Téma umelej inteligencie sa v roku 2017 stala jednou z najatraktívnejších na diskusiu. Medzi účastníkmi trhu IT bolo toľko komentátorov a komentáre boli také zaujímavé a podrobné, že v poslednom čísle CRN / RE na rok 2017 sme nemohli prediskutovať všetky témy navrhnuté na diskusiu. Dnes si povieme o výhodách a nevýhodách riešení AI a ťažkostiach pri ich implementácii.
Aké sú hlavné výhody riešení, ktoré sa dnes nazývajú „systémy umelej inteligencie“?
Projektový manažér ST Smartmerch, System Technologies Group, Maxim Archipenkov Som si istý, že „plusy vyplývajú z očakávaní“.
„Neurónové siete, na rozdiel od ľudí, nemajú emócie a neunavia sa,“ hovorí Arkhipenkov. - Vylúčený je ľudský faktor a všetky chyby a problémy spojené s charakterom človeka a jeho nízkou pracovnou schopnosťou - samozrejme ohľadom stroja. Neurónové siete nemajú výkonnostný prah: ak človek dokáže skontrolovať kvalitu napríklad 100 dielov za deň, potom ich systém skontroluje toľko, koľko kapacity servera dovolia. Systém sa dá ľahšie škálovať: v tom istom závode je ťažké umiestniť 100 ľudí na kontrolu kvality v jednej miestnosti.
Marketingový riaditeľ CDNvideo Angelina Reshina tiež verí, že hlavné výhody systémov AI "v rýchlosti spracovania dát, schopnosti trénovať systém a šetriť na ľudských zdrojoch."
Generálny riaditeľ spoločnosti Cezurity Alexey Chaley zdôrazňuje, že produkty založené na AI sú schopné vykonávať úlohy na kvalitatívne inej úrovni: klasifikovať obrázky, prekladať text, klasifikovať súbory atď.“, poznamenáva Chaley.
„Hlavnými výhodami v súčasnosti existujúcich riešení je schopnosť automatizovať mnohé oblasti činnosti a zároveň minimalizovať ľudskú účasť v tejto oblasti a rozširovať oblasti, kde je možné použiť softvér namiesto ľudskej práce,“ hovorí zakladateľ hostingovej spoločnosti King Servers. Vladimír Fomenko. - V súčasnosti je AI obzvlášť dobrá pri analýze veľkého množstva údajov, kde by človeku zabralo príliš veľa času a konvenčné programy, ktoré nepoužívajú strojové učenie, by nedokázali dosiahnuť potrebnú presnosť.“
Súhlasím s kolegami a riaditeľom odboru podnikových informačných systémov ALP Group Svetlana Gatsaková:„Pomocou technológií AI sa výrazne zvyšuje rýchlosť a úroveň automatizácie spracovania veľkého množstva informácií – pri súčasnom zlepšení kvality a vyrobiteľnosti. So správnym postojom k novým technológiám sa zvyšuje úplnosť využívania dát, ako aj efektivita a kvalita manažérskych rozhodnutí.
Tvrdí to generálny riaditeľ Hawk House Integration Alexandra Ivleva,"Technológia AI je najvhodnejšia na optimalizáciu rôznych druhov mechanických činností, automatizáciu rutinných operácií a jej použitie v nebezpečných odvetviach." „Správne používanie robotiky na dopravníkových linkách vám umožňuje prejsť na nepretržitú prevádzku, optimalizuje náklady podniku, zlepšuje kvalitu produktov, ale vyžaduje si serióznu a zdĺhavú fázu uvádzania do prevádzky,“ hovorí Ivlev. - Len málo spoločností si môže dovoliť investovať veľké sumy peňazí do takýchto technológií, hoci to v budúcnosti umožní výrazne znížiť náklady na výrobu. Podobne je to aj s technológiami strojového učenia: pre každý projekt analyzujte veľkú vzorku dát, navyše pomocou individuálnych algoritmov, čo si vyžaduje čas a zdroje. Ale po zavedení automatizácie sa tieto operácie uskutočnia rýchlejšie a lacnejšie, ako to môže urobiť človek.“
„Začnime tým, že systémy umelej inteligencie sa vyvíjajú s cieľom zlepšiť efektivitu v najširšom zmysle slova,“ pripomína riaditeľ pre obchodné aplikácie v CROC. Maxim Andrejev. - Na implementáciu nových nápadov a prístupov musia firmy často brať do úvahy obrovské množstvo faktorov, ktoré bežný človek jednoducho nedokáže mať na pamäti. Jednou z hlavných výhod umelej inteligencie je schopnosť brať do úvahy také rôznorodé množstvo faktorov v reálnom čase. Navyše, na rozdiel od človeka, algoritmus sa nemôže unaviť alebo zámerne zmeniť niektoré informácie. To znamená, že zavedením umelej inteligencie spoločnosť minimalizuje možnosť chýb spôsobených týmito faktormi. Má to však nevýhodu: človek môže brať do úvahy ďalšie podrobnosti, zatiaľ čo zle vyladený algoritmus bude naďalej fungovať nesprávne. Ďalším plusom systémov umelej inteligencie je replikovateľnosť. Zoberme si ako príklad akýkoľvek obchodný proces v spoločnosti, ktorého školenie trvá zamestnancovi rok. Ak teda potrebujeme 10 nových zamestnancov, strávime ich školením 10 človekorokov. Z pohľadu algoritmov je všetko jednoduchšie a náklady na škálovanie riešenia sú oveľa nižšie.“
Vedúci vývoja a implementácie AV riešení v Auvix Alexander Pivovarov je presvedčený, že medzi najzrejmejšie a povrchnejšie plusy patrí zvýšená efektivita, zníženie rutinných operácií a jednoduchšie používanie. „Ak si napríklad zoberiete takú celkom jednoduchú vec, ako je systém na rezervovanie a zobrazovanie rozvrhu zasadacích miestností, tak keď ho začnete pozorne študovať, uvidíte veľa príležitostí na zvýšenie efektivity jeho využívania, skrátenie prestojov a tak na používanie „inteligentných algoritmov,“ zdôrazňuje Pivovarov.
„Hlavnou úlohou digitálnej transformácie, ktorej jedným z nástrojov je AI, je zabezpečiť, aby procesy bežali rýchlejšie a efektívnejšie, spoločnosti míňali menej a zarábali viac,“ hovorí generálny riaditeľ ABBYY Russia. Dmitrij Šuškin. - Napríklad jeden z našich zákazníkov v bankovom sektore zautomatizoval spracovanie dokumentov na otvorenie účtu pre právnické osoby. Inteligentný systém sám typuje a rozpoznáva dokumenty, následne z nich extrahuje informácie a načíta ich do požadovaných polí bankového systému. Výsledkom je, že zadávanie údajov z dokumentov trvá menej ako 10 minút, čo je 2,5-krát rýchlejšie ako manuálne. Banka vypočítala, že za 3 roky ušetrí na spracovaní dokumentov viac ako 270 miliónov rubľov.
Podľa manažéra rozvoja podnikania Plantronics Alexey Bogachev,„Jednou z hlavných výhod systémov AI je schopnosť získať niektoré nové materiály, ktoré jednoducho nemáme k dispozícii. Keďže bežný človek vyvodzuje závery len na základe svojich vedomostí, dostávame tu hlbšiu analýzu, ktorá môže viesť k úplne neočakávaným záverom. Takto môžete dosiahnuť prielom v určitej oblasti.“
„Človek je zvyknutý považovať sa za korunu evolúcie, ale pravidelne čelíme obmedzeniam,“ hovorí generálny riaditeľ spoločnosti FreshDoc.ru Document Constructor. Nikolaj Patskov. - Napríklad hypersonické lietadlá lietajú rýchlosťou 10x väčšou ako je rýchlosť zvuku, ľudský pilot jednoducho nie je schopný takýto stroj ovládať bez pomoci inteligentnej elektroniky. Ľudské reakcie a rýchlosť rozhodovania nestačia na to, aby fungovali takými rýchlosťami. Umelá inteligencia nám pomáha prekonať tieto obmedzenia. Umelá inteligencia umožňuje ľuďom rýchlejšie reagovať, chráni pred robením chýb, oslobodzuje ich od rutinných operácií a rozhodnutí. Takéto systémy môžu efektívne nahradiť ľudského experta v oblasti dopravy, prognózovania, obchodovania na burze, poradenstva a prípravy dokumentov. Používanie „inteligentných riešení“ ovplyvňuje aj konečné náklady na produkt: „roboty“ napokon nemusia platiť mzdy, neochorejú a nechodia na dovolenku a nepodliehajú zníženiu efektívnosti. . Obrovský potenciál vidíme vo vývoji inteligentných riešení pre široké spektrum úloh. Účasť na rozvoji tejto oblasti môže ruským IT podnikateľom umožniť otočiť trh a „zviezť sa“ na informačnej vlne ľudského rozvoja.
Tvrdí to riaditeľ obchodného rozvoja a marketingu Konica Minolta Business Solutions Russia Zhamilya Kameneva všetko, samozrejme, závisí od triedy riešení. Ale väčšinou sú zamerané na optimalizáciu a automatizáciu procesov, šetrenie zdrojov – hmotných aj nehmotných, pracovného aj osobného času. „Zjednodušene povedané, ich úlohou je uľahčiť nám život,“ zhŕňa Kameneva.
„Po prvé, takéto systémy nám umožňujú odhaliť to, čo je skryté pred ľudskou mysľou,“ hovorí riaditeľ medzinárodného obchodného rozvoja Navicon Iľja Naroditskij. - Bez ohľadu na to, aké dobré sú nástroje BI človeka, v niektorých prípadoch je strojové učenie nevyhnutné: napríklad ak potrebujete spracovať štatistiku operácií na bankových účtoch 1 milióna zákazníkov za 10 rokov. Už dnes strojové vyhľadávanie skrytých vzorcov, ktoré nie sú človeku zrejmé, umožňuje mnohým spoločnostiam budovať obchodnú stratégiu a vytvárať systémy na podporu manažérskych rozhodnutí. Po druhé, technológie umelej inteligencie výrazne zvyšujú efektivitu všetkých typov komunikácie so spotrebiteľmi. Inovatívne technológie, ktoré dokážu porozumieť a analyzovať textové a hlasové správy, pomáhajú skrátiť čas spracovania prichádzajúcich požiadaviek a reagovať na požiadavky zákazníkov rýchlejšie ako predtým. Po tretie, takéto systémy môžu odbremeniť zamestnancov spoločnosti od vykonávania rutinných operácií, čo znamená, že im uvoľnia čas na riešenie strategicky dôležitých problémov. Čas strávený riešením rutinných úloh by sa dal využiť na riešenie kreatívnych problémov.“
„Takéto systémy umožňujú robiť rozhodnutia za človeka v tých oblastiach, kde je to prípustné,“ hovorí generálny riaditeľ Atak Killer. Rustem Khairetdinov. „Zatiaľ čo predtým automatizované systémy rozhodovali len v rámci dobre definovaných scenárov „ak-potom“, dnešné a zajtrajšie systémy budú schopné rozhodovať sa za nejasne definovaných podmienok a s nedostatočnými informáciami, ktoré predtým mohol robiť len osoba.”
Riaditeľ vývoja Acronis Sergej Ulasen tiež poznamenáva: systémy umelej inteligencie riešia mnohé úlohy, ktoré si predtým vyžadovali zapojenie človeka. Zároveň často fungujú rýchlejšie a majú predvídateľný výsledok a kvalitu práce.
„Technológie AI skutočne fungujú a pomáhajú zlepšovať obchodné procesy, aspoň čiastočne oslobodzujú ľudský intelekt od rutiny pre kreativitu a vytvárajú niečo nové,“ zdôrazňuje generálny riaditeľ spoločnosti Preferentum (IT Group) Dmitrij Romanov.- Je pre nich ľahké posúdiť ekonomický efekt. Pre veľkú triedu systémov využívajúcich metódy strojového učenia je ich schopnosť stať sa „inteligentnejšími“ pri práci jednoznačným plusom.
Tvrdí to marketingový riaditeľ spoločnosti Vocord Sergej Ščerbina, hlavné výhody spočívajú v tom, že na základe „chaotických“ faktov, zle štruktúrovaných, neutajovaných alebo neúplných informácií, AI robí presné predpovede. „Spoliehajúc sa na ne, získame zásadne novú úroveň presnosti a rýchlosti rozhodovania, kde jednoduché, lineárne pravidlá nefungujú,“ pokračuje Shcherbina. - Obrovské polia údajov sa neustále dopĺňajú, ale samy o sebe nedokážu vyriešiť problémy, AI je práve to, čo je potrebné na ich analýzu. Poznáme už veľa príkladov úspešnej aplikácie AI v medicíne, pri analýze globálnych a lokálnych ekonomických a sociálnych procesov, pri riešení inžinierskych a technických problémov, pri rozhodovaní o investíciách a v bezpečnostných systémoch. Inovácie v oblasti AI umožnia automatizovať zásadne širšiu škálu obchodných procesov. V oblasti video sledovania a bezpečnosti tak bude po prvýkrát možné zaručiť bez účasti operátora nepretržitú detekciu potenciálne nebezpečných incidentov, identifikáciu hľadaných osôb. Existuje už veľa príkladov úspešných aplikácií AI.“
Hlavné plus podľa spoluzakladateľa služby shikari.do Vadim Shemarova, je, že systémy AI sa dajú trénovať. „Napríklad, ak chceme, aby systém dokázal rozlíšiť správy ľudí, kde si chcú niečo kúpiť, od správ, kde chcú niečo predať, alebo určiť predmet správ, nepotrebujeme zostavovať podrobný zoznam slov a frázy, ktoré vyjadrujú zámery, náladu, tému atď. Vyberáme veľa vzorových textov na témy, ktoré potrebujeme, „trénujeme“ systém na týchto príkladoch a potom sám začína chápať podstatu neznámych textov,“ hovorí Shemarov.
Vedúci Výskumného centra pre reguláciu robotiky a AI, Senior Associate v Dentons Andrej Neznamov tiež sa domnieva, že možnosť učenia sa (učenie pod dohľadom alebo sebazdokonaľovanie) možno nazvať hlavným plusom technológií, ktoré sa bežne nazývajú „AI“.
Aké sú ťažkosti pri implementácii týchto systémov?
Stručne zhrnuté, hlavnými výhodami technológií AI sú podľa odborníkov na trh IT dosahovanie nových úrovní produktivity, automatizácie, efektívnosti, analýzy, učenia, rozhodovania, predvídateľnosti a učenia. Keďže však ide o nový smer, odborníci vidia ešte viac ťažkostí ako výhod. Stačí povedať, že takmer každý rečník pomenoval svoju náročnosť.
„Toto je úplne nová oblasť. Každá úloha, ktorá sa teraz rieši, je RnD vo svojej najčistejšej forme: musíte definovať, systematizovať, prísť s riešením, implementovať toto riešenie a implementovať ho, - zdôrazňuje Maxim Arkhipenkov. „Ide o kreatívny proces, ktorý si vyžaduje vysokú úroveň vedy a odbornosti priamo v oblasti aplikácie tohto riešenia – či už ide o FMCG, vesmír, medicínu, alebo v oblasti implementácie systémov neurónových sietí.“
Podľa Alexandra Pivovarova je problém „v nájdení rovnováhy medzi humbukom a skutočnou užitočnosťou, v ťažkostiach s neviditeľnosťou týchto technológií pre spotrebiteľa a v absencii chýb v ich práci“.
