Применение искусственного интеллекта в цифровой экономике

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.

ГЛАВА 3. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЭКОЛОГИЧЕСКИХ ПРОЕКТАХ