Введение

Исследования в области искусственного интеллекта (ИИ, англ. artificial intelligence, AI) активно проводились еще в 20-м веке. Ученые, инженеры, философы, писатели-фантасты и футурологи представляли решения на базе ИИ совершенно по-разному. Например, некоторые исследователи предполагали, что необходимо, в первую очередь, изучать мозг человека и создавать такие решения в области AI, которые будут повторять мыслительный процесс людей. Однако, данное направление исследований было популярно в конце 20-го века, когда мощности компьютеров (даже суперкомпьютеров того времени) еще не позволяли выполнять целый класс сложных вычислительных задач, которые мы решаем сегодня с помощью обычных гаджетов без особых затрат и усилий.

Из ученых 20-го века хорошо известен Алан Тьюринг, он разработал знаменитый «тест Тьюринга», с помощью которого можно оценить, может ли машина мыслить, и сумеет ли проверяющий распознать, кто с ним общается человек или компьютерная программа.


Рис 1. Тест Тьюринга

Впервые в конце 90-х годов прошлого века компьютерная программа смогла обыграть чемпиона мира по шахматам. Однако заметим, что такие программы на базе искусственного интеллекта могли решать только узкий класс задач (играть в шахматы или го, распознавать лица или автоматизировать еще какой-либо производственный процесс).
Можно отметить, что пока еще не создан какой-то универсальный ИИ, который с одной стороны мыслит таким же образом, как и человек, а с другой, превосходит человека в решении практически всех интеллектуальных задач и может сам принимать целый спектр важнейших решений.

Исследования в сфере AI пошли несколько другим путем: увеличение вычислительных мощностей компьютеров и пропускной способности магистральных сетей за последние пару десятков лет, появление совершенно новых технологий, таких как, машинное обучение (aнгл. machine learning, ML), глубокое обучение (англ. deep learning), поиск в больших данных (англ. big data), Интернета вещей (англ. Internet of Things, IoT), облачных технологий и т.д. позволило ученым и инженерам применять некоторые решения на базе ИИ на практике.


Рис 2. Новые технологии: artificial intelligence, machine learning, deep learning

В чисто прикладном аспекте исследователи AI нашли альтернативные варианты: вместо того, чтобы глубоко изучать процессы мышления человека и создавать что-то подобное для машины, было решено, что для многих задач неплохо работает машинное обучение на огромных массивах данных и использование преимуществ масштабирования (увеличения вычислительных мощностей современных компьютерных систем). Возможно, что и для интеллектуальных машин, неотличимых от человека в области мышления, придет свое время в будущем.

В этой статье мы остановимся на тех направлениях AI и сопредельных с ним технологий, которые уже работают на практике, определяют ход цифровой трансформации в мире и будут распространенными технологиями в шестом промышленном укладе.

Какие изменения принесет ИИ и робототехника в промышленность и логистику?

В наше время в ходу термины «безлюдное производство» или «цифровое производство», а ведь ранее в 80-90-е годы 20-го века, в основном внедряли автоматизацию в промышленности. На современном этапе, с развитием IoT, аддитивных технологий (3D-печати), больших данных и роботизированных систем — понятие «цифровое производство» подразумевает непрерывный цикл, включающий в себя:

• моделирование будущего изделия и самого процесса его изготовления;
• применение больших данных и бизнес-аналитики;
• применение роботов нового поколения с ИИ в цехах;
• интеграцию различных производственных подразделений и внедрение систем ERP (англ. Enterprise Resource Planning, планирование ресурсов предприятия);
• использование Интернета вещей (IoT), блокчейна, частных криптовалют для внутренних расчетов.

Однако, слышны доводы скептиков, которые пугают большой безработицей в связи с широким использованием ИИ и роботизации в промышленности. На это хочется ответить, что пока еще полностью «безлюдные производства» массово не применимы, и причина здесь кроется в недостатках современных систем на базе AI и роботизированных комплексов, которые типовые производственные процессы и узкоспециализированные операции выполняют лучше и эффективнее человека, а вот в критических ситуациях не всегда могут быстро принять верное решение.

Выход здесь видится один: использование коботов, (коллаборативных роботов) — специализированных устройств, работающих совместно с человеком, где человек необходим для принятия быстрых и интуитивных решений в ситуациях, которые не поддаются полной автоматизации и где пока еще мало эффективен ИИ.


Рис.3 Внедрение коботов на производстве

Другое направление использования AI — это логистика и беспилотные автомобили, испытания которых сейчас массово проходят в США. Кстати, аварии с участием беспилотников уже зафиксированы, поэтому введено требование об обязательном участие человека с водительскими правами в таких испытаниях. Причина кроется в неправильном принятии решений в аварийной ситуации системой ИИ беспилотного автомобиля, там, где опытный водитель быстро и интуитивно принимает решение, AI пока еще не может полноценно с ним конкурировать.


Рис 4. Беспилотный автомобиль

Как искусственный интеллект может изменить труд офисных работников и креативного класса?

В предыдущей части статьи мы раскрыли некоторые подробности грядущих изменений в промышленности и логистике, которые связаны с цифровой трансформацией этой сферы (внедрением роботов и ИИ). Казалось бы, потенциальная угроза безработицы возможна только для рабочего класса и работников сферы обслуживания? Ведь многочисленные футурологи всегда нам внушали, что роботы и ИИ вытеснят человека из сферы физического труда и конвейерного производства. Однако, именно в сфере офисного труда и даже некоторой креативной деятельности мы уже сейчас видим многочисленные наработки из сферы ИИ, которые постепенно меняют бизнес-процессы современного офиса.

