Dirbtinio intelekto tema 2017 metais tapo viena patraukliausių diskusijoms. Tarp IT rinkos dalyvių buvo tiek daug komentatorių, o komentarai buvo tokie įdomūs ir išsamūs, kad paskutiniame 2017 m. CRN/RE numeryje galėjome aptarti ne visus aptarimui pasiūlytus klausimus. Šiandien kalbėsime apie AI sprendimų privalumus ir trūkumus bei jų įgyvendinimo sunkumus.
Kokie yra pagrindiniai sprendimų, šiandien vadinamų „dirbtinio intelekto sistemomis“, pranašumai?
Projektų vadovas ST Smartmerch, įmonių grupė „Sistemos technologijos“, Maksimas Archipenkovas Esu tikras, kad „nauda ateina iš lūkesčių“.
„Neuroniniai tinklai, skirtingai nei žmonės, neturi emocijų ir nepavargsta“, – sako Arkhipenkovas. - Žmogiškasis veiksnys ir visos klaidos bei problemos, susijusios su žmogaus charakteriu ir jo žemu darbingumu, neįtraukiamos - žinoma, palyginti su mašina. Neuroniniai tinklai neturi veikimo slenksčio: jei žmogus gali patikrinti, pavyzdžiui, 100 dalių kokybę per dieną, tai sistema patikrins tiek jų, kiek leis serverio talpa. Sistemą lengviau išplėsti: toje pačioje gamykloje sunku sutalpinti 100 kokybės kontrolės žmonių vienoje patalpoje.
CDNvideo rinkodaros direktorius Angelina Rešina taip pat mano, kad pagrindiniai AI sistemų pranašumai „yra duomenų apdorojimo greitis, galimybė apmokyti sistemą ir žmogiškųjų išteklių taupymas“.
Cezurity generalinis direktorius Aleksejus Chaley pabrėžia: AI pagrįsti produktai gali atlikti užduotis kokybiškai skirtingu lygiu: klasifikuoti vaizdus, versti tekstą, klasifikuoti failus ir t. t. „DI įdiegimas leidžia greitai ir efektyviai apdoroti didelį duomenų kiekį, sumažinant žmonių dalyvavimą ir , sumažinant žmogiškąjį faktorių, sumažinant paklaidą“, – pažymi Chaley.
„Pagrindiniai esamų privalumai dabarties akimirka sprendimai yra galimybė automatizuoti daugelį veiklos sričių, kuo labiau sumažinant žmonių dalyvavimą šioje srityje ir plečiant sritis, kuriose galima naudoti programinę įrangą, o ne žmogaus darbą, sako prieglobos įmonės King Servers įkūrėjas. Vladimiras Fomenko. -Šiuo metu dirbtinis intelektas ypač gerai atlieka analizę dideli kiekiai duomenis, kur žmogui prireiktų per daug laiko, ir įprastų programų, kurios nenaudoja mašininis mokymasis, negalėtų pasiekti reikiamo tikslumo“.
Kolegoms pritaria ir ALP Group Įmonių informacinių sistemų departamento direktorius Svetlana Gatsakova:„Padedant dirbtinio intelekto technologijas, labai padidėja didelio informacijos kiekio apdorojimo greitis ir automatizavimo lygis – kartu gerėja kokybė ir gamybiškumas. Esant teisingam požiūriui į naujas technologijas, didėja duomenų panaudojimo išsamumas, valdymo sprendimų efektyvumas ir kokybė.“
Pasak „Hawk House Integration“ generalinio direktoriaus Aleksandra Ivleva,„AI technologijos geriausiai tinka optimizuoti įvairių tipų mechaninę veiklą, automatizuoti įprastas operacijas ir naudoti jas pavojingose pramonės šakose. „Tinkamas robotų naudojimas konvejerio linijose leidžia pereiti prie nenutrūkstamo veikimo, optimizuoja įmonės sąnaudas, gerina gaminių kokybę, tačiau reikalauja rimto ir ilgo paleidimo etapo“, – sako Ivlevas. – Nedaug įmonių gali sau leisti investuoti dideles pinigų sumas į tokias technologijas, nors ateityje tai gerokai atpigs gamybą. Panaši situacija yra ir su mašininio mokymosi technologijomis: kiekvienam projektui analizuokite didelę duomenų imtį, naudodami individualius algoritmus, o tai reikalauja laiko ir išteklių. Tačiau įdiegus automatiką šios operacijos įvyks greičiau ir pigiau, nei gali padaryti žmogus“.
„Iš pradžių kuriamos dirbtinio intelekto sistemos, siekiant pagerinti efektyvumą plačiąja prasmešis žodis“, – prisimena CROC verslo programų direktorius Maksimas Andrejevas. - Siekdamos įgyvendinti naujas idėjas ir metodus, įmonės dažnai turi atsižvelgti didžiulė suma veiksniai, kurių paprastas žmogus tiesiog negali turėti omenyje. Vienas iš pagrindinių dirbtinio intelekto privalumų yra galimybė realiu laiku atsižvelgti į tokį įvairių veiksnių skaičių. Be to, skirtingai nei žmogus, algoritmas negali pavargti ar tyčia pakeisti jokios informacijos. Tai yra, įdiegdama dirbtinį intelektą, įmonė iki minimumo sumažina šių veiksnių sukeltų klaidų galimybę. Bet taip pat yra atvirkštinė pusė medaliai: žmogus gali atsižvelgti į papildomas detales, o blogai sukonfigūruotas algoritmas ir toliau veiks netinkamai. Kitas dirbtinio intelekto sistemų privalumas – atkartojamumas. Paimkime kaip pavyzdį bet kokį verslo procesą įmonėje, kurio išmokti darbuotojui prireikia metų. Todėl, jei mums prireiks 10 naujų darbuotojų, jiems mokysime 10 žmogaus darbo metų. Algoritmų požiūriu viskas yra paprasčiau, o sprendimo mastelio keitimo kaina yra daug mažesnė.
