Применение искусственного интеллекта в цифровой экономике

Наталья Васильевна Городнова, 2021

Монография посвящена изучению перспектив внедрения алгоритмов искусственного интеллекта (ИИ) в различные сферы жизнедеятельности человека. Автором проведен анализ генезиса понятия «искусственный интеллект», систематизирован и обобщен накопленный российский и зарубежный опыт использования систем искусственного интеллекта, оценены позитивные и возможные негативные последствия применения программных алгоритмов в ходе реализации проектов по повышению качества жизни общества и эффективности различных систем управления. Кроме того, автором предпринята попытка прогнозирования влияния широкого применения моделей искусственного интеллекта на рынок труда. Научная новизна данного научного исследования заключается в развитии теоретических основ и понятийно-категориального аппарата сферы экономического использования нейронных сетей в условиях цифровизации. Монография будет полезна специалистам, занимающимся внедрением алгоритмов ИИ интеллекта в различные сферы экономической деятельности.

ГЛАВА 2. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА В БИЗНЕС-СФЕРЕ

В ХХI веке сбывается давняя мечта человечества о создании умной машины, которая если не решит все проблемы, то станет верным помощником человеку. По мнению экспертов, к 2023 г. элементы искусственного интеллекта (ИИ, Artificial Intelligence, AI) будут присутствовать во всех новых программных продуктах и сервисах. ИИ станет приоритетом для инвестиций свыше 1/3 компаний в мире и основой для роста мирового внутреннего валового продукта (ВВП).

Задачи, на решение которых человек раньше тратил довольно продолжительное время, искусственный интеллект может выполнить за несколько секунд. Уже сегодня с помощью ИИ в десятки раз быстрее открывают банковские счета и проводят закупки, разрабатывают новые лекарства, инвестируют на фондовом рынке и могут с точностью до минут определить время задержки рейса. Искусственный интеллект называют новым электричеством: он меняет целые отрасли бизнеса, а в будущем, возможно, изменит и облик всей цивилизации. Согласно формулировке профессионального медийного ресурса Techtarget.com, искусственный интеллект — это способность технологий имитировать интеллектуальную деятельность, например обучаться на основе информации и заданных правил, делать логические выводы и корректировать свои решения. ИИ применяется для создания экспертных систем, обработки данных на естественном языке, распознавания речи и машинного зрения и т.п.

Объем информации, созданной человечеством за последние 30 лет, равен объему за предыдущие 3 тысячелетия и продолжает стремительно расти. Стремительное развитие систем искусственного интеллекта (ИИ) позволяет ему учиться и совершенствоваться самостоятельно на основе нейросетей глубокого самообучения. Это приводит экономистов и экспертов к противоречивым выводам по поводу его влияния на рынок труда. Мнения о влиянии ИИ противоречивы вследствие ограниченных данных о негативных последствиях такого влияния. Несмотря на развитие различных методов машинного обучения, их использование все еще остается относительно небольшим. По данным информационного портала DataProt, к 2027 г. мировой рынок искусственного интеллекта достигнет 267 млрд долл. США. При этом сегодня 37% компаний применяют алгоритмические сервисы и ИИтехнологии. Это свидетельствует о том, что возможности его использования в будущем огромны.

Число компаний, занимающихся развитием систем искусственного интеллекта, в мире стремительно возрастает. Доля ИИ-стартапов в период с 2015 по 2018 г. увеличилась в пять раз и составила 3465 млрд долл. США, причем в Соединенных Штатах — 1393 млрд долл. США. Наибольшее количество таких компаний в 2017 г. было зарегистрировано именно в США, их на тот момент насчитывалось 2905 ИИ-компаний.

Большинство компаний, работающих на рынке ИИ, вкладывают средства в разработку приложений для машинного обучения. По последним подсчетам, свыше 31,7 млрд долл. США было проинвестированы непосредственно в рассматриваемую сферу. Также гигантские денежные ресурсы вкладываются в программы, способные распознавать человеческую речь. Этот сегмент, по данным аналитиков, составляет в 2020 г. свыше 12,5 млрд долл. США.

Объемы выручки от применения Big Data и сервисов бизнес-аналитики в мире на 2018 г. составлял 168,8 млрд долл. США. По прогнозу, уже в 2022 г. данный показатель превысит отметку в 274,3 млрд долл. США.

