Проблематика использования искусственного интеллекта в реалиях современного производства | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 5 февраля, печатный экземпляр отправим 9 февраля.

Опубликовать статью в журнале

Автор:

Научный руководитель:

Рубрика: Экономика и управление

Опубликовано в Молодой учёный №50 (392) декабрь 2021 г.

Дата публикации: 10.12.2021

Статья просмотрена: 14 раз

Библиографическое описание:

Аведисьян, Д. И. Проблематика использования искусственного интеллекта в реалиях современного производства / Д. И. Аведисьян. — Текст : непосредственный // Молодой ученый. — 2021. — № 50 (392). — С. 419-421. — URL: https://moluch.ru/archive/392/86637/ (дата обращения: 25.01.2022).



В данной статье предпринята попытка анализа основных проблем, связанных с использованием искусственного интеллекта в структуре глобального производственного комплекса и структурирования разносрочных перспектив расширения процессов цифровизации и роботизации с учетом реалий мировой экономики.

Ключевые слова : искусственный интеллект, факторно-математический анализ, антропобиологические нейронные сети, система распознавания лиц, система автоматического управления, совокупность факторов.

This article attempts to analyze the main problems associated with the use of artificial intelligence in the structure of the global production complex and structuring of multi-term prospects for expanding the processes of digitalization and robotization, taking into account the realities of the world economy.

Keywords: artificial intelligence, factor-mathematical analysis, anthropobiological neural networks, facial recognition system, automatic control system, set of factors.

Стремительное развитие процессов глобализации во второй половине ХХ века принципиальным образом трансформировало механизм развития мировой экономики. В качестве факторов, определяющих уровень конкуре6нтоспособности и объемы потенциальной, прибыли стали выступать скорость модернизационных процессов, технологическая составляющая и уровень автоматизации и роботизации всех цепочек производственного цикла.

Большинство аналитиков, структурируя модели разносрочного развития экономических процессов, стали интегрировать в них качестве решающего компонента искусственный интеллект (ИИ). В современной научной литературе под и ИИ традиционно понимается процесс машинного обучения с использованием искусственных нейронных сетей для продуктивного решения комплексных задач, предполагающих комплексный факторно-математический анализ гигантских объемов информации.

Отличительной чертой постиндустриальной экономики, особенно на этапе перехода от «Индустрии 4.0» к «Индустрии 5.0» является объективная необходимость обработки колоссального объема информации в течение минимального объема времени для принятия максимально правильного решения. Учитывая относительную физиологическую ограниченность способностей человеческого мозга, при выполнении очень сложных решений, которые трудны к пониманию и сложно алгоритмизируются вручную, решить данную проблему становится все более проблематично.

Именно на этом этапе и возникает необходимость использования всего потенциала ИИ, конечной целью которой является сокращение временного фактора при информационной обработке. В процессах решения данной проблемы были созданы Искусственные Нейронные Сети (ИНС), представляющие собой особые математические модели, структурированные по аналогии с антропобиологическими нейронными сетями. В процессах функционирования, ИНС осуществляют процесс моделирования и оперативной обработки нелинейных отношений, складывающихся между входным и выходным сигналом.

Именно благодаря использованию персонального обучающего алгоритма, «считывающего» фиксируемые в реальном времени данные при одновременной корректировке получаемых результатов, и осуществляется процесс адаптивного взвешивания возникающих импульсов между искусственными нейронами.

В сфере разработок технологий ИИ представлен достаточно обширный перечень моделей, предполагающих реализации сообразно специфики деятельности бизнес-субъектов, однако наиболее значимыми моделями нейросетей аналитики считают следующие:

— самая сложная и одновременно самая гибкая «GPT-3» активно использующаяся в сегмент обработки языка (NLP), способная материал практически по любой тематике. Особенность заключается в том, что сгенерированный системой продукт крайне сложно отличить от сгенерированного человеком.

— получившая самые высокие оценки в современной медицинской практике «AlphaFold 2», которая способна за крайне малый временной интервал с максимальной точностью определять трехмерную структуру белка;

— активно используемая субъектами малого и среднего бизнеса система алгоритмов «AutoML» (автоматизированное машинное обучение), позволяющая интегрироваться с облачными системами, такими как:MLSpace (разработчик SberCloud), Microsoft Azure или AutoML (разработчик Google).

Важнейшей отличительной особенностью данной системы является возможность использования собственных алгоритмов с максимальным учетом собственных методик прогнозирования уровня спроса.