„Auvix“ AV sprendimų kūrimo ir diegimo vadovas Aleksandras Pivovarovas mano, kad akivaizdžiausias ir akivaizdžiausias pranašumas yra didesnis efektyvumas, sumažėjęs įprastų operacijų skaičius ir paprastesnis naudojimas. „Pavyzdžiui, jei paimsi vieną pakankamai paprastas dalykas, kaip posėdžių salių užsakymo ir grafiko rodymo sistemą, tada pradėjus įdėmiai ją tyrinėti matosi daug galimybių padidinti jos naudojimo efektyvumą, sumažinti prastovų laiką ir pan., naudojant „išmaniuosius algoritmus“, – pabrėžia Pivovarovas.
„Pagrindinė skaitmeninės transformacijos, kurios vienas iš įrankių yra dirbtinis intelektas, uždavinys – kad procesai vyktų greičiau ir efektyviau, įmonės išleistų mažiau ir uždirbtų daugiau“, – sakoma pranešime. generalinis direktorius ABBYY Rusija Dmitrijus Šuškinas. – Pavyzdžiui, vienas iš mūsų klientų bankiniame sektoriuje automatizavo dokumentų, skirtų juridiniams asmenims atidaryti sąskaitą, tvarkymą. Išmanioji sistema pati surūšiuoja ir atpažįsta dokumentus, tada iš jų išgauna informaciją ir įkelia ją į reikiamus bankinės sistemos laukus. Dėl to duomenų įvedimas iš dokumentų užtrunka mažiau nei 10 minučių, 2,5 karto greičiau nei rankiniu būdu. Bankas suskaičiavo, kad per 3 metus sutaupys daugiau nei 270 mln.
Pasak „Plantronics“ verslo plėtros vadovo Aleksejus Bogačiovas,„Vienas pagrindinių dirbtinio intelekto sistemų privalumų yra galimybė gauti kai kurių naujų medžiagų, kurios mums tiesiog nėra prieinamos. Kadangi paprastas žmogus išvadas daro remdamasis tik savo žiniomis, bet čia gauname gilesnę analizę, kuri gali padaryti visiškai netikėtas išvadas. Taip galite pasiekti proveržį tam tikroje srityje.
„Žmogus yra įpratęs save laikyti evoliucijos vainiku, bet mes nuolat susiduriame su apribojimais“, – pasakoja „Document Constructor FreshDoc.ru“ generalinis direktorius. Nikolajus Patskovas. – Pavyzdžiui, hipergarsiniai orlaiviai skraido 10 kartų didesniu nei garso greitis žmogaus pilotas tiesiog nesugeba valdyti tokios mašinos be išmaniosios elektronikos pagalbos. Žmogaus reakcijos ir sprendimų priėmimo greičio neužtenka veikti tokiais greičiais. Dirbtinis intelektas padeda mums peržengti šiuos apribojimus. AI leidžia žmonėms greičiau reaguoti, apsaugo juos nuo klaidų ir išlaisvina nuo įprastų operacijų ir sprendimų. Tokios sistemos gali efektyviai pakeisti žmogiškąjį transportavimo, prognozavimo, akcijų prekybos, konsultavimo ir dokumentų rengimo ekspertą. „Išmaniųjų sprendimų“ naudojimas turi įtakos ir galutinei produkto savikainai: juk „robotams“ nereikia mokėti atlyginimo, jie neserga, nevažiuoja atostogų, nesumažėja našumas. Mes matome didžiulį potencialą kuriant protingus sprendimus įvairioms problemoms spręsti. Dalyvavimas šios srities plėtroje gali leisti Rusijos IT verslininkams apversti rinką aukštyn kojomis ir „nuvažiuoti“ žmonijos raidos informacine banga.
Pasak „Konica Minolta Business Solutions Russia“ verslo plėtros ir rinkodaros direktoriaus Žamili Kameneva viskas, žinoma, priklauso nuo sprendimų klasės. Tačiau dažniausiai jie skirti procesų optimizavimui ir automatizavimui, išteklių – tiek materialinių, tiek nematerialių, darbo ir asmeninio laiko – taupymui. „Paprasčiau tariant, jų užduotis yra palengvinti mūsų gyvenimą“, – apibendrina Kameneva.
„Pirma, tokios sistemos leidžia mums nustatyti, kas yra paslėpta nuo žmogaus proto“, – sako Navicon tarptautinio verslo plėtros direktorius. Ilja Naroditskis. - Nepriklausomai nuo to, kokie geri yra žmogaus BI įrankiai, kai kuriais atvejais neįmanoma išsiversti be mašininio mokymosi: pavyzdžiui, jei reikia apdoroti 1 milijono klientų banko sąskaitų operacijų statistiką per 10 metų. Jau šiandien mašininė paslėptų šablonų, kurie žmonėms nėra akivaizdūs, paieška leidžia daugeliui įmonių sukurti verslo strategiją ir sukurti valdymo sprendimų palaikymo sistemas. Antra, dirbtinio intelekto technologijos žymiai padidina visų rūšių komunikacijos su vartotojais efektyvumą. Inovatyvios technologijos, galintis suprasti ir analizuoti tekstinius ir balso pranešimus, padėti sutrumpinti gaunamų užklausų apdorojimo laiką ir greičiau nei anksčiau atsakyti į klientų užklausas. Trečia, tokios sistemos gali atleisti įmonės darbuotojus nuo įprastų operacijų ir taip atlaisvinti jų laiko strategiškai svarbiems klausimams spręsti. Laikas, praleistas sprendžiant įprastas problemas, gali būti panaudotas kūrybinėms problemoms spręsti.
