В статье автор рассматривает понятие искусственного интеллекта, принципы его работы и возможные применения. ИИ является одним из основных трендов и может использоваться компаниями в качестве драйвера развития деятельности. Автором рассмотрены различные подходы к определению ИИ, историю его развития, принципы работы, а также возможные сферы применения.
Ключевые слова: искусственный интеллект; машинное обучение; драйвер развития бизнеса; нейронные сети; ИИ в бизнесе.
Само понятие «искусственный интеллект» является направлением, которое затрагивает большое количество наук: информатики, философии, кибернетики, психологии, математики, физики, химии и др. Ему можно дать следующее определение: искусственный интеллект — это вычислительная система (программа), способная решать задачи, свойственные и аналогичные интеллекту человека. В отличии от классических программ, способных решать задачи алгоритмическим способом, где человеком расписаны все действия, выполняемые программой, ИИ способен делать логические выводы, а также обладает способностью к обучению. Например, игры с полной информацией, как шахматы и го, где компьютеры способны играть лучше значительно лучше, чем большинство людей, игры с неполной информацией, как покер, игру в который ИИ под названием Pluribus в 2019 году сумел обыграть лучших игроков мира [10]. Подобные игры, с которых и началась разработка и применение ИИ, являются одним из примеров развития ИИ и его возможностей выполнять математические задачи лучше людей. Исходя из логики, что большую процессов в нашем мире можно описать математически, применяя принцип детерминизма о том, что все подчиняется причинно-следственным связям, искусственный интеллект можно применять для решения любых задач, в том числе и в бизнесе [1].
Если кратко описывать историю развития ИИ, то большинство вопросов и поиск их решения началось в середине XX века, когда было накоплено необходимое количество знаний в математике и других важных научных сферах, а также появились первые электронные вычислительные машины (ЭВМ), на которых можно было запускать столь сложные программы. Наиболее знаменит тест Алана Тьюринга, предложенный им в 1950 году, направленный на оценку искусственного интеллекта. Если человек, который переписывается текстовыми сообщениями с собеседником (при этом им может быть как программа, так и человек), не может определить живой это человек или ИИ, то тест считается пройденным. Данный тест применяется для тестирования ИИ и в наше время, особенно актуален он ввиду появления большого количества интеллектуальных помощников, как «Siri» у компании Apple, «Олег» у банка Тинькофф и т. д. С 1950 годов продолжилось активное развитие и изучение данной темы, которое сдерживается, в основном одним фактором — возможности вычислительных систем. Теория уже давно обогнала практические возможности ЭВМ, так что сейчас большая часть усилий в области ИИ уходит на оптимизацию и упрощение программирования, которое необходимо для более широкого распространения технологии. В 21 веке произошел бум использования ИИ, вызванный развитием процессорных технологий, значительно увеличивший возможности выполнения программ, использующих ИИ. Например, сейчас любой человек может воспользоваться сервисом компании Google «Colab», который дает возможности использовать вычислительные мощности компании для программирования, найти необходимые библиотеки с программами и самостоятельно воспользоваться возможностями ИИ для распознавания объектов на фотографиях, создания «дипфейков» («глубокий фейк» — создание фотографий и видео, путем переноса лица или мимики одного человека на другую фотографию или видео), что показывает то, насколько ИИ упростился и может быть доступен каждому.
Однако само понятие искусственного интеллекта — это больше о том, что мы подразумеваем под данной технологией. Чаще всего на практике применяется машинное обучение, а именно его подвид — нейронные сети. Расположение и соотношение технологий представлено на рисунке 1.
Рис. 1. Соотношение и места информатики, ИИ и его подвидов
Как видно из рисунка 1, большая часть технологий ИИ относится к машинному обучению. Оно характеризуется тем, что решает задачи не прямым путем (алгоритмом), а через обучение. Есть 2 основных вида обучения:
- Индуктивное обучение, которое основано на выявлении закономерностей в базе данных.
- Дедуктивное обучение, которое основано на формализации имеющихся данных человеческих экспертов и перенос их в ЭВМ в виде базы данных.
Чаще всего на практике применяются искусственные нейронные сети (нейронное обучение), которое построено по образу и подобию работы нейронов живого организма.
Рис. 2. Пример нейронной сети, применяющейся в программировании
На рисунке 2 изображен пример нейронной сети, на основании которой можно понять, как именно работает данная технология. Есть 3 составляющих — входные нейроны (зеленые), скрытые или же промежуточные (синие) и выходной (желтой). То есть информация поступает в виде «зеленых» нейронов, обрабатывается в «синих» нейронах и получается некоторое выходное значение — «желтый» нейрон, который нам и необходим. Изображен всего один элемент цепочки обработки информации, некоторый процесс, необходимый для получения конечного результата [2]. Данная технология обладает широкими возможностями и позволяет применять ИИ практически в любой сфере. Однако можно выделить одно особенность: каждый дополнительный нейронный процесс может отталкивать выполнение функции немного назад, что не позволяет применять данную технологию везде, а также позволяет говорить о том, что ее очень сложно оптимизировать. Для применения данной технологии требуется применять процессоры с большим количеством ядер, которые способны выполнять большое количество простых операций, что обуславливает применение специфического программного обеспечения и вычислительных мощностей.
Литература:
- Иванов А. А., Рожкова Л. Искусственный интеллект как основа инновационных преобразований в технике, экономике, бизнесе. Известия Санкт-Петербургского государственного экономического университета. 2018. № 3 (111). С. 112–115.
- В чем разница между искусственным интеллектом, машинным обучением и глубоким обучением? [Электронный ресурс]. Режим доступа: https://blogs.oracle.com/russia/ai-ml-dl-differ (дата обращения 08.01.2022).
