutions-ის განვითარებისა და დანერგვის ხელმძღვანელი ალექსანდრე პივოვაროვითვლის, რომ ყველაზე აშკარა და აშკარა სარგებელი მოიცავს გაზრდილ ეფექტურობას, შემცირებულ რუტინულ ოპერაციებს და უფრო მარტივ გამოყენებას. „მაგალითად, თუ თქვენ იღებთ რაღაც მარტივს, როგორიცაა სისტემა დაჯავშნისა და შეხვედრების ოთახის განრიგის ჩვენებისთვის, მაშინ, როდესაც დაიწყებთ მის გულდასმით შესწავლას, ხედავთ ბევრ შესაძლებლობას მისი გამოყენების ეფექტურობის გასაუმჯობესებლად, შეფერხების დროის შესამცირებლად და ა.შ. ჭკვიანი ალგორითმები“, - ხაზს უსვამს ბრუერსი.
„ციფრული ტრანსფორმაციის მთავარი ამოცანა, რომლის ერთ-ერთი ინსტრუმენტია ხელოვნური ინტელექტი, არის პროცესების უფრო სწრაფად და ეფექტურად წარმართვა, კომპანიები ნაკლებს ხარჯავენ და მეტს გამოიმუშავებენ“, - ამბობს ABBYY Russia-ს აღმასრულებელი დირექტორი. დიმიტრი შუშკინი. - მაგალითად, ერთ-ერთმა ჩვენმა კლიენტმა საბანკო სექტორში მოახდინა იურიდიული პირებისთვის ანგარიშის გასახსნელად დოკუმენტების დამუშავების ავტომატიზირება. ინტელექტუალური სისტემა თავად აკრიფებს და ცნობს დოკუმენტებს, შემდეგ ამოიღებს მათგან ინფორმაციას და იტვირთება საბანკო სისტემის საჭირო ველებში. შედეგად, დოკუმენტებიდან მონაცემების შეყვანას 10 წუთზე ნაკლებ დრო სჭირდება, 2,5-ჯერ უფრო სწრაფად, ვიდრე ხელით. ბანკმა გამოთვალა, რომ 3 წლის განმავლობაში იგი დაზოგავს 270 მილიონ რუბლზე მეტს დოკუმენტების დამუშავებაზე.
Plantronics-ის ბიზნესის განვითარების მენეჯერის თქმით ალექსეი ბოგაჩოვი,, ხელოვნური ინტელექტის სისტემების ერთ-ერთი მთავარი უპირატესობა არის ახალი მასალის მოპოვების შესაძლებლობა, რომელიც ჩვენთვის უბრალოდ მიუწვდომელია. ვინაიდან ჩვეულებრივი ადამიანი დასკვნებს მხოლოდ მისი ცოდნის საფუძველზე აკეთებს, მაგრამ აქ უფრო ღრმა ანალიზს ვიღებთ, რამაც შეიძლება სრულიად მოულოდნელი დასკვნები გამოიწვიოს. ამ გზით თქვენ შეგიძლიათ მიაღწიოთ გარღვევას გარკვეულ სფეროში. ”
"ადამიანი მიჩვეულია, რომ თავი ევოლუციის გვირგვინად მიიჩნიოს, მაგრამ ჩვენ რეგულარულად ვაწყდებით შეზღუდვებს", - ასახავს Document Constructor FreshDoc.ru-ს აღმასრულებელი დირექტორი. ნიკოლაი პაცკოვი. - მაგალითად, ჰიპერბგერითი თვითმფრინავი დაფრინავს ხმის სიჩქარეზე 10-ჯერ მეტი სიჩქარით; ადამიანის პილოტი უბრალოდ ვერ აკონტროლებს ასეთ მანქანას ჭკვიანი ელექტრონიკის დახმარების გარეშე. ადამიანის რეაქცია და გადაწყვეტილების მიღების სიჩქარე საკმარისი არ არის ასეთი სიჩქარით მუშაობისთვის. ხელოვნური ინტელექტი გვეხმარება გადავიდეთ ამ შეზღუდვების მიღმა. ხელოვნური ინტელექტი საშუალებას აძლევს ადამიანებს რეაგირება მოახდინონ უფრო სწრაფად, იცავს მათ შეცდომების დაშვებისგან და ათავისუფლებს მათ რუტინული ოპერაციებისა და გადაწყვეტილებებისგან. ასეთ სისტემებს შეუძლიათ ეფექტურად შეცვალონ ადამიანის ექსპერტი ტრანსპორტირების, პროგნოზირების, საფონდო ვაჭრობის, კონსულტაციისა და დოკუმენტების მომზადებაში. "ჭკვიანი გადაწყვეტილებების" გამოყენება ასევე გავლენას ახდენს პროდუქტის საბოლოო ღირებულებაზე: ბოლოს და ბოლოს, "რობოტებს" არ სჭირდებათ ხელფასის გადახდა, ისინი არ ავადდებიან და არ მიდიან შვებულებაში და არ ექვემდებარებიან შესრულების შემცირებას. ჩვენ ვხედავთ უზარმაზარ პოტენციალს გონივრული გადაწყვეტილებების შემუშავებაში პრობლემების ფართო სპექტრისთვის. ამ სფეროს განვითარებაში მონაწილეობა რუს IT მეწარმეებს საშუალებას მისცემს, ბაზარი თავდაყირა დააყენონ და ადამიანური განვითარების საინფორმაციო ტალღა „გაატარონ“.
Konica Minolta Business Solutions Russia-ის ბიზნესის განვითარებისა და მარკეტინგის დირექტორის თქმით ჟამილი კამენევაყველაფერი, რა თქმა უნდა, დამოკიდებულია გადაწყვეტილებების კლასზე. მაგრამ უმეტესწილად, ისინი მიზნად ისახავს პროცესების ოპტიმიზაციას და ავტომატიზაციას, რესურსების დაზოგვას - როგორც მატერიალურ, ისე არამატერიალურ, სამუშაო და პერსონალურ დროს. ”მარტივად რომ ვთქვათ, მათი ამოცანაა ჩვენი ცხოვრების გამარტივება”, - აჯამებს კამენევა.
„პირველ რიგში, ასეთი სისტემები საშუალებას გვაძლევს ამოვიცნოთ ის, რაც იმალება ადამიანის გონებისგან“, - ამბობს Navicon-ის საერთაშორისო ბიზნესის განვითარების დირექტორი. ილია ნაროდიცკი. - მიუხედავად იმისა, თუ რამდენად კარგია ადამიანის BI ინსტრუმენტები, ზოგიერთ შემთხვევაში შეუძლებელია მანქანური სწავლის გარეშე: მაგალითად, თუ გჭირდებათ სტატისტიკის დამუშავება 1 მილიონი კლიენტის საბანკო ანგარიშებზე 10 წლის განმავლობაში. უკვე დღეს, მანქანური ძიება ფარული შაბლონებისთვის, რომლებიც ადამიანებისთვის აშკარა არ არის, ბევრ კომპანიას საშუალებას აძლევს შექმნას ბიზნეს სტრატეგია და შექმნას მენეჯმენტის გადაწყვეტილების მხარდაჭერის სისტემები. მეორეც, ხელოვნური ინტელექტის ტექნოლოგიები მნიშვნელოვნად ზრდის მომხმარებლებთან ყველა სახის კომუნიკაციის ეფექტურობას. ინოვაციური ტექნოლოგიები, რომლებსაც შეუძლიათ ტექსტური და ხმოვანი შეტყობინებების გაგება და ანალიზი, შეამცირებენ შემომავალი მოთხოვნების დამუშავების დროს და უპასუხებენ მომხმარებელთა მოთხოვნებს უფრო სწრაფად, ვიდრე ადრე. მესამე, ასეთ სისტემებს შეუძლიათ გაათავისუფლონ კომპანიის თანამშრომლები რუტინული ოპერაციების შესრულებისგან და, შესაბამისად, გაათავისუფლონ დრო სტრატეგიულად მნიშვნელოვანი საკითხების გადასაჭრელად. რუტინული პრობლემების გადაჭრაზე დახარჯული დრო შეიძლება გამოყენებულ იქნას შემოქმედებითი პრობლემების გადასაჭრელად“.
”ასეთი სისტემები შესაძლებელს ხდის გადაწყვეტილებების მიღებას იმ სფეროებში, სადაც ეს დასაშვებია”, - ამბობს Atak Killer-ის გენერალური დირექტორი. რუსტემ ხაირეთდინოვი. „მაშინ, როცა ადრე ავტომატიზირებული სისტემები გადაწყვეტილებებს მხოლოდ წინასწარ განსაზღვრული „თუ-მაშინ“ სცენარების ფარგლებში იღებდნენ, დღევანდელი და ხვალინდელი სისტემები შეძლებენ გადაწყვეტილების მიღებას ბუნდოვნად განსაზღვრულ პირობებში და არასაკმარისი ინფორმაციით, რაც ადრე მხოლოდ ადამიანს შეეძლო.
Acronis-ის განვითარების დირექტორი სერგეი ულასენიასევე აღნიშნავს: ხელოვნური ინტელექტის სისტემები წყვეტს ბევრ პრობლემას, რომელიც ადრე მოითხოვდა ადამიანის ჩართულობას. ამავდროულად, ისინი ხშირად უფრო სწრაფად ფუნქციონირებენ და აქვთ პროგნოზირებადი შედეგები და მუშაობის ხარისხი.
„AI ტექნოლოგიები ნამდვილად მუშაობს და ხელს უწყობს ბიზნეს პროცესების გაუმჯობესებას, ნაწილობრივ მაინც ათავისუფლებს ადამიანის ინტელექტს რუტინისგან კრეატიულობისთვის და ახალი ნივთების შესაქმნელად“, ხაზს უსვამს Preferentum-ის (IT Group) აღმასრულებელი დირექტორი. დიმიტრი რომანოვი. „მათთვის მარტივია ეკონომიკური გავლენის შეფასება. სისტემების დიდი კლასისთვის, რომლებიც იყენებენ მანქანური სწავლის მეთოდებს, უდავო უპირატესობაა მათი უნარი გახდნენ „ჭკვიანები“ მუშაობისას“.
Vocord-ის მარკეტინგის დირექტორის თქმით სერგეი შჩერბინა, მთავარი უპირატესობებია ის, რომ „ქაოტური“ ფაქტების, ცუდად სტრუქტურირებული, არასაიდუმლო ან არასრული ინფორმაციის საფუძველზე, AI აკეთებს ზუსტ პროგნოზებს. ”მათზე დაყრდნობით, ჩვენ ვიღებთ გადაწყვეტილების მიღების სიზუსტისა და სიჩქარის ფუნდამენტურად ახალ დონეს, სადაც მარტივი, ხაზოვანი წესები არ მუშაობს”, - განაგრძობს შჩერბინა. - დიდი რაოდენობით მონაცემები მუდმივად ივსება, მაგრამ დამოუკიდებლად მათ არ შეუძლიათ პრობლემების გადაჭრა; AI არის ზუსტად ის, რაც საჭიროა მათი გასაანალიზებლად. ჩვენ უკვე ვიცით ხელოვნური ინტელექტის წარმატებული გამოყენების მრავალი მაგალითი მედიცინაში, გლობალური და ადგილობრივი ეკონომიკური და სოციალური პროცესების ანალიზში, საინჟინრო და ტექნიკური პრობლემების გადაჭრაში, საინვესტიციო გადაწყვეტილებების მიღებაში და უსაფრთხოების სისტემებში. ინოვაციები ხელოვნური ინტელექტის სფეროში შესაძლებელს გახდის ბიზნეს პროცესების ფუნდამენტურად უფრო ფართო სპექტრის ავტომატიზაციას. ამრიგად, ვიდეოთვალთვალის და უსაფრთხოების სფეროში, პირველად შესაძლებელი გახდება საიმედოდ, ოპერატორის მონაწილეობის გარეშე, 24/7 პოტენციურად საშიში ინციდენტების იდენტიფიცირება და ძებნილი პირების იდენტიფიცირება. ხელოვნური ინტელექტის წარმატებული გამოყენების მრავალი მაგალითი უკვე არსებობს“.
მთავარი უპირატესობა, shikari.do სერვისის თანადამფუძნებლის თქმით ვადიმ შემაროვი, არის ის, რომ AI სისტემები სწავლობენ. მაგალითად, თუ ჩვენ გვსურს, რომ სისტემამ შეძლოს განასხვავოს შეტყობინებები ადამიანებისგან, სადაც მათ სურთ რაღაცის ყიდვა იმ შეტყობინებებისგან, სადაც სურთ რაღაცის გაყიდვა, ან განვსაზღვროთ შეტყობინებების თემა, ჩვენ არ გვჭირდება სიტყვების დეტალური ჩამონათვალის შექმნა. და ფრაზები, რომლებიც გამოხატავს განზრახვებს, განწყობას, თემას და ა.შ. ჩვენ ვირჩევთ უამრავ სამაგალითო ტექსტს ჩვენთვის საჭირო თემებზე, „ვავარჯიშებთ“ სისტემას ამ მაგალითების გამოყენებით და შემდეგ ის თავად იწყებს მისთვის უცნობი ტექსტების არსის გაგებას“, - ამბობს შემაროვი.
რობოტიკისა და ხელოვნური ინტელექტის მარეგულირებელი კვლევითი ცენტრის ხელმძღვანელი, უფროსი თანაშემწე, დენტონსი ანდრეი ნეზნამოვიასევე თვლის, რომ სწავლის შესაძლებლობას (ზედამხედველობითი სწავლა ან თვითგანვითარება) შეიძლება ეწოდოს ტექნოლოგიების მთავარ უპირატესობად, რომლებსაც ჩვეულებრივ „AI“-ს უწოდებენ.
რა გამოწვევებია ამ სისტემების დანერგვა?
მოკლედ რომ შევაჯამოთ, AI ტექნოლოგიების ძირითადი უპირატესობები, IT ბაზრის ექსპერტების აზრით, არის პროდუქტიულობის, ავტომატიზაციის, ეფექტურობის, ანალიზის, ტრენინგის, გადაწყვეტილების მიღების, პროგნოზირებადობისა და სწავლის უნარის ახალ დონეზე მიღწევა. თუმცა, ვინაიდან ეს ახალი მიმართულებაა, ექსპერტები უფრო მეტ სირთულეს ხედავენ, ვიდრე უპირატესობას. საკმარისია ითქვას, რომ თითქმის თითოეულმა მომხსენებელმა დაასახელა საკუთარი სირთულე.
„ეს არის სრულიად ახალი სფერო. ყველა პრობლემა, რომელიც ამჟამად მოგვარებულია, არის RnD მისი სუფთა სახით: თქვენ უნდა განსაზღვროთ, სისტემატიზაცია მოახდინოთ, მოიძიოთ გამოსავალი, განახორციელოთ ეს გამოსავალი და განახორციელოთ იგი, ხაზს უსვამს მაქსიმ არხიპენკოვი. „ეს არის შემოქმედებითი პროცესი, რომელიც მოითხოვს უამრავ მეცნიერებას და მაღალ ექსპერტიზას, როგორც უშუალოდ ამ გადაწყვეტის გამოყენების სფეროში - იქნება ეს FMCG, სივრცე, მედიცინა და ნერვული ქსელის სისტემების დანერგვის სფეროში.
ალექსანდრე პივოვაროვის თქმით, სირთულე არის "აწონასწორობასა და რეალურ სარგებლიანობას შორის ბალანსის პოვნა, ამ ტექნოლოგიების მომხმარებლისთვის უხილავი გახდომის სირთულე და მათ მუშაობაში შეცდომების არარსებობა".
დიმიტრი კარბასოვი თვლის, რომ „ამ პროექტების მთავარი სირთულე დაკავშირებულია შედეგის არაპროგნოზირებადობასთან“. „მაგალითად, CRM სისტემის შეძენისას მომხმარებელს ნათლად ესმის ის ფუნქციონალობა, რომელსაც სისტემა სთავაზობს მას და როგორ გამოიყენებს ამ ფუნქციას“, - ამბობს კარბასოვი. - ეს არის პროცესები, მონაცემთა შეყვანის ფორმები, ანგარიშგება და ა.შ. ხელოვნური ინტელექტის სისტემის დანერგვისას, პროექტის განხორციელების გარეშე შედეგის პროგნოზირება ძალიან რთულია, ტექნოლოგიებისა და ალგორითმების გამჟღავნება პრაქტიკულად არაფერს ეუბნება ადამიანს მათემატიკური განათლების და გარეშე. პრაქტიკული გამოცდილება და მომხმარებელს შორის მხოლოდ რამდენიმე ტოპ მენეჯერია ასეთი წარსულის მქონე. ეხმარება საპილოტე პროექტების განხორციელებას, რომელთა მეთოდოლოგიაც ჩამოყალიბებულია და რომელსაც პროექტების 99%-ში ვიყენებთ“.