„Tokios sistemos leidžia priimti sprendimus už žmogų tose srityse, kuriose tai leistina“, – sako „Atak Killer“ generalinis direktorius. Rustemas Khairetdinovas. „Jei anksčiau automatizuotos sistemos priimdavo sprendimus tik pagal aiškiai iš anksto apibrėžtus „jei-tada“ scenarijus, šiandienos ir rytojaus sistemos galės priimti sprendimus neaiškiai apibrėžtomis sąlygomis ir turėdamos nepakankamą informaciją, ką anksčiau galėjo padaryti tik žmogus.
Acronis plėtros direktorius Sergejus Ulasenas taip pat pažymi: dirbtinio intelekto sistemos išsprendžia daugybę problemų, kurios anksčiau reikalavo žmogaus dalyvavimo. Tuo pačiu jie dažnai veikia greičiau ir turi nuspėjamus rezultatus bei darbo kokybę.
„AI technologijos tikrai veikia ir padeda tobulinti verslo procesus, bent iš dalies išlaisvindamos žmogaus intelektą nuo rutinos kūrybiškumui ir kuriant naujus dalykus“, – pabrėžia „Preferentum“ (IT Group) vadovas. Dmitrijus Romanovas.„Jiems nesunku įvertinti ekonominį poveikį. Didelės klasės sistemų, naudojančių mašininio mokymosi metodus, atveju neabejotinas pliusas yra jų gebėjimas dirbti „išmanesniais“.
Anot „Vocord“ rinkodaros direktoriaus Sergejus Ščerbina, Pagrindiniai privalumai yra tai, kad remiantis „chaotiškais“ faktais, prastai struktūrizuota, neįslaptinta ar neišsamia informacija, AI daro tikslias prognozes. „Jis pasikliaudami gauname iš esmės naujas lygis sprendimų priėmimo tikslumas ir greitis ten, kur paprasti sprendimai neveikia, linijinės taisyklės, tęsia Ščerbina. - Didžiuliai duomenų kiekiai nuolat papildomi, tačiau jie patys negali išspręsti problemų, o tai yra būtent tai, ko reikia joms analizuoti. Jau žinome daugybę sėkmingo AI panaudojimo medicinoje pavyzdžių, analizuojant globalius ir lokalinius ekonominius ir socialinius procesus, sprendžiant inžinerines ir technines problemas, priimant investicinius sprendimus, saugumo sistemose. Inovacijos dirbtinio intelekto srityje leis automatizuoti iš esmės platesnį verslo procesų spektrą. Taigi, vaizdo stebėjimo ir saugumo srityje pirmą kartą bus galima patikimai, nedalyvaujant operatoriui, 24 valandas per parą, 7 dienas per savaitę identifikuoti potencialiai pavojingus incidentus ir nustatyti ieškomus asmenis. Jau yra daug sėkmingo AI naudojimo pavyzdžių.
Pagrindinis privalumas, pasak shikari.do paslaugos įkūrėjo Vadimas Šemarovas, yra tai, kad AI sistemos mokosi. „Pavyzdžiui, jei norime, kad sistema galėtų atskirti žinutes nuo žmonių, kur jie nori ką nors nusipirkti, nuo žinučių, kur jie nori ką nors parduoti, arba nustatyti pranešimų temą, mums nereikia kurti išsamaus žodžių sąrašo. ir frazės, išreiškiančios ketinimus, nuotaiką, temą ir kt. Atsirenkame daug pavyzdinių tekstų mums reikalingomis temomis, „apmokome“ sistemą šiais pavyzdžiais, o tada ji pati pradeda suprasti jai nepažįstamų tekstų esmę“, – sako Š. Šemarovas.
Prižiūrėtojas tyrimų centras robotikos ir AI reguliavimo problemos, Dentons vyresnysis teisininkas Andrejus Neznamovas taip pat mano, kad mokymosi galimybę (mokymąsi prižiūrint arba savęs tobulinimą) galima pavadinti pagrindiniu technologijų, kurios paprastai vadinamos „AI“, privalumu.
Kokie iššūkiai kyla diegiant šias sistemas?
Trumpai apibendrinant, pagrindiniai AI technologijų pranašumai, IT rinkos ekspertų teigimu, yra naujų produktyvumo, automatizavimo, efektyvumo, analizės, mokymo, sprendimų priėmimo, nuspėjamumo ir mokymosi lygių pasiekimas. Tačiau kadangi tai nauja kryptis, specialistai įžvelgia net daugiau sunkumų nei privalumų. Pakanka pasakyti, kad beveik kiekvienas kalbėtojas įvardijo savo sunkumus.