2.1. Внедрение сервисов искусственного интеллекта в бизнес-сферу

Сегодня ядро сервисов искусственного интеллекта, применяемое в бизнес-сфере, — это ИИ-рекомендации онлайн-магазинов и виртуальные ассистенты (например, Alex, Cortan и Siri). Искусственный интеллект сортирует контент по предпочтениям и популярности пользователей, распознает, понимает и самостоятельно пишет тексты, фильтрует и блокирует СПАМ, распознает человеческую речь, идентифицирует людей по фотографии селфи, сетчатке глаза и другими способами.

В целях коммуникации с клиентами компании используют чатботы, которые вступают во взаимодействие и отвечают на вопросы. Системы искусственного интеллекта активно применяются при оказании телекоммуникационных услуг, в автомобильной промышленности и финансовом секторе. Указанные технологии внедряются и в розничных сетях, медийном бизнесе, при производстве FMCG (пер. с англ. fast moving consumer goods — товары повседневного спроса).

Технологии искусственного интеллекта широко используются в таких разных сферах бизнеса, как ритейл, строительство, информационные технологии, образование и т.д. В каждой из указанных бизнес-сфер применяются технологии управления поведением потребителей, изучения будущих тенденций рынка и автоматизации различных рутинных процессов. Рассмотрим сектора применения возможностей искусственного интеллекта.

Транспорт. Беспилотные автомобили, использующие алгоритмы искусственного интеллекта с возможностью полного автономного вождения без вмешательства человека, могут существенно трансформировать транспортную систему. Машины с использованием ИИ анализируют трафик и альтернативные маршруты, сокращая время в пути¹⁸.

Производство. Применение высокопроизводительных роботов способствует быстрому и качественному выполнению задач, способствует более эффективной, чем человек, деятельности. Благодаря использованию 3D-технологий и машинного зрения роботы способны в разы ускорить процесс производства в любой сфере.

Здравоохранение. Автономные хирургические роботы, виртуальные помощники медицинского персонала и автоматическая диагностика изображений — это новейшие разработки, благодаря которым искусственный интеллект начинает играть решающую роль в технологическом прогрессе сферы здравоохранения, а также в развитии услуг телемедицины в трансграничном режиме.

Сфера развлечений. Машинное обучение на нейронных сетях позволяет предсказывать сценарии поведения пользователя и предоставлять рекомендации по подбору фильмов, музыки, телешоу и другого интересующего потребителя контента. ИИ персонализированно отфильтрует рекламу в зависимости от предпочтений пользователя, что способствует повышению эффективности маркетинга в аспекте таргетированной рекламы и увеличению объемов продаж.

Спорт. Предиктивный анализ и автоматизация, осуществляемая алгоритмами искусственного интеллекта, применяются в целях принятия бизнес-решений, продажи билетов и прогнозирования результатов спортсменов.

Искусственный интеллект, применяемый в бизнесе, способствует улучшению показателей во всех сферах. К примеру, к бизнеспроцессам, в рамках которых ИИ решает определенные задачи, следует отнести следующие:

Ценообразование. Искусственный интеллект осуществляет изучение статистики и выполняет прогностические функции, обрабатывая гигантские массивы информации в целях подбора наиболее оптимального распределения цен на конкретный вид продукции. Это позволяет в несколько раз повысить объемы выручки и доходов компании.

Безопасность. Самообучающиеся нейронные сети анализируют поведение клиентов и вычисляют подозрительные операции, существенно снижая таким образом негативные последствия действий кибермошенников и киберпреступников, что приводит к отсутствию финансовых потерь, повышенной защищенности системы и росту доверия пользователей.

Маркетинговая сфера. Системы искусственного интеллекта на основе изучения предыдущих продаж и глубокого изучения рынка осуществляют прогнозирование сценариев развития событий. Алгоритмами изучаются контактные данные клиентов, суммы сделок и приобретенные ими товары или услуги. Кроме того, ИИ анализирует поведение конкурентов в целях сопоставления эффективных и неудачных решений и действий. Это позволяет компании разрабатывать и реализовывать грамотную маркетинговую стратегию, которая с высокой степенью вероятности завершится финансовым успехом.

Скорость обработки данных. ИИ позволяет быстро и эффективно анализировать большие массивы информации и разрабатывать пути реакции на указанную информацию. В качестве примера можно привести применение систем искусственного интеллекта при реализации биржевых операций. Следует отметить, что традиционные программные алгоритмы не в состоянии самостоятельно адаптироваться к быстро меняющимся условиям и данным без предварительного обучения. Алгоритмы искусственного интеллекта предоставляют такую возможность и повышают продуктивность работы на бирже.