”რა თქმა უნდა, ბევრი სირთულეა”, - ასახავს მაქსიმ ანდრეევი. - მთავარი, ალბათ, არის საკმარისად დიდი მონაცემთა ნაკრების ნაკლებობა ხელოვნური ინტელექტის მომზადებისთვის. ამ შემთხვევაში საჭიროა ისტორიის მონაცემები. ნება მომეცით აგიხსნათ, რას ვგულისხმობ: ერთი დიდი კომპანიისთვის ჩვენ გავაკეთეთ გაყიდვების პროგნოზი სატრანსპორტო მომსახურებისთვის - ჩვენ ვიწინასწარმეტყველეთ ტვირთის წონა და ტრანსპორტირების მიმართულება. ჩვენ ვერ მივაღწიეთ კარგი პროგნოზის სიზუსტეს, დავიწყეთ იმის გარკვევა, თუ რა ხდებოდა და გავარკვიეთ, რომ ისტორიულ მონაცემებში, რომლებიც ინახებოდა კომპანიაში, ზოგან წონა გათვალისწინებული იყო შეფუთვით, ზოგან კი გარეშე. ამავდროულად, უბრალოდ არ არსებობს ნიშანი, რომლითაც შესაძლებელი იქნებოდა ამ ფაქტორის თვალყურის დევნება. ანუ ოდესღაც წარსულში ეს ინფორმაცია არ თამაშობდა როლს, ახლა კი ყველაფერი შეიცვალა. ამიტომ ძალიან მნიშვნელოვანია შეაგროვოს ყველა ის მონაცემი, რომელიც შეიძლება შეგროვდეს „მოთხოვნით“. მონაცემთა შეგროვებისა და დამუშავების ტექნოლოგიები მუდმივად ვითარდება და კომპანიებს უკვე შეუძლიათ მონაცემთა ტბის ტექნოლოგიების დანერგვა, რაც ხელოვნური ინტელექტის მომზადების შესანიშნავი პლატფორმა ხდება. კიდევ ერთი სირთულე ის არის, რომ თავად ალგორითმები ჯერ კიდევ საკმაოდ მცირეა. ამიტომ, კომპანიამ უნდა ჩაატაროს კვლევა განხორციელებამდე. ეს გვაძლევს საშუალებას გავარკვიოთ, კონკრეტულ პირობებში, კონკრეტულ მონაცემებზე და კონკრეტულ ბიზნეს პროცესებზე, შესაძლებელი იქნება თუ არა ხელოვნური ინტელექტის შექმნა, რომლის ხარჯები არ აღემატება იმ ღირებულებას, რომელსაც ის კომპანიას აძლევს“.
ანა პლემიაშოვა მიიჩნევს, რომ მთავარი პრობლემა არის მონაცემთა სრული ნაკლებობა ან არასაკმარისი ზუსტი მოდელების შესაქმნელად. ”სამრეწველო საწარმოებისთვის, სადაც ასეთი გადაწყვეტილებები მოითხოვს მნიშვნელოვან ინვესტიციებს ინფრასტრუქტურაში, ეს არის დაგვიანებული ეკონომიკური ეფექტი: ჯერ უნდა დაიწყოთ მონაცემების შეგროვება და დაგროვება, შემდეგ კი შეგიძლიათ გადახვიდეთ გადაწყვეტილებებზე ინტელექტუალური სისტემების გამოყენებით. გარდამავალი BI გადაწყვეტილებები და მონაცემთა რეალურ დროში ვიზუალიზაცია საშუალებას გაძლევთ დააახლოოთ ეკონომიკური სარგებელი, ამბობს პლემიაშოვა. - კიდევ ერთი სირთულე არის ინტელექტუალური სისტემების დანერგვისას ბიზნეს პროცესის რესტრუქტურიზაციის აუცილებლობა. ანუ ასეთი ხსნარის ყიდვა და ყვავილივით ვაზაში ან აპლიკაციის კომპიუტერში განთავსება საკმარისი არ არის. აუცილებელია ამ გადაწყვეტილების მიღება ბიზნეს პროცესისადმი მეგობრულად: შექმენით, გადააკეთეთ ან თუნდაც გააუქმოთ ზოგიერთი ოპერაცია, გადაამზადოთ ხალხი, მოახდინოთ პერსონალის ოპტიმიზაცია“.
„ეს სისტემები დაფუძნებულია მონაცემებსა და დიდ მონაცემებზე“, იხსენებს სერგეი ულასენი. - მოდელების მოსამზადებლად საჭიროა მნიშვნელოვანი გამოთვლითი რესურსები, დიდი მონაცემების შესანახად კი შესაბამისი ინფრასტრუქტურა. ამიტომ, AI სისტემების დანერგვა საჭიროებს მნიშვნელოვან ინვესტიციას აპარატურაში.
თავის მხრივ, მონაცემთა შეგროვება და მომზადება მოითხოვს დიდ ორგანიზაციულ ძალისხმევას და ხშირად ახალი პროგრამული უზრუნველყოფის შემუშავებას, რომელიც დაეხმარება მონაცემთა ანალიზს. ”
სვეტლანა გაცაკოვა თვლის, რომ სირთულეები, უპირველეს ყოვლისა, არის „არასაკმარისი ყურადღება ყოველი კონკრეტული ხელოვნური ინტელექტის ტექნოლოგიის გამოყენების საზღვრებზე, ხარვეზებზე“. და ასევე ”შედეგების სუსტი ინტერპრეტაციით (ბოლოს და ბოლოს, მაგალითად, ნერვული ქსელი არ ხსნის მის დასკვნებს), ტრენინგისა და მოდელების ტესტირებისთვის მონაცემთა ერთგვაროვანი ნაკრების ფორმირების სირთულეებში”. კიდევ ერთი გამოწვევაა „მონაცემების ბრმა რწმენა და მენეჯერის ინტუიციისადმი ყურადღების ნაკლებობა და ის ფაქტორები, რომელთა გაზომვა და ინტეგრირება რთულია DDM პროცესებში“. გაცაკოვას თქმით, ამას თან ახლავს „რუსული ორგანიზაციებისთვის დამახასიათებელი სირთულეები“. „ეს არის ორგანიზაციის გარე სამყაროს შესახებ სანდო მონაცემების დაბალი ხელმისაწვდომობა და შიდა ინფორმაციაზე იზოლირების, ანუ ერთგვარ აუტისტურ ორგანიზაციად გადაქცევის რისკი. გარდა ამისა, ეს არის DDM კულტურის მცირე (წამყვან დასავლურ კომპანიებთან შედარებით) შეღწევა, რომელიც ძირითადად შემოიფარგლება დასავლური ბიზნეს სკოლების კურსდამთავრებულებით“.
„AI ეხმარება მრავალი პროცესის ავტომატიზაციას და დაბალი კვალიფიკაციის მქონე თანამშრომლების შეცვლას, მაგრამ ამავე დროს მოითხოვს კონტროლს დეველოპერებისგან, რომელთა სამუშაო ხარჯები, რა თქმა უნდა, უფრო მაღალია“, - ამბობს ანჯელინა რეშინა. ”სისტემის სწავლის უნარი უნდა იყოს კონტროლირებადი, რათა ის არ გასცდეს მისაღებ საზღვრებს.”
სერგეი შჩერბინას თქმით, სირთულეები მდგომარეობს მოძველებულ აღჭურვილობასა და სუსტ ინფრასტრუქტურაში, მემკვიდრეობით მიღებულ აპარატურულ და პროგრამულ პლატფორმებში, რომელთა შეცვლას რთულ ეკონომიკურ დროში და შეზღუდული ბიუჯეტით ცოტა ადამიანი ბედავს. ”ადამიანური ფაქტორი ასევე მოქმედებს”, - ხაზს უსვამს შჩერბინა. - არის კვალიფიციური კადრების დეფიციტი, არასაკმარისი კომპეტენცია, ან მენეჯერების კონსერვატიზმი. უფრო მეტიც, ყველას არ ესმის, რატომ არის ეს საჭირო და რატომ იხარჯება ფული მოდერნიზაციაზე, როცა ყველაფერი „ძველმოდურად“ მუშაობს.
”AI სისტემების აშენების სირთულეებს შორის, პირველ რიგში, უნდა აღინიშნოს პერსონალის დეფიციტი”, - აღნიშნავს ანდრეი სიკულევი. - სპეციალისტები ძალიან ცოტაა, რადგან აქ მოთხოვნები უკიდურესად მაღალია: პროგრამირების უნარების გარდა, უნდა დაეუფლოთ საკმაოდ რთულ მათემატიკურ აპარატს და გქონდეთ ცოდნა და გამოცდილება საგნობრივ სფეროებში. ხშირად „შოუსტოპერი“ არის მონაცემთა დაბალი ხარისხი და მათი ინტეგრაციის ინფრასტრუქტურის ნაკლებობა. კიდევ ერთი მნიშვნელოვანი პრობლემაა მონაცემთა უსაფრთხოების უზრუნველყოფა, რადგან ხელოვნური ინტელექტის ფუნქციონირებისთვის კონსოლიდირებული მონაცემები შეიძლება გახდეს თავდასხმის სამიზნე ან გამოყენებული, რბილად რომ ვთქვათ, სხვა მიზნებისთვის“.
ალექსეი ბოგაჩოვი ასევე მიიჩნევს, რომ ერთ-ერთი მთავარი სირთულე პერსონალია. „როგორც ყველაფერი ახალი, ჩნდება კითხვა, როგორ ვიმუშაოთ მასთან. ვინაიდან ნებისმიერი ტექნოლოგიის გამოყენებითი გამოყენება მოითხოვს კვალიფიციურ სპეციალისტებს და ეს ძალიან ახალგაზრდა სფეროა, ამიტომ საკმაოდ ძნელია იპოვოთ ადამიანები, რომლებსაც ეს ესმით.
ასევე არის საკადრო პრობლემის მეორე მხარეც. ”მთავარი სირთულე ის არის, რომ საწარმოების ბევრმა უფროსმა მენეჯერმა არ ესმის, რა არის ხელოვნური ინტელექტი და რა არის მისი პრაქტიკული გამოყენება”, - იხსენებს დიმიტრი კარბასოვი. - დიახ, თითქმის ყველა მათგანს სმენია ხელოვნური ინტელექტის შესახებ, ყველამ იცის, რომ ხელოვნური ინტელექტი ხელს უწყობს ბიზნეს პროცესების ოპტიმიზაციას, ხარჯების შემცირებას, ინდივიდუალური ფუნქციების ეფექტურობას (ლოგისტიკა, მომხმარებელთა ქცევის ანალიზი, წარმოების დატვირთვისა და გაყიდვების მოცულობის პროგნოზირება და ა.შ.). მაგრამ იშვიათად ესმის ნებისმიერ მომხმარებელს: იმისათვის, რომ ხელოვნურმა ინტელექტუალმა იმუშაოს ისე, როგორც უნდა, აუცილებელია ბიზნეს პრობლემის ჩამოყალიბება და მისი წარმატების კრიტერიუმები ბიზნესის თვალსაზრისით. სხვა სიტყვებით რომ ვთქვათ, მომხმარებელმა უნდა გააცნობიეროს, რომელი პარამეტრები უნდა მიენიჭოს AI სისტემას გასაანალიზებლად და რა უნდა გააკეთოს მიღებულ მონაცემებთან მენეჯმენტის გადაწყვეტილებების მიღების თვალსაზრისით.
”ორი ფაქტორი შეიძლება განისაზღვროს, როგორც მთავარი სირთულე ასეთი გადაწყვეტილებების დანერგვისას: ადამიანური და ტექნოლოგიური”, - ამბობს ნიკოლაი პაცკოვი. - პირველი არის ექსპერტების მცირე რაოდენობის პრობლემა, რომლებსაც შეუძლიათ ხელოვნური ინტელექტის სისტემებთან ურთიერთქმედება. ეს პრობლემა თანდათან წყდება, ბაზარი აცნობიერებს ასეთი სპეციალისტების ღირებულებას და სულ უფრო მეტი თანამშრომელი იძენს განვითარებადი ბაზრისთვის აუცილებელ უნარებს. ტექნოლოგიური ფაქტორი შეიძლება მივაწეროთ გამოთვლითი სიმძლავრის ნაკლებობას: ახლა ჩვენ კვლავ ვავითარებთ იდეებს, რომელთა განხორციელებასაც შევძლებთ მხოლოდ უფრო ძლიერი მანქანების მოსვლასთან ერთად. მაგრამ პროდუქტიულობის პროგნოზირებული ზრდის გათვალისწინებით (1000-ჯერ ზრდა მომდევნო 10 წელიწადში), ჩვენ გვჯერა, რომ ტექნოლოგიის ევოლუციური განვითარება მაინც არ შენელდება“.
ალექსეი ჩალის თქმით, არსებობს სამი ძირითადი სირთულე: „პირველი არის ხალხი. მსოფლიოში ძალიან ცოტა ადამიანია, რომელსაც შეუძლია იმუშაოს სასაზღვრო რაიონებში, რომლებსაც ერთდროულად ესმით საგნის არეალი (ჩვენს შემთხვევაში, ვირუსის ანალიზი), კარგად ერკვევიან მათემატიკაში, სტატისტიკაში და მანქანათმცოდნეობაში და ასევე იციან როგორ დაშიფვრონ. . მეორე არის ტრენინგის მონაცემები. ეს მონაცემები სადმე უნდა იქნას აღებული და შემდეგ მონიშვნა. მონაცემების მოპოვება ძალიან რთულია. ამის გამო, სხვათა შორის, ხელოვნური ინტელექტის განვითარების პროგრესი შენელებულია, რადგან მკვლევარებს არ აქვთ მოდელებზე ექსპერიმენტების შესაძლებლობა. საკმარისი არ არის მხოლოდ ნიჭიერი ანალიტიკოსი და პროგრამისტი იყო - მონაცემთა გარეშე შეუძლებელია რაიმეს შექმნა ხელოვნური ინტელექტის სფეროში. და მესამე არის ინფრასტრუქტურის ღირებულება. საწყისი ინვესტიცია ინფრასტრუქტურაში შეიძლება იყოს საკმაოდ მნიშვნელოვანი“.
"იმისთვის, რომ ხელოვნურმა ინტელექტმა კარგად გადაჭრას ბიზნეს პრობლემები, ტექნოლოგია უნდა იყოს "მორგებული", - თვლის დიმიტრი შუშკინი. - ნებისმიერ მანქანას, ისევე როგორც ადამიანს, სჭირდება ტრენინგი მიმდინარე მონაცემებზე, რათა მიიღოს ზუსტი გადაწყვეტილებები. ასეთი სისტემის მოსამზადებლად, პირველ რიგში, თქვენ უნდა შეაგროვოთ ან სინთეზიროთ დიდი რაოდენობით მაღალი ხარისხის ეტიკეტირებული მონაცემები - მაგალითად, ინფორმაცია ფინანსების, წარმოების, მომხმარებლის მომსახურების შესახებ და ა.შ. მსხვილ ბიზნესში უფრო ადვილია ასეთი მონაცემების მომზადება და შეგროვება, რადგან ბევრი კომპანია უკვე იყენებს ნაკადის მონაცემთა შეყვანის სისტემებს სხვადასხვა ტიპის დოკუმენტაციიდან; ეს კორპორატიული ინფორმაცია არის შეკვეთილი და სტრუქტურირებული. ასეთი მასივების შექმნა საშუალო და მცირე ბიზნესში ჯერ კიდევ ნაკლებად ხელმისაწვდომია“.
ჟამილია კამენევა ერთ-ერთ მთავარ სირთულეს უწოდებს ასეთი გადაწყვეტილებების მაღალ ღირებულებას, პროექტების ხანგრძლივობას და ინვესტიციის ხანგრძლივ ანაზღაურებას (2-5 წელი - მინიმუმი). ”მეორე, როგორც ნებისმიერი ახალი ინსტრუმენტი, ხანგრძლივი და შრომატევადი სამუშაოა საჭირო ამ ტექნოლოგიების მომხმარებლებისთვის ბაზრის შესაქმნელად,” განაგრძობს კამენევა. გარდა ამისა, მე ასევე აღვნიშნავ ბაზარზე მაღალკვალიფიციური პერსონალის ნაკლებობას - ჩვენი ხელოვნური ინტელექტის სისტემების აბსოლუტური უმრავლესობა შემუშავებულია უცხოელი მოვაჭრეების მიერ და მხოლოდ რამდენიმე სამეცნიერო ინსტიტუტის მიერ.
დიმიტრი რომანოვის თქმით, მთავარი სირთულე, გასაოცრად, ფსიქოლოგიურია: „ადამიანები მიჩვეულნი არიან კომპიუტერისგან აბსოლუტური სიზუსტის მოლოდინს. AI სისტემებს აქვთ სავარაუდო გამომავალი. მათ შეუძლიათ დაუშვან შეცდომები, გასცენ არასწორი პასუხები და ამით ჰგვანან ადამიანებს. მომხმარებლები ზოგჯერ გადაჭარბებულად აფასებენ ჭკვიანი ტექნოლოგიების შესაძლებლობებს. ”
ვლადიმირ ფომენკო დარწმუნებულია: რამდენიმე წელიწადში, როგორც კი ეს ტექნოლოგია ახალი იქნება და უფრო გასაგები გახდება, აღარ იქნება დიდი სირთულე მის განხორციელებაში. ”იყოს სისტემები ან პროგრამები, რომლებიც შეძლებენ ხელოვნური ინტელექტის სისტემების ან პროგრამების შექმნას.”