Dmitrij Karbasov sa domnieva, že „kľúčová ťažkosť týchto projektov súvisí s nepredvídateľnosťou výsledku“. „Povedzme, že pri kúpe CRM systému zákazník jasne chápe funkcionalitu, ktorú mu systém ponúka, a ako túto funkcionalitu využije,“ hovorí Karbasov. - Sú to procesy, formuláre na zadávanie údajov, reporting atď. Pri implementácii systému AI je veľmi ťažké predpovedať výsledok bez implementácie projektu, odhalenie technológií a algoritmov človeku bez matematického vzdelania prakticky nič nepovie a praktické skúsenosti a medzi zákazníkmi je len málo vrcholových manažérov s takýmto zázemím. Pomáha realizácia pilotných projektov, ktorých metodiku máme odladenú a používame ju v 99 % projektov.“
"Určite je tu veľa ťažkostí," hovorí Maxim Andreev. - Tou hlavnou je možno nedostatok dostatočne veľkých súborov údajov na trénovanie umelej inteligencie. Vyžaduje si to historické údaje. Dovoľte mi vysvetliť, čo tým myslím: pre jednu veľkú spoločnosť sme urobili prognózu predaja prepravných služieb – predpovedali sme hmotnosť nákladu a smer prepravy. V žiadnom prípade sa nám nepodarilo dosiahnuť dobrú presnosť predpovede, začali sme zisťovať, o čo ide a zistili sme, že v historických údajoch, ktoré boli vo firme uložené, sa niekde počítalo s hmotnosťou s obalom a niekde bez. Zároveň jednoducho neexistuje žiadny znak, podľa ktorého by sa dal tento faktor vysledovať. To znamená, že kedysi v minulosti tieto informácie nehrali rolu, no teraz sa všetko zmenilo. Preto je také dôležité zbierať všetky údaje, ktoré je možné zbierať „na požiadanie“. Technológie na zber a spracovanie dát sa neustále vyvíjajú a spoločnosti už dokážu implementovať technológie Data Lake, ktoré sa stávajú výbornou platformou na tréning umelej inteligencie. Ďalším problémom je, že samotné algoritmy sú stále dosť malé. Preto pred zavedením spoločnosti je potrebné vykonať prieskum. To nám umožňuje zistiť, či za špecifických podmienok, na konkrétnych dátach a pre špecifické obchodné procesy bude možné vybudovať AI, ktorej náklady by nepresiahli hodnotu, ktorú dáva spoločnosti.“
Anna Plemyashova sa domnieva, že hlavným problémom je úplná absencia alebo nedostatok údajov na zostavenie presných modelov. „Pre priemyselné podniky, kde takéto riešenia vyžadujú značné investície do infraštruktúry, je to oneskorený ekonomický efekt: najprv musíte začať zbierať a zhromažďovať dáta a až potom môžete prejsť k riešeniam využívajúcim inteligentné systémy. Prechodné riešenia BI a vizualizácia údajov v reálnom čase umožňujú priblížiť ekonomické výhody, hovorí Plemyashova. - Ďalším problémom je potreba reštrukturalizácie podnikového procesu pri zavádzaní inteligentných systémov. To znamená, že nestačí kúpiť takéto riešenie a dať ho ako kvetinu do vázy alebo aplikáciu v počítači. Je potrebné urobiť toto rozhodnutie priateľské k obchodnému procesu: vytvoriť, prekonfigurovať alebo dokonca zrušiť niektoré prevádzky, preškoliť ľudí, optimalizovať personál.“
„Tieto systémy sú založené na údajoch a veľkých údajoch,“ pripomína Sergey Ulasen. - Na trénovanie modelov sú potrebné značné výpočtové zdroje a na ukladanie veľkých dát je potrebná vhodná infraštruktúra. Preto si implementácia systémov AI vyžaduje značné investície do hardvéru.
Zhromažďovanie a príprava údajov si zase vyžaduje veľké organizačné úsilie a často aj vývoj nového softvéru, ktorý pomáha pri analýze údajov.“
Svetlana Gatsakova je presvedčená, že ťažkosti spočívajú predovšetkým v „nedostatočnej pozornosti na limity použiteľnosti každej konkrétnej technológie AI, na úskalia“. A tiež „v slabej interpretovateľnosti výsledkov (napokon, napríklad neurónová sieť nevysvetľuje svoje závery), v ťažkostiach pri vytváraní homogénnych súborov údajov pre trénovacie a testovacie modely.“ Ďalším problémom je „slepá viera v údaje a nedostatok pozornosti voči intuícii manažéra a tým faktorom, ktoré sa ťažko merajú a integrujú do procesov DDM*“. Na to sa podľa Gatsakovej prekrývajú „zložitosti špecifické pre ruské organizácie“. „Ide o nízku dostupnosť spoľahlivých údajov o vonkajšom svete organizácie az toho vyplývajúce riziko izolácie od interných informácií, čiže premena na akúsi autistickú organizáciu. Navyše ide o malý (v porovnaní s poprednými západnými spoločnosťami) prienik kultúry DDM, obmedzený najmä na absolventov západných obchodných škôl.
„AI pomáha automatizovať mnohé procesy a nahradiť nízko kvalifikovaných zamestnancov, no zároveň vyžaduje kontrolu od vývojárov, ktorých náklady na prácu sú, samozrejme, vyššie,“ hovorí Angelina Reshina. "Učenie systému je potrebné kontrolovať tak, aby neprekročilo prijateľné limity."
Podľa Sergeja Shcherbinu spočívajú ťažkosti v zastaranom vybavení a slabej infraštruktúre, starších hardvérových a softvérových platformách, ktoré sa v ťažkých ekonomických časoch a s obmedzenými rozpočtami len málokto odváži zmeniť. „Vplyv má aj ľudský faktor,“ zdôrazňuje Shcherbina. - Tu je nedostatok kvalifikovaného personálu, nedostatočná úroveň kompetencií, či konzervatívnosť lídrov. Navyše, nie každý chápe, prečo je to potrebné a prečo míňať peniaze na modernizáciu, keď sa zdá, že „po starom“ všetko aj tak funguje.“
„Medzi ťažkosti pri budovaní systémov AI je predovšetkým potrebné poznamenať nedostatok personálu,“ poznamenáva Andrey Sykulev. - Špecialistov je veľmi málo, pretože požiadavky sú tu extrémne vysoké: okrem programátorských zručností musí človek ovládať pomerne zložitý matematický aparát a mať znalosti a skúsenosti v predmetoch. Pomerne často je „prekážkou“ nízka kvalita údajov a chýbajúca infraštruktúra na ich integráciu. Ďalšou dôležitou otázkou je bezpečnosť údajov, pretože údaje konsolidované pre operácie AI sa môžu stať cieľom útoku alebo môžu byť použité, mierne povedané, na iné účely.
Alexey Bogachev sa tiež domnieva, že jedným z hlavných problémov je personál. „Ako so všetkým novým, otázkou je, ako s tým pracovať. Keďže aplikovaná aplikácia akejkoľvek technológie si vyžaduje kvalifikovaných odborníkov a toto je veľmi mladý smer, je preto dosť ťažké nájsť ľudí, ktorí by tomu rozumeli.“
Personálny problém má aj druhú stránku. „Hlavným problémom je, že nie veľa vrcholových manažérov podnikov chápe, čo je umelá inteligencia a aké je jej praktické využitie,“ pripomína Dmitrij Karbasov. - Áno, takmer všetci počuli o AI, každý vie, že AI pomáha optimalizovať obchodné procesy, znižovať náklady, zefektívňovať niektoré funkcie (logistika, analýza správania spotrebiteľov, prognózovanie výrobného zaťaženia a objemov predaja atď.). Málokto zo zákazníkov však chápe, že na to, aby AI fungovala tak, ako má, je potrebné sformulovať obchodnú úlohu a kritériá jej úspechu z obchodného hľadiska. Inými slovami, zákazník musí pochopiť, ktorý z parametrov by mal dostať pokyn na analýzu systému AI a ako nakladať s prijatými údajmi z hľadiska prijímania manažérskych rozhodnutí.“
„Za hlavné ťažkosti pri implementácii takýchto riešení možno označiť dva faktory: ľudský a technologický,“ hovorí Nikolai Patskov. - Prvým je problém malého počtu odborníkov schopných interakcie so systémami umelej inteligencie. Tento problém sa postupne rieši, trh si uvedomuje hodnotu takýchto špecialistov a stále viac zamestnancov ovláda zručnosti potrebné pre rozvíjajúci sa trh. Technologický faktor možno pripísať nedostatku výpočtového výkonu: teraz opäť rozvíjame nápady, ktoré budeme môcť realizovať až s príchodom výkonnejších strojov. Ale vzhľadom na predpokladaný rast produktivity (1000-násobný nárast v nasledujúcich 10 rokoch) veríme, že evolučný vývoj technológií sa aspoň nespomalí.
Podľa Alekseyho Chaleyho existujú tri hlavné ťažkosti: „Prvým sú ľudia . Na svete je veľmi málo ľudí schopných pracovať v hraničných oblastiach, ktorí zároveň rozumejú danej oblasti (v našom prípade vírusovej analýze), ovládajú matematiku, štatistiku a strojové učenie a vedia aspoň trochu naprogramovať. Druhým sú údaje pre tréning . Tieto údaje sa musia niekde vziať a potom označiť. Dáta sa získavajú veľmi ťažko. Z tohto dôvodu je, mimochodom, brzdený pokrok vo vývoji AI, pretože výskumníci nemajú možnosť experimentovať s modelmi. Nestačí byť len talentovaným analytikom a programátorom – bez dát nie je možné v oblasti AI vytvoriť čokoľvek. A tretím sú náklady na infraštruktúru. Počiatočné investície do infraštruktúry môžu byť dosť významné.“
„Aby umelá inteligencia dobre riešila obchodné problémy, musí byť technológia „prispôsobená“, verí Dmitrij Shushkin. - Každý stroj, ako napríklad osoba, musí byť vyškolený na skutočných údajoch, aby mohol robiť presné rozhodnutia. Na naučenie takéhoto systému je potrebné najskôr zozbierať alebo syntetizovať veľké množstvo dobre označených údajov – napríklad informácie o financiách, výrobe, službách zákazníkom atď. Vo veľkých podnikoch je príprava a zber takýchto údajov jednoduchšia, keďže mnohé spoločnosti už využívajú systémy streamovania údajov z rôznych typov dokumentácie, tieto podnikové informácie sú zefektívnené a štruktúrované. Vytváranie takýchto polí v stredných a malých podnikoch je stále menej dostupné.“
Zhamilya Kameneva považuje vysoké náklady na takéto riešenia, dĺžku projektov a dlhú návratnosť investícií (minimálne 2-5 rokov) za jeden z hlavných problémov. „Po druhé, ako každý nový nástroj, je potrebná dlhá a starostlivá práca na vytvorenie trhu pre spotrebiteľov týchto technológií,“ pokračuje Kameneva. "Okrem toho by som chcel poznamenať nedostatok vysokokvalifikovaného personálu na trhu - drvivá väčšina zahraničných predajcov a len niekoľko vedeckých inštitúcií sa u nás zaoberá systémami umelej inteligencie."
Podľa Dmitrija Romanova je hlavný problém prekvapivo psychologický: „Ľudia sú zvyknutí očakávať od počítača absolútnu presnosť. Systémy AI majú pravdepodobnostný výstup. Môžu robiť chyby, dávať nesprávne odpovede a v tomto sú ako človek. Používatelia majú niekedy tendenciu preceňovať silu inteligentnej technológie.“
Vladimir Fomenko si je istý, že za pár rokov, akonáhle táto technológia prestane byť nová a stane sa zrozumiteľnejšou, už s jej implementáciou nebudú veľké ťažkosti. "Budú existovať systémy alebo programy, ktoré dokážu vytvoriť systémy alebo programy AI."
Rustem Khairetdinov sa však domnieva, že pri implementácii nie sú žiadne ťažkosti - „matematický aparát aj algoritmy implementované v softvéri a výpočtový výkon sú teraz k dispozícii takmer „po vybalení“ alebo „z cloudu“. „Problém je skôr vo formulácii problému, zostavení modelu na analýzu. Čoskoro budeme čeliť skutočnosti, že čistí matematici, ako sa teraz nazývajú dátoví vedci, budú menej žiadaní ako špecialisti v iných oblastiach (lekári, technológovia, bezpečnostní špecialisti, lingvisti atď.) so znalosťami princípov strojov a “ hlboké “učenie” “, - zdôrazňuje Khairetdinov.
* DDM (English Digital Diagnostics Monitoring) - funkcia digitálneho riadenia výkonových parametrov SFP transceivera (ako aj SFP + a XFP). Umožňuje sledovať v reálnom čase také parametre, ako sú: napätie, teplota modulu, predpätý prúd a výkon lasera (TX), úroveň prijímaného signálu (RX).
Projektový manažér ST Smartmerch, System Technologies Group, Maxim Archipenkov Som si istý, že „plusy vyplývajú z očakávaní“.
„Neurónové siete, na rozdiel od ľudí, nemajú emócie a neunavia sa,“ hovorí Arkhipenkov. - Vylúčený je ľudský faktor a všetky chyby a problémy spojené s charakterom človeka a jeho nízkou pracovnou schopnosťou - samozrejme ohľadom stroja. Neurónové siete nemajú výkonnostný prah: ak človek dokáže skontrolovať kvalitu napríklad 100 dielov za deň, potom ich systém skontroluje toľko, koľko kapacity servera dovolia. Systém sa dá ľahšie škálovať: v tom istom závode je ťažké umiestniť 100 ľudí na kontrolu kvality v jednej miestnosti.
Marketingový riaditeľ CDNvideo Angelina Reshina tiež verí, že hlavné výhody systémov AI "v rýchlosti spracovania dát, schopnosti trénovať systém a šetriť na ľudských zdrojoch."
Generálny riaditeľ spoločnosti Cezurity Alexey Chaley zdôrazňuje, že produkty založené na AI sú schopné vykonávať úlohy na kvalitatívne inej úrovni: klasifikovať obrázky, prekladať text, klasifikovať súbory atď.“, poznamenáva Chaley.
„Hlavnými výhodami v súčasnosti existujúcich riešení je schopnosť automatizovať mnohé oblasti činnosti a zároveň minimalizovať ľudskú účasť v tejto oblasti a rozširovať oblasti, kde je možné použiť softvér namiesto ľudskej práce,“ hovorí zakladateľ hostingovej spoločnosti King Servers. Vladimír Fomenko. „V súčasnosti je AI obzvlášť dobrá pri analýze veľkého množstva údajov, kde by človeku zabralo príliš veľa času a konvenčné programy, ktoré nepoužívajú strojové učenie, by neboli schopné dosiahnuť potrebnú presnosť.“
Súhlasím s kolegami a riaditeľom odboru podnikových informačných systémov ALP Group Svetlana Gatsaková: „Pomocou technológií AI sa výrazne zvyšuje rýchlosť a úroveň automatizácie spracovania veľkého množstva informácií – pri súčasnom zlepšení kvality a vyrobiteľnosti. So správnym postojom k novým technológiám sa zvyšuje úplnosť využívania dát, ako aj efektivita a kvalita manažérskych rozhodnutí.