Процессы автоматизации. Существует большое количество факторов, вызывающих возможные ошибки в работе персонала. Искусственный интеллект, у которого отсутствуют эмоции и чувства, характерные для человека (человеческий фактор), используя данные, функции и технологии, позволяет осуществлять безошибочную и точную работу.

Виртуальные помощники. Чат-боты, Siri и Ok Google — это не единственные примеры. К примеру, чат-бот Олег, применяемый в приложении интернет-банка «Тинькофф» с помощью распознавания речи, общается с клиентами банка посредством цифровых устройств и выполняет стандартные банковские операции, например, осуществляет денежные переводы.

Использование виртуальных помощников — это один из ИИ-инструментов, который со временем будет более широко внедряться в бизнес-процессы и повседневную жизнь современного человека. По статистике Facebook, более 10 000 компаний занимаются разработкой чат-ботов. К примеру, Juniper Research отмечается высокая популярность применения виртуальных помощников. Использование чат-ботов в финансовом секторе и медицине способно сэкономить до 20 млн долл. США в год, к 2022 г. такая экономия составит около 8 млрд долл. США.¹⁹

Постоянный контроль и мониторинг инфраструктуры различных компаний — это еще одно направление применения искусственного интеллекта. К текущему моменту времени на мощностях французской энергетической компании Engie успешно применяются дроны с программами распознавания изображений на основе машинного обучения, которые следят за оборудованием и изучают инфраструктуру в целях предотвращения технологических и иных нарушений.

ИИ-системы контроля и мониторинга широко используются и в городской среде. Наиболее простой пример — система распознавания автомобильных номеров с помощью камер видеослежения, применяемая муниципальными организациями. Кроме того, применяются подобные алгоритмы для систем распознавания лиц.

Искусственный интеллект способен снижать риски износа и повреждения оборудования, а также создавать систему безопасности для различных компаний. Автоматизация ручного труда также является важной и неоднозначной темой, поскольку использование алгоритмов искусственного интеллекта в промышленности способно вытеснить из этой сферы человеческий труд. Автоматизированные технологии выполняют сложные процессы быстрее и качественнее, чем человек, они способны работать 24 часа в сутки. Следует подчеркнуть, что основная цель внедрения высокоинтеллектуальных решений сегодня — это не полная замена человека в производственных и бизнес-процессах, но повышение эффективности человеческого труда.

К примеру, японская страховая компания Fukoku Mutual Life Insurance установила программу от IBM-Watson Explorer AI. Данная система анализирует данные медицинских полисов по операциям и процедурам в целях вычисления размеров страховых выплат. По расчетам представителей Fukoku, внедрение искусственного интеллекта позволит им увеличить производительность на 30%.

Еще одно направление применения алгоритмов искусственного интеллекта — это предиктивная аналитика. ИИ-алгоритмические технологии способны обрабатывать огромные массивы данных, выявлять закономерности и осуществлять прогностические функции. В одном из R&D-проектов разрабатывают систему рекомендаций для крупной розничной сети супермаркетов. Система анализирует характеристики покупателей и товаров и на основании данного анализа автоматически составляет качественные рекомендации.

Другой пример применения искусственного интеллекта в бизнесе — это Expedia, крупнейшая в мире онлайн-платформа по планированию путешествий. В рамках этой платформы осуществляется целый ряд процедур, от бронирования отелей до аренды транспорта. Компанией довольно эффективно используются сети машинного обучения для персонализации процесса планирования поездки каждого конкретного клиента. В отличие от традиционных типов прогнозирования, предиктивная аналитика легко адаптируется к изменениям поведения, используя массивы вновь поступающих данных.

При применении возможностей анализа неструктурированных данных с помощью ИИ-сервисов в процессе распространения мобильного контента, в частности сообщений в мессенджерах, электронных писем, фото и видео, осуществляется структурирование сгенерированных данных и сведений в целях получения возможностей их дальнейшей обработки. Указанный принцип заложен в основе работы сервиса Siri, который позволяет разговорной речи с помощью алгоритмов программы структурироваться и подготавливаться к дальнейшему анализу. В системах анализа неструктурированных данных заложен огромный потенциал для производственных и ресурсодобывающих предприятий, которые накапливают массивы смешанной информации в течение долгого периода времени. Такой анализ способен облегчить работу и самих R&D-инженеров, в том числе сэкономить время на сортировку и организацию данных, перед тем как оценить их и выявить важные взаимосвязи.