„Tai visiškai nauja sritis. Kiekviena šiuo metu sprendžiama problema yra RnD gryniausia forma: reikia apibrėžti, susisteminti, sugalvoti sprendimą, įgyvendinti šį sprendimą ir jį įgyvendinti, pabrėžia Maksimas Arkhipenkovas. - Tai kūrybinis procesas, kuris reikalauja daug mokslo ir aukštos kompetencijos tiek tiesiogiai šio sprendimo taikymo srityje – ar tai būtų FMCG, kosmosas, medicina, tiek neuroninių tinklų sistemų diegimo srityje.
Pasak Aleksandro Pivovarovo, sunku „rasti pusiausvyrą tarp triukšmo ir tikrojo naudingumo, sunku padaryti šias technologijas nematomas vartotojui ir tai, kad jų veikime nėra klaidų“.
Dmitrijus Karbasovas mano, kad „pagrindinis šių projektų sunkumas yra susijęs su rezultato nenuspėjamumu“. „Pavyzdžiui, pirkdamas CRM sistemą, klientas aiškiai supranta, kokį funkcionalumą sistema jam siūlo ir kaip jis naudosis šia funkcija“, – sako Karbasovas. - Tai procesai, duomenų įvedimo formos, ataskaitų teikimas ir t.t. Diegiant AI sistemą labai sunku nuspėti rezultatą neįgyvendinus projekto, technologijų ir algoritmų atskleidimas žmogui praktiškai nieko nepasakys matematikos išsilavinimą Ir praktinės patirties, o tarp klientų yra tik keli aukščiausio lygio vadovai, turintys tokį išsilavinimą. Padeda pilotinių projektų įgyvendinimas, kurių metodika yra sukurta ir kurią naudojame 99% projektų.
„Sunkumų tikrai yra daug“, – atspindi Maksimas Andrejevas. – Pagrindinis, ko gero, yra pakankamai didelių duomenų rinkinių dirbtiniam intelektui lavinti trūkumas. Tokiu atveju reikalingi duomenys su istorija. Paaiškinsiu, ką turiu omenyje: vienai didelei įmonei padarėme pervežimo paslaugų pardavimų prognozę – numatėme krovinio svorį ir gabenimo kryptį. Nepavyko pasiekti gero prognozės tikslumo, pradėjome aiškintis, kas vyksta ir išsiaiškinome, kad įmonėse saugomuose istoriniuose duomenyse kai kur buvo atsižvelgta į svorį su pakuotėmis, kitur – be. Tuo pačiu metu tiesiog nėra jokio ženklo, pagal kurį būtų galima atsekti šį veiksnį. Tai yra, kadaise ši informacija nevaidindavo vaidmens, bet dabar viskas pasikeitė. Štai kodėl taip svarbu rinkti visus duomenis, kuriuos galima surinkti „pagal pareikalavimą“. Duomenų rinkimo ir apdorojimo technologijos nuolat tobulėja, o įmonės jau gali diegti Data Lake technologijas, kurios tampa puikia dirbtinio intelekto lavinimo platforma. Kitas sunkumas yra tai, kad patys algoritmai vis dar yra gana maži. Todėl prieš įgyvendindama įmonė turi atlikti tyrimus. Tai leidžia išsiaiškinti, ar konkrečiomis sąlygomis, remiantis konkrečiais duomenimis ir konkretiems verslo procesams bus galima sukurti DI, kurio kaštai neviršytų vertės, kurią jis suteikia įmonei.
Anna Plemyashova mano, kad pagrindinė problema yra visiškas nebuvimas arba nepakanka duomenų tiksliems modeliams sukurti. „Pramonės įmonėms, kur tokie sprendimai reikalauja didelių investicijų į infrastruktūrą, tai yra uždelstas ekonominis efektas: pirmiausia reikia pradėti rinkti ir kaupti duomenis, o tada pereiti prie sprendimų naudojant išmaniąsias sistemas. Pereinamieji BI sprendimai ir duomenų vizualizacija realiuoju laiku leidžia priartinti ekonominę naudą, sako Plemyashova. – Kitas sunkumas – diegiant išmaniąsias sistemas reikia pertvarkyti verslo procesą. Tai yra, neužtenka nusipirkti tokį sprendimą ir įdėti jį kaip gėlę į vazą ar aplikaciją kompiuteryje. Būtina, kad šis sprendimas būtų draugiškas verslo procesui: sukurti, perkonfigūruoti ar net atšaukti kai kurias operacijas, perkvalifikuoti žmones, optimizuoti personalą.
„Šios sistemos yra pagrįstos duomenimis ir dideliais duomenimis“, – prisimena Sergejus Ulasenas. - Norint parengti modelius, reikalingi dideli skaičiavimo ištekliai, o dideliems duomenims saugoti reikalinga atitinkama infrastruktūra. Todėl dirbtinio intelekto sistemų diegimas reikalauja didelių investicijų į techninę įrangą.
Savo ruožtu duomenų rinkimas ir paruošimas reikalauja daug organizacinių pastangų, o dažnai ir naujos programinės įrangos, padedančios analizuoti duomenis, kūrimo.
Svetlana Gatsakova mano, kad sunkumai pirmiausia yra „nepakankamas dėmesys kiekvienos konkrečios AI technologijos pritaikymo riboms, spąstams“. Taip pat „dėl silpno rezultatų interpretavimo (juk, pavyzdžiui, neuroninis tinklas nepaaiškina savo išvadų), sunkumais formuojant vienarūšius duomenų rinkinius mokymo ir testavimo modeliams“. Kitas sunkumas yra „aklas tikėjimas duomenimis ir susilpnėjęs dėmesys vadovo intuicijai ir tiems veiksniams, kuriuos sunku išmatuoti ir integruoti į DDM procesus*“. Tai, pasak Gasakovos, lydi „rusiškoms organizacijoms būdingų sunkumų“. „Tai yra mažas patikimų duomenų apie organizacijos išorinį pasaulį prieinamumas ir iš to kylanti rizika tapti izoliuotai vidinė informacija, tai yra pavirsti savotiška autistiška organizacija. Be to, tai nedidelis (palyginti su pirmaujančiomis Vakarų kompanijomis) DDM kultūros skverbtis, daugiausia apsiribojantis Vakarų verslo mokyklų absolventais.