Tvrdí to generálny riaditeľ Hawk House Integration Alexandra Ivleva"Technológia AI je najvhodnejšia na optimalizáciu rôznych druhov mechanických činností, automatizáciu rutinných operácií a jej použitie v nebezpečných odvetviach." „Správne používanie robotiky na dopravníkových linkách vám umožňuje prejsť na nepretržitú prevádzku, optimalizuje náklady podniku, zlepšuje kvalitu produktov, ale vyžaduje si serióznu a zdĺhavú fázu uvádzania do prevádzky,“ hovorí Ivlev. - Len málo spoločností si môže dovoliť investovať veľké sumy peňazí do takýchto technológií, hoci to v budúcnosti umožní výrazne znížiť náklady na výrobu. Podobne je to aj s technológiami strojového učenia: pre každý projekt analyzujte veľkú vzorku dát, navyše pomocou individuálnych algoritmov, čo si vyžaduje čas a zdroje. Ale po zavedení automatizácie sa tieto operácie uskutočnia rýchlejšie a lacnejšie, ako to môže urobiť človek.“
„Začnime tým, že systémy umelej inteligencie sa vyvíjajú s cieľom zlepšiť efektivitu v najširšom zmysle slova,“ pripomína riaditeľ pre obchodné aplikácie v CROC. Maxim Andrejev. - Na implementáciu nových nápadov, prístupov potrebujú firmy často brať do úvahy obrovské množstvo faktorov, ktoré bežný človek jednoducho nemôže mať na pamäti. Jednou z hlavných výhod umelej inteligencie je schopnosť brať do úvahy také rôznorodé množstvo faktorov v reálnom čase. Navyše, na rozdiel od človeka, algoritmus sa nemôže unaviť alebo zámerne zmeniť niektoré informácie. To znamená, že zavedením umelej inteligencie spoločnosť minimalizuje možnosť chýb spôsobených týmito faktormi. Má to však nevýhodu: človek môže brať do úvahy ďalšie podrobnosti, zatiaľ čo zle vyladený algoritmus bude naďalej fungovať nesprávne. Ďalším plusom systémov umelej inteligencie je replikovateľnosť. Zoberme si ako príklad akýkoľvek obchodný proces v spoločnosti, ktorého školenie trvá zamestnancovi rok. Ak teda potrebujeme 10 nových zamestnancov, strávime ich školením 10 človekorokov. Z pohľadu algoritmov je všetko jednoduchšie a náklady na škálovanie riešenia sú oveľa nižšie.“
Vedúci vývoja a implementácie AV riešení v Auvix Alexander Pivovarov je presvedčený, že medzi najzrejmejšie a povrchnejšie plusy patrí zvýšená efektivita, zníženie rutinných operácií a jednoduchšie používanie. „Ak si napríklad zoberiete takú celkom jednoduchú vec, ako je systém na rezervovanie a zobrazovanie rozvrhu zasadacích miestností, tak keď ho začnete pozorne študovať, uvidíte veľa príležitostí na zvýšenie efektivity jeho využívania, skrátenie prestojov a tak na používanie „inteligentných algoritmov,“ zdôrazňuje Pivovarov.
„Hlavnou úlohou digitálnej transformácie, ktorej jedným z nástrojov je AI, je zabezpečiť, aby procesy bežali rýchlejšie a efektívnejšie, spoločnosti míňali menej a zarábali viac,“ hovorí generálny riaditeľ ABBYY Russia. Dmitrij Šuškin. - Napríklad jeden z našich zákazníkov v bankovom sektore zautomatizoval spracovanie dokumentov na otvorenie účtu pre právnické osoby. Inteligentný systém sám typuje a rozpoznáva dokumenty, následne z nich extrahuje informácie a načíta ich do požadovaných polí bankového systému. Výsledkom je, že zadávanie údajov z dokumentov trvá menej ako 10 minút, čo je 2,5-krát rýchlejšie ako manuálne. Banka vypočítala, že za 3 roky ušetrí na spracovaní dokumentov viac ako 270 miliónov rubľov.
Podľa manažéra rozvoja podnikania Plantronics Alexej Bogačev„Jednou z hlavných výhod systémov AI je možnosť získať niektoré nové materiály, ktoré jednoducho nemáme k dispozícii. Keďže bežný človek vyvodzuje závery len na základe svojich vedomostí, dostávame tu hlbšiu analýzu, ktorá môže viesť k úplne neočakávaným záverom. Takto môžete dosiahnuť prielom v určitej oblasti.“
„Človek je zvyknutý považovať sa za korunu evolúcie, ale pravidelne čelíme obmedzeniam,“ hovorí generálny riaditeľ spoločnosti FreshDoc.ru Document Constructor. Nikolaj Patskov. - Napríklad hypersonické lietadlá lietajú rýchlosťou 10x väčšou ako je rýchlosť zvuku, ľudský pilot jednoducho nie je schopný takýto stroj ovládať bez pomoci inteligentnej elektroniky. Ľudské reakcie a rýchlosť rozhodovania nestačia na to, aby fungovali takými rýchlosťami. Umelá inteligencia nám pomáha prekonať tieto obmedzenia. Umelá inteligencia umožňuje ľuďom rýchlejšie reagovať, chráni pred robením chýb, oslobodzuje ich od rutinných operácií a rozhodnutí. Takéto systémy môžu efektívne nahradiť ľudského experta v oblasti dopravy, prognózovania, obchodovania na burze, poradenstva a prípravy dokumentov. Používanie „inteligentných riešení“ ovplyvňuje aj konečné náklady na produkt: „roboty“ napokon nemusia platiť mzdy, neochorejú a nechodia na dovolenku a nepodliehajú zníženiu efektívnosti. . Obrovský potenciál vidíme vo vývoji inteligentných riešení pre široké spektrum úloh. Účasť na rozvoji tejto oblasti môže ruským IT podnikateľom umožniť otočiť trh a „zviezť sa“ na informačnej vlne ľudského rozvoja.
Tvrdí to riaditeľ obchodného rozvoja a marketingu Konica Minolta Business Solutions Russia Zhamilya Kameneva všetko, samozrejme, závisí od triedy riešení. Ale väčšinou sú zamerané na optimalizáciu a automatizáciu procesov, šetrenie zdrojov – hmotných aj nehmotných, pracovného aj osobného času. „Zjednodušene povedané, ich úlohou je uľahčiť nám život,“ zhŕňa Kameneva.
„Po prvé, takéto systémy nám umožňujú odhaliť to, čo je skryté pred ľudskou mysľou,“ hovorí riaditeľ medzinárodného obchodného rozvoja Navicon Iľja Naroditskij. - Bez ohľadu na to, aké dobré sú nástroje BI človeka, v niektorých prípadoch je strojové učenie nevyhnutné: napríklad ak potrebujete spracovať štatistiku operácií na bankových účtoch 1 milióna zákazníkov za 10 rokov. Už dnes strojové vyhľadávanie skrytých vzorcov, ktoré nie sú človeku zrejmé, umožňuje mnohým spoločnostiam budovať obchodnú stratégiu a vytvárať systémy na podporu manažérskych rozhodnutí. Po druhé, technológie umelej inteligencie výrazne zvyšujú efektivitu všetkých typov komunikácie so spotrebiteľmi. Inovatívne technológie, ktoré dokážu porozumieť a analyzovať textové a hlasové správy, pomáhajú skrátiť čas spracovania prichádzajúcich požiadaviek a reagovať na požiadavky zákazníkov rýchlejšie ako predtým. Po tretie, takéto systémy môžu odbremeniť zamestnancov spoločnosti od vykonávania rutinných operácií, čo znamená, že im uvoľnia čas na riešenie strategicky dôležitých problémov. Čas strávený riešením rutinných úloh by sa dal využiť na riešenie kreatívnych problémov.“
„Takéto systémy umožňujú robiť rozhodnutia za človeka v tých oblastiach, kde je to prípustné,“ hovorí generálny riaditeľ Atak Killer. Rustem Khairetdinov. „Zatiaľ čo predtým automatizované systémy rozhodovali len v rámci dobre definovaných scenárov „ak-potom“, dnešné a zajtrajšie systémy budú schopné rozhodovať sa za nejasne definovaných podmienok a s nedostatočnými informáciami, ktoré predtým mohol robiť len osoba.”
Riaditeľ vývoja Acronis Sergej Ulasen tiež poznamenáva: systémy umelej inteligencie riešia mnohé úlohy, ktoré si predtým vyžadovali zapojenie človeka. Zároveň často fungujú rýchlejšie a majú predvídateľný výsledok a kvalitu práce.
„Technológie AI skutočne fungujú a pomáhajú zlepšovať obchodné procesy, aspoň čiastočne oslobodzujú ľudský intelekt od rutiny pre kreativitu a vytvárajú niečo nové,“ zdôrazňuje generálny riaditeľ spoločnosti Preferentum (IT Group) Dmitrij Romanov. - Je pre nich ľahké posúdiť ekonomický efekt. Pre veľkú triedu systémov využívajúcich metódy strojového učenia je ich schopnosť stať sa „inteligentnejšími“ pri práci jednoznačným plusom.
Tvrdí to marketingový riaditeľ spoločnosti Vocord Sergej Ščerbina, hlavné výhody spočívajú v tom, že na základe „chaotických“ faktov, zle štruktúrovaných, neutajovaných alebo neúplných informácií, AI robí presné predpovede. „Spoliehajúc sa na ne, získame zásadne novú úroveň presnosti a rýchlosti rozhodovania, kde jednoduché, lineárne pravidlá nefungujú,“ pokračuje Shcherbina. - Obrovské polia údajov sa neustále dopĺňajú, ale samy o sebe nedokážu vyriešiť problémy, AI je práve to, čo je potrebné na ich analýzu. Poznáme už veľa príkladov úspešnej aplikácie AI v medicíne, pri analýze globálnych a lokálnych ekonomických a sociálnych procesov, pri riešení inžinierskych a technických problémov, pri rozhodovaní o investíciách a v bezpečnostných systémoch. Inovácie v oblasti AI umožnia automatizovať zásadne širšiu škálu obchodných procesov. V oblasti video sledovania a bezpečnosti tak bude po prvýkrát možné zaručiť bez účasti operátora nepretržitú detekciu potenciálne nebezpečných incidentov, identifikáciu hľadaných osôb. Existuje už veľa príkladov úspešných aplikácií AI.“
Hlavné plus podľa spoluzakladateľa služby shikari.do Vadim Šemárová je, že systémy AI sa dajú trénovať. „Napríklad, ak chceme, aby systém dokázal rozlíšiť správy ľudí, kde si chcú niečo kúpiť, od správ, kde chcú niečo predať, alebo určiť predmet správ, nepotrebujeme zostavovať podrobný zoznam slov a frázy, ktoré vyjadrujú zámery, náladu, tému atď. Vyberáme veľa vzorových textov na témy, ktoré potrebujeme, „trénujeme“ systém na týchto príkladoch a potom sám začína chápať podstatu neznámych textov,“ hovorí Shemarov.
Vedúci Výskumného centra pre reguláciu robotiky a AI, Senior Associate v Dentons Andrej Neznamov tiež sa domnieva, že možnosť učenia sa (učenie pod dohľadom alebo sebazdokonaľovanie) možno nazvať hlavným plusom technológií, ktoré sa bežne nazývajú „AI“.
Aké sú ťažkosti pri implementácii týchto systémov?
Stručne zhrnuté, hlavnými výhodami technológií AI sú podľa odborníkov na trh IT dosahovanie nových úrovní produktivity, automatizácie, efektívnosti, analýzy, učenia, rozhodovania, predvídateľnosti a učenia. Keďže však ide o nový smer, odborníci vidia ešte viac ťažkostí ako výhod. Stačí povedať, že takmer každý rečník pomenoval svoju náročnosť.
„Toto je úplne nová oblasť. Každá úloha, ktorá sa teraz rieši, je RnD vo svojej najčistejšej forme: musíte definovať, systematizovať, prísť s riešením, implementovať toto riešenie a implementovať ho, - zdôrazňuje Maxim Arkhipenkov. „Ide o kreatívny proces, ktorý si vyžaduje vysokú úroveň vedy a odbornosti priamo v oblasti aplikácie tohto riešenia – či už ide o FMCG, vesmír, medicínu, alebo v oblasti implementácie systémov neurónových sietí.“
Podľa Alexandra Pivovarova je problém „v nájdení rovnováhy medzi humbukom a skutočnou užitočnosťou, v ťažkostiach s neviditeľnosťou týchto technológií pre spotrebiteľa a v absencii chýb v ich práci“.
Dmitrij Karbasov sa domnieva, že „kľúčová ťažkosť týchto projektov súvisí s nepredvídateľnosťou výsledku“. „Povedzme, že pri kúpe CRM systému zákazník jasne chápe funkcionalitu, ktorú mu systém ponúka, a ako túto funkcionalitu využije,“ hovorí Karbasov. - Sú to procesy, formuláre na zadávanie údajov, reporting atď. Pri implementácii systému AI je veľmi ťažké predpovedať výsledok bez implementácie projektu, odhalenie technológií a algoritmov človeku bez matematického vzdelania prakticky nič nepovie a praktické skúsenosti a medzi zákazníkmi je len málo vrcholových manažérov s takýmto zázemím. Pomáha realizácia pilotných projektov, ktorých metodiku máme odladenú a používame ju v 99 % projektov.“
"Určite je tu veľa ťažkostí," hovorí Maxim Andreev. - Tou hlavnou je možno nedostatok dostatočne veľkých súborov údajov na trénovanie umelej inteligencie. Vyžaduje si to historické údaje. Dovoľte mi vysvetliť, čo tým myslím: pre jednu veľkú spoločnosť sme urobili prognózu predaja prepravných služieb – predpovedali sme hmotnosť nákladu a smer prepravy. V žiadnom prípade sa nám nepodarilo dosiahnuť dobrú presnosť predpovede, začali sme zisťovať, o čo ide a zistili sme, že v historických údajoch, ktoré boli vo firme uložené, sa niekde počítalo s hmotnosťou s obalom a niekde bez. Zároveň jednoducho neexistuje žiadny znak, podľa ktorého by sa dal tento faktor vysledovať. To znamená, že kedysi v minulosti tieto informácie nehrali rolu, no teraz sa všetko zmenilo. Preto je také dôležité zbierať všetky údaje, ktoré je možné zbierať „na požiadanie“. Technológie na zber a spracovanie dát sa neustále vyvíjajú a spoločnosti už dokážu implementovať technológie Data Lake, ktoré sa stávajú výbornou platformou na tréning umelej inteligencie. Ďalším problémom je, že samotné algoritmy sú stále dosť malé. Preto pred zavedením spoločnosti je potrebné vykonať prieskum. To nám umožňuje zistiť, či za špecifických podmienok, na konkrétnych dátach a pre špecifické obchodné procesy bude možné vybudovať AI, ktorej náklady by nepresiahli hodnotu, ktorú dáva spoločnosti.“
Anna Plemyashova sa domnieva, že hlavným problémom je úplná absencia alebo nedostatok údajov na zostavenie presných modelov. „Pre priemyselné podniky, kde takéto riešenia vyžadujú značné investície do infraštruktúry, je to oneskorený ekonomický efekt: najprv musíte začať zbierať a zhromažďovať dáta a až potom môžete prejsť k riešeniam využívajúcim inteligentné systémy. Prechodné riešenia BI a vizualizácia údajov v reálnom čase umožňujú priblížiť ekonomické výhody, hovorí Plemyashova. - Ďalším problémom je potreba reštrukturalizácie podnikového procesu pri zavádzaní inteligentných systémov. To znamená, že nestačí kúpiť takéto riešenie a dať ho ako kvetinu do vázy alebo aplikáciu v počítači. Je potrebné urobiť toto rozhodnutie priateľské k obchodnému procesu: vytvoriť, prekonfigurovať alebo dokonca zrušiť niektoré prevádzky, preškoliť ľudí, optimalizovať personál.“
„Tieto systémy sú založené na údajoch a veľkých údajoch,“ pripomína Sergey Ulasen. - Na trénovanie modelov sú potrebné značné výpočtové zdroje a na ukladanie veľkých dát je potrebná vhodná infraštruktúra. Preto si implementácia systémov AI vyžaduje značné investície do hardvéru.