Искусственный интеллект — это возможность делегировать роботам утомительные и трудоемкие для человека задачи. Например, роботизированный онлайн-ритейлер Ocado разработал систему компьютерного зрения и сеть роботов в целях замены процесса сканирования баркодов на своих торговых складах. Это позволяет ускорить поиск и выдачу нужных товаров. Экспертами прогнозируется мощный рост рынка роботов и искусственного интеллекта в ближайшее десятилетие.

Внедрение искусственного интеллекта в различные бизнессферы начинается, как было показано выше, со сбора и обработки необходимых данных и трансформирования и систематизации их в нужный структурированный вид. Следующим шагом является разработка ИИ-алгоритмов, которые будут способны к самообучению. Здесь необходимы квалифицированные ИТ-специалисты, которые смогут научить систему искусственного интеллекта всем необходимым для компании или бизнеса действиям. Сегодня на рынке создано достаточно большое количество готовых ИИ-решений, которые помогут настроить алгоритмы искусственного интеллекта быстрее и качественнее.

После получения необходимой информации от системы искусственного интеллекта осуществляется перестройка всех технических или бизнес-процессов, на которые оказывают влияние алгоритмы ИИ. На этом этапе, бесспорно, требуется участие не только машин, но и человека. Однако в дальнейшем ИИ сам способен оптимизировать свою работу.

2.2. Перспективные направления развития искусственного интеллекта в бизнес-сфере

Перспективными направлениями применения искусственного интеллекта являются процессы, в которых отслеживаются и повторяются процессы действий человека. Однако разработка и внедрение таких технологий на сегодня не развиты до такого уровня, чтобы заменить человека абсолютно во всем.

Крупными технологическими компаниями получены впечатляющие результаты, связанные с созданием компьютерного зрения, модулей управления движением, понимания речи, организации и предоставления доступа к информации с помощью компьютерного обучения. Среди наиболее популярных применений систем с ИИ следует отметить системы распознавания образов (face recognition), обработки естественного языка и синтеза речи (natural language processing), а также автоматизированные аналитические системы для прогнозирования результатов (predictive analytics). Несмотря на это, современные компании не обладают достаточно надежными интеллектуальными технологиями, которые могут воспроизводить точность работы человеческих глаз или отдельных зон мозга, ответственных за речь.

ИИ открывает новые возможности для решения экологических проблем планеты. Основные риски в этой области связаны с безопасностью технологий и контролем за ними. Также необходимо учитывать этические вопросы и социально-экономические последствия применения ИИ. Несмотря на это, новые технологии способны помогать людям контролировать состояние растений и животных и даже влиять на климатические условия.

Медицина — это еще одна отрасль, в которой применение ИИ пока не может быть полноценным и полностью замещающим человека. Однако уже сейчас искусственный интеллект оказывает врачам огромную помощь в изучении результатов анализов и постановке диагноза. Вероятно, в будущем власти у машин в этой сфере станет только больше.

В бизнесе применяется так называемый слабый искусственный интеллект, умеющий решать только узкоспециализированные задачи с помощью методов Big Data и алгоритмов машинного обучения. Сильный искусственный интеллект способен к многозадачности. Его функционал практически не ограничен: игра в шахматы, сочинение стихов, решение математических задач, бизнес-аналитика и наличие интеллекта. Сильный ИИ, по прогнозам специалистов, появится в интервале 2040–2075 гг.

Следует отметить, что развитие ИИ и Big Data тесно связаны между собой. Для машинного обучения необходимы огромные массивы данных. Умение правильно подбирать исходные данные для процесса обучения нейросетей является одной из специфических компетенций профильных специалистов, но не единственной. За процессом обучения ИИ также необходимо осуществлять контроль и корректировку. Например, если нейросети выдают неправильные результаты, требуется изменение наборов исходных данных и «переучивать» систему. Процесс обучения тоже не всегда может быть полностью автоматизирован, для большинства задач наряду с «машинным обучением» требуется еще и «экспертное», в ходе которого человек вручную указывает системе искусственного интеллекта, какие решения для данной задачи являются правильными, а какие нет. Как видно, необходима отладка, которая выглядит совершенно иначе, чем в процессе привычного программирования. Разумеется, созданный результат нужно тщательно тестировать, как и любую другую систему.

