Введение.

В начале 1980-х гг. специалисты в области теории вычислений А. Барр и Е.А. Файгенбаум [7] дали искусственному интеллекту (ИИ) определение, согласно которому под ним следует понимать ту часть информатики, которая специализируется на разработке интеллектуальных систем для компьютеров, имеющих функциональные возможности, которые достаточно близки к функциям человеческого разума. К таким возможностям, прежде всего, относятся: понимание языка, получение новых знаний, логическое мышление, определение проблем, анализ аналитики и другие.

По прошествии некоторого периода времени под ИИ стали понимать разработку алгоритмов и программного обеспечения, отличительной особенностью которых была возможность решения отдельных задач такими способами, которые максимально близки к мышлению человека при решении аналогичных задач [1].

Области практического применения технологий ИИ очень широки и включают в себя как достаточно известные технологии, так и постоянно возникающие новые технологии, которые пока еще далеки от масштабного использования. Технологий ИИ активно развиваются и постепенно охватывают все более широкий спектр решений в самых разных сферах производства. Вместе с тем, технологии ИИ не образуют какой-то единой предметной области исследований. В частности, отдельные технологии ИИ представляют собой новые направления или подотрасли экономики, которые, с одной стороны, существуют достаточно  обособленно, а с другой — обслуживают при этом одновременно большое число сфер экономики.

Расширение областей применения технологий ИИ активно способствует их адаптации во многих отраслях экономики по всем цепочкам производства высокотехнологичной продукции посредством алгоритмизации практически всех функциональных операций управления предприятием, начиная от логистики поставок сырья и комплектующих до поставок и сбыта готовой продукции его контрагентам.

Цель исследования

Цель данного исследования заключается в выявлении особенностей современного этапа развития технологий искусственного интеллекта и определении перспектив их практического применения для производства высокотехнологичной продукции на производственных предприятиях различных отраслей экономики, а также в сфере услуг и других областях жизнедеятельности общества.

Материалы и методы

В современном понимании под технологиями искусственного интеллекта (от англ. Artificial intelligence, AI) принято объединять технологии разработки интеллектуальных вычислительных систем, функционирующих на основе интеллектуального программного обеспечения. Технологии ИИ часто связывают с использованием компьютеров для понятия интеллекта человека, но при этом для их создания не ограничиваются применением методов, адекватно отражающих деятельность биологически активных систем.

Все разнообразие технологий ИИ принято разделять по критерию ключевых точек развития. Основные свойства технологий ИИ заключаются в понимании языка, получении новых знаний, логическом мышлении, анализе аналитики, определении проблем и способность их решать. В состав технологий ИИ входит комплекс близких по сути инновационных технологических процессов, которые развиваются на высоком качественном уровне и достаточно быстро. В настоящее время из них наиболее часто используются: обработка текстов при помощи естественного языка, машинное обучение, экспертные системы, виртуальные агенты, системы рекомендаций [6].

По мнению большинства аналитиков, машинное обучение (МО или от англ. Machine Learnng, ML), представляет собой одну из прогрессивных тенденций развития технологий ИИ [2]. Технологии МО образуют достаточно узкую по специализации область знаний, которая входит в состав основных методов и технологий ИИ, применяемых в сфере обработки больших массивов информации. Технологии МО используются для разработки алгоритмов автоматизации поиска и выбора новых знаний из больших массивов информации, обучающих программных систем с применением новых знаний, рекомендаций по идентификации разнообразных объектов, генерирования разного рода прогнозов, а также решения других классов задач. Технологии МО объединяют в себе целый ряд методов ИИ, к отличительным свойствам которых относится не прямое решение разного рода задач, а обучение через процесс поиска их решения на основе выбора допустимых решений из некоторого множества аналогичных задач. В качестве такого рода методов чаще всего применяются методы математической статистики, различные вычислительные методы, методы оптимизации, теории вероятностей и теории графов, различные методы цифровой обработки данных и другие.