Zhromažďovanie a príprava údajov si zase vyžaduje veľké organizačné úsilie a často aj vývoj nového softvéru, ktorý pomáha pri analýze údajov.“
Svetlana Gatsakova je presvedčená, že ťažkosti spočívajú predovšetkým v „nedostatočnej pozornosti na limity použiteľnosti každej konkrétnej technológie AI, na úskalia“. A tiež „v slabej interpretovateľnosti výsledkov (napokon, napríklad neurónová sieť nevysvetľuje svoje závery), v ťažkostiach pri vytváraní homogénnych súborov údajov pre trénovacie a testovacie modely.“ Ďalším problémom je „slepá viera v dáta a nedostatočné zameranie na manažérsku intuíciu a tie faktory, ktoré sa ťažko merajú a integrujú do procesov DDM“. Na to sa podľa Gatsakovej prekrývajú „zložitosti špecifické pre ruské organizácie“. „Ide o nízku dostupnosť spoľahlivých údajov o vonkajšom svete organizácie az toho vyplývajúce riziko izolácie od interných informácií, čiže premena na akúsi autistickú organizáciu. Navyše ide o malý (v porovnaní s poprednými západnými spoločnosťami) prienik kultúry DDM, obmedzený najmä na absolventov západných obchodných škôl.
„AI pomáha automatizovať mnohé procesy a nahradiť nízko kvalifikovaných zamestnancov, no zároveň vyžaduje kontrolu od vývojárov, ktorých náklady na prácu sú, samozrejme, vyššie,“ hovorí Angelina Reshina. "Učenie systému je potrebné kontrolovať tak, aby neprekročilo prijateľné limity."
Podľa Sergeja Shcherbinu spočívajú ťažkosti v zastaranom vybavení a slabej infraštruktúre, starších hardvérových a softvérových platformách, ktoré sa v ťažkých ekonomických časoch a s obmedzenými rozpočtami len málokto odváži zmeniť. „Vplyv má aj ľudský faktor,“ zdôrazňuje Shcherbina. - Tu je nedostatok kvalifikovaného personálu, nedostatočná úroveň kompetencií, či konzervatívnosť lídrov. Navyše, nie každý chápe, prečo je to potrebné a prečo míňať peniaze na modernizáciu, keď sa zdá, že „po starom“ všetko aj tak funguje.“
„Medzi ťažkosti pri budovaní systémov AI je predovšetkým potrebné poznamenať nedostatok personálu,“ poznamenáva Andrey Sykulev. - Špecialistov je veľmi málo, pretože požiadavky sú tu extrémne vysoké: okrem programátorských zručností musí človek ovládať pomerne zložitý matematický aparát a mať znalosti a skúsenosti v predmetoch. Pomerne často je „prekážkou“ nízka kvalita údajov a chýbajúca infraštruktúra na ich integráciu. Ďalšou dôležitou otázkou je bezpečnosť údajov, pretože údaje konsolidované pre operácie AI sa môžu stať cieľom útoku alebo môžu byť použité, mierne povedané, na iné účely.
Alexey Bogachev sa tiež domnieva, že jedným z hlavných problémov je personál. „Ako so všetkým novým, otázkou je, ako s tým pracovať. Keďže aplikovaná aplikácia akejkoľvek technológie si vyžaduje kvalifikovaných odborníkov a toto je veľmi mladý smer, je preto dosť ťažké nájsť ľudí, ktorí by tomu rozumeli.“
Personálny problém má aj druhú stránku. „Hlavným problémom je, že nie veľa vrcholových manažérov podnikov chápe, čo je umelá inteligencia a aké je jej praktické využitie,“ pripomína Dmitrij Karbasov. - Áno, takmer všetci počuli o AI, každý vie, že AI pomáha optimalizovať obchodné procesy, znižovať náklady, zefektívňovať niektoré funkcie (logistika, analýza správania spotrebiteľov, prognózovanie výrobného zaťaženia a objemov predaja atď.). Málokto zo zákazníkov však chápe, že na to, aby AI fungovala tak, ako má, je potrebné sformulovať obchodnú úlohu a kritériá jej úspechu z obchodného hľadiska. Inými slovami, zákazník musí pochopiť, ktorý z parametrov by mal dostať pokyn na analýzu systému AI a ako nakladať s prijatými údajmi z hľadiska prijímania manažérskych rozhodnutí.“
„Za hlavné ťažkosti pri implementácii takýchto riešení možno označiť dva faktory: ľudský a technologický,“ hovorí Nikolai Patskov. - Prvým je problém malého počtu odborníkov schopných interakcie so systémami umelej inteligencie. Tento problém sa postupne rieši, trh si uvedomuje hodnotu takýchto špecialistov a stále viac zamestnancov ovláda zručnosti potrebné pre rozvíjajúci sa trh. Technologický faktor možno pripísať nedostatku výpočtového výkonu: teraz opäť rozvíjame nápady, ktoré budeme môcť realizovať až s príchodom výkonnejších strojov. Ale vzhľadom na predpokladaný rast produktivity (1000-násobný nárast v nasledujúcich 10 rokoch) veríme, že evolučný vývoj technológií sa aspoň nespomalí.
Podľa Alekseyho Chaleyho existujú tri hlavné ťažkosti: „Prvým sú ľudia. Na svete je veľmi málo ľudí schopných pracovať v hraničných oblastiach, ktorí zároveň rozumejú danej oblasti (v našom prípade vírusovej analýze), ovládajú matematiku, štatistiku a strojové učenie a vedia aspoň trochu naprogramovať. Druhým sú tréningové údaje. Tieto údaje sa musia niekde vziať a potom označiť. Dáta sa získavajú veľmi ťažko. Z tohto dôvodu je, mimochodom, brzdený pokrok vo vývoji AI, pretože výskumníci nemajú možnosť experimentovať s modelmi. Nestačí byť len talentovaným analytikom a programátorom – bez dát nie je možné v oblasti AI vytvoriť čokoľvek. A tretím sú náklady na infraštruktúru. Počiatočné investície do infraštruktúry môžu byť dosť významné.“
„Aby umelá inteligencia dobre riešila obchodné problémy, musí byť technológia „prispôsobená“, verí Dmitrij Shushkin. - Každý stroj, ako napríklad osoba, musí byť vyškolený na skutočných údajoch, aby mohol robiť presné rozhodnutia. Na naučenie takéhoto systému je potrebné najskôr zozbierať alebo syntetizovať veľké množstvo dobre označených údajov – napríklad informácie o financiách, výrobe, službách zákazníkom atď. Vo veľkých podnikoch je príprava a zber takýchto údajov jednoduchšia, keďže mnohé spoločnosti už využívajú systémy streamovania údajov z rôznych typov dokumentácie, tieto podnikové informácie sú zefektívnené a štruktúrované. Vytváranie takýchto polí v stredných a malých podnikoch je stále menej dostupné.“
Zhamilya Kameneva považuje vysoké náklady na takéto riešenia, dĺžku projektov a dlhú návratnosť investícií (minimálne 2-5 rokov) za jeden z hlavných problémov. „Po druhé, ako každý nový nástroj, je potrebná dlhá a starostlivá práca na vytvorenie trhu pre spotrebiteľov týchto technológií,“ pokračuje Kameneva. "Okrem toho by som chcel poznamenať nedostatok vysokokvalifikovaného personálu na trhu - drvivá väčšina zahraničných predajcov a len niekoľko vedeckých inštitúcií sa u nás zaoberá systémami umelej inteligencie."
Podľa Dmitrija Romanova je hlavný problém prekvapivo psychologický: „Ľudia sú zvyknutí očakávať od počítača absolútnu presnosť. Systémy AI majú pravdepodobnostný výstup. Môžu robiť chyby, dávať nesprávne odpovede a v tomto sú ako človek. Používatelia majú niekedy tendenciu preceňovať silu inteligentnej technológie.“
Vladimir Fomenko si je istý, že za pár rokov, akonáhle táto technológia prestane byť nová a stane sa zrozumiteľnejšou, už s jej implementáciou nebudú veľké ťažkosti. "Budú existovať systémy alebo programy, ktoré dokážu vytvoriť systémy alebo programy AI."
Rustem Khairetdinov sa však domnieva, že pri implementácii nie sú žiadne ťažkosti - „matematický aparát aj algoritmy implementované v softvéri a výpočtový výkon sú teraz k dispozícii takmer „po vybalení“ alebo „z cloudu“. „Problém je skôr vo formulácii problému, zostavení modelu na analýzu. Čoskoro budeme čeliť skutočnosti, že čistí matematici, ako sa teraz nazývajú dátoví vedci, budú menej žiadaní ako špecialisti v iných oblastiach (lekári, technológovia, bezpečnostní špecialisti, lingvisti atď.) so znalosťami princípov strojov a “ hlboké “učenie” “, - zdôrazňuje Khairetdinov.
Všetko to začalo vedecko-technickou revolúciou, ktorá slúžila ako silný impulz pre rozvoj technológií. Vtedy nastal prechod od industriálnej spoločnosti k postindustriálnej. Samozrejme, Nikola Tesla so svojim striedavým prúdom, Alexander Popov s vynálezom rádia, Alexander Bell - vďaka nemu sa ľudstvo zoznámilo s telefónom sú považovaní za géniov, ktorí obrátili zaužívaný obraz sveta hore nohami.
Za zmienku stoja ľudia, ktorí donedávna tvorili alebo naďalej pôsobia na tomto úrodnom poli. Bill Gates, Mark Zuckerberg, Elon Musk sú vynikajúce mysle, ktoré významne prispeli a naďalej prispievajú k rozvoju dnešnej spoločnosti. Posúvajú vpred náš nový svet špičkových technológií. A veľmi skoro sa pred očami ľudí objaví nový zázrak. Neúnavný Elon Musk povedal, že o desať rokov bude možné písať správy pomocou „sily myšlienky“. Relatívne nedávno by ho označili za blázna alebo výstredníka, no za starých dobrých čias sa dali spočítať! Ale v dvadsiatom prvom storočí sa svet stal tolerantnejším a zvedavejším. Ľudstvo otrávené veľkým množstvom noviniek je však ťažké prekvapiť, informuje.
Čo teda môže našu generáciu zaujať a posunúť technológiu na vyššiu úroveň? Odpoveďou je umelá inteligencia a nanotechnológie. Vytvorenie umelej inteligencie povedie k vzniku nových smerov, ako aj k rozšíreniu funkcií existujúcich, ako je rozpoznávanie a syntéza reči, predikcia, zhluková analýza a mnohé ďalšie. Vývoj prebieha už dlho, no na vytvorenie plne funkčného modelu bude potrebné nové technické riešenie, známe ako „kvantový superpočítač“, ktorého výpočtový výkon dokáže poskytnúť plnú funkčnosť.
Implementácia týchto myšlienok má svoje globálne výhody a nevýhody:
Prvým plusom je výrobný faktor. Dnes je nevyhnutná prítomnosť človeka, ktorý hodnotí kvalitu vykonanej práce a odstraňuje technické poruchy.
Umelá inteligencia si v budúcnosti bude riadiť celý reťazec sama. Predpokladá sa, že to urobí rádovo lepšie ako jeho tvorca.
Druhým je výskum. Štúdium vesmíru, hlbín oceánu či zemského jadra sa stane bezpečnejším, poskytne viac príležitostí. Kde nemôže prejsť človek, tam si poradí stroj.
Tretia je medicína. Diagnostika, chirurgia, rehabilitácia, implantáty.
Z mínusov možno identifikovať:
Hlavná vec je nahradenie človeka strojmi, čo povedie k masovej nezamestnanosti obyvateľstva. Čo robiť s miliónmi, miliardami nezamestnaných? Otázka je stále otvorená.
Druhým sú zlyhania vo fungovaní globálnych informačných a produkčných sietí. To môže spôsobiť globálne problémy.
V roku 2003 došlo k výpadkom v napájacom systéme aj v Kanade. Bez elektriny zostali New York, Detroit, Toronto, Montreal, Ottawa. Dopravné zápchy, státisíce ľudí zamknutých v metre, fakty o rabovaní, stratách na životoch, výkyvy na svetových trhoch s ropou.
Toto je taký nepríjemný hovor. Dôvody boli rôzne. Úder blesku, poruchy v jadrových elektrárňach, no faktom zostáva. Päťdesiat miliónov ľudí zostalo niekoľko hodín bez prúdu, čo viedlo k panike a zmätku. Niektorí sa správali ako stratené deti, iní boli horší ako zvieratá.
Svet je veľmi krehký a vrstva ľudskej civilizácie je veľmi tenká.
Tretím je uchopenie moci na planéte AI, zotročenie alebo úplné zničenie ľudí. Dnes sa o takomto scenári uvažuje iba v sci-fi filmoch a knihách. Nie je to však prvýkrát, čo ľudstvo uskutočnilo rozprávku. A nie nevyhnutne rozprávka so šťastným koncom.
Buďme však optimisti. Veríme v ľudskú genialitu a nové mená vo svete špičkových technológií a humánnych myšlienok. Civilizácia už nie raz stála na pokraji, no zakaždým sa objavia ľudia s pokročilými, neštandardnými myšlienkami, ktoré im nedovoľujú spadnúť do priepasti.
Chyba v texte? Vyberte ho myšou! A stlačte: Ctrl + Enter
Populárne
Líder politickej sily „Občianske postavenie“ Anatolij Gritsenko mierou sympatií u voličov výrazne predbehol spolupredsedu frakcie „Opozičná platforma – Za život“ Jurija Bojka.
Škandalózna primabalerína ruského šoubiznisu, tanečnica a nedávno aj speváčka Anastasia Volochková, opäť šokovala publikum svojimi huncútstvami, uvádza stránka.
Odpoveď na otázku, prečo socialisti na celom svete sľubujú, že niekomu urobia dramatickú radosť, že budú sprchovať peniaze, ktoré niekomu zoberú, je veľmi jednoduchá. Ide o to, že toto je jediné ekonomické
Podľa webu už nikomu nie je tajomstvom, že jeden z najvplyvnejších ukrajinských oligarchov Igor Kolomojskij má veľký vplyv na niektorých politikov v nadchádzajúcich prezidentských voľbách.