„AI padeda automatizuoti daugelį procesų ir pakeisti žemos kvalifikacijos darbuotojus, tačiau tuo pat metu reikalauja kontrolės iš kūrėjų, kurių darbo sąnaudos, žinoma, yra didesnės“, – sako Angelina Reshina. „Sistemos mokymosi gebėjimas turi būti kontroliuojamas, kad jis neviršytų priimtinų ribų.
Pasak Sergejaus Ščerbinos, sunkumų kyla dėl pasenusios įrangos ir silpnos infrastruktūros, paveldimos techninės ir programinės įrangos platformų, kurias sunkiais ekonominiais laikais ir esant ribotam biudžetui mažai kas išdrįsta keisti. „Įtakos turi ir žmogiškasis faktorius“, – pabrėžia Shcherbina. – Trūksta kvalifikuoto personalo, nepakankamas kompetencijos lygis arba vadovų konservatyvumas. Be to, ne visi supranta, kam to reikia ir kam leisti pinigus modernizavimui, kai atrodo, kad viskas veikia „senamadiškai“.
„Tarp sunkumų kuriant AI sistemas, visų pirma, reikia atkreipti dėmesį į personalo trūkumą“, – pažymi Andrejus Sykulevas. – Specialistų labai mažai, nes čia keliami itin aukšti reikalavimai: be programavimo įgūdžių privalai įvaldyti gana sudėtingą matematinį aparatą, turėti dalykinių sričių žinių ir patirties. Gana dažnai „showstopper“ yra žema duomenų kokybė ir infrastruktūros trūkumas jų integravimui. Dar viena svarbi problema – duomenų saugumo užtikrinimas, nes dirbtinio intelekto veiklai konsoliduoti duomenys gali tapti atakos taikiniu arba būti panaudoti, švelniai tariant, kitiems tikslams.
Aleksejus Bogačiovas taip pat mano, kad vienas iš pagrindinių sunkumų yra personalas. „Kaip ir su viskuo nauja, kyla klausimas, kaip su tuo dirbti. Kadangi bet kokios technologijos pritaikymui reikia kvalifikuotų specialistų, o tai dar labai jauna sritis, tai gana sunku rasti žmonių, kurie tai suprastų.
Taip pat yra ir antra personalo problemos pusė. „Pagrindinis sunkumas yra tas, kad nedaugelis vyresniųjų įmonių vadovų supranta, kas yra dirbtinis intelektas ir koks jo praktinis pritaikymas“, – prisimena Dmitrijus Karbasovas. – Taip, beveik visi yra girdėję apie AI, visi žino, kad AI padeda optimizuoti verslo procesus, sumažinti kaštus, efektyvinti atskiras funkcijas (logistika, vartotojų elgsenos analizė, gamybos apkrovos ir pardavimo apimčių prognozavimas ir kt.). Tačiau retai kuris klientas supranta: kad AI veiktų taip, kaip turėtų, būtina suformuluoti verslo problemą ir jos sėkmės kriterijus verslo prasme. Kitaip tariant, klientas turi suprasti, kokius parametrus reikia priskirti AI sistemai analizuoti ir ką daryti su gautais duomenimis valdymo sprendimų priėmimo požiūriu.
„Pagrindinius sunkumus įgyvendinant tokius sprendimus galima išskirti kaip du veiksnius: žmogiškąjį ir technologinį“, – sako Nikolajus Patskovas. – Pirmoji – nedidelio skaičiaus ekspertų, gebančių bendrauti su dirbtinio intelekto sistemomis, problema. Ši problema pamažu sprendžiama, rinka suvokia tokių specialistų vertę, vis daugiau darbuotojų įgyja besivystančiai rinkai reikalingų įgūdžių. Technologinis veiksnys gali būti siejamas su skaičiavimo galios trūkumu: dabar vėl kuriame idėjas, kurias galėsime įgyvendinti tik atsiradus galingesnėms mašinoms. Tačiau atsižvelgiant į numatomą produktyvumo augimą (1000 kartų padidėjimas per ateinančius 10 metų), manome, kad evoliucinė technologijų raida bent jau nesulėtės.
Pasak Aleksejaus Chaley, yra trys pagrindiniai sunkumai: „Pirmasis yra žmonės . Pasaulyje yra labai mažai žmonių, galinčių dirbti pasienio srityse, kurie tuo pačiu metu supranta dalykinę sritį (mūsų atveju virusų analizę), gerai išmano matematiką, statistiką ir mašininį mokymąsi, taip pat moka bent šiek tiek koduoti. . Antra – treniruočių duomenys . Šiuos duomenis reikia kažkur paimti ir tada pažymėti. Duomenis gauti labai sunku. Dėl to, beje, AI kūrimo pažanga sulėtėja, nes mokslininkai neturi galimybės eksperimentuoti su modeliais. Neužtenka vien būti talentingu analitiku ir programuotoju – be duomenų dirbtinio intelekto srityje nieko sukurti neįmanoma. Ir trečia – infrastruktūros kaina. Pradinės investicijos į infrastruktūrą gali būti gana nemažos.