Специалисты в сфере технологий ИИ относят технологии МО к обучающим системам, в составе которых преобладают элементы так называемого слабого ИИ, у которых нет способностей к разумному мышлению, подобно человеку. Они предназначены для решения простейших прикладных задач. Соответственно к технологиям так называемого сильного ИИ относят технологии МО с преобладанием элементов, уже обладающих неким искусственным разумом, которые в теории могут быть объединены отдельной программной системой с тем, чтобы проявить способности к разумному мышлению, сопоставимые с мыслительными способностями человека. Технологии сильного ИИ имеют такие свойства, как: способность ощущать разного рода внешние факторы, способность рассуждать и делать выводы, способность к самостоятельному  анализу, а также способность к самостоятельному мышлению.

Являясь составной частью так называемого слабого ИИ, технологии MО, все же имеют много свойств, аналогичных обучению людей, которые были выявлены психологами на рубеже XX-XXI веков. В частности к ним можно отнести ряд новых способов обучения на основе процессов передачи знаний. При этом один из таких способов — когнитивное обучение непосредственно применяется в технологиях MО. Здесь необходимо отметить, что теория когнитивного обучения основывается на том положении, что разумный человек изначально имеет способности к обучению, структурированию, накоплению и сохранению новых знаний. Эти же способности закладываются и в технологии MО, которые под таким углом можно рассматривать практический пример применения теории  когнитивного обучения, но предназначенного для использования компьютерных образовательных технологий.

Поэтому практическая значимость технологий МО для многих отраслей экономики достаточно высока. Общее число существующих способов их применения не поддается точному подсчету. К ним относятся и формирование прогнозов, и совершенствование обслуживания, и оптимизация всей логистики, и выявление мошеннических операций в финансовых учреждениях, и оказание персональных услуг в сфере здравоохранения, и рациональное планирование трафика на дорогах, и диспетчеризация вылетов и прилетов самолетов в аэропортах и многие другие.

Технологии МО используются в государственных учреждениях для интеллектуального анализа больших массивов информации в целях обеспечения роста эффективности их работы и экономии финансовых ресурсов. В банковских структурах технологии МО применяются для поиска новых возможностей для вложения инвестиций, выявления неблагонадежных клиентов и признаков угрозы кибератак. В сфере здравоохранения использование технологий MО обеспечивает своевременную обработку данных, поступающих с носимых пациентами устройств и датчиков для оперативной оценки состояния их здоровья.

В настоящее время технологии MО объединяют в своем составе ранее казалось бы такие независимые направления, как: нейронные сети, обучение по прецедентам, генетические алгоритмы, выводы правил и аналитическое обучение. Как правило, технологии МО используют в своей работе большие массивы информации с тем, чтобы обеспечить требуемую точность вычислительных операций в масштабах всей нейросети. Однако практика показывает, что во многих отраслях экономики отсутствуют базы данных, которые используют большие массивы информации.

Наглядно представить функционирование технологий MО можно таким образом. Допустим, что имеются описания нескольких вычислительных операций, которые объединены в одну обучающую выборку. Затем выявляется наличие совокупности отдельных фрагментов данных, имеющих общие свойства в форме зависимостей, закономерностей и взаимосвязей, принадлежащих не только обучающей выборке, но и вообще другим вычислительным операциям. Используя алгоритмы настройки технологии МО по обучающей выборке вычислительных операций, можно оптимизировать все  параметры процесса обучения, а затем использовать настроенную технологию МО для решения аналогичных прикладных задач.

На этом основании функционирование технологий MО можно представить через выражение:

Машинное Обучение = Описание + Оценка + Оптимизация

где: Описание – функциональное описание исследуемого элемента на естественном языке, который может интерпретировать технология МО;

Оценка – функциональный выбор наиболее подходящей технологии МО;

Оптимизация – поиск наилучших вариантов и способов обучения.

При этом в качестве главной цели применения технологии MО может выступать создание в нейронной сети способности обнаруживать некие иные вычислительные операции, не входящие в состав использованной обучающей выборки, но имеющие те же свойства.

Таким образом, технологии МО на практике используют для идентификации исследуемых элементов, проведения регрессионного анализа данных и прогнозирование их новых значений на основе результатов анализа. Чаще всего для этого формируется модель восстанавливаемой зависимости данных в виде параметрического семейства настраиваемых алгоритмов. Затем проводится численная оптимизации параметров модели, которая позволяет минимизировать количество ошибок на выбранной обучающей выборке вычислительных операций.