Niektoré rastliny do bytu nielen dokonale zdobia domov, ale aj čistia vzduch a slúžia aj ako prevencia mnohých chorôb. Ako informuje stránka, experti povedali aké
Kandidát na prezidenta Ukrajiny, líder „štvrťroku 95“, herec Volodymyr Zelenskyj sa podelil so svojimi fanúšikmi o novú fotografiu, na ktorej ukázal, ako prebieha jeho voľný deň, uvádza replyua.net.
VÝŽIVA PRED Tréningom
Predtréningová výživa je založená na konzumácii alternatívnych energetických substrátov (hlavne sacharidov), aby sa čo najdlhšie zachovali energetické rezervy organizmu. Správna výživa pred tréningom je skvelý spôsob, ako doplniť hladinu energie a zohráva dôležitú úlohu pri zvyšovaní efektivity vášho tréningu. Potreba konzumovať jedlo 60-90 minút (v závislosti od metabolizmu a objemu jedla) pred tréningom. Jedlo by malo obsahovať gramy: 25-40 bielkovín, 70-90 sacharidov a nie viac ako 15 tukov.
Sacharidy
O zásoby glykogénu je počas intenzívneho silového tréningu obrovský dopyt. Glykogén je cukor, ktorý sa ukladá v pečeni a svaloch. Keďže anaeróbne cvičenie nezahŕňa saturáciu krvi veľkým množstvom kyslíka, telo nie je schopné rozkladať tuky a využívať ich ako hlavný zdroj paliva. Namiesto toho musí telo využiť obe zásoby cukru, ten uložený vo svaloch a ten, ktorý pečeň dodáva do krvi.
Väčšina jedál pred tréningom by mala obsahovať komplexné sacharidy. Komplexné sacharidy majú nízky glykemický index (GI). GI je miera okamžitého účinku sacharidov na hladinu glukózy v krvi. Jednoduché sacharidy sú ľahšie stráviteľné, a tak majú okamžitý vplyv na hladinu glukózy v krvi, čo znamená, že majú vysoký GI. Naopak, komplexnejšie sacharidy sa trávia dlhšie, a preto majú menší vplyv na hladinu glukózy a majú nižší GI.
Prečo je však toto všetko dôležité a aký je zmysel ich konzumácie? Sacharidy s nízkym GI (komplexné) sa štiepia počas dlhého obdobia a produkty rozpadu (jednoduché sacharidy, ktoré sa tvoria z natrávených komplexných) sa stabilne a dlhodobo uvoľňujú do krvi. Vyhnete sa tak vzostupom a pádom energie a výkonu a pomáhate udržiavať anabolický stav v neskorších fázach tréningu.
Všeobecným pravidlom je, že jedlá pred tréningom by mali pozostávať z obilnín − ovsené vločky, hnedá ryža, celozrnný chlieb, sladké zemiaky, tvrdé cestoviny, strukoviny, orechy.
Veveričky
Proteíny sú známe ako stavebné kamene svalov. Skladajú sa z menších jednotiek – 9 aminokyselín, ktoré si telo nevie vyrobiť a musia pochádzať z potravy alebo doplnkov (esenciálne aminokyseliny). Bielkoviny, ktoré obsahujú všetky esenciálne aminokyseliny, sa nazývajú kompletné bielkoviny. Všetky živočíšne produkty (mäso, vajcia, mliečne výrobky) sú plnohodnotné bielkoviny a musia byť pridané do stravy pred a po tréningu.
Zdroje bielkovín:
Mäso (hovädzie, morčacie, kuracie)
Ryby (losos, tuniak)
Vajcia
Mliečne výrobky
orechy
Ďalšou predtréningovou stratégiou je využiť zvýšený prietok krvi do precvičovaných svalov, pretože práve vtedy sú svaly najcitlivejšie na živiny.
Nedostatok aminokyselín bol vždy limitujúcim faktorom pre syntézu bielkovín, takže zaradením bielkovín do predtréningového jedálnička prispejete k zrýchlenému prísunu aminokyselín do svalových tkanív.
Pred tréningom sa snažte vyhnúť prítomnosti tukov v strave. Tuky výrazne spomaľujú proces trávenia. Keďže ľudské telo zvyšuje prietok krvi do tých orgánov, ktoré to potrebujú, v stave ťažkého trávenia má zaťažený žalúdok prednosť pred svalmi, čo nie je dobré. Preto budú tie gramy tuku, ktoré prijmete spolu so zdrojmi sacharidov a bielkovín, celkom dosť.
Príklad jedla pred tréningom
Kuracie prsia - 200 gr. (45 gr. b.)
Hnedá ryža - 300 g. hotový výrobok (65 gr. ug.)
Celozrnný chlieb - kúsok 50 g. (20 gr. ug. + 7 gr. b.)
Šťava - 300-500 ml
Ovsené vločky - 300 gr. (60 gr. ug. + 10 gr. b.)
Tvaroh bez tuku - 200 g. (44 gr. b.)
Zelený banán - 1 kus (30 gr. ug.)
Voda - 300-500 ml
DOPLNKY PRED Tréningom
Takže ste sa dobre najedli s plnohodnotným jedlom, pridali ste do tela sacharidy na doplnenie zásob glykogénu a dodali ste nejaké kompletné bielkoviny. Teraz musíte okamžite poskytnúť telu ďalšie živiny vo forme doplnkov, aby ste zvýšili efektivitu tréningu. Športová výživa sa rýchlo vstrebáva, preto by mala byť užite 15-30 minút pred tréningom. Nasleduje zoznam niektorých populárnych predtréningových doplnkov:
Srvátkový proteín- možno najdôležitejší doplnok pred aj po tréningu. Poskytuje vám bielkoviny a aminokyseliny s rozvetveným reťazcom, ktoré budú počas tréningu čo najrýchlejšie dodané do svalových buniek.
Kreatín – zväčšuje svalový objem a energiu a tiež zadržiava vodu vo svaloch, čo prispieva k dobrej hydratácii. Je to bezpečný doplnok.
BCAA sú nepochybne esenciálne aminokyseliny v každej kulturistickej strave. Podporujú rast a regeneráciu svalov. Potreba ich použitia však môže byť otázna. Koniec koncov, proteínové prášky (najmä srvátkový proteínový koncentrát, nie izolát) už majú vynikajúcu sadu aminokyselín. Preto jednoducho nebude mať zmysel používať BCAA a oplatí sa vopred lepšie vidieť štítok na vašom srvátkovom proteíne.
NO2 - oxid dusnatý, rozširuje cievy, aby sa do svalov mohlo dostať viac krvi. To znamená, že do svalov sa môže dodať viac živín.
Kofeín je výborný stimulant, ktorý dodáva telu energiu a pomáha sústrediť sa. Kofeín pôsobí v opačnom smere ako kreatín (prvý pôsobí ako diuretikum, druhý ukladá tekutiny), preto by ste si mali vybrať jeden.
Leukic Hardcore - komplex živín, ktorý udržuje optimálnu hladinu inzulínu v krvi a vytvára priaznivé podmienky pre maximálny rast svalového tkaniva.
Nano Vapor - komplex špeciálnych biologicky aktívnych zlúčenín, stimuluje anabolizmus svalových buniek a zabraňuje katabolickému efektu.
Príklad predtréningového shakeu
Srvátkový proteín - 2 odmerky (asi 40-50 g. b.)
Kreatín - 5 g.
BCAA - 5-10 g. (v závislosti od zloženia proteínu berte len BCAA alebo len proteín)
NO2 - 2 kapsuly
Voda - 500 ml
nano para - 2 odmerky (50 gr.)
Leukic Hardcore – 1 porcia (6 kapsúl)
Voda - 300 ml
Odoslanie dobrej práce do databázy znalostí je jednoduché. Použite nižšie uvedený formulár
Študenti, postgraduálni študenti, mladí vedci, ktorí pri štúdiu a práci využívajú vedomostnú základňu, vám budú veľmi vďační.
Hostené na http://www.allbest.ru/
Úvod
Základy umelej inteligencie
Strojové a ľudské schopnosti: Príklady, prax a analýza
Výhody a nevýhody využívania umelej inteligencie v manažmente
Záver
Zoznam použitej literatúry
Úvod
Náš svet sa môže blížiť ku katastrofe. Pri akejkoľvek triezvej analýze stavu našej planéty nie je ťažké dospieť k takémuto záveru. Ekonomická stagnácia, chudoba, nekontrolovateľná inflácia, masívna nezamestnanosť, preľudnenie, politické spory, terorizmus, vojny a nebezpečenstvo ich vypuknutia, ako aj hrozba súdneho dňa neobišli ani jeden kút zemegule. Samozrejme, ľudstvo vždy čelilo mnohým problémom, ale dnešné problémy sa, samozrejme, zdajú byť závažnejšie ako tie v minulosti. Teraz sa zdá, že sme skutočne dosiahli bod, keď sa musíme vzdať niečoho veľmi dôležitého. Žiaľ, býva zvykom zvaľovať hlavnú vinu na vývoj techniky, t.j. práve to, čo sa ľudstvo počas svojej histórie pokúšalo nájsť riešenie mnohých problémov.
Technológie sprevádzajú človeka už tisíce rokov a nie sú ničím iným ako spoločným výsledkom ľudských túžob po lepšom živote. Teraz sú však ľudia, ktorí veria, že rozvoj technológií život naopak skôr zhoršuje ako zlepšuje. Výzvy, ktorým dnes ľudia čelia, sa líšia rozsahom, od sociálnych otrasov spôsobených technologickými zmenami, nezamestnanosťou, znečistením a hrozbou jadrového zničenia až po odcudzenie a nespokojnosť s prácou a jej konkrétnymi výsledkami. K tomu môžeme pridať nasledovné. Je možné, že zložitosť spôsobená technologickým pokrokom je zodpovedná za neliečiteľné neduhy ekonomiky a že technické systémy, ktoré sa stanú tak zložitými, že ľuďom čoskoro nebudú chýbať znalosti a pochopenie na ich riadenie, začínajú predstavovať značné nebezpečenstvo.
Prirodzene vyvstáva otázka, ako tieto problémy vyriešiť? Dokážu neživé výtvory technológie nájsť odpovede na otázky, ktoré sama položila, a na nespočetné množstvo ďalších, ktoré privádzajú ľudskú rasu do zúfalstva? Sú stroje samotné schopné prísť s riešeniami, ktoré unikajú ľudskej mysli? V tejto semestrálnej práci by som chcel dokázať, že v zásade je to možné a navyše sa to v budúcnosti musí stať.
Takéto vyhlásenie nie je len snom. Vychádza z objavov, ktoré sa denno-denne objavujú v rôznych svetových laboratóriách, najplodnejšie pôsobiacich v oblasti výpočtovej techniky. Dlho sa mylne verilo, že výstupom počítača môže byť len to, čo je doň vložené na vstupe. Táto predstava sa za posledných 30 rokov určite potvrdila vo väčšine prác súvisiacich so spracovaním údajov. Teraz je však nezvratne dokázané, že z počítačov sa dá získať niečo úplne nové, a to znalosti. Tieto poznatky môžu mať zase podobu originálnych nápadov, stratégií a riešení skutočných problémov.
Vedomosti vytvorené strojom doteraz nemajú veľký praktický význam, nie sú schopné vyliečiť tie hlboké choroby, ktorými je náš svet chorý. Dalo sa to očakávať: koniec koncov, biológ, ktorý začal so syntézou živej hmoty, prinajlepšom očakáva, že dostane iba vírus a nie dospelého koňa. Niet pochýb o tom, že časom bude možné nasmerovať počítače, aby hľadali nie riešenia v šachu alebo inej hre, ale naliehavejšie problémy, ktorým spoločnosť čelí. A s najväčšou pravdepodobnosťou ich nájde.
Samozrejme, že to zaberie veľa času, ale ak si človek stanoví takýto cieľ, skôr či neskôr ho dosiahne. Chcel by som veriť, že príde deň, keď sa skrotí chudoba, hlad, choroby a politické rozbroje a svoju rolu v tom zohrajú nové poznatky, ktoré prijímajú počítače, vystupujú ako naši asistenti, nie otroci. Navyše, duševný a umelecký potenciál človeka dostane úplne iné možnosti rozvoja, ktoré si dnes už len ťažko vieme predstaviť a brány ľudskej fantázie sa otvoria dokorán ako nikdy predtým.
A nesmieme si nechať ujsť našu šancu, hoci to nemusí byť jednoduché. Budeme musieť úplne opustiť tradičný technický prístup s jeho hlavným cieľom – maximalizovať ekonomický efekt používania strojov a prejsť k stratégii zameranej na to, aby procesy prebiehajúce v systémoch boli pre ľudí celkom zrozumiteľné. Na to sa musia počítače naučiť myslieť ako ľudia, t.j. ak výpočtové systémy nasledujúcej dekády nespadnú do „ľudského rámca“, stanú sa tak zložitými a nezrozumiteľnými, že ich človek jednoducho nezvládne. Neschopnosť vyrovnať sa s takými zložitými systémami na začiatku jednoducho povedie k poruchám (v zmysle mnohých aplikácií týchto systémov, ktoré sú dnes dostupné); ak hovoríme o vojenských varovných systémoch, riadiacich systémoch pre jadrové elektrárne alebo globálnych komunikačných systémoch, potom ich vymknutie spod našej kontroly môže viesť ku katastrofám v celosvetovom meradle.
Základy umelej inteligencie
Od začiatku 80. rokov sa v práci na umelej inteligencii začala nová etapa - vytváranie priemyselných a komerčných vzoriek inteligentných systémov. Priemysel vyrábajúci takéto systémy sa začal rozvíjať, čo znamená, že sa objavili potenciálni spotrebitelia jeho produktov. Čo odlišuje inteligentné systémy od iných výtvorov ľudskej mysle? Čo môžeme očakávať od ich vzhľadu v blízkej budúcnosti?
Kľúčovým pojmom umelej inteligencie je pojem „znalosti“. S istou mierou priblíženia by sa dalo povedať, že inteligentné systémy sú systémy, ktoré využívajú znalosti. V tom sa líšia od iných umelých systémov (vrátane softvérových systémov, ktoré boli implementované na počítačoch v ére predchádzajúcej intelektuálnym systémom), založených spravidla na rovnakých počítačoch.
Ak zostaneme v metaforickej rovine, môžeme povedať, že predtým, ako počítače „rozumeli“, ako sa má program vykonať, do nich vstúpil, ale „nerozumeli“, čo robia, a s príchodom inteligentných systémov sa počítače naučili „chápať“ ako vytvoriť program potrebný na riešenie problémov a čo tento program robí. Poďme si vysvetliť túto dôležitú myšlienku. Pri tradičnom spôsobe riešenia problému na počítači bola samotná podstata problému, jeho zmysluplná interpretácia, známa programátorovi, ktorý pripravoval program pre počítač. Môžu to byť rôzne programy: na hranie „backgammonu“ alebo „go“, na výpočet trajektórie kozmickej lode alebo na výpočet miezd. Po zavedení týchto programov do počítača zmizla obsahová stránka úloh - počítač svojou konštrukciou vykonával príkazy ktoréhokoľvek z programov kvalitatívne identickým spôsobom. Vo dvojici „počítač – programátor“ vedel len prvý, čo počítač robí, a počítač ako výkonný sčítací stroj jednoducho vykonával potrebné transformácie a výpočty.