მაგრამ რუსტემ ხაირეთდინოვი თვლის, რომ განხორციელების სირთულე არ არის - ”როგორც მათემატიკური აპარატი, ასევე პროგრამული უზრუნველყოფაში განხორციელებული ალგორითმები და გამოთვლითი ძალა დღეს ხელმისაწვდომია პრაქტიკულად ”გარედან” ან ”ღრუბელიდან”. „სირთულე უფრო პრობლემის ფორმულირებაში, ანალიზისთვის მოდელის აგებაში მდგომარეობს. ჩვენ მალე დავდგებით იმ ფაქტის წინაშე, რომ სუფთა მათემატიკოსებს, როგორც ახლა მათ უწოდებენ მონაცემთა მეცნიერებს, ნაკლებად მოთხოვნადი იქნებიან, ვიდრე სხვა დარგის სპეციალისტები (ექიმები, ტექნოლოგები, უსაფრთხოების სპეციალისტები, ლინგვისტები და ა.შ.) მანქანების პრინციპების ცოდნით. და "ღრმა" სწავლა." , - ხაზს უსვამს ხაირეთდინოვი.
ეს ყველაფერი დაიწყო მეცნიერული და ტექნოლოგიური რევოლუციით, რომელიც მძლავრი იმპულსი იყო ტექნოლოგიების განვითარებისთვის. სწორედ მაშინ მოხდა გადასვლა ინდუსტრიული საზოგადოებიდან პოსტინდუსტრიულ საზოგადოებაზე. ნიკოლა ტესლა თავისი ალტერნატიული დენით, ალექსანდრე პოპოვი რადიოს გამოგონებით, ალექსანდრე ბელი - მისი წყალობით კაცობრიობა გაეცნო ტელეფონს - გენიოსებად ითვლებიან, რომლებმაც სამყაროს ჩვეულებრივი სურათი თავდაყირა დაატრიალეს.
აღსანიშნავია ის ადამიანები, რომლებმაც ცოტა ხნის წინ შექმნეს ან აგრძელებენ მოღვაწეობას ამ ნაყოფიერ სფეროში. ბილ გეითსი, მარკ ცუკერბერგი, ილონ მასკი არიან გამორჩეული გონები, რომლებმაც შეიტანეს და განაგრძობენ მნიშვნელოვანი წვლილი საზოგადოების განვითარებაში დღეს. ისინი წინ აღწევენ ჩვენს ახალ, მაღალტექნოლოგიურ სამყაროს. და ძალიან მალე ახალი სასწაული გამოჩნდება ხალხის თვალწინ. დაუღალავმა ილონ მასკმა თქვა, რომ ათი წლის შემდეგ შესაძლებელი იქნება შეტყობინებების დაწერა „აზროვნების ძალის“ გამოყენებით. შედარებით ცოტა ხნის წინ, მას გიჟს ან ექსცენტრიკოსს უწოდებდნენ, მაგრამ ძველ კარგ დღეებში შეიძლებოდა ძელზე დაკიდება! მაგრამ ოცდამეერთე საუკუნეში სამყარო უფრო ტოლერანტული და ცნობისმოყვარე გახდა. თუმცა, ძნელია გააოცო კაცობრიობა, რომელიც გაჯერებულია ახალი პროდუქტების დიდი რაოდენობით.
მაშ, რით შეიძლება დაინტერესდეს ჩვენი თაობა და აიყვანოს ტექნოლოგია ახალ დონეზე? პასუხი არის ხელოვნური ინტელექტი და ნანოტექნოლოგია. ხელოვნური ინტელექტის შექმნა გამოიწვევს ახალი სფეროების გაჩენას, ასევე არსებული ფუნქციების გაფართოებას, როგორიცაა მეტყველების ამოცნობა და სინთეზი, პროგნოზი, კლასტერული ანალიზი და მრავალი სხვა. განვითარება დიდი ხანია მიმდინარეობს, მაგრამ სრულად ოპერაციული მოდელის შესაქმნელად, საჭირო იქნება ახალი ტექნიკური გადაწყვეტა, რომელიც ცნობილია როგორც "კვანტური სუპერკომპიუტერი", რომლის გამოთვლითი სიმძლავრე უზრუნველყოფს სრულ ფუნქციონირებას.
ამ იდეების განხორციელებას აქვს თავისი გლობალური დადებითი და უარყოფითი მხარეები:
პირველი უპირატესობა არის წარმოების ფაქტორი. დღეს ადამიანის ყოფნა აუცილებელია, ის აფასებს შესრულებული სამუშაოს ხარისხს და აღმოფხვრის ტექნიკურ ხარვეზებს.
მომავალში ხელოვნური ინტელექტი მთელ ჯაჭვს დამოუკიდებლად მართავს. ვარაუდობენ, რომ ის ამას თავის შემოქმედზე ბევრად უკეთ გააკეთებს.
მეორე არის კვლევა. სივრცის შესწავლა, ოკეანის სიღრმეები ან დედამიწის ბირთვი გახდება უფრო უსაფრთხო და უფრო მეტ შესაძლებლობებს მისცემს. სადაც ადამიანი ვერ მიდის, მანქანა უმკლავდება მას.
მესამე არის მედიცინა. დიაგნოსტიკა, ქირურგია, რეაბილიტაცია, იმპლანტაცია.
უარყოფითი მხარეები მოიცავს:
მთავარია ადამიანების ჩანაცვლება მანქანებით, რაც გამოიწვევს მოსახლეობის მასობრივ უმუშევრობას. რა ვუყოთ მილიონობით, მილიარდობით უმუშევარ ადამიანს? კითხვა ისევ ღიაა.
მეორე არის შეფერხებები გლობალურ საინფორმაციო და წარმოების ქსელებში. ამან შეიძლება შექმნას პრობლემები პლანეტარული მასშტაბით.
2003 წელს კანადაში ენერგომომარაგების სისტემაში შეფერხებები მოხდა. ელექტროენერგიის გარეშე დარჩა ნიუ-იორკი, დეტროიტი, ტორონტო, მონრეალი, ოტავა. საცობები, მეტროში ჩაკეტილი ასიათასობით ადამიანი, ძარცვის ფაქტები, მსხვერპლი, მსოფლიო ნავთობის ბირჟების რყევები.
ეს ისეთი უსიამოვნო ზარია. გაჟღერდა სხვადასხვა მიზეზი. ელვისებური დარტყმა, წარუმატებლობა ატომურ ელექტროსადგურზე, მაგრამ ფაქტი ფაქტად რჩება. ორმოცდაათი მილიონი ადამიანი რამდენიმე საათის განმავლობაში ელექტროენერგიის გარეშე დარჩა, რამაც გამოიწვია პანიკა და დაბნეულობა. ზოგი დაკარგული ბავშვივით იქცეოდა, ზოგი ცხოველზე უარესად.
სამყარო ძალიან მყიფეა და კაცობრიობის ცივილიზაციის საფარი ძალიან თხელია.
მესამე არის პლანეტაზე ძალაუფლების ხელში ჩაგდება ხელოვნურების მიერ, ხალხის დამონება ან სრული განადგურება. დღეს ასეთი სცენარი განიხილება მხოლოდ სამეცნიერო ფანტასტიკურ ფილმებსა და წიგნებში. მაგრამ ეს არ არის პირველი შემთხვევა, როდესაც კაცობრიობა ზღაპარს ახდება. და არა აუცილებლად ზღაპარი ბედნიერი დასასრულით.
მაგრამ მოდით ვიყოთ ოპტიმისტურად განწყობილი. ჩვენ გვჯერა ადამიანის გენიოსის და ახალი სახელების მაღალი ტექნოლოგიებისა და ჰუმანური იდეების სამყაროში. ცივილიზაცია არაერთხელ იდგა ზღვარზე, მაგრამ ყოველ ჯერზე ადამიანები ჩნდებიან მოწინავე, არასტანდარტული აზრებით, რაც ხელს უშლის მათ უფსკრულში ჩავარდნას.
შეცდომა ტექსტში? აირჩიეთ ის თქვენი მაუსით! და დააჭირეთ: Ctrl + Enter
პოპულარული
პოლიტიკური ძალის „სამოქალაქო პოზიციის“ ლიდერი ანატოლი გრიცენკო, ამომრჩევლის სიმპათიის დონით, მნიშვნელოვნად უსწრებდა ფრაქცია „ოპოზიციური პლატფორმა - სიცოცხლისთვის“ თანათავმჯდომარეს იური ბოიკოს.
რუსული შოუბიზნესის სკანდალური პრიმა ბალერინა, მოცეკვავე და ახლახანს მომღერალი ანასტასია ვოლოჩკოვა, საზოგადოება კიდევ ერთხელ შოკში ჩააგდო თავისი ხრიკებით, იუწყება საიტი.
პასუხი კითხვაზე, თუ რატომ ჰპირდებიან სოციალისტები მთელ მსოფლიოში ვინმეს უცებ გაახარებენ, ფულს დაასხამენ, რომელსაც ვიღაცას წაართმევენ, ძალიან მარტივია. საქმე ის არის, რომ ეს არის ერთადერთი ეკონომიკური
საიტის ცნობით, საიდუმლო აღარ არის, რომ ერთ-ერთი ყველაზე გავლენიანი უკრაინელი ოლიგარქი, იგორ კოლომოისკი, მომავალ საპრეზიდენტო არჩევნებზე ზოგიერთ პოლიტიკოსზე დიდ გავლენას ახდენს.
ბინების ზოგიერთი მცენარე არა მხოლოდ შესანიშნავად ამშვენებს თქვენს სახლს, არამედ ასუფთავებს ჰაერს და ასევე ემსახურება მრავალი დაავადების პროფილაქტიკას. საიტის ცნობით, ექსპერტებმა უთხრეს რა
უკრაინის პრეზიდენტობის კანდიდატმა, 95-ე კვარტლის ლიდერმა, მსახიობმა ვლადიმერ ზელენსკიმ თაყვანისმცემლებს ახალი ფოტო გაუზიარა, სადაც ნაჩვენებია, თუ როგორ გადიოდა მისი დასვენების დღე, იუწყება replyua.net.
კვება ვარჯიშამდე
ვარჯიშამდე კვება ეფუძნება ალტერნატიული ენერგიის სუბსტრატების (ძირითადად ნახშირწყლების) მოხმარებას, რათა ორგანიზმის ენერგეტიკული რეზერვები რაც შეიძლება დიდხანს დარჩეს ხელუხლებელი. ვარჯიშის წინ კარგად კვება შესანიშნავი გზაა თქვენი ენერგიის დონის შესავსებად და მნიშვნელოვან როლს თამაშობს თქვენი ვარჯიშის უფრო ეფექტურობაში. საჭიროა საკვების მოხმარება ვარჯიშამდე 60-90 წუთი (დამოკიდებულია ნივთიერებათა ცვლაზე და საკვების მოცულობაზე).. საკვები უნდა შეიცავდეს გრამს: 25-40 ცილას, 70-90 ნახშირწყლებს და არაუმეტეს 15 ცხიმს.
ნახშირწყლები
გლიკოგენის მარაგი დიდი მოთხოვნაა ინტენსიური ძალის ვარჯიშის დროს. გლიკოგენი არის შაქარი, რომელიც გროვდება და ინახება ღვიძლში და კუნთებში. ვინაიდან ანაერობული ვარჯიში არ გულისხმობს სისხლის დიდი რაოდენობით ჟანგბადით გაჯერებას, ორგანიზმს არ შეუძლია ცხიმების დაშლა და საწვავის ძირითად წყაროდ გამოყენება. ამის ნაცვლად, სხეულმა უნდა გამოიყენოს ორივე შაქრის მარაგი, რომელიც ინახება კუნთებში და ის, რომელიც ღვიძლს აწვდის სისხლს.
ვარჯიშამდე თქვენი კვების უმეტესობა რთული ნახშირწყლებისაგან უნდა შედგებოდეს. რთულ ნახშირწყლებს აქვთ დაბალი გლიკემიური ინდექსი (GI). GI არის ნახშირწყლების უშუალო ეფექტის საზომი სისხლში გლუკოზის დონეზე. მარტივი ნახშირწყლები უფრო ადვილად ითვისება და, შესაბამისად, მყისიერად მოქმედებს სისხლში გლუკოზის დონეზე, რაც იმას ნიშნავს, რომ მათ აქვთ მაღალი GI. პირიქით, უფრო რთულ ნახშირწყლებს უფრო მეტი დრო სჭირდება მონელებისთვის და, შესაბამისად, ნაკლებად მოქმედებს გლუკოზის დონეზე და აქვთ დაბალი GI.
მაგრამ რატომ არის ეს ყველაფერი მნიშვნელოვანი და რა აზრი აქვს მათ მოხმარებას? დაბალი GI (კომპლექსური) ნახშირწყლები იშლება დიდი ხნის განმავლობაში და დაშლის პროდუქტები (მარტივი ნახშირწყლები, რომლებიც წარმოიქმნება დაშლილი რთული ნახშირწყლებისგან) სტაბილურად გამოიყოფა სისხლში დიდი ხნის განმავლობაში. ეს თავიდან აიცილებს მწვერვალებსა და ხეობებს ენერგიასა და შესრულებაში და ხელს უწყობს ანაბოლური მდგომარეობის შენარჩუნებას ვარჯიშის ბოლო ეტაპებზე.
როგორც წესი, თქვენი ვარჯიშის წინ კვება უნდა შედგებოდეს მარცვლეულისგან - შვრიის ფაფა, ყავისფერი ბრინჯი, მთლიანი მარცვლეულის პური, ტკბილი კარტოფილი, დურუმის მაკარონი, პარკოსნები, თხილი.
ციყვები
პროტეინები ცნობილია, როგორც კუნთების სამშენებლო ბლოკები. ისინი შედგება უფრო მცირე ერთეულებისგან - 9 ამინომჟავებისაგან, რომლებიც ორგანიზმში ვერ წარმოიქმნება და უნდა მოდიოდეს საკვებიდან ან დანამატებიდან (არსებითი ამინომჟავები). ცილებს, რომლებიც შეიცავს ყველა აუცილებელ ამინომჟავას, ეწოდება სრულ ცილებს. ყველა ცხოველური პროდუქტი (ხორცი, კვერცხი, რძის პროდუქტები) არის სრული ცილები და უნდა დაემატოს დიეტას ვარჯიშამდე და მის შემდეგ.
ცილის წყაროები:
ხორცი (საქონლის ხორცი, ინდაური, ქათამი)
თევზი (ორაგული, ტუნა)
კვერცხები
რძის
თხილი
ვარჯიშამდე კიდევ ერთი სტრატეგია იყენებს დამუშავებულ კუნთებში სისხლის ნაკადის გაზრდას, რადგან ამ დროს კუნთები ყველაზე მგრძნობიარეა საკვები ნივთიერებების მიმართ.
ამინომჟავების ნაკლებობა ყოველთვის იყო ცილის სინთეზის შემზღუდველი ფაქტორი, ამიტომ ვარჯიშამდე დიეტაში ცილის ჩართვით, თქვენ ხელს შეუწყობთ ამინომჟავების დაჩქარებულ მიწოდებას კუნთოვან ქსოვილში.
შეეცადეთ თავიდან აიცილოთ ცხიმები ვარჯიშამდე დიეტაში. ცხიმები მნიშვნელოვნად ანელებს საჭმლის მონელების პროცესს. ვინაიდან ადამიანის სხეული ზრდის სისხლის ნაკადს იმ ორგანოებში, რომლებსაც ეს სჭირდებათ, მძიმე მონელების მდგომარეობაში ყოფნისას, დატვირთული კუჭი უპირატესობას ანიჭებს კუნთებს, რაც არ არის კარგი. ამიტომ, ცხიმის გრამი, რომელსაც მიიღებთ ნახშირწყლებისა და ცილების წყაროებთან ერთად, სავსებით საკმარისი იქნება.
ვარჯიშამდე საკვების მაგალითი
ქათმის მკერდი - 200 გრ. (45 გ. ბ.)
ყავისფერი ბრინჯი - 300 გრ. მზა პროდუქტი (65გრ.)
მთელი მარცვლეულის პური - 50 გ ცალი. (20 გ. ანგ. + 7 გ. ბ.)
წვენი - 300-500 მლ
შვრიის ფაფა - 300 გრ. (60 გ. ანგ. + 10 გ. ბ.)
უცხიმო ხაჭო - 200 გრ. (44 გ. ბ.)
მწვანე ბანანი - 1 ცალი (30 გრ.)
წყალი - 300-500 მლ
ვარჯიშისწინა დამატებები
ასე რომ, თქვენ მიირთვით კარგი კვება მკვებავი კვებით, დაამატეთ ნახშირწყლები თქვენს სხეულს გლიკოგენის რეზერვების შესავსებად და უზრუნველყოთ სრული პროტეინი. ახლა თქვენ დაუყოვნებლივ უნდა მიაწოდოთ თქვენს ორგანიზმს დამატებითი საკვები ნივთიერებები დანამატების სახით, რათა გაზარდოთ თქვენი ვარჯიშის ეფექტურობა. სპორტული კვება სწრაფად შეიწოვება, ასე უნდა იყოს მიიღეთ ვარჯიშამდე 15-30 წუთით ადრე. ქვემოთ მოცემულია რამდენიმე პოპულარული სავარჯიშო დანამატების სია:
შრატის პროტეინიეს არის ალბათ ყველაზე მნიშვნელოვანი დანამატი, როგორც ვარჯიშამდე, ასევე მის შემდეგ. გთავაზობთ პროტეინს და განშტოებული ჯაჭვის ამინომჟავებს, რომლებიც ვარჯიშის დროს რაც შეიძლება სწრაფად მიეწოდება კუნთების უჯრედებს.