Сегодня наиболее распространены такие алгоритмы МО, как: линейная и логистическая регрессия; SVM (метод опорных векторов); решающие деревья; random forest (множество решающих деревьев); AdaBoost (выявление слабых функций); градиентный бустинг; нейросети; K-means (метод кластеризации k-средних); EM-алгоритм (нахождения оценок максимального правдоподобия параметров вероятностных моделей); авторегрессии; Self-organizing maps (нейронная сеть с обучением без учителя) [3].

Современный успех развития и всеобщее признание высокой эффективности практического использования технологий MО объясняется тремя обстоятельствами, а именно:

1) необходимость своевременной обработки возрастающих в геометрической прогрессии объемов информации;

Она вызывает потребность в анализе больших массивов разнородной информации и является необходимым условием для внедрения технологий MО. Обработка больших массивов разнородной информации открывает возможность для развития технологий МО, поскольку создает большое количество вычислительных операций для формирования обучающих выборок, что является достаточным условием внедрения технологий MО.

2) наличие достаточно развитой процессорной базы для производства вычислительных операций на больших массивах разнородной информации;

Как известно, внедрение технологий MО делится на два этапа. На первом происходит обучение искусственной нейронной сети, ее алгоритмическая настройка. На втором этапе идет параллельная обработка больших массивов разнородной информации. Для этого обычно используют высокопроизводительные процессоры CPU.

3) достаточно широкое распространение библиотек программного обеспечения, применяемого в технологиях MО.

На данный момент их количество превысило 50, из них наиболее известными являются: TensorFlow, Theano, Keras, Lasagne, Caffe, DSSTNE, Wolfram Mathematica. Фактически все программное обеспечение поддерживает прикладной интерфейс OpenMP, языки Pyton, Java и C++ и платформу CUDA [5].

Стремительное развитие технологий МО и расширение сфер их практического применения в различных областях жизнедеятельности современного общества становятся определяющим фактором наступления эпохи когнитивного компьютинга (КК или от англ. Cognitive Computing, CC). Создание систем КК в настоящее время является признанной многими специалистами реальной альтернативой разработке всем известных пакетов прикладных программ (ППП), функциональное наполнение которых в подавляющем их количестве было достаточно узким.

Вместе с тем, не смотря на рост интереса к развитию технологий МО, было бы в корне неправильно сводить сущность понятия КК технологиям МО. Действительно, по своей сущности КК представляет собой одну из составляющих технологий ИИ, и с полным основанием может рассматриваться в качестве его подсистемы, составной частью которой, в свою очередь, выступают технологии МО (см. рис. 1[9]).

Рисунок 1.  Взаимосвязь технологий ИИ, КК и МО.

Кроме того, в современном понимании понятие КК объединяет в себе, наряду с технологиями МО, и автоматизацию принятия управленческих решений, и идентификацию данных в различных форматах и объемах, алгоритмы видеоаналитики, использование естественных языков для обработки больших массивов данных в режиме реального времени и еще достаточно большое количество других направлений практического применения.

Как видно из приведенного выше перечисления, многие направления практического применения КК пресекаются между собой. По этой причине их достаточно сложно четко отделить друг от друга на функциональном и сущностном уровнях. Более того, на данный момент такое разделение не сделала ни одна команда специалистов, обладающих самыми высокими профессиональными компетенциями в области ИИ. Однако есть все основания для того, чтобы с большой долей уверенности полагать, что во многих системах КК определенно представлены технологии МО, в которых процессы когнитивного обучения поддерживаются при помощи математических методов и алгоритмов.

Мировое сообщество стремительно вступает в эпоху КК, отличительной особенностью которого является не только совершенствование вычислительных функций, но и развитие функциональных возможностей компьютеров как машин, способных к разумному мышлению. Если раньше под системами КК, в основном, понимались вычислительные системы, то под влиянием расширения информатизации всех сфер производства его функциональное наполнение становится принципиально другим. Кроме широкой вариативности проведения различных вычислительных операций с применением компьютеров сегодня оно объединяет в системах КК еще и алгоритмическое обеспечение их выполнения, программное обеспечение для управления ими, концептуальное обеспечение в виде современных положений развития компьютеризации всех областей жизнедеятельности общества. Таким образом, в современных условиях системы КК трансформируются в функционально неотъемлемую составляющую высокотехнологичного  производства.

Сравнительные особенности обычных компьютерных программ и систем когнитивного компьютинга приведены в таблице 1.