V tejto tradičnej schéme bolo nebezpečenstvo. Spočíval v nerozlučiteľnosti dvojice „programátor – počítač“ pri riešení úloh. Programátor ako „galejník“ musel interagovať so strojom a „ľahostajne“ mlieť akékoľvek informácie, ktoré doň boli zadané.
Vznik inteligentných systémov svedčil o rozpade tejto paradigmy. Ak sa do pamäte počítača vnesú poznatky o tom, ako sa z podmienok problému budujú programy a čo v danej problémovej oblasti znamená tá či oná úloha (teda ako sa interpretuje cieľ úlohy a aké sú možné súvislosti medzi počiatočná situácia a cieľ), potom funkcie programátora bude vykonávať počítač sám. Automaticky, na základe vedomostí, ktoré má v pamäti o problémovej oblasti, o úlohách, ktoré sa tu môžu vyskytnúť, ao spôsoboch ich riešenia bude schopná samostatne zostaviť potrebný program a vykonať ho.
Tento moment je zásadný. Vedomosti zadané do počítača jej teraz umožňujú „pochopiť“, čo musí urobiť, keď vznikne potreba vyriešiť problém. Mimochodom, kedy presne táto potreba nastane, počítač „vie“ aj sám o sebe (hoci požiadavka na vyriešenie problému môže prísť zvonku – od používateľa systému).
Takto sa formujú hlavné úlohy, ktorým čelí odvetvie umelej inteligencie, ktoré sa dnes čoraz viac nazýva znalostné inžinierstvo. Aké sú tieto úlohy? V prvom rade je to úloha zhromaždiť poznatky, ktoré počítač potrebuje. Táto úloha zďaleka nie je taká jednoduchá, ako by sa na prvý pohľad mohlo zdať. Koniec koncov, okrem vedomostí, ktoré sú zhmotnené v rôznych textoch, majú odborníci množstvo vedomostí, ktoré nemožno nájsť ani v manuáloch, ani v návodoch, ani v monografiách. Toto sú znalosti, ktoré sa zvyčajne nazývajú skúsenosť, zručnosť, profesionalita. Skúsený špecialista často ani netuší, že má rozsiahle znalosti. Zdá sa mu, že „len pracuje a to je všetko“ a kolega, ktorý ešte nezískal skúsenosti, sa na neho pozerá so závisťou, nechápe, prečo sa mu všetko pokazí. Získať tieto znalosti od odborníka, vedieť ich prezentovať vo forme vhodnej na zápis do pamäte počítača, je prvou a veľmi netriviálnou úlohou znalostného inžiniera. Ale to nestačí. Pri hromadení vedomostí získaných z rôznych zdrojov je potrebné neustále dbať na to, aby netvorili protichodný systém: akékoľvek nové poznatky musia byť spojené s už existujúcimi. Vznik nových poznatkov môže vyžadovať určitý druh reštrukturalizácie predtým vytvorenej znalostnej základne. To si vyžaduje špeciálne riadiace postupy. Vývoj a manipulácia s takýmito postupmi je druhou úlohou znalostného inžiniera.
Pri prijímaní informácií z okolitého sveta, pri analýze vznikajúcich situácií sa človek neustále odvoláva na informácie uložené v jeho pamäti. Priťahovaním toho, čo je už známe, chápe nové, človek pomocou svojich vedomostí akosi dopĺňa vstupné popisy, dopĺňa ich. V každom rozhovore medzi dvoma ľuďmi je možné porozumieť poznámkam len preto, že v pamäti účastníkov rozhovoru je uložených veľa ďalších informácií o predmete rozhovoru. A počítače na doplnenie vedomostí by mali mať súbor podobných postupov. Na tento účel sa používajú takzvané pseudofyzikálne logiky: časová, priestorová, kauzálna a iné. S ich pomocou sa dopĺňajú popisy vstupov, čo zabezpečuje ich pochopenie. Okrem dopĺňania popisov v znalostných bázach sa vykonávajú aj ďalšie postupy: zovšeobecňovanie a klasifikácia prichádzajúcich informácií, hypotézy o vzťahoch faktov uložených v pamäti systému, rôzneho typu, spoľahlivé a hodnoverné závery odvodených faktov atď. Toto je ďalšia oblasť činnosti znalostného inžiniera.
Pri priamom odkaze na tému práce v kurze je však pre nás dôležité poznamenať masívne zavádzanie počítačov do všetkých oblastí riadenia. Toto je otázka o schopnosti ľudského administrátora porozumieť rozhodnutiam, ktoré prijíma počítač, ktorý je súčasťou riadiaceho systému. Riadiace systémy zložitých technických komplexov sú dnes doslova „nadupané“ počítačmi prepojenými v zložitých štruktúrach. Počítač pracuje rýchlosťou neprístupnou pre človeka, spracováva obrovské množstvo rôznych informácií získaných z riadiaceho objektu a z iných strojov, robí rozhodnutia, ktoré sú pre človeka často nepochopiteľné. Jediný spôsob, ako im porozumieť, je položiť stroju otázku: prečo je riešenie takéto? A počítač je povinný poskytnúť potrebné vysvetlenia. Na tento účel musí mať špeciálny vysvetľovací subsystém, ktorý počítaču umožní „pochopiť“, prečo urobil konkrétne rozhodnutie. Vznik vysvetľovacích subsystémov možno považovať za prvý krok k „humanizácii“ technických systémov. Je ťažké preceňovať dôležitosť tohto kroku. Technické systémy zašli vo svojom vývoji priďaleko, pre človeka je už príliš ťažké s nimi komunikovať a dôsledky konania našich šikovných, no bezduchých pomocníkov môžu byť príliš nebezpečné.
Rozvoj diel v oblasti umelej inteligencie a rozsiahle zavádzanie inteligentných systémov do nášho života sú dôkazom novej etapy na ceste vedeckého a technologického pokroku. Je to nevyhnutné – a musíme byť pripravení čeliť jeho následkom s plným pochopením toho, čo sa deje. O tejto novej etape v živote ľudstva by nemal rozhodovať problém KTO KOHO a nie strach, že ONI NÁS zotročia, ak nebudeme konať, ale spoločenstvo MY + ONI, z ktorého bude ľudstvo nepochybne veľmi profitovať, pretože pomôže nám to vyriešiť problémy, s ktorými si sami nevieme poradiť.
Strojové a ľudské schopnosti:príklady, prax a analýzy
28. marca 1979 sa v jadrovej elektrárni Three Mile Island (Pensylvánia, USA) v riadiacej miestnosti č.2 spustil poplach. Operátori spočiatku neprejavovali veľké obavy, keďže drobné nehody na stanici neboli až také ojedinelé, no po pár minútach bolo jasné, že sa tentoraz stalo niečo oveľa vážnejšie. Malý ventil v pneumatickom systéme bol zaseknutý, čo spôsobilo zastavenie cirkulácie vody v systéme chladiacej vody sekundárneho okruhu. O chvíľu sa uránové jadro reaktora začalo zahrievať a napriek všetkému úsiliu operátorov sa situácia len zhoršovala. Poistný ventil sa otvoril a uviazol v tejto polohe; rádioaktívna voda a para sa dostali do budovy reaktora, a teda do atmosféry. Pod strechou nádoby reaktora sa vytvorila obrovská bublina vodíka, ktorá mohla každú chvíľu explodovať. Hrozilo, že samotné uránové palivo sa začne topiť. Ktorákoľvek z týchto udalostí by mohla viesť k rádioaktívnej kontaminácii celého územia kusu. Pennsylvánia.
Počas niekoľkých nasledujúcich dní bojoval personál elektrárne spolu s odborníkmi z jadrovej regulačnej komisie o ovládnutie reaktora a vystrašený svet sledoval tento boj s obavami. Guvernér štátu nariadil evakuáciu detí a tehotných žien z nebezpečnej zóny a mnohí obyvatelia odišli po vlastných. Len o týždeň neskôr spoločnosť Metropolitan Edison Company, ktorá stanicu vlastnila, oznámila, že sa začali práce na konzervácii odstaveného reaktora a život v Pensylvánii sa postupne začal vracať do normálu. Trvalo niekoľko rokov, kým sa vyčistili „Augejské stajne“, ktorými sa budova reaktora stala.
Komisia, ktorá skúmala úlohu ľudského faktora v tomto incidente, dospela k tomuto záveru: „...na operátora sa spustila taká lavína informácií: indikácie na displeji, varovné signály, vytlačené údaje a podobne – že bolo úplne nemožné identifikovať poruchu a zvoliť správne opatrenia na odstránenie."
Prezidentská komisia sa s týmto záverom stotožnila a dospela k záveru, že vinu treba klásť na „nedostatočnú pozornosť ľudskému faktoru a jeho úlohe pri zabezpečovaní bezpečnosti jadrových elektrární“. Ponaučenie z tejto nehody je zrejmé: kým nie je návrh technických systémov premyslený do všetkých detailov tak, aby všetko, čo sa v nich deje, bolo úplne jasné personálu údržby, kým informácie nebudú prezentované vo forme, ktorá je vhodná pre vnímanie ľudské oko a mozog, a nie stroj, akákoľvek porucha v automatizovanom systéme môže spôsobiť, že je úplne nezvládnuteľný.
V roku 1975 holandská oceliarska spoločnosť Estelle Hugovens nainštalovala vo svojom závode na pobreží neďaleko Amsterdamu novú, vysoko automatizovanú valcovňu za tepla. V očakávaní gigantického nárastu produktivity práce v dôsledku zavedenia pokročilých technológií bolo vedenie podniku šokované zistením, že produkcia v skutočnosti klesla. Na pomoc boli prizvaní konzultanti z British Steel Corporation, ktorí v správe o výsledkoch štúdie uviedli, že hlavným dôvodom bola nesprávna organizácia interakcie operátorov so strojom. The New Scientist to opísal takto: „Operátori stratili dôveru v seba natoľko, že v niektorých prípadoch jednoducho nechali ovládací panel bez dozoru. Okrem toho operátori nie vždy úplne rozumeli teórii riadenia, ktorá je základom programu riadiaceho počítača, a to ich podnietilo, ak to bolo možné, „odstúpiť“ od kontroly, kým sa neobjavia zjavné problémy. Ale vzhľadom na to, že zasahovali do procesu s veľkým oneskorením, priemerná produktivita bola nižšia ako v závodoch s tradičnými metódami riadenia. Automatizácia teda znamenala pokles produktivity a zároveň ešte viac vyradila operátorov z riadiacich procesov.“
Problém bol umocnený skutočnosťou, že v novom dizajne valcovne je pás skrytý po celej valcovacej dráhe, čo operátorom neumožňovalo ani len vizuálne sledovať proces. Konzultanti vo svojej správe bezvýhradne trvali na tom, že operátori by sa mali priblížiť k technologickému procesu a informačné displeje by mali ľuďom pomôcť pochopiť význam rozhodnutí, ktoré automatizácia robí, a nielen podávať správy o priebehu procesu.
Ďalší príklad? riadenie letovej prevádzky, ktoré je rovnako dôležité pre cestujúcich aj riadiacich pracovníkov na celom svete. Stalo sa až príliš bežným, že sa lietadlá počas letu takmer zrazili, nehovoriac o poruchách elektroniky, ktoré nechávajú ovládače bezmocné na vzácne sekundy, ak nie minúty. Podľa výskumného koordinačného laboratória University of Illinois sa počítačom podporované riadenie letovej prevádzky v Amerike stáva tak zložitým, že pre operátorov je niekedy ťažké pochopiť, čo sa deje. Čo sa týka vyhliadok do budúcnosti, existujú dva protichodné názory na to, aké by mali byť systémy riadenia, ktoré nahradia tie existujúce. Niektorí odborníci volajú po čoraz väčšej automatizácii a veria, že sa tak odstránia neistoty spojené s prítomnosťou osoby; iní veria, že ľudia a stroje by mali byť istými partnermi v tejto spoločnej veci. Ale bez ohľadu na to, akou cestou sa uberá ďalší vývoj riadiacich systémov, vždy sú možné situácie, kedy je potrebný ľudský zásah. A ak sa tvorcovia systému vopred nepostarajú o to, aby človek pochopil, ako systém funguje, jeho zásah bude s najväčšou pravdepodobnosťou veľmi malý a dôjde k nemu s veľkým oneskorením.
Vojenský problém nemožno ignorovať.
Počas ôsmich mesiacov 1979-1980. Americká armáda dostala tri falošné poplachy varujúce pred „útokom“ sovietskych rakiet. Všetky signály pochádzali z riadiaceho strediska severoamerického letectva, ukrytého v hlbinách hory v ks. Colorado. Prvý falošný poplach bol jednoducho výsledkom chyby operátora, ktorý do systému neopatrne vložil pásku s informáciami o školení. Druhýkrát zlyhal jeden z komponentov systému: zlyhal integrovaný obvod. Tretí signál sa ukázal byť úmyselný - išlo o pokus o reprodukovanie podmienok druhého poplachu na účely overenia.
Našťastie, pár minút po týchto falošných poplachoch bolo všetko jasné, ale nezabudlo sa na nervové prepätie, ktoré spôsobili. Je úplne jasné, že systém, ktorý môže viesť doslova ku koncu sveta, sa musí robiť takto. takže možnosť nedorozumenia vo vzťahu medzi človekom a strojom je úplne vylúčená.
Záver, ktorý z týchto príbehov vyplýva, je zrejmý: technické systémy sa stávajú čoraz zložitejšími, a preto sú čoraz ťažšie pochopiteľné, a teda aj kontrolovateľné. To platí najmä pre počítačové systémy, ktoré, aj keď sú určené na vykonávanie najjednoduchších vecí, musia byť veľmi zložité. Snažíme sa zabezpečiť, aby dokázali riešiť problémy praktického významu, a tým zvýšiť ich zložitosť na úroveň, ktorá presahuje schopnosť jednotlivca alebo dokonca skupiny ľudí porozumieť. Ten čas už nastal. Ako sme práve ukázali, veľké počítačové programy a operačné systémy rastú do takej miery, že si s nimi nevedia poradiť ani ich tvorcovia, ani používatelia.
Ak sa výpočtové systémy budú naďalej vyvíjať rovnakou cestou ako teraz, keď sa ich už aj tak nie veľmi spoľahlivej architektúre priraďuje stále viac funkcií, potom niet pochýb o tom, že počítače 90-tych rokov sa stanú úplne nepoužiteľnými: nekontrolovateľnými a desivými. pomocníkov sveta „zlého ducha“. Ľudská spoločnosť, ktorá je už na takýchto strojoch značne závislá, bude čeliť kríze obludných rozmerov. Výpočtové stroje - ako existujú teraz - už v istom zmysle dosiahli hranicu svojich možností. Dnes už nie je hlavnou úlohou vytiahnuť ich výkon na maximum, vyťažiť zo strojových zdrojov všetko možné. Naopak, ich práca by mala byť založená na úplne inej myšlienke - myšlienke antropocentrizmu. Aby sme pochopili, ako stroje fungujú, musíme sa naučiť, ako ich usporiadať podľa obrazu a podoby práce ľudského mozgu.
