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?
- 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.
- Затем подбирается наиболее подходящий алгоритм, который продолжает «обучение» уже на более компактной базе текстов с точно заданными характеристиками.
- На следующем этапе, создается модель этого машинного обучения, которая уже сама генерирует текст, но пока еще с ошибками.
- 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:
- 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.
- 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 - 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.