Следует обратить внимание на одно из прикладных направлений в развитии AI — это целый класс методов машинного обучения (англ. machine learning, ML). С помощью этих методов, программа решает задачу не напрямую, а тренируется на огромном множестве схожих задач. Применимы в таких случаях и нейронные сети, которые именно обучаются, а не программируются, как обычный софт.

Уже сегодня мы широко используем системы машинного перевода с иностранных языков. Конечно же, они пока еще не способны полностью заменить профессиональных переводчиков, но уже помогают нам быстро перевести нужный текст с одного языка на другой.

Существует программное обеспечение, позволяющее писать тексты, которые могут заменить журналистов, копирайтеров, репортеров и других производителей контента.


Рис 5. Искусственный интеллект пишет тексты вместо журналиста

Как построена работа подобных программ на базе AI?

1. Вначале подобное приложение проходит обучение (с помощью алгоритмов ML) на больших объемах сходных текстов с определенными параметрами: тематикой, ключевыми словами, стилем написания и т.д.
2. Затем подбирается наиболее подходящий алгоритм, который продолжает «обучение» уже на более компактной базе текстов с точно заданными характеристиками.
3. На следующем этапе, создается модель этого машинного обучения, которая уже сама генерирует текст, но пока еще с ошибками.
4. На заключительном этапе, человек редактирует сгенерированный текст и исправляет ошибки.

Как мы видим, пока еще такие системы не способны создавать сложные и большие осмысленные тексты, без участия человека. Хотя работы в этом направлении ведутся, причем даже в сфере написания картин и сочинения музыки.

В области автоматизации работы, так называемого «офисного планктона», хорошие результаты дают методы RPA (Robotic process automation) совместно с ML и AI. Фактически, RPA — это комплекс специализированных технологий, применяемых для автоматизации процессов в бизнесе, банковской и финансовой сферах и т.д. С помощью алгоритмов RPA разработчик может создавать программ-ботов, которые по заданному алгоритму выполняют рутинную задачу, например, собирают какие-то бухгалтерские данные в таблицы или отчеты (путем вставки или копирования, повторяя движения человека).

Однако, просто применение методов RPA решает только очень уж совсем узкий круг примитивных задач, да и с эффективностью автоматизации не более 50-60% всех подобных бизнес-процессов. Добавление к RPA методов машинного обучения и искусственного интеллекта позволяет расширить круг автоматизируемых процессов с помощью создания интеллектуальных «ботов», способных к выполнению широкого спектра заданий, работающих по более сложным алгоритмам и даже обладающих некоторой свободой принятия решений.

Таким образом, мы получаем возможность автоматизации до 80-90% типичной офисной работы. Конечно же, все еще будут необходимы сотрудники, которые смогут корректировать работу таких систем и исправлять ошибки «интеллектуальных ботов», но в целом, очень многие люди будут высвобождены от такой рутинной и однообразной деятельности, как ввод и обработка бухгалтерских данных, сверка, создание отчетности и т.д.


Рис 6. Сферы применения RPA

А сможет ли искусственный интеллект справиться с управленческими задачами или все-таки это эксклюзивное право только человека-управленца (менеджера, руководителя компании и т.д.)? Пока еще у нас управленческие решения принимаются людьми, однако в шестом технологическом укладе будут востребованы и новые модели управления, основанные на вероятностных методах и рефлексивном управлении. Уже сейчас существует IBM Watson (суперкомпьютер фирмы IBM), который с помощью ИИ решает целый класс очень сложных консалтинговых и даже научных проблем (вырабатывает эффективные решения для корпораций, строит математические модели для исследований в области онкологии и т.д.).

Заключение

Применение систем искусственного интеллекта привнесет в экономику, промышленность и социальную жизнь, как множество преимуществ для граждан, так и породит некоторые проблемы, на которые уже сейчас стоит обратить внимание:

1. Технологии ИИ, а также ML, Big data, IoT и др., могут оказаться в руках узкой группы лиц или монополий, в следствии чего, это приведет к созданию «цифровой диктатуры» и новых тоталитарных систем, где алгоритмы будут за нас принимать решения в бытовых, профессиональных, социальных и даже политических вопросах.
2. Некоторые алгоритмы AI (особенно в области «распознавания лиц», биометрии и т.д.) уже становятся технологической базой для силовых структур и государственного аппарата для постоянной слежки за всеми гражданами государства. Главное направление такой «слежки» — это даже не борьба с криминалом, а тотальный контроль над гражданами и присвоение им некоторых «социальных рейтингов». Над такими системами уже вовсю работают в Китае, да и в период коронавирусных ограничений подобные приложения стали появляться и в других странах.
   
   
   Рис 7. Социальный рейтинг в Китае
3. Применение AI в промышленности, офисной и креативной сферах может привести к массовой безработице, а также к усложнению некоторых специальностей или более узкой специализации.

Все эти проблемы необходимо решать уже сейчас, в период цифровой трансформации экономики, чтобы переход к шестому технологическому укладу не был бы очень болезненным у большинства граждан и привнес в их жизнь, в основном, только позитивные моменты.