Tento zlovestný príbeh môžeme posunúť ďalej tým, že si predstavíme našu budúcnosť tak, ako ju opísali spisovatelia sci-fi, počnúc Samuelom Butlerom: svet, v ktorom prevzali vládu stroje. Technickí experti túto myšlienku vo všeobecnosti odmietajú ako absurdnú. Ale je to naozaj také absurdné? Vezmime si napríklad počítače, ktoré sa už používajú pri riadení života v našich mestách. Medzi jeho funkcie patria nielen úlohy ústrednej správy, ale aj verejných služieb, udržiavanie poriadku v meste, školstvo, banky, letecká doprava, riadenie dopravy, problémy budovania a plánovania organizácií. A prichádza moment, keď sa príslušné počítačové siete začnú navzájom priamo oslovovať – spočiatku z tých najjednoduchších dôvodov. Ak sa napríklad v jednom systéme rozhodne rozkopať cestu, potom musia smetiarske autá zmeniť trasu pohybu. Ak si niekto zarezervuje letenku, musí si letecká spoločnosť overiť, či je oprávnený použiť predloženú kreditnú kartu.
Prejdime teraz k menej nočným, ale naliehavejším problémom, pozrime sa na hlbokú ekonomickú stagnáciu, vysokú mieru nezamestnanosti a krízy dôvery, ktoré v posledných rokoch čoraz viac sužujú svet. Všetky tieto javy, ktoré sa skutočne dejú, sú na prvý pohľad úplne nevysvetliteľné. Začnime problémom ekonomického rastu, alebo skôr jeho nedostatku. V skutočnosti sa produktívny kapitál priemyselných krajín nezmenšuje. V dôsledku neustáleho pokroku vedy a techniky sa však neustále transformuje. Aký je charakter tejto zmeny? Vložený kapitál prináša vyššie zisky. Robotníci v továrňach teraz dokážu za deň vyrobiť viac ako pred tridsiatimi rokmi. Farmár môže kosiť viac sena, ako je potrebné, aby ospravedlnil prenájom kosačky. Nie je ďaleko deň, kedy sa objavia samojazdiace kosačky.
Vedecký a technologický rozvoj navyše neprebieha len konštantnou rýchlosťou: bez ohľadu na to, ako hodnotíme jeho tempo, je zrejmé, že sa neustále zvyšuje. Prečo teda nezbohatneme rovnakým tempom? Aj keď sa zohľadnia straty spojené s reorganizáciou práce v určitých odvetviach, ľudstvo ako celok by malo výrazne získať. Očividne pôsobí istá sila, ktorá blokuje ten roh hojnosti, z ktorého by sa teraz na nás všetkých malo hrnúť požehnanie.
Zdá sa, že všetci sme jednotní v ľutovaní nad tým. Ale rôzni ľudia majú rôzne postoje k tomu, ktorá časť tohto procesu by mala byť stigmatizovaná. Niektorí sú si úplne istí, že za to môžu odbory, ktoré sú v tajnom sprisahaní s neviditeľnou sieťou podvratných živlov a teroristov z celého sveta, ktorí dosahujú svoje politické ciele. Pre iných treba vinníkov hľadať v kanceláriách gigantických korporácií a bánk, možno spriaznených s tajnou sieťou nadnárodných monopolov a kartelov na čele s jedným či dvomi „zlými trpaslíkmi“ z Zürichu, sledujúcimi svoje vlastné politické ciele. Existuje aj tretí „myšlienkový smer“, možno nie taký, ktorý podlieha vášňam ako predchádzajúce dva, ale o to viac bludný, ktorý verí, že za všetko môže samotná technológia. Nie je nezvyčajné, že ho nahnevaný nakupujúci vytiahne na nefungujúcom automate až do úplného nefunkčnosti.
Aj keď možno takáto antitechnická pozícia nie je taká klamná. O tejto myšlienke možno aspoň diskutovať, pretože príklady uvedené vyššie ukazujú, že naše technické úspechy sú trochu podobné nefunkčnému automatu.
Budeme musieť urobiť malú odbočku do hlbín histórie, aby sme zistili, či v celom jej priebehu existoval nejaký stabilný a zároveň sa vyvíjajúci proces? Takýto proces nie je ťažké nájsť - to bol impulz pre rozvoj poľnohospodárstva. A tisícročie po tisícročí si naši predkovia nevšimli, že tento proces sa neustále uberá rovnakým smerom, až do XIX-XX storočia. nedosiahli sme posledný stupeň zrýchlenia. Takýto ustálený proces bol postupným, aj keď bolestivým, s mnohými zlyhaniami a zastaveniami, rastom pochopenia človeka pre svet okolo neho, rastom jeho schopnosti riadiť tento svet.
Dnes sa s pomocou výpočtovej techniky snažíme naučiť riešiť zložité problémy, ktoré sa ešte nedajú vyriešiť na počítači – problémy, ktoré sa nedajú vyriešiť „hlavou“, pričom odpoveď na otázku nájdeme v konečnom počte krokov. jednoduchými výpočtami. Stáva sa však, že hoci je samotný problém veľmi ťažký, inverzný problém sa rieši oveľa ľahšie. Napríklad výpočet druhej odmocniny je veľmi ťažký, ale druhá mocnina čísla je veľmi jednoduchá. Je možné, že pre študenta bude ekonomickejšie vypočítať druhé mocniny všetkých čísel, na ktoré sa ho môžu opýtať, a vyplniť obrovskú tabuľku výsledkov (iba ich zapísať opačne: najprv štvorce zoradené podľa veľkosti a napr. ich základne, možno s nejakou interpoláciou na vyplnenie priechodov). Potom, ak potrebujete zistiť nejakú druhú odmocninu, stačí sa pozrieť na tabuľku. Ale táto metóda má jednu veľkú nevýhodu - výsledok je pre používateľa úplne nevysvetliteľný.
Vynára sa otázka, či nie je lepšie nevymýšľať tento druh hlúpych referenčných systémov, ktorých samotná existencia človeka ponižuje, pretože zanedbávajú jeho úsudky a chápanie. Je zaujímavé, že prvýkrát tento argument priniesol Platón pred viac ako 2300 rokmi. Sokrates vo svojej Faedre rozpráva príbeh o egyptskom bohovi Togovi, ktorý prišiel ku kráľovi bohov Tamuzovi so slovami: „Môj pane, vynašiel som vtipnú vec zvanú písanie, zlepší múdrosť aj pamäť Egypťania“.
Tamuz v odpovedi uviedol, že naopak, písanie je podradnou náhradou pamäti a porozumenia. "Ten, kto to získa, prestane trénovať svoju pamäť a stane sa zábudlivým, bude sa spoliehať na písanie v nádeji, že mu tieto ikony niečo pripomenú, namiesto toho, aby sa spoliehal na svoje vnútorné rezervy."
Sokrates cituje Ammona, ktorý odsudzuje zhubnú myšlienku, že „človek môže sprostredkovať alebo získať jasné a zreteľné vedomosti o predmete písaním, alebo že písané slová dokážu viac než len pripomenúť čitateľovi to, čo už vie“. Inými slovami, človek sa môže rozhodnúť, že múdrosť je písaná, zatiaľ čo v skutočnosti musí byť múdrosť v človeku samotnom. „Dalo by sa predpokladať,“ dodáva Sokrates, „že písané slová rozumejú tomu, čo hovoria, ale ak sa ich znova opýtame, čo sa myslí tým a takým, dávajú znova a znova tú istú odpoveď.
Inými slovami, Sokrates sa akosi sťažuje na to, že písanie nebude schopné prejsť známym testom Alana Turinga (podľa tohto testu môže stroj dokázať, že má inteligenciu, ak dokáže presvedčiť osobu, s ktorou sa rozpráva to cez ďalekopis, že jeho partner - človek). Ak by stroj skutočne dokázal vysvetliť, čo obsahuje, potom by sa dalo predpokladať, že v určitom zmysle „rozumel“, čím by demonštroval svoju inteligenciu. Rovnako ako písanie, budúce referenčné systémy s biliónmi bitov pamäte v Turingovom teste neuspejú. Ale ako písanie, aj takéto systémy majú určite právo na existenciu a pomôžu zmeniť svet. Je to dobré alebo zlé? Kým sa nedostaneme k podstate Sokratových tvrdení o tomto novom probléme, tieto gigantické systémy pomoci budú len čiastočne prínosom a často aj veľkou nepríjemnosťou. Pripomeňme, že takéto databázy obsahujú len základné elementárne fakty týkajúce sa konkrétneho problému a neobsahujú žiadne porozumenie, závery, úsudky, klasifikačné koncepty a podobne.
Na to, aby spolu akékoľvek stvorenia – človek alebo stroj – komunikovali, musia mať rovnaké zmýšľanie. Keďže nemôžeme zmeniť zmýšľanie ľudí, budeme ho musieť zmeniť v strojoch. Musíme úplne prepracovať všetko, čo programy robia pri riešení problému, nielen spôsob, akým interagujú s používateľom. Spôsob uloženia informácií v programe, t.j. spôsob podania riešenia problému musí byť človeku zrozumiteľný a popísaný jemu už známymi pojmami. Expertné systémy založené na pravidlách vyvodzovania sú špecificky navrhnuté tak, aby sa zaoberali ľudskými pojmami, keď sú získané od odborníkov v danej oblasti, ako aj keď sú vysvetlené používateľovi. Na začiatok to nie je zlé, ale na nadviazanie komunikácie medzi človekom a strojom v jazyku pojmov treba ešte veľa urobiť.
Ak sa podobné nápady používajú pri riešení problémov automatizácie výrobných procesov alebo v iných riadiacich systémoch, potom takúto automatizáciu nazývame „mäkká“. Jeho potreba neustále rastie, čo umožňuje aspoň čiastočne neutralizovať nadmernú zložitosť spojenú s rigidnou automatizáciou. Najnaliehavejšou spoločenskou potrebou teraz nie je rozširovať proces automatizácie, ale humanizovať ho. Samozrejme, pri jednoduchých alebo stredne zložitých úlohách nie je „neprehľadnosť“ riadiacich systémov až taká nebezpečná, a preto si na ňu potrpíme dlho. Povedzme, že program alokácie zdrojov to robí lepšie ako projektový manažér. V takom prípade, prečo by ho malo zaujímať, ako to robí, alebo spochybňovať jej rozhodnutia, ak dostane to, čo chce? Nech je to "čierna skrinka" v rozsahu, v akom je to nastavené programom.
Existujú však aj iné aplikácie informačných systémov, kde je schopnosť „nahliadnuť do škatuľky“ nevyhnutná. Zatiaľ ich nie je veľa, keďže procesy spracovania informácií musia byť ešte hlboko zakorenené v čoraz zložitejších a zodpovednejších oblastiach ľudskej činnosti. Zložitosť a zodpovednosť sú dve nezávislé charakteristiky systémov, ktoré nás vedú k tomu, aby sme trvali na tom, aby program fungoval v rámci „ľudských hraníc“. Niektoré problémy sú také ťažké, že je jednoducho nemožné ich vyriešiť bez intelektuálneho partnerstva medzi človekom a strojom. Ďalšie sa týkajú záležitostí života a smrti, či samotnej možnosti riadenia ekonomiky.
Vďaka mäkkej automatizácii je systém už vo fáze návrhu prispôsobený ľudskému zmýšľaniu. Ak si pri pohľade do budúcnosti predstavíme hordy robotov spolupracujúcich v našich továrňach, nevyhnutne vyvstáva otázka: „Ako bude medzi nimi prebiehať komunikácia? Po drôte, pomocou infračerveného žiarenia alebo rádiových signálov, alebo cez nejaké iné kanály, ktoré sú pre ľudí nedostupné? Samozrejme, bolo by lepšie vytvoriť toto spojenie pomocou syntetizovaného hlasu, pretože to by umožnilo osobe v službe počuť, čo sa deje, a ako prax ukázala, je to celkom možné.
Výhody a nevýhody používaniaumelá inteligencia v manažmente
Trend automatizácie tovární a strojov je tu už dlho. Okrem nejakého špeciálneho účelu už nikto neuvažuje o výrobe svorníkov na klasickom sústruhu, kde musí sústružník sledovať pohyb frézy a nastavovať ho ručne. V súčasnosti je výroba svorníkov vo veľkých množstvách bez vážneho ľudského zásahu bežnou úlohou bežného stroja na rezanie skrutiek. Hoci tento stroj špecificky nevyužíva ani spätnoväzbový proces, ani vákuovú trubicu, tento stroj dosahuje takmer rovnaké ciele. Spätná väzba a vákuová trubica umožnili nie sporadickú konštrukciu samostatných automatických mechanizmov, ale všeobecnú politiku vytvárania automatických mechanizmov najrozmanitejších typov. Pri riešení tohto problému boli princípy takýchto zariadení posilnené našou teoretickou štúdiou komunikácie, ktorá plne zohľadňuje možnosti komunikácie medzi strojom a strojom. Práve tento súbeh okolností dnes umožňuje nový vek automatizácie.
V súčasnosti existujúca priemyselná technológia zahŕňa všetky výsledky prvej priemyselnej revolúcie spolu s mnohými vynálezmi, ktoré dnes považujeme za predchodcov druhej priemyselnej revolúcie. Aké by mohli byť presné hranice medzi týmito dvoma revolúciami, je príliš skoro hovoriť. Vákuová trubica vo svojom potenciáli rozhodne patrí k priemyselnej revolúcii odlišnej od energetického veku; a predsa len v súčasnosti je skutočný význam vynálezu vákuovej trubice dostatočne pochopený na to, aby sme súčasné storočie postavili do novej, druhej priemyselnej revolúcie.
Urobme si obraz o dokonalejšom veku – veku automatizácie. Zoberme si napríklad, ako bude vyzerať automobilka budúcnosti, a najmä montážna linka, čo je časť automobilky, ktorá využíva najviac ľudskej práce, sled operácií bude riadený zariadením ako moderný vysokorýchlostný počítač. Celú matematiku je možné zredukovať na sériu čisto logických problémov. Ak je takýto kus matematiky stelesnený v stroji, potom tento stroj bude výpočtovým zariadením v obvyklom zmysle. Takýto počítač však okrem riešenia bežných matematických problémov dokáže vyriešiť aj logický problém distribúcie množstva príkazov týkajúcich sa matematických operácií cez kanály. Preto bude takéto zariadenie obsahovať, rovnako ako moderné vysokorýchlostné počítače, aspoň jeden veľký uzol, ktorý je určený na vykonávanie čisto logických operácií.
Inštrukcie takémuto stroju - hovorím tu aj o súčasnej praxi - dáva zariadenie, ktoré nazývame programovacia cievka. Príkazy zadané stroju je možné do neho posielať programovou cievkou, ktorej povaha a rozsah inštrukcie je úplne vopred daný. Je tiež možné, že skutočné nepredvídané udalosti, s ktorými sa stroj stretáva pri vykonávaní svojich úloh, môžu byť prenesené ako základ ďalšej regulácie na novú riadiacu pásku vytvorenú samotným strojom alebo na úpravu starej riadiacej pásky.
Možno sa domnievať, že súčasné vysoké náklady na počítacie stroje znemožňujú ich použitie v priemyselných procesoch, a navyše, že citlivosť prevádzky vyžadovaná pri ich konštrukcii a variabilita ich funkcií znemožňuje sériovú výrobu pri konštrukcii týchto strojov. Žiadne z týchto tvrdení nie je správne. Po prvé, obrovské počítače, ktoré sa v súčasnosti používajú na veľmi zložité matematické práce, stoja asi státisíce dolárov. Ani táto cena by nebola pre riadiaci stroj v naozaj veľkom závode nedosiahnuteľná, no stále je príliš drahá.