კრეატინი - ზრდის კუნთების ზომას და ენერგიას, ასევე ინარჩუნებს წყალს კუნთებში, რაც ხელს უწყობს კარგ დატენიანებას. არის უსაფრთხო დანამატი.
BCAA - უდავოდ, ამინომჟავები მნიშვნელოვანია ბოდიბილდინგის ნებისმიერ დიეტაში. ისინი ხელს უწყობენ კუნთების ზრდას და აღდგენას. თუმცა, მათი გამოყენების აუცილებლობა შეიძლება საეჭვო იყოს. ყოველივე ამის შემდეგ, ცილის ფხვნილებს (განსაკუთრებით შრატის ცილის კონცენტრატი და არა იზოლირებული) უკვე აქვთ ამინომჟავების შესანიშნავი ნაკრები. ამიტომ, უბრალოდ აზრი არ აქვს BCAA-ს გამოყენებას და ღირს წინასწარ დაათვალიეროთ თქვენი შრატის პროტეინის ეტიკეტზე.
NO2 - აზოტის ოქსიდი, აფართოებს სისხლძარღვებს ისე, რომ მეტი სისხლი მიეწოდება კუნთებს. ეს ნიშნავს, რომ მეტი საკვები ნივთიერებები შეიძლება მიეწოდოს კუნთებს.
კოფეინი არის შესანიშნავი სტიმულატორი, რომელიც უზრუნველყოფს ორგანიზმს ენერგიით და ხელს უწყობს კონცენტრირებას. კოფეინი მოქმედებს კრეატინის საპირისპიროდ (პირველი მოქმედებს როგორც შარდმდენი, მეორე აგროვებს სითხეს), შესაბამისად, ღირს ამა თუ იმ მეორეს არჩევა.
Leukic Hardcore არის საკვები ნივთიერებების კომპლექსი, რომელიც ინარჩუნებს ინსულინის ოპტიმალურ დონეს სისხლში და ქმნის ხელსაყრელ პირობებს კუნთოვანი ქსოვილის მაქსიმალური ზრდისთვის.
ნანო ორთქლი არის სპეციალური ბიოლოგიურად აქტიური ნაერთების კომპლექსი, რომელიც ასტიმულირებს კუნთოვანი უჯრედების ანაბოლიზმს და ხელს უშლის კატაბოლურ ეფექტს.
ვარჯიშისწინა რყევის მაგალითი
შრატის ცილა - 2 სკუპი (დაახლოებით 40-50 გ.ბ.)
კრეატინი - 5 გრ.
BCAA - 5-10 გ. (პროტეინის შემადგენლობის მიხედვით, მიიღეთ მხოლოდ BCAA ან მხოლოდ პროტეინი)
NO2 – 2 კაფსულა
წყალი - 500 მლ
ნანო ორთქლი - 2 საზომი კოვზი (50 გრ.)
Leukic Hardcore - 1 პორცია (6 კაფსულა)
წყალი - 300 მლ
თქვენი კარგი სამუშაოს გაგზავნა ცოდნის ბაზაში მარტივია. გამოიყენეთ ქვემოთ მოცემული ფორმა
სტუდენტები, კურსდამთავრებულები, ახალგაზრდა მეცნიერები, რომლებიც იყენებენ ცოდნის ბაზას სწავლასა და მუშაობაში, ძალიან მადლობლები იქნებიან თქვენი.
გამოქვეყნებულია http://www.allbest.ru/
შესავალი
ხელოვნური ინტელექტის საფუძვლები
მანქანა და ადამიანის შესაძლებლობები: მაგალითები, პრაქტიკა და ანალიზი
მენეჯმენტში ხელოვნური ინტელექტის გამოყენების დადებითი და უარყოფითი მხარეები
დასკვნა
გამოყენებული ლიტერატურის სია
შესავალი
ჩვენი სამყარო შესაძლოა კატასტროფისკენ მიდის. ჩვენი პლანეტის მდგომარეობის რაიმე ფხიზელი ანალიზით ამ დასკვნამდე მისვლა რთული არ არის. ეკონომიკურმა სტაგნაციამ, სიღარიბემ, მძლავრმა ინფლაციამ, მასობრივმა უმუშევრობამ, ჭარბვალიანობამ, პოლიტიკურმა ჩხუბმა, ტერორიზმი, ომი და ომის საშიშროება, ისევე როგორც "განკითხვის დღის" საფრთხემ არ დაინდო მსოფლიოს არც ერთი კუთხე. რა თქმა უნდა, კაცობრიობას ყოველთვის ბევრი პრობლემა ჰქონდა, მაგრამ დღევანდელი პრობლემები, ბუნებრივია, უფრო მნიშვნელოვანი ჩანს, ვიდრე წარსულში. ახლა, როგორც ჩანს, რეალურად მივედით იმ წერტილამდე, როდესაც რაღაც ძალიან მნიშვნელოვანი უნდა გავწიროთ. სამწუხაროდ, მიღებულია ამაში მთავარი ბრალი ტექნოლოგიების განვითარებაზე, ე.ი. ზუსტად ის, რასაც კაცობრიობა მთელი თავისი ისტორიის მანძილზე ცდილობდა ეპოვა მრავალი პრობლემის გადაწყვეტა.
ტექნოლოგია ადამიანს თან ახლავს ათასობით წლის განმავლობაში და სხვა არაფერია თუ არა კაცობრიობის სწრაფვის კუმულაციური შედეგი უკეთესი ცხოვრებისკენ. თუმცა ახლა არიან ადამიანები, რომლებსაც სჯერათ, რომ ტექნოლოგიების განვითარება, პირიქით, აუარესებს ცხოვრებას, ვიდრე აუმჯობესებს. დღეს ადამიანების წინაშე არსებული გამოწვევები მერყეობს სოციალური რღვევიდან, რომელიც გამოწვეულია ტექნოლოგიური ცვლილებებით, უმუშევრობა, გარემოს დაბინძურება და ბირთვული განადგურების საფრთხე, გაუცხოება და უკმაყოფილება სამუშაოთი და მისი კონკრეტული შედეგებით. ამას შეგვიძლია დავამატოთ შემდეგი. შესაძლებელია, რომ ტექნოლოგიური პროგრესის შედეგად წარმოქმნილი სირთულე პასუხისმგებელია ეკონომიკის გადაუჭრელ უბედურებებზე და მნიშვნელოვან საფრთხეს წარმოადგენს ტექნიკური სისტემები, რომლებიც იმდენად რთული ხდება, რომ ადამიანებს მალე არ ექნებათ ცოდნა და გაგება მათი მართვისთვის.
ბუნებრივია, ჩნდება კითხვა, როგორ უნდა მოგვარდეს ეს პრობლემები? შეუძლიათ თუ არა ტექნოლოგიის უსულო ქმნილებებს იპოვონ პასუხები იმ კითხვებზე, რომლებიც თავად ტექნოლოგიამ დაისვა და უამრავ სხვაზე, რომლებიც კაცობრიობას სასოწარკვეთილებაში აყენებენ? შეუძლიათ თუ არა თავად მანქანებს მიაღწიონ გადაწყვეტილებებს, რომლებიც გაურბის ადამიანურ გონებას? ამ საკურსო ნაშრომში მინდა დავამტკიცო, რომ პრინციპში ეს შესაძლებელია და უფრო მეტიც, მომავალში ეს უნდა მოხდეს.
ასეთი განცხადება მხოლოდ სიზმრების ნაყოფი არ არის. იგი ეფუძნება აღმოჩენებს, რომლებიც ყოველდღიურად კეთდება მსოფლიოს სხვადასხვა ლაბორატორიებში, ყველაზე ნაყოფიერი კომპიუტერული ტექნოლოგიების სფეროში. დიდი ხნის განმავლობაში, შეცდომით ითვლებოდა, რომ კომპიუტერის გამოსავალზე შეგიძლიათ მიიღოთ მხოლოდ ის, რაც მასში შედის შეყვანისას. ეს იდეა რა თქმა უნდა დადასტურდა ბოლო 30 წლის განმავლობაში მონაცემთა დამუშავებასთან დაკავშირებული სამუშაოების უმეტესობაში. თუმცა, ახლა უკვე უდავოდ დადასტურდა, რომ კომპიუტერიდან რაღაც სრულიად ახლის მიღებაა შესაძლებელი, კერძოდ ცოდნა. ამ ცოდნას, თავის მხრივ, შეუძლია მიიღოს ორიგინალური იდეების, სტრატეგიებისა და რეალური პრობლემების გადაწყვეტის ფორმა.
აქამდე, აპარატის მიერ შექმნილ ცოდნას არ ჰქონდა დიდი პრაქტიკული მნიშვნელობა, მან ვერ განკურნა ღრმა სნეულებები, რომლებიც აწუხებს ჩვენს სამყაროს. ეს მოსალოდნელი იყო: ბოლოს და ბოლოს, ბიოლოგი, რომელმაც დაიწყო ცოცხალი მატერიის სინთეზი, საუკეთესო შემთხვევაში მოელის მხოლოდ ვირუსის მიღებას და არა ზრდასრულ ცხენს. მაგრამ დროთა განმავლობაში უდავოდ შესაძლებელი გახდება კომპიუტერების გადაწყვეტა არა ჭადრაკის ან სხვა თამაშის, არამედ საზოგადოების წინაშე არსებული უფრო აქტუალური პრობლემების მოსაძებნად. და, სავარაუდოდ, ის იპოვის მათ.
რა თქმა უნდა, ამას დიდი დრო დასჭირდება, მაგრამ თუ ადამიანი ასეთ მიზანს დაისახავს, ადრე თუ გვიან მიაღწევს. იმედია, დადგება დღე, როცა სიღარიბე, შიმშილი, დაავადება და პოლიტიკური ჩხუბი დაიმორჩილება და ამაში როლს შეასრულებს ჩვენი ასისტენტის და არა მონების როლი კომპიუტერების მიერ მიღებული ახალი ცოდნა. გარდა ამისა, ადამიანის გონებრივი და მხატვრული პოტენციალი მიიღებს განვითარების სრულიად განსხვავებულ შესაძლებლობებს, რაც დღეს ძნელი წარმოსადგენია და ადამიანის ფანტაზიის კარიბჭე უფრო ფართოდ გაიხსნება, ვიდრე ოდესმე.
და ჩვენ არ უნდა გავუშვათ ხელიდან ჩვენი შანსი, თუმცა ეს შეიძლება არ იყოს ადვილი. ჩვენ მოგვიწევს მთლიანად მივატოვოთ ტრადიციული ტექნიკური მიდგომა მისი მთავარი მიზნისთვის - უზრუნველყოს მანქანების გამოყენების მაქსიმალური ეკონომიკური სარგებელი და გადავიდეთ სტრატეგიაზე, რომელიც მიზნად ისახავს სისტემებში მიმდინარე პროცესები ხალხისთვის სრულად გასაგები გახდეს. ამისთვის კომპიუტერებმა უნდა ისწავლონ ადამიანებივით აზროვნება, ე.ი. თუ მომდევნო ათწლეულის გამოთვლითი სისტემები არ მოხვდება „ადამიანურ ჩარჩოში“, ისინი გახდებიან იმდენად რთული და გაუგებარი, რომ ადამიანი უბრალოდ ვერ შეძლებს მათ მართვას. ასეთ რთულ სისტემებთან გამკლავების შეუძლებლობა თავდაპირველად უბრალოდ ავარიას გამოიწვევს (თუ ვისაუბრებთ ამ სისტემების ბევრ აპლიკაციაზე, რომელიც დღეს არსებობს); თუ ჩვენ ვსაუბრობთ სამხედრო გამაფრთხილებელ სისტემებზე, ატომური ელექტროსადგურების კონტროლის სისტემებზე ან გლობალურ საკომუნიკაციო სისტემებზე, მაშინ მათი კონტროლის მიღმა დატოვება შეიძლება გამოიწვიოს კატასტროფებმა მსოფლიო მასშტაბით.
ხელოვნური ინტელექტის საფუძვლები
80-იანი წლების დასაწყისიდან ხელოვნურ ინტელექტზე მუშაობაში ახალი ეტაპი დაიწყო - ინტელექტუალური სისტემების სამრეწველო და კომერციული ნიმუშების შექმნა. ასეთი სისტემების მწარმოებელმა ინდუსტრიამ დაიწყო განვითარება, რაც ნიშნავს, რომ გამოჩნდნენ მისი პროდუქციის პოტენციური მომხმარებლები. რა განასხვავებს ინტელექტუალურ სისტემებს ადამიანის გონების სხვა ქმნილებებისგან? რას შეიძლება ველოდოთ მათი გარეგნობისგან უახლოეს მომავალში?
ხელოვნური ინტელექტის მთავარი ტერმინია ტერმინი "ცოდნა". გარკვეული მიახლოებით, შეიძლება ითქვას, რომ ინტელექტუალური სისტემები არის სისტემები, რომლებიც იყენებენ ცოდნას. სწორედ ამიტომ ისინი განსხვავდებიან სხვა ხელოვნური სისტემებისგან (მათ შორის პროგრამული სისტემებისგან, რომლებიც დანერგილი იყო კომპიუტერებზე ინტელექტუალური სისტემების წინა ეპოქაში), დაფუძნებული, როგორც წესი, იმავე კომპიუტერებზე.
მეტაფორულ დონეზე დარჩენის შემთხვევაში, შეგვიძლია ვთქვათ, რომ ადრე კომპიუტერებმა „გაიგეს“ როგორ უნდა შეესრულებინათ პროგრამაში შეყვანილი, მაგრამ „არ ესმოდათ“ რას აკეთებდნენ და ინტელექტუალური სისტემების მოსვლასთან ერთად კომპიუტერებმა ისწავლეს „გაგება“ როგორ. ავაშენოთ საჭირო.პროგრამა მოცემული პრობლემის გადასაჭრელად და რას აკეთებს ეს პროგრამა. მოდით განვმარტოთ ეს მნიშვნელოვანი იდეა. კომპიუტერზე პრობლემის გადაჭრის ტრადიციული მეთოდით, თავად პრობლემის არსი, მისი შინაარსიანი ინტერპრეტაცია ცნობილი იყო პროგრამისტისთვის, რომელმაც მოამზადა პროგრამა კომპიუტერისთვის. ეს შეიძლება იყოს სხვადასხვა პროგრამები: ნარდის სათამაშოდ ან წასასვლელად, კოსმოსური ხომალდის ტრაექტორიის გამოსათვლელად ან ხელფასის გამოსათვლელად. როდესაც ეს პროგრამები კომპიუტერში შევიდა, ამოცანების არსებითი მხარე გაქრა - კომპიუტერი თავისი დიზაინის წყალობით ასრულებდა რომელიმე პროგრამის ბრძანებებს თვისობრივად იდენტური გზით. წყვილში "პროგრამერი-კომპიუტერი" მხოლოდ პირველებმა იცოდნენ რას აკეთებდა კომპიუტერი და კომპიუტერი, როგორც მძლავრი დამამატებელი მანქანა, უბრალოდ შეასრულა საჭირო გარდაქმნები და გამოთვლები.
ამ ტრადიციულ სქემაში იყო საფრთხე. იგი შედგებოდა პრობლემების გადაჭრისას წყვილის "პროგრამისტი - კომპიუტერის" განუყოფელობაში. პროგრამისტს, როგორც "გალეის მონას", უწევდა ურთიერთობა მანქანასთან, რომელიც "გულგრილად" აფუჭებს მასში შესულ ნებისმიერ ინფორმაციას.
ინტელექტუალური სისტემების გაჩენა მიუთითებს ამ პარადიგმის რღვევაზე. თუ კომპიუტერის მეხსიერებაში შეიტანება ცოდნა იმის შესახებ, თუ როგორ იქმნება პროგრამები პრობლემის პირობებიდან და რას ნიშნავს ესა თუ ის დავალება მოცემულ პრობლემურ ზონაში (ე.ი. საწყისი სიტუაცია და მიზანი), შემდეგ პროგრამისტის ფუნქციებს თავად კომპიუტერი შეასრულებს. ის ავტომატურად, იმ ცოდნის საფუძველზე, რაც მის მეხსიერებაში აქვს პრობლემური სფეროს, პრობლემების შესახებ, რომლებიც შეიძლება წარმოიშვას აქ და მათი გადაჭრის გზების შესახებ, შეძლებს დამოუკიდებლად შეადგინოს საჭირო პროგრამა და განახორციელოს იგი.
ეს წერტილი ფუნდამენტურია. კომპიუტერში შეტანილი ცოდნა ახლა საშუალებას აძლევს მას „გაიგოს“ რა უნდა გააკეთოს, როდესაც პრობლემის გადაჭრის საჭიროება გაჩნდება. სხვათა შორის, ზუსტად როდის ჩნდება ეს საჭიროება, კომპიუტერმაც „იცის“ თავის თავს (თუმცა პრობლემის გადაჭრის მოთხოვნა შეიძლება გარედან მოდიოდეს - სისტემის მომხმარებლისგან).