„Kad dirbtinis intelektas gerai išspręstų verslo problemas, technologija turi būti „pritaikyta“, – mano Dmitrijus Šuškinas. – Bet kuri mašina, kaip ir žmogus, turi būti apmokyta naudotis dabartiniais duomenimis, kad galėtų priimti tikslius sprendimus. Norint apmokyti tokią sistemą, pirmiausia reikia surinkti arba susintetinti didelį kiekį kokybiškai paženklintų duomenų – pavyzdžiui, informaciją apie finansus, gamybą, klientų aptarnavimą ir pan. Dideliame versle tokius duomenis lengviau paruošti ir rinkti, nes daugelis įmonių jau naudoja srautinio duomenų įvedimo sistemas įvairių tipų dokumentacija, ši įmonės informacija yra sutvarkyta ir struktūrizuota. Tokių masyvų kūrimas vidutinėse ir mažose įmonėse vis dar yra mažiau prieinamas.
Zhamilya Kameneva vadina vienu iš pagrindinių sunkumų didelė kaina tokius sprendimus, projektų trukmę ir ilgalaikę investicijų grąžą (2-5 metai – minimali). „Antra, kaip ir bet kuri nauja priemonė, norint sukurti rinką šių technologijų vartotojams, reikia ilgo ir kruopštaus darbo“, – tęsia Kameneva. „Be to, norėčiau atkreipti dėmesį į tai, kad rinkoje trūksta aukštos kvalifikacijos darbuotojų – didžiąją dalį mūsų dirbtinio intelekto sistemų kuria užsienio pardavėjai ir tik kelios mokslo institucijos.
Anot Dmitrijaus Romanovo, pagrindinis sunkumas, stebėtinai, yra psichologinis: „Žmonės įpratę iš kompiuterio tikėtis absoliutaus tikslumo. AI sistemos turi tikimybinę išvestį. Jie gali klysti, duoti neteisingus atsakymus ir tuo yra panašūs į žmones. Vartotojai kartais linkę pervertinti išmaniųjų technologijų galimybes“.
Vladimiras Fomenko įsitikinęs: po kelerių metų, kai tik ši technologija nustos būti nauja ir taps labiau suprantama, ją diegti nebebus didelių sunkumų. „Bus sistemų ar programų, kurios galės sukurti AI sistemas ar programas.
Tačiau Rustemas Khairetdinovas mano, kad įgyvendinant nėra jokių sunkumų - „tiek matematinis aparatas, tiek programinėje įrangoje įdiegti algoritmai, tiek skaičiavimo galia šiandien yra prieinami praktiškai „iš dėžutės“ arba „iš debesies“. „Sunkumas greičiau slypi problemos formuluotėje, analizės modelio sukūrime. Netrukus susidursime su tuo, kad grynieji matematikai, kaip dabar vadinami duomenų mokslininkais, bus mažiau paklausūs nei kitų sričių specialistai (gydytojai, technologai, saugumo specialistai, kalbininkai ir kt.), išmanantys mašinų veikimo principus. ir „gilus“ mokymasis“, – pabrėžia Khairetdinovas.
* DDM (skaitmeninės diagnostikos stebėjimas) yra SFP siųstuvo-imtuvo veikimo parametrų (taip pat SFP+ ir XFP) skaitmeninio stebėjimo funkcija. Leidžia stebėti realiu laiku tokius parametrus kaip: įtampa, modulio temperatūra, poslinkio srovė ir lazerio galia (TX), gauto signalo lygis (RX).
Viskas prasidėjo nuo mokslo ir technologijų revoliucijos, kuri buvo galingas impulsas technologijų vystymuisi. Būtent tada įvyko perėjimas iš industrinės visuomenės į postindustrinę visuomenę. Nikola Tesla su savo kintamąja srove, Aleksandras Popovas su radijo išradimu, Aleksandras Bellas – jo dėka žmonija susipažino su telefonu – laikomi genijais, apvertusiais įprastą pasaulio vaizdą aukštyn kojomis.
Verta paminėti žmones, kurie visai neseniai kūrė ar toliau dirba šioje derlingoje srityje. Billas Gatesas, Markas Zuckerbergas, Elonas Muskas yra puikūs protai, kurie šiandien įnešė ir tebedaro svarų indėlį į visuomenės vystymąsi. Jie judina mūsų naująjį aukštųjų technologijų pasaulį į priekį. Ir labai greitai prieš žmonių akis pasirodys naujas stebuklas. Nenuilstantis Elonas Muskas sakė, kad po dešimties metų bus galima rašyti žinutes naudojant „minčių galią“. Palyginti neseniai jis būtų vadinamas pamišusiu ar ekscentrišku, bet senais gerais laikais jie galėjo būti įkalti į kaladėlę! Tačiau dvidešimt pirmame amžiuje pasaulis tapo tolerantiškesnis ir smalsesnis. Tačiau daugybe naujų gaminių pasisotinusią žmoniją nustebinti sunku, informuoja.
Taigi, kas gali sudominti mūsų kartą ir pakelti technologijas į naują lygį? Atsakymas yra dirbtinis intelektas ir nanotechnologijos. Dirbtinio intelekto sukūrimas lems naujų sričių atsiradimą, taip pat esamų funkcijų, tokių kaip kalbos atpažinimas ir sintezė, prognozės, klasterinė analizė ir daugelis kitų, išplėtimą. Plėtra vyksta jau seniai, tačiau norint sukurti pilnai veikiantį modelį, reikės naujo techninio sprendimo, vadinamo „kvantiniu superkompiuteriu“, kurio skaičiavimo galia gali užtikrinti visą funkcionalumą.