Таблица 1

Сравнительные особенности обычных компьютерных программ и систем КК

Основная цель разработки систем КК заключается не полной замене мыслительных способностей мозга человека или обучении компьютерной системы способностям мыслить по аналогии с мозгом человека. Напротив, высокая эффективность систем КК достигается за счет того, что компьютерным системам лучше удается проводить вычисления с большими массивами информации и обрабатывать большие массивы данных, а мыслительные способности мозга человека будут направлены на развитие интуиции, получение обоснованных решений, креативного подхода к управлению современными высокотехнологичными производствами.

Системы КК отличаются от уже ставших всем привычными и еще существующих сегодня обычных компьютеров принципиально разными функциональными особенностями. Если  в основу функционирования обычных компьютеров положены процессы и процессоры, то основой функционирования систем КК являются большие массивы данных, представленные в разных форматах и фактически не ограниченные в объемах. Следствием этого станет постепенная замена получения определенного результата вычислений по изначально заведенным в программу алгоритмам на многообразие результатов, полученных при помощи различных аналитических методов. Соответственно, если сегодня на большинстве высокотехнологичных производств преобладает так называемое ручное управление, то уже в ближайшем будущем ему на смену придут автоматизированные системы КК.

Еще одним принципиальным отличием систем КК является масштабирование функций управления. Использование обычных компьютеров позволяет реализовать два типа масштабирования функций управления – по вертикали (вверх) и по горизонтали (в ширину). С появлением систем КК становится доступным  масштабирование функций управления по глубине (внутрь), которое основано на объединении в одну систему управления таких составляющих как, процессоры, оперативная память, системы хранения больших массивов данных, а также их взаимодействие между собой.

К системам КК в настоящее время относится всё, что, каким либо образом затрагивает процессы моделирования высокотехнологичных производств на основе использования способностей компьютерных систем к мышлению по аналогии со способностями  мозга человека. В состав систем КК входят различные обучающие системы, системы, осуществляющие майнинг данных, системы идентификации информации и образов, системы обработки текстов на естественных языках и многие другие системы, основной целью которых является поиск решения разного рода задач без привлечения человека.

Уже сегодня происходит масштабное внедрение таких востребованных во многих сферах жизнедеятельности общества систем КК как системы распознавания речи, системы сентимент-анализа, системы распознавания лиц и ряд других. Если при использовании обычных компьютеров взаимодействие пользователей с ними осуществляется на основе различных программ, то при использовании систем КК взаимодействие с ними будет осуществляться через технологии МО [8]. Алгоритмы в составе технологий МО способны извлекать из больших массивов информации необходимые пользователю данные, обрабатывать их и получать новые знания путем поиска альтернативных вариантов решения разных задач.

Системы КК могут использоваться в управлении высокотехнологичными предприятиями для выявления предпочтений и особенностей потребителей производимой ими продукции. По мнению руководителей отделов маркетинга выявление «инсайтов потребителей» считается одним из перспективных способов использования систем КК в целях улучшения работы с клиентами. Вместе с тем было бы неправильно рассматривать практическое применение систем КК только по независимым направлениям деятельности предприятий. У руководства предприятий должен сформироваться подход к системам КК как части общей стратегии внедрения цифрового управления производством. При этом системы КК будут ориентированы на выполнение наиболее трудозатратной работы, поэтому повышается потребность в специалистах с аналитическими навыками, комплексным видением стратегического развития предприятия и знанием ключевых направлений его деятельности. Такие специалисты могут достаточно быстро определить перспективные направления ведения бизнеса на основе когнитивных «инсайтов потребителей». Кроме того, они должны обладать навыками разработки и принятия обоснованных управленческих решений.

Профессиональное использование систем КК возможно в самых различных областях управления производственной деятельностью высокотехнологичных предприятий, начиная непосредственно с производства продукции, ее маркетинга и продаж, оптимизации поставок комплектующих и материалов, решения разного рода операционных и финансовых задач, управления персоналом и заканчивая обслуживанием клиентов. Такие возможности способствуют объединению процессов обмена данных и их внедрению в деятельность отдельных подразделений предприятий с целью повышения эффективности производства высокотехнологичной продукции. Кроме того, системы КК как инструменты управления деятельностью высокотехнологичных предприятий могут легко внедряться в функционирующие облачные платформы и системы управления этими предприятиями. Практика показывает, что даже незначительное использование систем КК способствует получению предприятиями дополнительных конкурентных преимуществ и определению перспективных направлений развития их производственной деятельности.