ასე ყალიბდება ძირითადი ამოცანები, რომლებიც აწყდება ხელოვნური ინტელექტის იმ ფილიალს, რომელსაც ამ დღეებში სულ უფრო ხშირად უწოდებენ ცოდნის ინჟინერიას. რა არის ეს ამოცანები? უპირველეს ყოვლისა, ეს არის კომპიუტერისთვის აუცილებელი ცოდნის შეგროვების ამოცანა. ეს ამოცანა არც ისე მარტივია, როგორც ერთი შეხედვით ჩანს. მართლაც, გარდა ცოდნისა, რომელიც განსახიერებულია სხვადასხვა ტექსტებში, პროფესიონალები ფლობენ უამრავ ცოდნას, რომელსაც ვერ ნახავთ არც სახელმძღვანელოებში, არც ინსტრუქციებში და არც მონოგრაფიაში. ეს არის ცოდნა, რომელსაც ჩვეულებრივ უწოდებენ გამოცდილებას, უნარს, პროფესიონალიზმს. ხშირად გამოცდილი სპეციალისტი არც კი ეჭვობს, რომ მას უზარმაზარი ცოდნა აქვს. მას ეჩვენება, რომ ის "უბრალოდ მუშაობს და ეს ყველაფერია", და მისი კოლეგა, რომელსაც ჯერ კიდევ არ აქვს გამოცდილება, შურით უყურებს მას, არ ესმის, რატომ არ მუშაობს მისთვის ყველაფერი. ამ ცოდნის მოპოვება სპეციალისტი ექსპერტისგან, მისი წარმოდგენა კომპიუტერის მეხსიერებაში შესაფერის ფორმაში, ცოდნის ინჟინრის პირველი და ძალიან არა ტრივიალური ამოცანაა. მაგრამ ეს საკმარისი არ არის. სხვადასხვა წყაროდან მიღებული ცოდნის დაგროვებისას მუდმივად უნდა იზრუნოთ, რომ ის არ წარმოქმნას წინააღმდეგობრივი სისტემა: ნებისმიერი ახალი ცოდნა უნდა იყოს დაკავშირებული ადრე არსებულ ცოდნასთან. ახალი ცოდნის გაჩენამ შეიძლება მოითხოვოს ადრე შექმნილი ცოდნის ბაზის გარკვეული რესტრუქტურიზაცია. ეს მოითხოვს მენეჯმენტის სპეციალურ პროცედურებს. ასეთი პროცედურების შემუშავება და მანიპულირება ცოდნის ინჟინრის მეორე ამოცანაა.
გარე სამყაროდან ინფორმაციის მიღებისას, წარმოქმნილი სიტუაციების გაანალიზებით, ადამიანი მუდმივად მიმართავს მის მეხსიერებაში შენახულ ინფორმაციას. ახლის გასაგებად უკვე ცნობილის გამოყენებით, ადამიანი თავისი ცოდნის გამოყენებით ასრულებს შეყვანის აღწერილობებს და ავსებს მათ. ორ ადამიანს შორის ნებისმიერ საუბარში რეპლიკების გაგება შესაძლებელია მხოლოდ იმიტომ, რომ ბევრი დამატებითი ინფორმაცია საუბრის საგნის შესახებ ინახება თანამოსაუბრეთა მეხსიერებაში. და ცოდნის შევსების კომპიუტერებს უნდა ჰქონდეთ მსგავსი პროცედურების კომპლექტი. ამ მიზნით გამოიყენება ეგრეთ წოდებული ფსევდოფიზიკური ლოგიკა: დროითი, სივრცითი, მიზეზობრივი და სხვა. მათი დახმარებით ხდება შეყვანის აღწერილობების შევსება, რაც უზრუნველყოფს მათ გაგებას. ცოდნის ბაზებში აღწერილობების შევსების გარდა, ტარდება სხვა პროცედურები: შემომავალი ინფორმაციის განზოგადება და კლასიფიკაცია, ჰიპოთეზების წამოყენება სისტემის მეხსიერებაში შენახული ფაქტების კავშირების შესახებ, სხვადასხვა ტიპები, მიღებული ფაქტების სანდო და დამაჯერებელი დასკვნები და ა. ეს არის ცოდნის ინჟინრის საქმიანობის კიდევ ერთი სფერო.
თუმცა, უშუალოდ საკურსო სამუშაოს თემასთან შეხებით, ჩვენთვის მნიშვნელოვანია აღვნიშნოთ კომპიუტერების მასიური დანერგვა მენეჯმენტის ყველა სფეროში. ეს არის კითხვა ადამიანის ადმინისტრატორის უნარზე, გაიგოს კონტროლის სისტემაში შემავალი კომპიუტერის მიერ მიღებული გადაწყვეტილებები. კომპლექსური ტექნიკური კომპლექსების კონტროლის სისტემები დღეს ფაქტიურად "შევსებულია" კომპიუტერებით, რომლებიც ერთმანეთთან დაკავშირებულია რთულ სტრუქტურებში. ადამიანისთვის მიუწვდომელი სიჩქარით მუშაობისას, კონტროლის ობიექტიდან და სხვა მანქანებისგან მიღებული უზარმაზარი ინფორმაციის დამუშავებით, კომპიუტერი იღებს გადაწყვეტილებებს, რომლებიც ხშირად ადამიანებისთვის გაუგებარია. მათი გაგების ერთადერთი გზა არის მანქანას დაუსვათ შეკითხვა: რატომ არის გადაწყვეტილება ასეთი? ხოლო კომპიუტერი ვალდებულია მიაწოდოს საჭირო განმარტებები. ამ მიზნით მას უნდა ჰქონდეს სპეციალური ახსნა-განმარტების ქვესისტემა, რომელიც საშუალებას აძლევს კომპიუტერს „გაიგოს“, რატომ მიიღო მან კონკრეტული გადაწყვეტილება. განმარტებითი ქვესისტემების გაჩენა შეიძლება ჩაითვალოს პირველ ნაბიჯად ტექნიკური სისტემების „ჰუმანიზაციისაკენ“. ამ ნაბიჯის მნიშვნელობის გადაჭარბება რთულია. ტექნიკური სისტემები ძალიან შორს წავიდა მათ განვითარებაში, ადამიანისთვის ძალიან რთული გახდა მათთან ურთიერთობა და ჩვენი ჭკვიანი, მაგრამ სულელური თანაშემწეების ქმედებების შედეგები შეიძლება ძალიან საშიში იყოს.
ხელოვნური ინტელექტის სფეროში მუშაობის განვითარება და ინტელექტუალური სისტემების ფართოდ დანერგვა ჩვენს ცხოვრებაში არის ახალი ეტაპის მტკიცებულება სამეცნიერო და ტექნოლოგიური პროგრესის გზაზე. ეს გარდაუვალია - და ჩვენ მზად უნდა ვიყოთ მის შედეგებთან გამკლავებისთვის, რაც ხდება სრული გაგებით. ეს არ არის ვისი პრობლემა და არა შიში იმისა, რომ ისინი დაგვიმონებენ, თუ ჩვენ არ მივიღებთ ზომებს, რამაც უნდა განსაზღვროს ეს ახალი ეტაპი კაცობრიობის ცხოვრებაში, არამედ WE + მათ საზოგადოებამ, საიდანაც კაცობრიობა უდავოდ მიიღებს დიდებას. სარგებელი, რადგან ის დაგვეხმარება პრობლემების გადაჭრაში, რომლებსაც მარტო ვერ გავუმკლავდებით.
მანქანა და ადამიანის შესაძლებლობები:მაგალითები, პრაქტიკა და ანალიზი
1979 წლის 28 მარტს, Three Mile Island-ის ატომურ ელექტროსადგურზე (პენსილვანია, აშშ), განგაში გაისმა No2 საკონტროლო ოთახში. თავიდან ოპერატორები დიდ შეშფოთებას არ გამოხატავდნენ, რადგან სადგურზე მცირე ავარიები არც თუ ისე იშვიათი იყო, მაგრამ რამდენიმე წუთის შემდეგ გაირკვა, რომ ამჯერად რაღაც ბევრად უფრო სერიოზული მოხდა. პნევმატურ სისტემაში პაწაწინა სარქველი ჩაჭედილი იყო, რის გამოც მეორადი წრე შეწყვეტდა წყლის მიმოქცევას. რამდენიმე წუთის შემდეგ რეაქტორის ურანის ბირთვმა გაცხელება დაიწყო და, ოპერატორების ყველა მცდელობის მიუხედავად, სიტუაცია მხოლოდ გაუარესდა. უსაფრთხოების სარქველი გაიხსნა და დაიჭირა ამ მდგომარეობაში; რადიოაქტიური წყალი და ორთქლი შედიოდა რეაქტორის შენობაში და, შესაბამისად, ატმოსფეროში. რეაქტორის ჭურჭლის სახურავის ქვეშ წარმოიქმნა წყალბადის უზარმაზარი ბუშტი, რომელიც ნებისმიერ წუთს შეიძლება აფეთქდეს. არსებობდა საფრთხე, რომ თავად ურანის საწვავი დნობას დაიწყებდა. ნებისმიერმა ამ მოვლენამ შეიძლება გამოიწვიოს სახელმწიფოს მთელი ტერიტორიის რადიოაქტიური დაბინძურება. პენსილვანია.
მომდევნო რამდენიმე დღის განმავლობაში, ქარხნის პერსონალი და ბირთვული მარეგულირებელი კომისია იბრძოდნენ რეაქტორის კონტროლის ქვეშ მოქცევისთვის, რადგან შეშინებული სამყარო განგაშით უყურებდა. შტატის გუბერნატორმა საფრთხის ზონიდან ბავშვებისა და ორსული ქალების ევაკუაცია გასცა და ბევრმა მაცხოვრებელმა დატოვა თავი. მხოლოდ ერთი კვირის შემდეგ, მეტროპოლიტენ ედისონმა კომპანიამ, რომელიც ფლობდა სადგურს, გამოაცხადა, რომ დაიწყო მუშაობა გათიშული რეაქტორის მოსაშორებლად და პენსილვანიაში ცხოვრება თანდათან ნორმალურად დაუბრუნდა. რამდენიმე წელი დასჭირდა „ავგეის თავლების“ გაწმენდას, რომელშიც რეაქტორის შენობა იყო მოქცეული.
კომისია, რომელმაც შეისწავლა ადამიანური ფაქტორის როლი ამ ინციდენტში, მივიდა შემდეგ დასკვნამდე: „...ოპერატორი დაბომბეს ინფორმაციის ისეთი ზვავით: ეკრანის წაკითხვები, გამაფრთხილებელი სიგნალები, ამობეჭდილი მონაცემები და მსგავსი, რომ ეს იყო. აბსოლუტურად შეუძლებელია გაუმართაობის იდენტიფიცირება და სწორი ზომების შერჩევა.
საპრეზიდენტო კომისია დაეთანხმა ამ დასკვნას და დაასკვნა, რომ ბრალი უნდა დაედოს „არასაკმარის ყურადღებას ადამიანის ფაქტორზე და მის როლზე ატომური ელექტროსადგურების უსაფრთხოების უზრუნველყოფაში“. ამ შემთხვევის შედეგად მიღებული გაკვეთილი აშკარაა: სანამ ტექნიკური სისტემების დიზაინი არ იქნება გააზრებული ყველა დეტალში ისე, რომ ყველაფერი, რაც მათში ხდება, აბსოლუტურად გასაგები იყოს ოპერაციული პერსონალისთვის, სანამ ინფორმაცია არ იქნება წარმოდგენილი ადამიანის მიერ აღქმისთვის მოსახერხებელ ფორმაში. თვალი და ტვინი და არა მანქანა, ავტომატიზებულ სისტემაში ნებისმიერმა გაუმართაობამ შეიძლება ის სრულიად უკონტროლო გახადოს.
1975 წელს ჰოლანდიურმა ფოლადის კომპანია Estelle Hugo-Vence-მა დაამონტაჟა ახალი მაღალავტომატიზირებული ცხელი მოძრავი ქარხანა, რომელიც მდებარეობს ამსტერდამის მახლობლად ზღვის სანაპიროზე. მოწინავე ტექნოლოგიების დანერგვის გამო შრომის პროდუქტიულობის უზარმაზარ ზრდას მოელოდა, საწარმოს ხელმძღვანელობა შოკში ჩავარდა, როდესაც აღმოაჩინა, რომ სინამდვილეში წარმოების გამომუშავება შემცირდა. დასახმარებლად მოწვეულნი იყვნენ ბრიტანეთის ფოლადის კორპორაციის კონსულტანტები, რომლებმაც კვლევის შედეგების მოხსენებაში მიუთითეს, რომ მთავარი მიზეზი იყო ოპერატორების მანქანასთან ურთიერთქმედების არასწორი ორგანიზაცია. ჟურნალმა New Scientist-მა ეს ასე აღწერა: „ოპერატორებმა დაკარგეს იმდენად დიდი ნდობა, რომ ზოგიერთ შემთხვევაში ისინი უბრალოდ უყურადღებოდ ტოვებდნენ მართვის პანელს. გარდა ამისა, ოპერატორებს ყოველთვის ბოლომდე არ ესმოდათ კონტროლის თეორია, რომელიც საფუძვლად უდევს საკონტროლო კომპიუტერულ პროგრამას, და ეს უბიძგებდა მათ „მოეშორებინათ თავი“ კონტროლიდან შეძლებისდაგვარად, სანამ აშკარა პრობლემები არ აღმოჩნდება. მაგრამ იმის გამო, რომ ისინი ძალიან გვიან ჩაერივნენ, საშუალო პროდუქტიულობა უფრო დაბალი იყო, ვიდრე ქარხნებში, რომლებიც იყენებენ მართვის ტრადიციულ მეთოდებს. ამრიგად, ავტომატიზაციამ გამოიწვია პროდუქტიულობის შემცირება და ამავდროულად ოპერატორების შემდგომი მოცილება კონტროლის პროცესებიდან.
პრობლემა კიდევ უფრო გამწვავდა იმით, რომ მოძრავი ქარხნის ახალ დიზაინში, ზოლი დამალული იყო მხედველობიდან მთელი მოძრავი ბილიკის განმავლობაში, რაც ოპერატორებს არ აძლევდა საშუალებას მინიმუმ ვიზუალურად აკონტროლონ პროცესი. თავის მოხსენებაში, კონსულტანტები, კერძოდ, ცალსახად ამტკიცებდნენ, რომ ოპერატორები უნდა მიუახლოვდნენ ტექნოლოგიურ პროცესს და ინფორმაციის ჩვენებები უნდა დაეხმარონ ადამიანებს გააცნობიერონ იმ გადაწყვეტილებების მნიშვნელობა, რომელსაც ავტომატიზაცია იღებს და არა უბრალოდ აცნობონ პროცესის პროგრესს.
შემდეგი მაგალითი? საჰაერო მოძრაობის მენეჯმენტი, რომელიც შეშფოთების წყაროა მგზავრებისა და საჰაერო მოძრაობის კონტროლერებისთვის მთელ მსოფლიოში. თვითმფრინავების თითქმის შეჯახების შემთხვევები ფრენის დროს ძალიან ხშირი გახდა, რომ აღარაფერი ვთქვათ ელექტრონულ აღჭურვილობაში ჩავარდნაზე, რომელიც კონტროლერებს უმწეოდ ტოვებს ძვირფას წამებში ან თუნდაც წუთებში. ილინოისის უნივერსიტეტის კვლევის კოორდინაციის ლაბორატორიის მიხედვით, კომპიუტერიზებული საჰაერო მოძრაობის კონტროლი ამერიკაში იმდენად რთული ხდება, რომ ოპერატორებს ზოგჯერ უჭირთ იმის გაგება, თუ რა ხდება. რაც შეეხება მომავლის პერსპექტივებს, არსებობს ორი საპირისპირო თვალსაზრისი იმის შესახებ, თუ როგორი უნდა იყოს მართვის სისტემები, რომლებიც ჩაანაცვლებს არსებულს. ზოგიერთი ექსპერტი მოუწოდებს ავტომატიზაციის გაზრდას, მიაჩნია, რომ ეს აღმოფხვრის ადამიანის ყოფნასთან დაკავშირებულ გაურკვევლობას; სხვები თვლიან, რომ ადამიანები და მანქანები უნდა იყვნენ ერთგვარი პარტნიორები ამ საერთო საქმეში. მაგრამ რა გზაც არ უნდა გაიაროს კონტროლის სისტემების შემდგომი განვითარება, ყოველთვის შესაძლებელია სიტუაციები, სადაც ადამიანის ჩარევაა საჭირო. და თუ სისტემის შემქმნელები წინასწარ არ იზრუნებენ იმაზე, რომ ადამიანმა გაიგოს, თუ როგორ მუშაობს სისტემა, მაშინ მისი ჩარევა, სავარაუდოდ, ძალიან უმნიშვნელო იქნება და დიდი დაგვიანებით მოხდება.
ჩვენ არ შეგვიძლია უგულებელვყოთ სამხედრო საკითხები.
რვა თვის განმავლობაში 1979-1980 წწ. აშშ-ს სამხედროებმა მიიღეს სამი ცრუ განგაში საბჭოთა რაკეტების "შეტევის" შესახებ. ყველა სიგნალი მოდიოდა ჩრდილოეთ ამერიკის საჰაერო ძალების კონტროლის ცენტრიდან, რომელიც დამალული იყო შტატის მთაში. კოლორადო. პირველი ცრუ განგაში უბრალოდ ოპერატორის შეცდომის შედეგი იყო, რომელმაც სისტემაში უყურადღებოდ ჩადო ლენტი, რომელიც შეიცავს ინფორმაციას, რომელიც განკუთვნილი იყო ტრენინგისთვის. მეორედ, სისტემის ერთ-ერთი კომპონენტი ვერ მოხერხდა: ჩავარდა ინტეგრირებული წრე. მესამე განგაში აღმოჩნდა მიზანმიმართული - ეს იყო ტესტირების მიზნით მეორე განგაშის პირობების რეპროდუცირების მცდელობა.