Šių idėjų įgyvendinimas turi pasaulinių pliusų ir minusų:
Pirmasis pranašumas yra gamybos veiksnys. Šiandien būtinas žmogaus buvimas, jis įvertina atliekamų darbų kokybę ir pašalina techninius gedimus.
Ateityje dirbtinis intelektas visą grandinę valdys savarankiškai. Manoma, kad jis tai padarys daug geriau nei jo kūrėjas.
Antrasis – tyrimai. Tyrinėjant kosmosą, vandenyno gelmes ar žemės šerdis taps saugesnis ir suteiks daugiau galimybių. Kur žmogus negali eiti, mašina gali susitvarkyti.
Trečia – medicina. Diagnostika, chirurgija, reabilitacija, implantai.
Trūkumai apima:
Pagrindinis dalykas yra žmonių pakeitimas mašinomis, o tai sukels masinį gyventojų nedarbą. Ką daryti su milijonais, milijardais bedarbių? Klausimas vis dar atviras.
Antrasis – pasaulinių informacijos ir gamybos tinklų sutrikimai. Tai gali sukelti problemų planetos mastu.
2003 m. Kanadoje įvyko energijos tiekimo sistemos sutrikimų. Be elektros liko Niujorkas, Detroitas, Torontas, Monrealis, Otava. Eismo spūstys, šimtai tūkstančių žmonių, uždarytų metro, plėšimų faktai, aukų, pasaulio naftos biržų svyravimai.
Tai toks nemalonus skambutis. Buvo įvardytos įvairios priežastys. Žaibo kirtis, gedimai atominėje elektrinėje, bet faktas lieka faktu. Penkiasdešimt milijonų žmonių keletą valandų liko be elektros, todėl kilo panika ir sumaištis. Vieni elgėsi kaip pasiklydę vaikai, kiti blogiau už gyvūnus.
Pasaulis labai trapus, o žmonių civilizacijos lukštas labai plonas.
Trečia – valdžios užgrobimas planetoje dirbtiniais būdais, pavergimas arba visiškas žmonių sunaikinimas. Šiandien toks scenarijus svarstomas tik mokslinės fantastikos filmuose ir knygose. Tačiau tai ne pirmas kartas, kai žmonija įgyvendina pasaką. Ir nebūtinai pasaka su laiminga pabaiga.
Bet būkime optimistai. Mes tikime žmogaus genialumu ir naujais vardais pasaulyje aukštųjų technologijų ir humaniškos idėjos. Civilizacija ne kartą stovėjo ant slenksčio, tačiau kiekvieną kartą atsiranda žmonių su pažangiomis, nestandartinėmis mintimis, kurios neleidžia įkristi į bedugnę.
Klaida tekste? Pasirinkite jį pele! Ir paspauskite: Ctrl + Enter
Populiarus
Lyderis politinė jėga„Pilietinė pozicija“ Anatolijus Gricenka pagal rinkėjų simpatijų lygį gerokai lenkė frakcijos „Opozicijos platforma - Už gyvybę“ pirmininką Jurijų Boiko.
Skandalingoji Rusijos šou verslo primabalerina, šokėja, o pastaruoju metu dainininkė Anastasija Voločkova dar kartą sukrėtė visuomenę savo išdaigomis, praneša svetainė.
Į klausimą, kodėl socialistai visame pasaulyje žada ką nors staiga pradžiuginti, apipilti pinigais, kuriuos iš ko nors atims, yra labai paprastas. Reikalas tas, kad tai vienintelis ekonominis
Svetainės teigimu, nebėra paslaptis, kad vienas įtakingiausių Ukrainos oligarchų Igoris Kolomoiskis artėjančiuose prezidento rinkimuose daro didelę įtaką kai kuriems politikams.
Kai kurie augalai butams ne tik puikiai puošia jūsų namus, bet ir valo orą, taip pat tarnauja kaip profilaktinė priemonė nuo daugelio ligų. Pasak svetainės, ekspertai pasakė, ką
Kandidatas į Ukrainos prezidentus, 95-ojo kvartalo lyderis, aktorius Vladimiras Zelenskis su savo gerbėjais pasidalijo nauja nuotrauka, kurioje matyti, kaip praėjo jo laisva diena, praneša replyua.net.
ABBYY įkūrėjas ir direktorių tarybos pirmininkas Davidas Yangas 2017-uosius pavadino lūžio tašku dirbtinio intelekto technologijų plėtroje. Jo nuomone, „Google AlphaGo“ projektas pademonstravo fantastiškas dirbtinio intelekto mokymosi galimybes – intuicija paremto žaidimo laimėjimas įrodo, kad giliųjų neuronų tinklų pagalba galima imituoti sunkiai suvokiamų procesų, vykstančių žmoguje, analogus. smegenys.
„Google“ ir jos sveikatos priežiūros dukterinės įmonės „Verily Life Sciences“ mokslininkai sukūrė naujas būdasžmogaus širdies ligų rizikos įvertinimas naudojant neuroninius tinklus.
