Развитие технологий искусственного интеллекта в отраслях народного хозяйства

В российском законодательстве термин «Искусственный интеллект» появился только в 2020 году. Так в Федеральном законе от 24.04.2020 N 123-ФЗ искусственный интеллект рассматривается как комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека [1].

В настоящее время существуют следующие виды искусственного интеллекта (рис. 1).

Рис. 1. Виды искусственного интеллекта

Слабый искусственный интеллект (Narrow AI) способен решать определенные задачи как человек, а иногда даже лучше. В его основу заложены программы и алгоритмы, которые требуют выполнения задач с высокой точностью, но не обладают интеллектом самостоятельно мыслить. Примерами слабого AI яв- ляются голосовой помощник, автоматический переводчик, редактирование ошибок, поисковые запросы, беспилотные автомобили и т.д. [3].

Развитие технологий слабого искусственного интеллекта представлено на рисунке 2.

OCR

Доказательство математических теорем

AlphaGo

Написание заголовков

Deep Blue

Рекомендательная система

Фильтрация спама I

Контроль дефектов на производстве

Автоматическая разработка ПО

Персональный робот Выработка плана лечения

Самоуправляемый автомобиль

1                       -

Анализ настроении по тексту

^Анализ медицинских изображений

Предиктивное техобслуживание

Стадии развития ИИ ф Стадия исследования

Разработка на ранней стадии 9 Разработка на поздней стадии 0 Зрелая разработка

Распознавание лиц i

Распознавание речи

Распознавание объектов

Геномный анализ

Прогнозирование результатов кредитования

Хорошо определенные среды

Сложность среды

Сложные, изменчивые среды реального мира

Рис. 2. Развитие технологий слабого искусственного интеллекта

Сильный искусственный интеллект (General AI), характеризуется возможностью мыслить, обучаться, принимать решения, адаптироваться к новым условиям без предварительного программирования подобно человеку. Сильный AI имеет сознание и эмоции, познает окружающий мир и может свободно общаться и поддерживать беседу, т.е. наделен интеллектом. General AI находится на стадии разработки, к нему можно отнести чат-боты, которые имитируют человеческое общение, но пока не могут думать и принимать решения [2].

Искусственный          суперинтеллект

(Superintelligence) пока остается концепцией, в которой Superintelligence является новой формой разума, превосходящая человеческий интеллект и способная контролировать другие формы бытия.

Основные технологии искусственного интеллекта представлены на рисунке 3.

Рис. 4. Технологии искусственного интеллекта

Машинное обучение (Machine learning, ML) – это область искусственного интеллекта, позволяющая использовать самообучающиеся информационные системы для имитации человеческого обучения. Данные системы способны сами обучаться и совершенствоваться. Машинное обучение помогает управлять, генерировать и хранить большие данные. Данную технологию применяют в сельском хозяйстве для анализа состава почв, а также прогнозирования урожайности и удоя молока [5].

Глубокое обучение (Deep Learning AI) – это раздел машинного обучения, который использует модели нейронных сетей для моделирования процесса обучения человеческого мозга. Благодаря построению многослойной структуры нейронной сети глубокое обучение имеет широкий спектр применений в распознавании изображений, речи, обработке естественного языка и других областях. Его сила заключается в способности справляться со сложными задачами распознавания образов и анализа данных [4].

Существуют значительные отличия между машинным обучением и глубоким обучением. Так, в системах машинного обучения люди должны идентифицировать и вручную кодировать функции приложения на основе типов данных (например, значения пикселей, формы и направления), в то время как системы глубокого обучения пытаются изучить эти функции без дополнительного вмешательства человека. Так, базовые приложения машинного обучения включают программы прогнозирования и процедуры разработки научно обоснованных планов лечения для медицинских пациентов. Хорошо известной областью применения глубокого обучения являются самоуправляемые автомобили – программа использует многослойные нейронные сети для выполнения таких действий, как определение объектов, которых следует избегать, распознавание сигналов светофора и определение того, когда следует ускоряться или замедляться. А также сервисы потоковой передачи музыки и распознавания лиц.

Обработка естественного языка (NLP, Natural Language Processing) – еще одна важная технология в искусственном интеллекте. Она изучает языковую коммуникацию между людьми и машинами, позволяя машинам по- нимать, анализировать и генерировать человеческий язык. Этот подход охватывает широкий спектр методов и технологий, которые позволяют компьютерным системам взаимодействовать с текстом, речью и диалогами так же, как это делает человек. Эта технология позволила популяризировать такие приложения, как интеллектуальные помощники и голосовые ассистенты, которые значительно облегчили жизнь и работу людей.

Другим важным аспектом технологии обработки естественного языка является машинный перевод, который позволяет автоматически переводить текст с одного языка на другой. Эти технологии находят применение в социальных медиа, маркетинге, финансах, медицине и других областях, где необходим анализ больших объемов текстовых данных для принятия решений и выявления тенденций.

Технология компьютерного зрения (CV, Computer Vision) направлена на то, чтобы позволить компьютерам «видеть» и понимать мир. Имитируя систему человеческого зрения, технология компьютерного зрения может выполнять такие задачи, как распознавание изображений, обнаружение цели и понимание сцены. Он широко используется в мониторинге безопасности, автономном вождении, медицинской диагностике и других областях [3].

Еще одной важной задачей компьютерного зрения является классификация изображений, при которой каждое изображение присваивается одной или нескольким предопределенным категориям или классам. Так, технология компьютерного зрения является активно развивающейся областью искусственного интеллекта, которая находит широкое применение в различных сферах, таких как медицина, автомобильная промышленность, безопасность, аналитика и многое другое.

Интеллектуальная робототехника – это воплощение технологии искусственного интеллекта в аппаратном обеспечении. Интеллектуальная робототехника представляет собой важную область исследований в сфере искусственного интеллекта, которая фокусируется на создании систем, способных взаимодействовать с окружающей средой и принимать решения в реальном времени. Одним из ключевых примеров реализации этого подхода являются роботы. Роботы представляют собой физические системы, оснащенные датчиками, моторами и компьютерным управлением, которые могут взаимодействовать с окружающей средой и выполнять различные задачи [2].

Роботы могут быть использованы для автоматизации производственных процессов, выполнения опасных работ или помощи людям с ограниченными возможностями. Дру- гим примером реализации интеллектуальных роботов являются автономные автомобили и автопилоты дронов. Развитие интеллектуальной робототехники имеет огромный потенциал для улучшения жизни населения и работы в различных областях, от производства и транспорта до здравоохранения и образования.

Таким образом, технологии искусственного интеллекта помогут повысить производительность, безопасность и удобство повседневной жизни, а также открыть новые возможности для исследований и инноваций.