საბედნიეროდ, ამ ცრუ განგაშიდან რამდენიმე წუთში ყველაფერი ნათელი იყო, მაგრამ მათ მიერ გამოწვეული ნერვული გადატვირთვა არ დავიწყებია. ნათელია, რომ სისტემა, რომელსაც შეუძლია ფაქტიურად მიგვიყვანოს სამყაროს აღსასრულამდე, ასე უნდა გაკეთდეს. რათა სრულიად აღმოიფხვრას ადამიანისა და მანქანის ურთიერთობაში გაუგებრობის შესაძლებლობა.
მესიჯი ამ ისტორიებიდან ნათელია: რაც უფრო რთული ხდება ტექნიკური სისტემები, მათი გაგება და, შესაბამისად, უფრო რთული კონტროლი ხდება. ეს განსაკუთრებით ეხება გამოთვლით სისტემებს, რომლებიც, თუნდაც უმარტივესი საქმეების გასაკეთებლად შექმნილი იყოს, ძალიან რთული უნდა იყოს. ჩვენ ვცდილობთ უზრუნველვყოთ, რომ მათ შეძლონ პრაქტიკული მნიშვნელობის პრობლემების გადაჭრა და ამით გავზარდოთ მათი სირთულე იმ დონემდე, რომელიც აღემატება ინდივიდის ან თუნდაც ადამიანთა ჯგუფის შესაძლებლობებს. ეს დრო უკვე დადგა. როგორც ახლახან ავღნიშნეთ, დიდი გამოთვლითი პროგრამები და ოპერაციული სისტემები იზრდებიან ისეთ მასშტაბებამდე, რომ ვერც მათ შემქმნელებს და ვერც მომხმარებლებს არ შეუძლიათ მათი მართვა.
თუ გამოთვლითი სისტემები განაგრძობენ განვითარებას იმავე გზაზე, როგორც ახლა, როდესაც უფრო და უფრო მეტი ფუნქცია ენიჭება მათ ისედაც არც თუ ისე სანდო არქიტექტურას, მაშინ ეჭვგარეშეა, რომ 90-იანი წლების კომპიუტერები სრულიად გამოუსადეგარი გახდება: უმართავი და საშიში - ერთგვარი უნივერსალური "ბოროტი სულის" დამხმარეები. ადამიანთა საზოგადოება, რომელიც უკვე ძლიერ არის დამოკიდებული ასეთ მანქანებზე, ამაზრზენი მასშტაბების კრიზისის წინაშე აღმოჩნდება. გამოთვლითი მანქანები, როგორც ისინი დღეს არსებობს, გარკვეული გაგებით უკვე მიაღწიეს თავიანთი შესაძლებლობების ზღვარს. დღეს მთავარი ამოცანა აღარ არის მათი პროდუქტიულობის მაქსიმიზაცია, მანქანური რესურსებიდან ყველაფრის გამოტანა. პირიქით, მათი მუშაობა უნდა ეფუძნებოდეს სრულიად განსხვავებულ იდეას - ანთროპოცენტრიზმის იდეას. იმისათვის, რომ გავიგოთ მანქანების მუშაობა, უნდა ვისწავლოთ როგორ მოვაწყოთ ის ადამიანის ტვინის მუშაობის გამოსახულებით და მსგავსებით.
ჩვენ შეგვიძლია კიდევ უფრო განვავითაროთ ეს საშინელი შეთქმულება ჩვენი მომავლის წარმოსახვით, როგორც ეს არაერთხელ იქნა აღწერილი სამეცნიერო ფანტასტიკის მწერლების მიერ, დაწყებული სამუელ ბატლერიდან: სამყარო, რომელშიც მანქანებმა ძალაუფლება დაიპყრეს. როგორც წესი, ტექნიკური ექსპერტები ამ აზრს უარყოფენ, როგორც აბსურდს. მაგრამ მართლა ასეთი აბსურდია? ავიღოთ, მაგალითად, კომპიუტერები, რომლებიც უკვე გამოიყენება ჩვენი ქალაქების ცხოვრების მართვაში. მისი ფუნქციები მოიცავს არა მხოლოდ ცენტრალური ადმინისტრაციის ამოცანებს, არამედ საჯარო სამსახურებს, ქალაქში წესრიგის დაცვას, განათლებას, ბანკებს, საჰაერო მიმოსვლას, მოძრაობის კონტროლს, სამშენებლო და დაგეგმარების ორგანიზაციების პრობლემებს. და დგება მომენტი, როდესაც შესაბამისი კომპიუტერული ქსელები იწყებენ პირდაპირ კავშირს ერთმანეთთან - თავდაპირველად უმარტივესი მიზეზების გამო. თუ, მაგალითად, ერთ სისტემაში მიიღება გადაწყვეტილება გზის გათხრაზე, მაშინ ნაგვის სატვირთო მანქანებმა უნდა შეცვალონ მარშრუტი. თუ ვინმე დაჯავშნის თვითმფრინავის ბილეთს, ავიაკომპანიამ უნდა დაადასტუროს, რომ მას შეუძლია გამოიყენოს მოწოდებული საკრედიტო ბარათი.
ახლა ნაკლებად კოშმარულ, მაგრამ უფრო აქტუალურ პრობლემებზე გადავიდეთ, მოდით გადავხედოთ ეკონომიკის ღრმა სტაგნაციას, მაღალ უმუშევრობას და ნდობის კრიზისებს, რომლებიც სულ უფრო აწუხებს მსოფლიოს ბოლო წლებში. ყველა ეს ფენომენი, რომელიც რეალურად ხდება, ერთი შეხედვით სრულიად აუხსნელია. დავიწყოთ ეკონომიკური ზრდის პრობლემა, უფრო სწორად, არარსებობა. სინამდვილეში, ინდუსტრიული ქვეყნების საწარმოო კაპიტალი არ მცირდება. თუმცა, მეცნიერებისა და ტექნოლოგიების უწყვეტი პროგრესის გამო, ის მუდმივად იცვლება. რა არის ამ ცვლილების ბუნება? ინვესტირებულ კაპიტალს მოაქვს უფრო მაღალი შემოსავალი. ქარხნის მუშებს შეუძლიათ დღეში უფრო მეტი აწარმოონ, ვიდრე ოცდაათი წლის წინ შეეძლოთ. ფერმერმა შეიძლება მოჭრას იმაზე მეტი თივა, ვიდრე საჭიროა სათიბების დაქირავება. შორს არ არის დღე, როცა თვითმართვადი სათიბები გამოჩნდება.
უფრო მეტიც, მეცნიერული და ტექნოლოგიური განვითარება უბრალოდ არ ხდება მუდმივი სიჩქარით: რაც არ უნდა შევაფასოთ მისი ტემპი, აშკარაა, რომ ის სტაბილურად იზრდება. მაშინ რატომ არ ვმდიდრდებით იმავე ტემპით? გარკვეულ ინდუსტრიებში სამუშაოს რეორგანიზაციასთან დაკავშირებული ზარალის ანაზღაურებაც კი, მთლიანობაში კაცობრიობა მნიშვნელოვანი მომგებიანი უნდა იყოს. როგორც ჩანს, მოქმედებს გარკვეული ძალა, რომელიც ბლოკავს იმ რქოვანას, საიდანაც, როგორც ჩანს, კურთხევები ახლა ყველა ჩვენგანზე უნდა გადმოვიდეს.
როგორც ჩანს, ჩვენ ყველანი ერთნი ვართ ამის გამო სინანულში. მაგრამ სხვადასხვა ადამიანებს განსხვავებული შეხედულებები აქვთ, ამ პროცესის რომელი ნაწილი უნდა იყოს სტიგმატიზირებული. ზოგიერთი აბსოლუტურად დარწმუნებულია, რომ ამაში პროფკავშირები არიან დამნაშავე, რომლებიც ფარულ შეთქმულებაში არიან დივერსიული ელემენტების და ტერორისტების უხილავ ქსელთან მთელს მსოფლიოში, რომლებიც აღწევენ თავიანთ პოლიტიკურ მიზნებს. სხვების აზრით, დამნაშავეები უნდა ვეძებოთ გიგანტური კორპორაციებისა და ბანკების ოფისებში, რომლებიც შესაძლოა მუშაობდნენ ტრანსნაციონალური მონოპოლიების და კარტელების საიდუმლო ქსელთან, რომელსაც ხელმძღვანელობს ერთი ან ორი "ბოროტი ჯუჯა" ციურიხიდან, რომლებიც ახორციელებენ საკუთარ პოლიტიკურ მიზნებს. არსებობს მესამე „აზროვნების სკოლა“, შესაძლოა არა ისეთი ვნებიანი, როგორც წინა ორი, არამედ უფრო ბოდვითი, რომელიც თვლის, რომ თავად ტექნოლოგიაა დამნაშავე ყველაფერში. არ არის იშვიათი შემთხვევა, როდესაც გაბრაზებულმა მომხმარებელმა ის ამოიღოს წვრილმანი ნივთების არასამუშაო ვაჭრობის მანქანიდან, სანამ ის სრულად ვერ იმუშავებს.
თუმცა, ალბათ, ასეთი ანტიტექნიკური პოზიცია არც ისე გიჟურია. ამ იდეის განხილვა მაინც შეიძლება, რადგან ადრე მოყვანილი მაგალითები გვაფიქრებინებს, რომ ჩვენი ტექნოლოგიური მიღწევები გარკვეულწილად ჰგავს მანქანას, რომელიც არ მუშაობს.
მოგვიწევს მოკლე ექსკურსია ისტორიის სიღრმეში, რათა გავარკვიოთ, იყო თუ არა რაიმე სტაბილური და ამავე დროს განვითარებადი პროცესი მისი მთელი ისტორიის მანძილზე? ასეთი პროცესი ძნელი მოსაპოვებელი არ არის - ამის სტიმული იყო სოფლის მეურნეობის განვითარება. და ათასწლეულების შემდეგ, ჩვენმა წინაპრებმა, როგორც ჩანს, ვერ შეამჩნიეს, რომ ეს პროცესი განუწყვეტლივ მოძრაობდა ერთი მიმართულებით, მე-19-20 საუკუნეებამდე. ჩვენ არ მივსულვართ აჩქარების ბოლო ეტაპამდე. ასეთი სტაბილური პროცესი იყო თანდათანობითი, თუმცა მტკივნეული, მრავალი წარუმატებლობითა და გაჩერებით, ადამიანის მიერ სამყაროს გაგების ზრდა, ამ სამყაროს მართვის უნარის ზრდა.
დღეს, კომპიუტერული ტექნოლოგიის დახმარებით, ჩვენ ვცდილობთ ვისწავლოთ როგორ გადავჭრათ რთული პრობლემები, რომლებიც ჯერ კიდევ შეუძლებელია კომპიუტერზე - პრობლემები, რომელთა გადაჭრა შეუძლებელია "პირდაპირ", ვიპოვოთ პასუხი კითხვაზე სასრული რაოდენობით. ნაბიჯები მარტივი გამოთვლებით. თუმცა, ისეც ხდება, რომ მიუხედავად იმისა, რომ თავად პრობლემა ძალიან რთულია, ინვერსიული პრობლემის გადაჭრა ბევრად უფრო ადვილია. მაგალითად, კვადრატული ფესვის გამოთვლა ძალიან რთულია, მაგრამ რიცხვის კვადრატი ძალიან მარტივია. შესაძლებელია, რომ სკოლის მოსწავლეს უფრო ეკონომიური აღმოჩნდეს ყველა იმ რიცხვის კვადრატების გამოთვლა, რომელთა შესახებაც მას შეიძლება ჰკითხონ და შეავსოს შედეგების უზარმაზარი ცხრილი (მხოლოდ მათი უკუღმა დაწერით: ჯერ კვადრატები, სიდიდის მიხედვით დალაგებული და მათთვის საფუძვლები, შესაძლოა გარკვეული ინტერპოლაციით პასების დასასრულებლად). შემდეგ, თუ თქვენ გჭირდებათ კვადრატული ფესვის გარკვევა, შეგიძლიათ უბრალოდ გადახედოთ ცხრილს. მაგრამ ამ მეთოდს ერთი დიდი ნაკლი აქვს – მიღებული შედეგი მომხმარებლისთვის სრულიად აუხსნელია.
ჩნდება კითხვა, აჯობებს თუ არა საერთოდ არ გამოვიგონოთ ისეთი სულელური საცნობარო სისტემები, რომელთა არსებობა ამცირებს ადამიანს, რადგან ისინი უგულებელყოფენ მის განსჯას და გაგებას. საინტერესოა, რომ ეს არგუმენტი პირველად პლატონმა წარმოადგინა 2300 წელზე მეტი ხნის წინ. თავის ფაედრუსში სოკრატე მოგვითხრობს ეგვიპტური ღმერთის ტოგესის შესახებ, რომელიც მივიდა ღმერთების მეფე თამუზთან შემდეგი სიტყვებით: „ბატონო ჩემო, მე გამოვიგონე ეშმაკური რამ, რომელსაც წერა ჰქვია, ეს გააუმჯობესებს როგორც სიბრძნეს, ასევე მეხსიერებას. ეგვიპტელები.”
საპასუხოდ თამუზმა განაცხადა, რომ პირიქით, წერა მეხსიერებისა და გაგების უხარისხო შემცვლელია. „ვინც მას იძენს, შეწყვეტს მეხსიერების ვარჯიშს და დავიწყებას მისცემს, ის დაეყრდნობა წერას, იმ იმედით, რომ ეს ხატები მას რაიმეს შეახსენებს, ნაცვლად იმისა, რომ დაეყრდნოს შინაგან რეზერვებს.
სოკრატე ციტირებს ამონს, რომელიც უარყოფს გარყვნილ აზრს, რომ „საგნის მკაფიო და მკაფიო ცოდნა შეიძლება გადმოიცეს ან მიღებულ იქნეს წერილობით, ან რომ დაწერილ სიტყვებს მეტის გაკეთება შეუძლია, ვიდრე მკითხველს შეახსენოს ის, რაც მან უკვე იცის“. სხვა სიტყვებით რომ ვთქვათ, ადამიანმა შეიძლება იფიქროს, რომ სიბრძნე წერია, მაშინ როცა სინამდვილეში სიბრძნე თავად ადამიანში უნდა იყოს. „შეიძლება ვივარაუდოთ, - დასძენს სოკრატე, - რომ დაწერილ სიტყვებს ესმით, რასაც ამბობენ, მაგრამ თუ კიდევ ერთხელ ჰკითხავთ, რა იგულისხმება ამაში, ისინი ისევ და ისევ იგივე პასუხს გასცემენ.
სხვა სიტყვებით რომ ვთქვათ, სოკრატე თითქოს წუწუნებს, რომ წერა ვერ ჩააბარებს ცნობილ ალან ტურინგის ტესტს (ამ ტესტის მიხედვით, მანქანას შეუძლია დაამტკიცოს, რომ მას აქვს ინტელექტი, თუ შეძლებს ტელეპრინტერის საშუალებით დაარწმუნოს ადამიანი, რომელიც მას ესაუბრება, რომ მისი თანამოსაუბრე – ადამიანი). მართლაც, თუ მანქანას შეეძლო აეხსნა, თუ რას შეიცავს, მაშინ შეიძლება ჩაითვალოს, რომ მას გარკვეული გაგებით „გააზრებული ჰქონდა“, რითაც აჩვენა თავისი ინტელექტი. წერის მსგავსად, მომავლის საცნობარო სისტემები ტრილიონობით ბიტი მეხსიერებით ვერ შეძლებენ ტურინგის გამოცდის ჩაბარებას. მაგრამ, მწერლობის მსგავსად, ასეთ სისტემებს რა თქმა უნდა აქვთ არსებობის უფლება და ხელს შეუწყობს სამყაროს შეცვლას. კარგია თუ ცუდი? სანამ არ გავიგებთ სოკრატეს პრეტენზიების არსს ამ ახალ პრობლემასთან დაკავშირებით, ასეთი გიგანტური საცნობარო სისტემები მხოლოდ ნაწილობრივ იქნება კურთხევა, რომელიც ხშირად დიდ უბედურებად იქცევა. შეგახსენებთ, რომ ასეთი მონაცემთა ბაზები შეიცავს მხოლოდ ძირითად ელემენტარულ ფაქტებს კონკრეტულ საკითხთან დაკავშირებით და არ შეიცავს რაიმე გაგებას, დასკვნებს, განსჯას, კლასიფიკაციის ცნებებს და მსგავს.