Результаты и их обсуждение

Сферы практического использования технологий MО в будущем четко обозначить весьма затруднительно. Сегодня наибольшими перспективами развития в мировом формате обладает проект так называемой «Индустрии 4.0» [4]. Он предполагает перевод управления большинством производств с ручного на   полностью автоматизированный режим при помощи современных цифровых интеллектуальных технологий и систем. В перспективе предусматривается  их объединение в отраслевые промышленные сети и организация взаимодействие в масштабах глобальной всемирной сети. Наиболее значимая роль в достижении этой цели принадлежит технологиям MО.

Можно утверждать, что «Индустрия 4.0» является проектом нового инновационного технологического уклада, который полностью отражает современную тенденцию расширения автоматизации и обмена данными, а также использования технологий искусственного интеллекта, машинного обучения и когнитивного компьютинга практически во всех отраслях экономики. Другими словами, в основу развития «Индустрии 4.0» положен новый уровень организации производства высокотехнологичной продукции на основе управления цепочками формирования ее ценности на всем протяжении ее жизненного цикла. На диаграмме 1 представлены основные технологические и функциональные элементы «Индустрии 4.0» [4].

Многие из представленных на диаграмме элементов давно и с успехом используются на практике. Однако, только их объединение в целостную систему будет способствовать развитию концепции «Индустрии 4.0», обеспечению более высокой эффективности производства и получению дополнительного дохода за счет использования цифровых технологий, формирования сетевого взаимодействия контрагентов, а также реализации инновационных бизнес-моделей организации производства высокотехнологичной продукции.

Рисунок 2.

Развитие современных информационно-коммуникационных технологий (ИКТ), появление высокоскоростных каналов связи, создание новых цифровых платформ и облачных технологий обработки больших массивов информации способствовали разработке современных открытых информационных систем и глобальных промышленных сетей. Указанные выше и целый ряд других технологий и информационных ресурсов предназначены для практического использования как внутри отдельного предприятия, так и за его границами, открывая тем самым новые перспективы для более эффективного взаимодействия предприятия со своими контрагентами. Внедрение новых технологий искусственного интеллекта, машинного обучения и систем когнитивного компьютинга, а также использование сетевых информационных ресурсов способствуют переводу производства высокотехнологичной продукции на новый уровень автоматизации.

Выводы.

Полученные в ходе проведенных исследований результаты позволили сформулировать следующие выводы.

1. Под искусственным интеллектомпринято понимать технологии разработки интеллектуальных вычислительных систем, функционирующих на основе интеллектуального программного обеспечения.
2. В состав ключевых технологий искусственного интеллекта входят технологии машинного обучения и системы когнитивного компьютинга. При этом во многих системах когнитивного компьютинга определенно представлены технологии машинного обучения, в которых процессы когнитивного обучения поддерживаются при помощи математических методов и алгоритмов.
3. Технологии машинного обучения на практике используют для идентификации исследуемых элементов, проведения регрессионного анализа данных и прогнозирование их новых значений на основе результатов анализа.
4. Отличительной особенностью когнитивного компьютинга является не только совершенствование вычислительных функций, но и развитие функциональных возможностей компьютеров как машин, способных к разумному мышлению. Поэтому в современных условиях системы когнитивного компьютинга трансформируются в функционально неотъемлемую составляющую производства высокотехнологичной продукции.
5. Расширение областей применения технологий ИИ активно способствует их адаптации во многих отраслях экономики по всем цепочкам производства высокотехнологичной продукции посредством алгоритмизации практически всех функциональных операций управления предприятием.
6. Внедрение новых технологий искусственного интеллекта, машинного обучения и систем когнитивного компьютинга, а также использование сетевых информационных ресурсов способствуют переводу производства высокотехнологичной продукции на новый уровень автоматизации.

Благодарности.

Работа выполнена при частичной финансовой поддержке Российского фонда фундаментальных исследований, проект №19-010-00043а «Теоретические основы, инновационные методы и организационно-экономические механизмы создания и рыночной реализации отечественной наукоемкой продукции в условиях глобализации экономики и расширения антироссийских санкций».