Также качестве примера можно привести массовое использование глубоких искусственных нейронных сетей Long-Short-Term Memory в процессах определения уровня перспективного потребительского спроса для разработки стратегий по сохранению клиентской базы в рамках платформы такими Интернет-корпорациями как Alibaba, Amazon, Facebook, Google.

Ареал функционирования ИИ достаточно обширен, поскольку в качестве составных элементов используются инструментарии и методология практически всех областей современной науки: от статистики и математики до нейрологии и психологии.

Отправной точкой процесса создания ИИ для коммерческого использования процессов «обучения машины» можно считать запуск программы по обработке человеческого языка общения и распознания определяющих нюансов человеческой речи.

Следующим этапом стало расширение задач в рамках текстовых, аудио-визуальных и прочих «распознавательных» алгоритмов. Промежуточным итогом на пути к созданию «абсолютного ИИ» стало появление и активное коммерческое использование беспилотных летательных аппаратов и средств передвижения, медицинских технологий компьютерной диагностики, поисковых систем, технологий «компьютерного зрения», маркетинговых технологий в сегменте электронной коммерции и многое другое.

Наглядным примером может служить система распознавания лиц, активно используемая в комплексах камер внешнего наблюдения, которую активно используют правоохранительные структуры во всем мире.

Особо необходимо выделить использование систем автоматического управления в сегменте транспортно-логистических операций глобальной транспортной сети.

Согласно прогнозам аналитиков, роль ИИ в глобальной экономике в целом и национальной экономике в частности, роль ИИ будет поступательно расти. По результатам математико-компьютерного моделирования, даже с учетом сохранения ряда рисков, уровень мирового ВВП, благодаря внедрению систем ИИ, по итогам 2030 года должен достичь отметки в 15,7 трлн американских долларов. В рамках «постранового» прогноза, бесспорным лидером будет признан Китай, с увеличением ВВП примерно на 26 %, далее США, с показателем 14,5 % и страны ЕС, рост в которых должен достичь отметки в 11–12 %. При этом особо отмечено, что ситуация «цифрового неравенства» между странами будет расти прямо пропорционально их уровню развития и месту в глобальной мировой экономике.

Таким образом, можно говорить о том, что современные модели ИИ представляют собой прежде всего универсальное средство по обработке огромных информационных объемов в процессах решения заданных задач за минимально короткий промежуток времени. Полученный результат может быть использован в качестве практических рекомендаций по оптимизации финансово-производственной деятельности бизнес структур.

Данное положение приобретает особую актуальность, когда речь идет о внешнеэкономической деятельности, поскольку позволяет учитывать всю совокупность факторов, как экзогенного, так и эндогенного характера, оказывающих влияние на показатели прибыли и уровень конкурентоспособности.

Однако, как и любая форма деятельности, использование ИИ имеет и ряд негативных составляющих, важнейшей из которых, с нашей точки зрения, необходимо считать принцип «черного ящика». Оптимизированная в конечной форме модель, не предполагает предоставления каких-либо сведений о процессе анализа, числе и структуре вариационных моделей, а главное аргументирования причин конечного предпочтения. Именно данное обстоятельство может создать ряд проблем с точки зрения «прозрачности» информации.

Литература:

  1. Искусственный интеллект — для вашего бизнеса. Руководство по оценке и применению.- Эндрю Берджесс.: Электронный ресурс Альпина Диджитал (2021)- t.me/kudaidem/1390
  2. Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности. 2021 Томас Дэвенпорт. Электронный ресурс Альпина Диджитал t.me/kudaidem/1390
  3. Москвин В. А. Станет ли искусственный интеллект умнее человека / В. А. Москвин // Инвестиции. — 2018. — № 7 (282). — С. 29–40
  4. Овчинников, В. В. Дорога в мир искусственного интеллекта / В. В. Овчинников. — М.: Институт экономических стратегий, 2017. — 533 с
  5. Шишкина, Е. В Информационные технологии: искусственный интеллект VS живая рабочая сила / Е. В. Шишкина, З. И. Лаврова — СПб, 2018. — С. 309–313
Основные термины (генерируются автоматически): искусственный интеллект, NLP, автоматическое управление, качество, мировая экономика, модель, процесс, процесс решения, сеть, система, система распознавания лиц.


Ключевые слова

искусственный интеллект, система автоматического управления, факторно-математический анализ, антропобиологические нейронные сети, система распознавания лиц, совокупность факторов
Задать вопрос