Moderné počítacie stroje sa vyvíjajú tak rýchlo, že prakticky každý navrhnutý stroj je nový model. Inými slovami, väčšina týchto zjavne premrštených nákladov ide na zaplatenie novej konštrukčnej práce a výroby nových dielov, čo si vyžaduje veľmi vysoko kvalifikovanú prácu a najdrahšie podmienky. Ak by teda bola cena a model jedného z týchto počítačov pevne stanovený a ak by tento model používali desiatky, je veľmi pochybné, že by jeho cena bola vyššia ako suma rádovo desiatok tisíc dolárov. Takýto menší stroj, ktorý nie je vhodný na riešenie najnáročnejších výpočtových problémov, no napriek tomu celkom vhodný na prevádzku závodu, by pravdepodobne nestál viac ako niekoľko tisíc dolárov v akomkoľvek druhu výroby v miernom meradle.
Zvážte teraz problém masovej výroby počítačov. Ak by pre sériovú výrobu bola jedinou priaznivou príležitosťou masová výroba štandardných strojov, potom je celkom jasné, že po značnú dobu to najlepšie, v čo môžeme dúfať, je výroba v miernom rozsahu. V každom stroji sa však detaily väčšinou dosť často opakujú. To platí rovnako pre pamäťové zariadenie, ako aj pre logický aparát a pre aritmetickú jednotku. Výroba len niekoľkých desiatok strojov je teda potenciálne hromadná výroba dielov a má ekonomické výhody hromadnej výroby.
Napriek tomu by sa zdalo, že citlivosť stroja by mala znamenať potrebu vytvoriť špeciálny nový model pre každú jednotlivú úlohu. To je tiež nesprávne. Aj pri hrubej podobnosti v type matematických a logických operácií, ktoré sa vyžadujú od matematických a logických uzlov stroja, je celkový výkon stroja jeho úloh regulovaný programovou cievkou, alebo aspoň pôvodnou programovou cievkou. Výroba programovej cievky takéhoto stroja je pre vysokokvalifikovaného odborníka veľmi náročná úloha; je to však práca, ktorá sa robí raz a navždy a keď sa stroj upraví na účely novej priemyselnej inštalácie, stačí ju len čiastočne zopakovať. Náklady na takého kvalifikovaného technika sa teda rozložia na obrovské množstvo výkonu a nebudú skutočne faktorom pri používaní stroja.
Výpočtové zariadenie je centrom automatickej továrne, ale nikdy nebude reprezentovať celú továreň. Na druhej strane dostáva podrobné pokyny od prvkov, ktoré majú povahu zmyslových orgánov, ako sú fotobunky, kondenzátory na určovanie hrúbky papierových kotúčov, teplomery, merače koncentrácie vodíka a zo všeobecných typov v súčasnosti vytvorených prístrojov. od výrobcov prístrojov.firmy na manuálne riadenie výrobných procesov. Tieto zariadenia sú už usporiadané tak, že pomocou elektriny prenášajú indikácie na jednotlivé stĺpiky. Na to, aby tieto zariadenia mohli prenášať svoje informácie do automatického vysokorýchlostného počítača, je potrebné iba čítacie zariadenie, ktoré prevedie polohu alebo mierku do podoby sériových čísel. Takéto zariadenie už existuje a nepredstavuje žiadne veľké ťažkosti ani v princípe, ani v konštrukčných detailoch. Problém zmyslového orgánu nie je nový a už bol účinne vyriešený.
Riadiaci systém musí okrem týchto zmyslových orgánov obsahovať aj efektory, alebo zložky, ktoré pôsobia na vonkajší svet. Niektoré typy týchto efektorov sú nám už známe, ako napríklad motory s regulačnými ventilmi, elektrické spojky atď. Na presnejšiu reprodukciu funkcií ľudskej ruky doplnených o funkcie ľudského oka musia niektoré z týchto efektorov ešte byť vynájdený. Pri obrábaní automobilových rámov je dokonale možné ponechať ako referenčné body hladko opracované povrchy na kovových konzolách. Fotoelektrický mechanizmus, poháňaný napríklad svetelnými bodmi, môže priniesť pracovný nástroj – či už je to vŕtačka, alebo nitovacie kladivo, alebo akýkoľvek nástroj, ktorý potrebujeme – do tesnej blízkosti týchto plôch. Konečná fixácia polohy môže zaistiť nástroj proti referenčným povrchom a tak vytvoriť tesný kontakt, ale nie tak tesný, aby spôsobil zničenie týchto povrchov. Toto je len jeden spôsob, ako dokončiť prácu. Každý kvalifikovaný inžinier môže prísť s tuctom ďalších.
Samozrejme predpokladáme, že nástroje pôsobiace ako zmyslové orgány registrujú nielen počiatočný stav diela, ale aj výsledok všetkých doterajších procesov. Stroj teda môže vykonávať spätnoväzbové operácie: buď plne zvládnuté operácie jednoduchého typu, alebo operácie zahŕňajúce zložitejšie rozpoznávacie procesy, regulované takým centrálnym riadením, ako je logické alebo matematické zariadenie. Inými slovami, všeobjímajúce ovládacie zariadenie bude zodpovedať zvieraťu ako celku so zmyslovými orgánmi, efektormi a proprioceptormi, a nie izolovanému mozgu, ktorého účinnosť a praktické poznanie závisí od nášho zásahu, ako je tomu napr. super rýchly počítač.
Rýchlosť, akou môžu byť tieto nové zariadenia uvedené do priemyslu, sa bude v jednotlivých odvetviach značne líšiť. Automatizované stroje vykonávajúce približne rovnaké funkcie sú už široko používané v priemyselných odvetviach s nepretržitými procesmi, ako sú konzervárne, oceliarne a najmä továrne na drôty a pocínované plechy. Známe sú aj v papierňach, ktoré tiež pracujú v linke. Ďalšou oblasťou, v ktorej sú potrebné automaty, sú továrne tohto druhu, kde je výroba príliš nebezpečná na to, aby značný počet pracovníkov riskoval svoje životy pri jej prevádzke, a kde môže byť nehoda taká vážna a nákladná, že s jej možnosťou treba počítať v r. vopred a nie je ponechaný na unáhlené posúdenie niektorej osoby na mieste nehody. Ak je možné vopred premyslieť líniu správania, môže sa použiť na programovú pásku, ktorá bude riadiť správanie v súlade s údajmi zariadenia. Inými slovami, takéto zariadenia musia fungovať v režime celkom podobnom režimu blokovania a prevádzky výhybiek železničného kontrolného stanovišťa. Takýto režim je už zavedený v rafinériách, v mnohých iných chemických závodoch a pri manipulácii s druhmi nebezpečných materiálov, s ktorými sa stretávame pri prevádzke atómovej energie.
Ako oblasť použitia pre tento druh techniky sme už spomenuli montážnu linku. V montážnej linke, podobne ako v chemickom závode alebo papierni s kontinuálnymi procesmi, je potrebné vykonávať určitú štatistickú kontrolu kvality produktu. Táto kontrola závisí od procesu testovania. Vedci teraz vyvinuli tieto procesy odberu vzoriek vývojom techník nazývaných sekvenčná analýza, kde sa odber vzoriek už nevykonáva ako celok, ale je to nepretržitý proces, ktorý sa vyskytuje spolu s výrobou. V dôsledku toho tie procesy, ktoré možno vykonávať technikou tak štandardizovanou, že ju možno preniesť na štatistika, ktorý nerozumie logike, ktorá sa za tým skrýva, možno vykonať aj počítačom. Inými slovami, opäť okrem vyšších úrovní prevádzky sa stroj dokáže postarať aj o každodennú štatistickú kontrolu ako aj o výrobný proces.
Normálne majú továrne účtovný postup, ktorý je nezávislý od výroby, ale keďže údaje tohto účtovníctva pochádzajú zo stroja alebo z montážnej linky, môžu byť odoslané priamo do počítača. Iné údaje môže z času na čas zadávať do počítača ľudský operátor, no väčšina administratívnych prác sa dá robiť mechanicky a ľuďom zostanú len mimoriadne informácie, ako napríklad externá korešpondencia. Dokonca aj väčšina externej korešpondencie môže byť prijatá od korešpondentov na diernych štítkoch alebo vytlačená na diernych štítkoch pracovníkmi s veľmi nízkou kvalifikáciou. Od tejto fázy môže stroj vykonávať všetky procesy. Túto mechanizáciu možno aplikovať aj na významnú časť archívneho fondu knižnice priemyselného podniku.
Inými slovami, stroj neuprednostňuje fyzickú ani kancelársku prácu. Možné oblasti, do ktorých môže nová priemyselná revolúcia preniknúť, sú teda veľmi široké a zahŕňajú všetku rozhodovaciu prácu na nízkej úrovni, podobne ako práca vytlačená strojom predchádzajúcej priemyselnej revolúcie zahŕňala akýkoľvek aspekt ľudská energia. Samozrejme, niektorých profesií sa nová priemyselná revolúcia nedotkne, či už preto, že nové riadiace stroje nie sú hospodárne v tak bezvýznamných odvetviach priemyslu, ktoré nedokážu znášať veľké kapitálové náklady s tým spojené, alebo preto, že práca mnohých špecialistov je taká rôznorodá, že nové programové cievky budú potrebné takmer pre každú jednu prácu. Neviem si predstaviť, že by sa automatické stroje, akými sú osoby s rozhodovacou právomocou, používali v potravinách alebo garážach, aj keď si veľmi jasne viem predstaviť použitie tohto zariadenia veľkoobchodníkom s potravinami a výrobcom automobilov. Poľnohospodárskeho robotníka, hoci sa v jeho výrobe začínajú udomácňovať automaty, pred ich úplnou nadvládou chráni aj veľkosť pôdy, ktorú musí obrábať, variabilita plodín, ktoré musí pestovať, špeciálne podmienky počasie a podobne, ktorým musí čeliť. Tam, kde je možné použiť takéto stroje, nie je nepravdepodobné, že sa rozhodovacie stroje do určitej miery využijú.
Samozrejme, predstavenie týchto nových zariadení a časový rámec, počas ktorého možno očakávať, že budú implementované, sú najmä ekonomické otázky, ktorých zváženie nie je cieľom práce v kurze. Ak nedôjde k nejakej násilnej politickej zmene alebo ďalšej veľkej vojne, bude trvať desať až dvadsať rokov, kým nové stroje zaujmú svoje právoplatné miesto.
Veľmi dôležitou otázkou je analýza dôsledkov – ekonomických a sociálnych.
V prvom rade môžeme očakávať prudký pokles a definitívne zastavenie dopytu po tomto druhu továrenskej práce, ktorá vykonáva výlučne monotónne práce. V konečnom dôsledku môže byť eliminácia mimoriadne nezaujímavých monotónnych vyučovacích úloh prínosom a slúžiť ako zdroj voľného času potrebného pre všestranný kultúrny rozvoj človeka. Môže to však viesť aj k rovnako nízkej hodnote a zhubným výsledkom v oblasti kultúry, aké sa väčšinou získavajú z rozhlasu a kina.
Nech je to akokoľvek, prechodné obdobie na zavedenie týchto nových prostriedkov, najmä ak k nemu dôjde okamžite, ako sa dá očakávať v prípade novej vojny, vyústi do okamžitého prechodného obdobia katastrofálnej krízy. Existuje veľa skúseností, ktoré ukazujú, ako priemyselníci vnímajú nový priemyselný potenciál. Celá ich propaganda sa scvrkáva na skutočnosť, že zavádzanie novej technológie by sa nemalo považovať za záležitosť vlády, ale malo by byť ponechané na každého podnikateľa, ktorý chce do tejto technológie investovať. Vieme tiež, že priemyselníkov je ťažké obmedziť, pokiaľ ide o vyťaženie všetkých ziskov z priemyslu, aby sa spoločnosť uspokojila s omrvinkami.
Za týchto podmienok sa priemysel naplní novými mechanizmami len do tej miery, do akej je zrejmé, že prinesú okamžitý zisk bez ohľadu na budúce škody, ktoré môžu spôsobiť. Budeme svedkami procesu v rovnakej línii ako Proces atómovej energie, v ktorom používanie atómovej energie na výrobu bômb ohrozilo veľmi naliehavé vyhliadky budúceho využívania atómovej energie na nahradenie našich zásob ropy a uhlia, ktoré po stáročia nie za desaťročia, úplne vyčerpaný. Všimnite si, že výroba atómových bômb nekonkuruje firmám vyrábajúcim energiu.
Podobné dokumenty
Dokáže umelá inteligencia na tejto úrovni rozvoja technológií a technológií prekonať ľudskú inteligenciu. Dokáže osoba pri kontakte rozpoznať umelú inteligenciu. Hlavné príležitosti pre praktickú aplikáciu umelej inteligencie.
prezentácia, pridané 03.04.2013
Umelá inteligencia je vedecký smer spojený so strojovým modelovaním ľudských intelektuálnych funkcií. Vlastnosti umelej inteligencie Vývoj umelej inteligencie, perspektívne smery jej výskumu a modelovania.
abstrakt, pridaný 18.11.2010
Agentovo orientovaný prístup k štúdiu umelej inteligencie. Modelovanie uvažovania, spracovanie prirodzeného jazyka, strojové učenie, robotika, rozpoznávanie reči. Moderná umelá inteligencia. Vykonanie Turingovho testu.
test, pridané 3.10.2015
História vývoja umelej inteligencie v zahraničí, v Rusku a v Kazašskej republike. Vypracovanie projektu efektívnej implementácie a adaptácie umelej inteligencie v ľudskej spoločnosti. Integrácia umelého do prirodzeného.
vedecká práca, doplnené 23.12.2014
Podstata pojmu „umelá inteligencia“; históriu jeho vývoja. Veda a technika vytvárania inteligentných strojov a počítačových programov. Výzva používania počítačov na pochopenie ľudskej inteligencie. Analýza, syntéza a pochopenie textov.
práca, pridané 17.06.2013
Fenomén myslenia. Vytvorenie umelej inteligencie. Mechanický, elektronický, kybernetický, neurónový prístup. Príchod perceptrónu. Umelá inteligencia je príkladom integrácie mnohých vedeckých oblastí.
abstrakt, pridaný 20.05.2003
Oblasti ľudskej činnosti, v ktorých možno uplatniť umelú inteligenciu. Riešenie problémov umelej inteligencie v informatike s využitím návrhu znalostných báz a expertných systémov. Automatické dokazovanie vety.
semestrálna práca, pridaná 29.08.2013
Historický prehľad vývoja práce v oblasti umelej inteligencie. Vytvorenie algoritmu a softvéru pre počítače, ktorý umožňuje riešiť intelektuálne problémy nie horšie ako človek. Od logických hier až po lekársku diagnostiku.
abstrakt, pridaný 26.10.2009
Štúdium problému umelej inteligencie. Proces spracovania informácií v ľudskom mozgu. Dešifrovanie mozgových kódov javov subjektívnej reality. Prirodzená inteligencia ako skutočnosť, ktorá má subjektívnu realitu s princípom invariantnosti.
abstrakt, pridaný 04.12.2011
Komponenty a architektúra inteligentného agenta, jeho doplnenie o vzdelávacie nástroje. Rôzne prístupy k tvorbe umelej inteligencie, perspektívy jej rozvoja. Etické a morálne dôsledky vývoja inteligentných strojov a programov.