Приведем в качестве примера и негативный опыт применения ИИ, в частности, онлайн-ритейлер «Амазон» использовал алгоритмы ИИ в подборе кандидатов при приеме на работу. В целях оценки претендентов был разработан алгоритм, который обучался на анкетах ранее принятых в компанию сотрудников. В результате сотрудниковмужчин в штате компании стало гораздо больше, чем женщин, поскольку ИИ делал предпочтение в пользу кандидатов-мужчин. Были предприняты попытки осуществить корректировку программных алгоритмов, но полной уверенности в отсутствии дискриминации по каким-либо другим признакам достигнуто не было, и в 2017 г. руководство Амазона вынуждено было отказаться от применения систем ИИ в процессе подбора сотрудников.

Следует также отметить, что, как и у любой технологии, выявлены негативные последствия использования ИИ и проблемы, которые не устранены или требуют дополнительного контроля со стороны человека.

Во-первых, формирование новой нормативно-правовой базы, кто будет отвечать за ошибки роботов перед законом: проектировщик, разработчик, создавший алгоритм, или сотрудник, бухгалтер, оператор, не проверивший результат.

Во-вторых, сбор персональных данных, каким образом будет соблюдаться конфиденциальность данных, если машины будут анализировать здоровье, пол, возраст, распознавать лица автоматически, не запрашивая согласия человека. Кроме того, остается проблемой качество баз данных, на которых строятся модели и машинное обучение, поскольку огромный массив данных после очистки и предобработки может существенно сократиться и оказаться недостаточного объема для целей построения качественной модели для решения первоначальной задачи.

В-третьих, низкое качество и быстрое устаревание исходных данных, что может стать причиной получения неверных выводов при обучении и некорректных результатов.

В-четвертых, наличие человеческого фактора, поскольку люди (человек) становятся посредниками, автоматизаторами, контролерами для систем ИИ, и этот процесс неизбежно приводит к сокращению рабочих мест. Еще одна проблема, связанная с человеческим фактором, — это рост числа желающих работать в данной области и заниматься Data Science, однако простого знания теории на фоне отсутствия понимания тонкостей и специфики сферы, для которой решаются задачи, явно недостаточно.

Сегодня вполне реально применять алгоритмы ИИ в малом и среднем бизнесе при наличии достаточного объема и качества данных, которые обеспечат построение процесса эффективного обучения ИИ. В этих целях существует ряд доступных платформ, которые предоставляют свои мощности и инструменты для машинного обучения. Например, Amazon (Azure), Yandex, Mail.ru, узкоспециализированные площадки и т.п. С помощью алгоритмов ИИ возможно получение персональных предложений от банков и магазинов, информации в поисковых системах с учетом индивидуальных предпочтений, обращение к онлайн-доктору и пр.

По данным британской Gartner, в 2022 г. в системы искусственного интеллекта будут инвестировать 1/3 от общемирового количества компаний. Благодаря использованию ИИ глобальный валовый внутренний продукт (ВВП) к 2030 г. увеличится на 14% и составит 15,7 трлн долл. США PwC. Ожидается рост объемов промышленного производства на 900%.

Невозможно представить современный бизнес, технологии, сервис без применения технологий искусственного интеллекта. Прогнозируется также рост числа ИИ-стартапов и различных мобильных приложений на основе машинного обучения, одни рабочие места будут замещаться совершенно новыми рабочими местами, осуществляя перераспределение задач, творческие и сложные виды деятельности останутся за человеком. Роботы должны стать не оппонентами, но партнерами для человека. Таким образом, технологический прорыв в сфере ИИ станет решением глобальной проблемы экономической рецессии 2029–2020 гг.

Примечания

18

Автопилот. Беспилотный автомобиль. — Электронный ресурс. — Режим доступа: https://www.tadviser.ru/index.php/Статья:Автопилот_(беспилотный_автомобиль) (дата обращения: 05.06.2021 г.).

19

Сергеева Ю. Вся статистика Интернета на 2020 год — цифры и тренды в мире и в России. — [Электронный ресурс]. — Режим доступа: https://www.web-

canape.ru/business/internet-2020-globalnaya-statistika-i-trendy/ (дата обращения:

05.06.2021 г.).