იმისათვის, რომ ნებისმიერმა არსებამ - ადამიანმა თუ მანქანამ - დაუკავშირდეს ერთმანეთს, მათ უნდა ჰქონდეთ ერთი და იგივე მენტალიტეტი. ვინაიდან ჩვენ ვერ შევცვლით ადამიანების მენტალიტეტს, მოგვიწევს მისი შეცვლა მანქანებში. ჩვენ სრულად უნდა გადავამუშაოთ ყველაფერი, რასაც პროგრამები აკეთებენ პრობლემის გადასაჭრელად და არა მხოლოდ ის, თუ როგორ ურთიერთობენ ისინი მომხმარებელთან. პროგრამაში ინფორმაციის შენახვის გზა, ე.ი. პრობლემის გადაწყვეტის წარმოდგენის გზა გასაგები უნდა იყოს ადამიანისთვის და აღწერილი იყოს მისთვის უკვე ნაცნობი ცნებებით. დასკვნის წესებზე დაფუძნებული საექსპერტო სისტემები სპეციალურად შექმნილია ადამიანის ცნებებთან გამკლავებისთვის, როგორც დარგის ექსპერტებისგან სწავლისას, ასევე მომხმარებლისთვის ახსნისას. ეს კარგი დასაწყისია, მაგრამ ბევრად მეტის გაკეთებაა საჭირო იმისათვის, რომ ადამიანი-მანქანა კომუნიკაციის დამყარდეს კონცეპტუალურ ენაზე.
თუ მსგავსი იდეები გამოიყენება წარმოების პროცესების ავტომატიზაციის ან სხვა კონტროლის სისტემებში პრობლემების გადასაჭრელად, მაშინ ასეთ ავტომატიზაციას „რბილს“ ვუწოდებთ. მისი საჭიროება მუდმივად იზრდება, რაც შესაძლებელს ხდის ნაწილობრივ მაინც განეიტრალოს ხისტი ავტომატიზაციასთან დაკავშირებული ზედმეტი სირთულის. ყველაზე აქტუალური სოციალური საჭიროება ახლა არ არის ავტომატიზაციის პროცესის გაფართოება, არამედ მისი ჰუმანიზაცია. რა თქმა უნდა, მარტივი ან ზომიერად რთული ამოცანებისთვის, კონტროლის სისტემების „გაუმჭვირვალობა“ არც ისე საშიშია და, შესაბამისად, ჩვენ ამას დიდი ხანია შევეგუეთ. ვთქვათ, პროგრამა, რომელიც ანაწილებს რესურსებს, ამას უკეთ აკეთებს, ვიდრე პროექტის მენეჯერი. ამ შემთხვევაში, რატომ უნდა აინტერესებდეს ის, თუ როგორ აკეთებს ამას ან ეჭვქვეშ აყენებს მის გადაწყვეტილებებს, თუ ის მიიღებს იმას, რაც სურს? დაე, ეს იყოს "შავი ყუთი" პროგრამით განსაზღვრული ზომით.
თუმცა, არსებობს სხვა საინფორმაციო სისტემების აპლიკაციები, სადაც ძალზე მნიშვნელოვანია „ყუთის შიგნით ჩახედვის“ შესაძლებლობა. ჯერჯერობით ისინი ცოტაა, რადგან ინფორმაციის დამუშავების პროცესებმა ჯერ კიდევ ღრმად არ შეაღწია ადამიანის საქმიანობის უფრო რთულ და საპასუხისმგებლო სფეროებში. სირთულე და პასუხისმგებლობა სისტემების ორი დამოუკიდებელი მახასიათებელია, რაც გვაიძულებს დაჟინებით მოვითხოვოთ, რომ პროგრამა იმოქმედოს „ადამიანურ ჩარჩოებში“. ზოგიერთი პრობლემა იმდენად რთულია, რომ უბრალოდ შეუძლებელია მათი გადაჭრა ადამიანისა და მანქანის ინტელექტუალური პარტნიორობის გარეშე. სხვები ეხება სიცოცხლისა და სიკვდილის საკითხებს, ან ეკონომიკური მართვის შესაძლებლობას.
რბილი ავტომატიზაციის საშუალებით, სისტემა მორგებულია ადამიანის აზროვნებაზე უკვე დიზაინის ეტაპზე. თუ გადავხედავთ მომავალს და წარმოვიდგენთ რობოტების ლაშქარს, რომლებიც ერთად მუშაობენ ჩვენს ქარხნებში, აუცილებლად ჩნდება კითხვა: „როგორ დაუკავშირდებიან ისინი? მავთულით, ინფრაწითელი გამოსხივებით ან რადიოსიგნალებით, თუ ადამიანებისთვის მიუწვდომელი სხვა არხებით?” რა თქმა უნდა, უკეთესი იქნება, რომ ეს კომუნიკაცია განხორციელდეს სინთეზირებული ხმის გამოყენებით, რადგან ეს საშუალებას მისცემს მორიგე ადამიანს მოისმინოს რა ხდება და, როგორც პრაქტიკამ აჩვენა, ეს სავსებით შესაძლებელია.
გამოყენების დადებითი და უარყოფითი მხარეებიხელოვნური ინტელექტი მენეჯმენტში
ქარხნებისა და მანქანების ავტომატიზაციის ტენდენცია დიდი ხანია არსებობს. ზოგიერთი სპეციალური დანიშნულების გარდა, აღარავინ ფიქრობს ჭანჭიკების წარმოებაზე ჩვეულებრივ ხახნაზე, სადაც ხახნამ უნდა დააკვირდეს საჭრელის მოძრაობას და ხელით დაარეგულიროს. დღესდღეობით ჭანჭიკების წარმოება დიდი რაოდენობით ადამიანის მნიშვნელოვანი ჩარევის გარეშე ჩვეულებრივი ხრახნიანი საჭრელი მანქანის რუტინული ამოცანაა. მიუხედავად იმისა, რომ ეს მანქანა კონკრეტულად არ იყენებს არც უკუკავშირის პროცესს და არც ვაკუუმის მილს, ეს მანქანა თითქმის მსგავს მიზნებს აღწევს. უკუკავშირმა და ვაკუუმურმა მილმა შესაძლებელი გახადა არა ცალკეული ავტომატური მექანიზმების სპორადული აგება, არამედ ყველაზე მრავალფეროვანი ტიპის ავტომატური მექანიზმების შექმნის ზოგადი პოლიტიკა. ამ პრობლემის გადაჭრისას ასეთი მოწყობილობების პრინციპებს მხარი დაუჭირა კომუნიკაციის ჩვენმა თეორიულმა შესწავლამ, რომელიც სრულად ითვალისწინებს მანქანასა და მანქანას შორის კომუნიკაციის შესაძლებლობებს. სწორედ ეს გარემოებათა შერწყმა ხდის დღეს ავტომატიზაციის ახალ ეპოქას.
სამრეწველო ტექნოლოგია, რომელიც დღეს არსებობს, მოიცავს პირველი ინდუსტრიული რევოლუციის შედეგების მთლიანობას, ბევრ გამოგონებასთან ერთად, რომლებსაც ახლა მეორე ინდუსტრიული რევოლუციის წინამორბედად ვთვლით. რა შეიძლება იყოს ზუსტი საზღვრები ამ ორ რევოლუციას შორის, ჯერ ნაადრევია საუბარი. თავისი პოტენციალის მიხედვით, ვაკუუმის მილი ნამდვილად ეკუთვნის ინდუსტრიულ რევოლუციას, რომელიც განსხვავდება ენერგეტიკული ეპოქისგან; და მაინც, მხოლოდ ახლაა, რომ ვაკუუმური მილის გამოგონების ჭეშმარიტი მნიშვნელობა საკმარისად იქნა გაგებული, რომ დღევანდელი საუკუნე ახალი, მეორე ინდუსტრიული რევოლუციის კლასიფიცირებად იქცეს.
მოდით დავხატოთ უფრო მოწინავე ასაკის სურათი - ავტომატიზაციის ეპოქა. განვიხილოთ, მაგალითად, როგორი იქნება მომავლის საავტომობილო ქარხანა და, კერძოდ, ასამბლეის ხაზი, რომელიც არის საავტომობილო ქარხნის ის ნაწილი, რომელიც იყენებს ყველაზე მეტ ადამიანურ შრომას, ოპერაციების თანმიმდევრობას გააკონტროლებს მოწყობილობა. თანამედროვე მაღალსიჩქარიანი კომპიუტერის მსგავსი. ყველა მათემატიკა შეიძლება შემცირდეს წმინდა ლოგიკური ამოცანების სერიამდე. თუ მათემატიკის ასეთი ნაწილი განხორციელებულია მანქანაში, მაშინ ეს მანქანა იქნება გამოთვლითი მოწყობილობა ჩვეულებრივი გაგებით. ამასთან, ასეთი კომპიუტერი, გარდა ჩვეულებრივი მათემატიკური ამოცანების გადაჭრისა, შეძლებს გადაჭრას ლოგიკური პრობლემა არხებით გავრცელდეს რიგი შეკვეთები მათემატიკური ოპერაციების შესახებ. მაშასადამე, ასეთი მოწყობილობა შეიცავს, ისევე როგორც თანამედროვე მაღალსიჩქარიანი კომპიუტერები რეალურად შეიცავს, მინიმუმ ერთ დიდ კვანძს, რომელიც შექმნილია წმინდა ლოგიკური ოპერაციების შესასრულებლად.
ინსტრუქციები ასეთი აპარატისთვის - მე ასევე ვსაუბრობ აქ არსებულ პრაქტიკაზე - მოცემულია მოწყობილობის მიერ, რომელსაც ჩვენ ვუწოდებთ პროგრამის კოჭს. მანქანაზე მიცემული ბრძანებები შეიძლება მას გაეგზავნოს პროგრამის ხვეულით, რომლის ინსტრუქციების ბუნება და მოცულობა მთლიანად წინასწარ არის განსაზღვრული. ასევე შესაძლებელია, რომ ფაქტობრივი გაუთვალისწინებელი სიტუაციები, რომლებსაც მანქანა აწყდება მისი ამოცანების შესრულებისას, გადაეცეს შემდგომი რეგულირების საფუძვლად თავად მანქანის მიერ შექმნილ ახალ საკონტროლო ზოლს, ან ძველი მართვის ზოლის მოდიფიკაციას.
შეიძლება ვიფიქროთ, რომ გამოთვლითი მანქანების თანამედროვე მაღალი ღირებულება გამორიცხავს მათ გამოყენებას სამრეწველო პროცესებში და, უფრო მეტიც, რომ მათი დიზაინისთვის საჭირო მუშაობის მგრძნობელობა და მათი ფუნქციების ცვალებადობა გამორიცხავს მასობრივი წარმოების მეთოდებს ამ მანქანების მშენებლობაში. არცერთი ეს განცხადება არ არის სწორი. პირველი, უზარმაზარი კომპიუტერები, რომლებიც ამჟამად გამოიყენება ძალიან რთული მათემატიკური სამუშაოების შესასრულებლად, დაახლოებით ასობით ათასი დოლარი ღირს. ეს ფასიც კი არ იქნება მიუწვდომელი საკონტროლო მანქანისთვის მართლაც დიდ ქარხანაში, მაგრამ ის მაინც ძალიან ძვირია.
თანამედროვე გამოთვლითი მანქანები იმდენად სწრაფად ვითარდება, რომ თითქმის ყველა შექმნილი მანქანა არის ახალი მოდელი. სხვა სიტყვებით რომ ვთქვათ, ამ აშკარად გადაჭარბებული ხარჯების უმეტესი ნაწილი მიდის ახალი სამუშაოსთვის ახალი ნაწილების დიზაინისა და წარმოებისთვის, რომლებიც მოითხოვს ძალიან მაღალკვალიფიციურ შრომას და ყველაზე ძვირადღირებულ პირობებს. მაშასადამე, თუ რომელიმე ამ კომპიუტერის ფასი და მოდელი დადგინდებოდა და ეს მოდელი ათეულობით გამოიყენებოდა, ძალიან საეჭვოა, რომ მისი ფასი ათიათასობით დოლარის რიგის ჯამს აღემატებოდეს. ნაკლები სიმძლავრის მსგავსი მანქანა, რომელიც არ არის შესაფერისი ურთულესი გამოთვლითი პრობლემების გადასაჭრელად, მაგრამ, მიუხედავად ამისა, საკმაოდ შესაფერისი ქარხნის გასამართად, ალბათ ღირდა არაუმეტეს რამდენიმე ათასი დოლარი ნებისმიერი სახის ზომიერი მასშტაბის წარმოებაში.
ახლა განვიხილოთ კომპიუტერების მასობრივი წარმოების პრობლემა. თუ მასობრივი წარმოებისთვის ერთადერთი ხელსაყრელი შესაძლებლობა იყო სტანდარტული მანქანების მასობრივი წარმოება, სავსებით ნათელია, რომ მნიშვნელოვანი პერიოდის განმავლობაში საუკეთესო, რისი იმედიც შეგვეძლო, იყო წარმოება ზომიერი მასშტაბით. თუმცა, თითოეულ მანქანაში ნაწილები ზოგადად საკმაოდ ხშირად მეორდება. ეს თანაბრად ეხება შესანახ მოწყობილობას, ლოგიკურ აპარატს და არითმეტიკულ ერთეულს. ამრიგად, მხოლოდ რამდენიმე ათეული მანქანის წარმოება პოტენციურად იქნება ნაწილების მასობრივი წარმოება და აქვს მასობრივი წარმოების ეკონომიკური უპირატესობები.
თუმცა, როგორც ჩანს, აპარატის მგრძნობელობა უნდა ნიშნავდეს, რომ სპეციალური ახალი მოდელი უნდა შეიქმნას თითოეული ინდივიდუალური სამუშაოსთვის. ესეც არასწორია. მიუხედავად იმისა, რომ არსებობს უხეში მსგავსება მათემატიკური და ლოგიკური ოპერაციების ტიპებში, რომელთა შესრულებაც საჭიროა აპარატის მათემატიკური და ლოგიკური კვანძების მიერ, აპარატის ამოცანების საერთო შესრულება რეგულირდება პროგრამის კოჭით, ან სულ მცირე, ორიგინალური პროგრამის კოჭით. ასეთი აპარატისთვის პროგრამული ხვეულის დამზადება ძალიან რთული ამოცანაა მაღალკვალიფიციური სპეციალისტისთვის; თუმცა, ეს არის სამუშაო, რომელიც კეთდება ერთხელ და სამუდამოდ და როდესაც მანქანა იცვლება ახალი სამრეწველო ინსტალაციისთვის, ის მხოლოდ ნაწილობრივ უნდა განმეორდეს. ამრიგად, ასეთი გამოცდილი ტექნიკოსის ღირებულება გადანაწილდება უზარმაზარ რაოდენობაზე და არ იქნება ნამდვილად მნიშვნელოვანი ფაქტორი აპარატის გამოყენებაში.
გამოთვლითი მოწყობილობა არის ავტომატური ქარხნის ცენტრი, მაგრამ ის არასოდეს წარმოადგენს მთელ ქარხანას. მეორეს მხრივ, ის იღებს დეტალურ მითითებებს სენსორული ორგანოების ბუნების ელემენტებიდან, როგორიცაა ფოტოცელტები, კონდენსატორებიდან ქაღალდის სისქის დასადგენად, თერმომეტრებიდან, წყალბადის კონცენტრაციის მეტრიდან და ზოგადი ტიპებიდან. აპარატურა, რომელიც ახლა აშენებულია ინსტრუმენტების მწარმოებლების მიერ, საწარმოო პროცესების ხელით კონტროლის კომპანიები. ეს მოწყობილობები უკვე შექმნილია ისე, რომ ისინი ელექტროენერგიის გამოყენებით კითხულობს ცალკეულ პოსტებზე. იმისათვის, რომ ამ ინსტრუმენტებმა შეძლონ თავიანთი ინფორმაციის გადაცემა ავტომატურ მაღალსიჩქარიან კომპიუტერზე, საჭიროა მხოლოდ წასაკითხი მოწყობილობა, რომელიც აქცევს პოზიციას ან მასშტაბს თანმიმდევრულ რიცხვებად. ასეთი მოწყობილობა უკვე არსებობს და არ წარმოადგენს დიდ სირთულეს არც პრინციპში და არც დიზაინის დეტალებში. გრძნობის ორგანოს პრობლემა ახალი არ არის და ის უკვე ეფექტურად მოგვარებულია.
კონტროლის სისტემა ამ გრძნობის ორგანოების გარდა უნდა შეიცავდეს ეფექტორებს ან კომპონენტებს, რომლებიც გავლენას ახდენენ გარე სამყაროზე. ამ ეფექტორების ზოგიერთი ტიპი ჩვენთვის უკვე ნაცნობია, როგორიცაა საკონტროლო სარქვლის ძრავები, ელექტრო კლატჩები და ა.შ. ადამიანის ხელის ფუნქციების უფრო ზუსტად რეპროდუცირებისთვის, რომლებიც დაემატა ადამიანის თვალის ფუნქციებს, ზოგიერთ ამ ეფექტორს ჯერ არ აქვს გამოიგონონ. საავტომობილო ჩარჩოების დამუშავებისას სავსებით შესაძლებელია ლითონის კონსოლებზე გლუვი ზედაპირების დატოვება საცნობარო წერტილებად. ფოტოელექტრული მექანიზმი, რომელიც იკვებება, მაგალითად, მსუბუქი წერტილებით, შეუძლია სამუშაო ხელსაწყოს - იქნება ეს საბურღი, ჩაქუჩი, თუ ჩვენთვის საჭირო ნებისმიერი სხვა ინსტრუმენტი - ამ ზედაპირებთან ახლოს. საბოლოო პოზიციონირებამ შეიძლება დაამაგროს ხელსაწყო საცნობარო ზედაპირებზე და ამით დაამყაროს მყარი კონტაქტი, მაგრამ არა ისე მჭიდროდ, რომ გამოიწვიოს ამ ზედაპირების განადგურება. ეს საქმის შესრულების მხოლოდ ერთი გზაა. ნებისმიერ კვალიფიციურ ინჟინერს შეუძლია მოიფიქროს ათეული სხვა.
რა თქმა უნდა, ჩვენ ვვარაუდობთ, რომ ინსტრუმენტები, რომლებიც მოქმედებენ როგორც გრძნობის ორგანოები, აღრიცხავენ არა მხოლოდ მუშაობის საწყის მდგომარეობას, არამედ ყველა წინა პროცესის შედეგს. ამრიგად, მანქანას შეუძლია შეასრულოს უკუკავშირის ოპერაციები: ან მარტივი ტიპის სრულად ათვისებული ოპერაციები, ან ოპერაციები, რომლებიც მოიცავს უფრო რთულ ამოცნობის პროცესებს, რომლებიც რეგულირდება ცენტრალური კონტროლით, როგორიცაა ლოგიკური ან მათემატიკური მოწყობილობა. სხვა სიტყვებით რომ ვთქვათ, ყოვლისმომცველი საკონტროლო მოწყობილობა მთლიანად შეესატყვისება ცხოველს სენსორული ორგანოებით, ეფექტორებითა და პროპრიორეცეპტორებით და არა იზოლირებულ ტვინს, რომლის ეფექტურობა და პრაქტიკული ცოდნა დამოკიდებულია ჩვენს ჩარევაზე, როგორც ეს ხდება ულტრა სწრაფი გამოთვლითი მანქანა.
სიჩქარე, რომლითაც შესაძლებელია ამ ახალი მოწყობილობების ინდუსტრიაში დანერგვა, მნიშვნელოვნად განსხვავდება სხვადასხვა ინდუსტრიაში. ავტომატური მანქანები, რომლებიც ასრულებენ დაახლოებით იგივე ფუნქციებს, უკვე ფართოდ გამოიყენება უწყვეტი პროცესების მქონე ინდუსტრიებში, როგორიცაა საკონსერვო ქარხნები, ფოლადის მოძრავი ქარხნები და განსაკუთრებით მავთულის და თუნუქის მწარმოებელ ქარხნებში. ისინი ასევე ცნობილია ქაღალდის ქარხნებში, რომლებიც ასევე მუშაობენ in-line მეთოდით. კიდევ ერთი სფერო, სადაც საჭიროა ავტომატური მანქანები, არის ისეთ ქარხნებში, სადაც წარმოება ძალიან საშიშია იმისთვის, რომ მუშების მნიშვნელოვანი რაოდენობა მის ექსპლუატაციაში სიცოცხლეს საფრთხეს უქმნის და სადაც ავარია შეიძლება იყოს იმდენად სერიოზული და ძვირი, რომ მისი შესაძლებლობა უნდა იყოს უზრუნველყოფილი. რადგან წინასწარ და არ არის მიტოვებული შემთხვევის ადგილზე მყოფი რომელიმე ადამიანის ნაჩქარევი განსჯა. თუ შესაძლებელია ქცევის ხაზის წინასწარ დაფიქრება, მაშინ ის შეიძლება გამოყენებულ იქნას პროგრამის ფირზე, რომელიც გააკონტროლებს ქცევას მოწყობილობის წაკითხვის შესაბამისად. სხვა სიტყვებით რომ ვთქვათ, ასეთი სადგურები უნდა მუშაობდნენ რკინიგზის გამშვებ პუნქტზე გადამრთველების ბლოკირებისა და მუშაობის რეჟიმის მსგავსი რეჟიმით. ასეთი რეჟიმი უკვე დამკვიდრებულია ნავთობგადამამუშავებელ ქარხნებში, ბევრ სხვა ქიმიურ ქარხანაში და ისეთი სახიფათო მასალების მართვაში, როგორიცაა ბირთვული ენერგია.
ჩვენ უკვე აღვნიშნეთ შეკრების ხაზი, როგორც ამ ტიპის ტექნოლოგიის გამოყენების სფერო. შეკრების ხაზზე, ისევე როგორც ქიმიურ ქარხანაში ან ქაღალდის ქარხანაში, უწყვეტი პროცესებით, აუცილებელია პროდუქციის ხარისხზე გარკვეული სტატისტიკური კონტროლის განხორციელება. ეს კონტროლი დამოკიდებულია შერჩევის პროცესზე. მეცნიერებმა ახლა შექმნეს ეს შერჩევის პროცესები ტექნიკის შემუშავებით, რომელსაც ეწოდება თანმიმდევრული ანალიზი, სადაც სინჯის აღება აღარ ხდება მთლიანობაში, არამედ უწყვეტი პროცესია, რომელიც მიმდინარეობს წარმოებასთან ერთად. შესაბამისად, ის პროცესები, რომლებიც შეიძლება განხორციელდეს ტექნოლოგიით იმდენად სტანდარტიზებული, რომ ეს შეიძლება დატოვოს სტატისტიკოსს, რომელსაც არ ესმის მის უკან არსებული ლოგიკა, ასევე შეიძლება განხორციელდეს კომპიუტერით. სხვა სიტყვებით რომ ვთქვათ, ოპერაციების უფრო მაღალი დონის გარდა, მანქანას შეუძლია იზრუნოს როგორც ყოველდღიურ სტატისტიკურ კონტროლზე, ასევე წარმოების პროცესზე.
როგორც წესი, ქარხნებს აქვთ აღრიცხვის პროცედურა, რომელიც დამოუკიდებელია წარმოებისგან, მაგრამ რადგან ამ აღრიცხვის მონაცემები მოდის მანქანიდან ან ასამბლეის ხაზიდან, მათი გაგზავნა შეიძლება პირდაპირ კომპიუტერში. სხვა მონაცემები შეიძლება დროდადრო შევიდეს კომპიუტერში ადამიანის ოპერატორის მიერ, მაგრამ სასულიერო სამუშაოების უმეტესობა შეიძლება შესრულდეს მექანიკურად და მხოლოდ საგანგებო ინფორმაცია, როგორიცაა გარე მიმოწერა, დარჩება ადამიანებს. თუმცა, უცხოური მიმოწერის უმეტესობაც კი შეიძლება მიღებულ იქნას კორესპონდენტებისგან დაქუცმაცებულ ბარათებზე ან დაბეჭდილ ბარათებზე ძალიან არაკვალიფიციური თანამშრომლების მიერ. ამ ეტაპიდან მოყოლებული, ყველა პროცესი შეიძლება განხორციელდეს მანქანით. ეს მექანიზაცია ასევე შეიძლება გამოყენებულ იქნას სამრეწველო საწარმოს ბიბლიოთეკის არქივის კოლექციის მნიშვნელოვან ნაწილზე.
სხვა სიტყვებით რომ ვთქვათ, მანქანა უპირატესობას არ ანიჭებს არც ფიზიკურ და არც სასულიერო სამუშაოს. ამრიგად, შესაძლო სფეროები, რომლებშიც შეიძლება შეაღწიოს ახალ ინდუსტრიულ რევოლუციას, ძალიან ფართოა და მოიცავს ყველა შრომას, რომელიც ახორციელებს დაბალი დონის გადაწყვეტილებებს, ისევე, როგორც წინა ინდუსტრიული რევოლუციის მანქანით გადაადგილებული შრომა მოიცავდა ადამიანის ენერგიის ნებისმიერ ასპექტს. რა თქმა უნდა, ზოგიერთ პროფესიაზე გავლენას არ მოახდენს ახალი ინდუსტრიული რევოლუცია, ან იმის გამო, რომ ახალი საკონტროლო მანქანები არ არის ეკონომიური ისეთ მცირე ინდუსტრიებში, რომ ისინი ვერ ახერხებენ მათთან დაკავშირებული დიდი კაპიტალური ხარჯების გატარებას, ან იმის გამო, რომ მთელი რიგი სამუშაოები. სპეციალისტები იმდენად მრავალფეროვანია, რომ ახალი პროგრამის ხვეულები საჭირო იქნება თითქმის ყველა სამუშაოსთვის. მე ვერ წარმომიდგენია ავტომატური მანქანები, როგორიცაა გადაწყვეტილების მიმღები მოწყობილობები, რომლებიც გამოიყენება სასურსათო მაღაზიებში ან ავტოფარეხებში, თუმცა ძალიან ნათლად შემიძლია წარმოვიდგინო ამ აღჭურვილობის გამოყენება სასურსათო საბითუმო და ავტომობილების მწარმოებლის მიერ. სოფლის მეურნეობის მუშაკი, მიუხედავად იმისა, რომ ავტომატური მანქანები იწყებს დანერგვას მის წარმოებაში, ასევე დაცულია მათი სრული ბატონობისაგან იმ მიწის ფართობისგან, რომელიც უნდა დაამუშავოს, კულტურების ცვალებადობით, განსაკუთრებული პირობებით. ამინდისა და მსგავსი, რომელსაც ის უნდა შეხვდეს. სადაც ასეთი მანქანების გამოყენება შესაძლებელია, წარმოუდგენელია გადაწყვეტილების მიმღები მანქანების გარკვეული გამოყენება.
რა თქმა უნდა, ამ ახალი მოწყობილობების დანერგვა და დრო, რომლის ფარგლებშიც შეიძლება ველოდოთ მათ განხორციელებას, ძირითადად ეკონომიკური ხასიათის საკითხებია, რომელთა განხილვა არ არის საკურსო მუშაობის მიზანი. თუ არ მოხდება რაიმე ძალადობრივი პოლიტიკური ცვლილება ან სხვა დიდი ომი, ათი-ოცი წელი დასჭირდება ახალ მანქანებს თავიანთი კანონიერი ადგილის დასაკავებლად.
ძალიან მნიშვნელოვანი საკითხია შედეგების - ეკონომიკური და სოციალური ანალიზი.
პირველ რიგში, შეიძლება ველოდოთ მკვეთრ კლებას და მოთხოვნის საბოლოო შეწყვეტას ქარხნულ შრომაზე, რომელიც ექსკლუზიურად ერთფეროვან სამუშაოს ასრულებს. საბოლოო ჯამში, უკიდურესად უინტერესო ერთფეროვანი საგაკვეთილო ამოცანების აღმოფხვრა შეიძლება იყოს მომგებიანი და გახდეს დასვენების წყარო, რომელიც აუცილებელია პიროვნების ყოვლისმომცველი კულტურული განვითარებისთვის. მაგრამ ამან ასევე შეიძლება გამოიწვიოს იგივე მცირე და საზიანო კულტურული შედეგები, რაც ძირითადად მიღებულია რადიოსა და კინოდან.
როგორც არ უნდა იყოს, ამ ახალი საშუალებების დანერგვის გარდამავალი პერიოდი, განსაკუთრებით თუ ის მყისიერად მოდის, რაც შეიძლება მოსალოდნელი იყოს ახალი ომის შემთხვევაში, გამოიწვევს კატასტროფული კრიზისის დაუყოვნებლივ გარდამავალ პერიოდს. არსებობს დიდი გამოცდილება, რომელიც აჩვენებს, თუ როგორ უკავშირდებიან მრეწველები ახალ ინდუსტრიულ პოტენციალს. მთელი მათი პროპაგანდა ემყარება იმ ფაქტს, რომ ახალი ტექნოლოგიების დანერგვა არ უნდა ჩაითვალოს სახელმწიფო საქმედ, არამედ უნდა მიეწოდოს ყველა მეწარმეს, რომელსაც სურს ფულის ჩადება ამ ტექნოლოგიაში. ჩვენ ასევე ვიცით, რომ ძნელია მრეწველების შეკავება, როდესაც საქმე ეხება მრეწველობისგან ყველა იმ მოგების მოპოვებას, რაც შეიძლება მისგან მიღებულ იქნეს და შემდეგ საზოგადოების ნამსხვრევებით კმაყოფილი დარჩეს.
ამ პირობებში, მრეწველობა შეივსება ახალი მექანიზმებით მხოლოდ იმდენად, რამდენადაც აშკარაა, რომ ისინი მოიტანენ მყისიერ მოგებას, მიუხედავად იმისა, თუ რა ზარალი ექნება მათ მომავალში. ჩვენ მოწმენი ვართ პროცესის განვითარების იგივე ხაზებით, როგორც ატომური ენერგიის პროცესი, რომლის დროსაც ატომური ენერგიის გამოყენება ბომბების დასამზადებლად საფრთხეს უქმნის ატომური ენერგიის სამომავლო გამოყენების გადაუდებელ პერსპექტივებს ჩვენი ნავთობისა და ქვანახშირის მარაგების ჩანაცვლებისთვის. საუკუნეების შემდეგ, თუ არა ათწლეულების განმავლობაში, ისინი მთლიანად ამოიწურება. მივაქციოთ ყურადღება, რომ ატომური ბომბების წარმოება კონკურენციას არ უწევს ენერგიის მწარმოებელ ფირმებს.
მსგავსი დოკუმენტები
შეუძლია თუ არა ხელოვნურმა ინტელექტს ტექნოლოგიებისა და ტექნოლოგიების განვითარების ამ დონეზე გადააჭარბოს ადამიანის ინტელექტს? შეუძლია თუ არა ადამიანს ხელოვნური ინტელექტის ამოცნობა კონტაქტის დროს? ხელოვნური ინტელექტის პრაქტიკული გამოყენების ძირითადი შესაძლებლობები.
პრეზენტაცია, დამატებულია 03/04/2013
ხელოვნური ინტელექტი არის მეცნიერული სფერო, რომელიც დაკავშირებულია ადამიანის ინტელექტუალური ფუნქციების მანქანურ მოდელირებასთან. ხელოვნური ინტელექტის მახასიათებლები ხელოვნური ინტელექტის განვითარება, პერსპექტიული მიმართულებები მის კვლევასა და მოდელირებაში.
რეზიუმე, დამატებულია 18/11/2010
აგენტზე დაფუძნებული მიდგომა ხელოვნური ინტელექტის კვლევისთვის. მსჯელობის მოდელირება, ბუნებრივი ენის დამუშავება, მანქანათმცოდნეობა, რობოტიკა, მეტყველების ამოცნობა. თანამედროვე ხელოვნური ინტელექტი. ტურინგის ტესტის ჩატარება.
ტესტი, დამატებულია 03/10/2015
ხელოვნური ინტელექტის განვითარების ისტორია უცხო ქვეყნებში, რუსეთსა და ყაზახეთის რესპუბლიკაში. ადამიანის საზოგადოებაში ხელოვნური ინტელექტის ეფექტური განხორციელებისა და ადაპტაციის პროექტის შემუშავება. ხელოვნურის ბუნებრივში ინტეგრაცია.
სამეცნიერო ნაშრომი, დამატებულია 23.12.2014წ
ტერმინის „ხელოვნური ინტელექტის“ არსი; მისი განვითარების ისტორია. ინტელექტუალური მანქანებისა და კომპიუტერული პროგრამების შექმნის მეცნიერება და ტექნოლოგია. კომპიუტერის გამოყენების გამოწვევა ადამიანის ინტელექტის გასაგებად. ტექსტების ანალიზი, სინთეზი და გაგება.
ნაშრომი, დამატებულია 17/06/2013
აზროვნების ფენომენი. ხელოვნური ინტელექტის შექმნა. მექანიკური, ელექტრონული, კიბერნეტიკური, ნერვული მიდგომა. პერცეპტრონის გაჩენა. ხელოვნური ინტელექტი წარმოადგენს მრავალი სამეცნიერო დარგის ინტეგრაციის მაგალითს.
რეზიუმე, დამატებულია 05/20/2003
ადამიანის საქმიანობის სფეროები, რომლებშიც შესაძლებელია ხელოვნური ინტელექტის გამოყენება. ხელოვნური ინტელექტის პრობლემების გადაჭრა კომპიუტერულ მეცნიერებაში ცოდნის ბაზებისა და საექსპერტო სისტემების დიზაინის გამოყენებით. თეორემების ავტომატური დადასტურება.
კურსის სამუშაო, დამატებულია 29/08/2013
ხელოვნური ინტელექტის სფეროში მუშაობის განვითარების ისტორიული მიმოხილვა. ალგორითმული და კომპიუტერული პროგრამული უზრუნველყოფის შექმნა, რომელიც ადამიანზე უარესი ინტელექტუალური პრობლემების გადაჭრის საშუალებას იძლევა. ლოგიკური თამაშებიდან სამედიცინო დიაგნოსტიკამდე.
რეზიუმე, დამატებულია 26/10/2009
ხელოვნური ინტელექტის პრობლემის შესწავლა. ინფორმაციის დამუშავების პროცესი ადამიანის ტვინში. სუბიექტური რეალობის ფენომენების ტვინის კოდების გაშიფვრა. ბუნებრივი ინტელექტი, როგორც ფაქტი, რომელიც ფლობს სუბიექტურ რეალობას უცვლელობის პრინციპით.
რეზიუმე, დამატებულია 12/04/2011
ინტელექტუალური აგენტის კომპონენტები და არქიტექტურა, მისი დამატება სასწავლო ინსტრუმენტებით. ხელოვნური ინტელექტის შექმნის სხვადასხვა მიდგომა, მისი განვითარების პერსპექტივები. ინტელექტუალური მანქანებისა და პროგრამების შემუშავების ეთიკური და მორალური შედეგები.