Speciali programa analizuoja nuskenuotą paciento akies užpakalinę dalį ir, remdamasi šiais duomenimis, pateikia neįtikėtinai tikslų paciento sveikatos aprašymą. Pavyzdžiui, tai lemia žmogaus amžių, kraujospūdį ar net tai, ar žmogus rūko. Tačiau svarbiausia, kad pagal šiuos duomenis būtų galima numatyti širdies priepuolius ir kitas širdies ligas.
„Rosobrnadzor“ vadovas Sergejus Kravcovas konferencijoje „Ateities įvaizdis ir 2030 metų abituriento kompetencijos“ kalbėjo apie tai, kaip pasikeis vieningas valstybinis egzaminas iki 2030 m.
Iki 2030 m. kompiuteriai ir tinklai bus naudojami vis plačiau, taip pat ir švietime. Tikimasi, kad iki to laiko dirbtinis intelektas pakeis mokytojus egzaminuotojų pareigose. Tuo pačiu užduotys kiekvienam abiturientui bus formuojamos individualiai ir ne iš anksto, o tiesiai egzaminų salėje.
Pasak ekspertų iš Oksfordo, Kembridžo ir Jeilio universitetų, įsilaužėliai gali panaudoti dirbtinį intelektą autoįvykiams sukelti, taip pat komercinius dronus paversti ginklais.
Tokie scenarijai, kaip pastebi ekspertai, yra kupini grėsmės tarptautiniam saugumui, nes gali sukelti labai efektyvių tikslinių atakų.
Tatarstano Respublikos susisiekimo ministerija ir Tatarstano sveikatos apsaugos ministerija nusprendė įgyvendinti bandomąjį projektą, skirtą išmanaus plaučių vėžio atpažinimo rentgeno nuotraukose technologijos projektui.
Sistema pagrįsta dirbtinio intelekto technologija, ji analizuoja ir atpažįsta kompiuterinės tomografijos vaizdus. Departamento teigimu, tai pagerins diagnostikos kokybę ir leis greitai nustatyti vėžį ankstyvoje stadijoje. Pranešama, kad išleidžiant ant papildomų tyrimų kompiuterinės tomografijos aparatuose neprireiks.
IBM ir „Unity“ paskelbė apie partnerystę ir „IBM Watson Unity SDK“ – įrankio, skirto dirbtiniam intelektui į žaidimus įtraukti, paleidimą.
IBM Watson yra pažinimo sistema, galinti suprasti kalbą, daryti išvadas ir mokytis. Dabar su „Watson“ pagalba kūrėjai gali pridėti dirbtinio intelekto elementų į žaidimus naudodami „Unity“ variklį.
Kaip pavyzdį kūrėjai pateikė žaidimą, atpažįstantį balso komandas. Vartotojas pasako tam tikrą frazę, programa ją apdoroja ir supranta, kad žaidėjui reikia pagalbos.
„RoadBotics“ sukūrė debesų pagrindu veikiančią AI platformą, kuri veikia su išmaniųjų telefonų kameromis, kad nuolat fiksuotų kelių kokybę vairuotojams keliaujant po Jungtines Valstijas.
Sukurta giluminio mokymosi technologija, skirta nustatyti įvairius nukrypimus nuo normų keliuose, kuriuos nustato patyrę, specialiai apmokyti inspektoriai. Tada šie duomenys naudojami kuriant dinamišką žemėlapį, kad pareigūnai galėtų beveik realiu laiku suprasti savo greitkelių, gatvių, dviračių takų ir tiltų būklę.
Ateities karai bus kovojami naudojant dirbtinio intelekto sistemas, kurios gali būti naudojamos kaip mirtini ginklai, Miuncheno saugumo konferencijoje sakė esami ir buvę Europos lyderiai. Kartu jie pripažino, kad NATO priklausančios šalys nėra pasirengusios tokiai įvykių raidai.
Savo gerą darbą pateikti žinių bazei lengva. Naudokite žemiau esančią formą
Studentai, magistrantai, jaunieji mokslininkai, kurie naudojasi žinių baze savo studijose ir darbe, bus jums labai dėkingi.
Paskelbta http://www.allbest.ru/
Įvadas
Dirbtinio intelekto pagrindai
Mašinos ir žmogaus galimybės: pavyzdžiai, praktika ir analizė
Dirbtinio intelekto naudojimo valdyme privalumai ir trūkumai
Išvada
Naudotos literatūros sąrašas
Įvadas
Mūsų pasaulis gali artėti prie nelaimės. Šią išvadą nesunku padaryti blaiviai išanalizavus mūsų planetos būklę. Ekonomikos sąstingis, skurdas, siaučianti infliacija, masinis nedarbas, gyventojų perteklius, politiniai nesutarimai, terorizmas, karas ir karo pavojus, taip pat „pasaulio pabaigos“ grėsmė nepagailėjo nė vieno pasaulio kampelio. Žinoma, žmonija visada susidūrė su daugybe problemų, tačiau šiandieninės problemos natūraliai atrodo svarbesnės nei praeities. Dabar atrodo, kad iš tikrųjų pasiekėme tašką, kai reikia paaukoti kažką labai reikšmingo. Deja, pagrindinę kaltę dėl to įprasta suversti technologijų vystymuisi, t.y. būtent tai, ką žmonija per savo istoriją bandė rasti daugelio problemų sprendimą.
Technologijos lydi žmogų tūkstančius metų ir yra ne kas kita, kaip bendras žmonijos siekių geresnio gyvenimo rezultatas. Tačiau dabar yra žmonių, manančių, kad technologijų plėtra, priešingai, blogina, o ne pagerina gyvenimą. Iššūkiai, su kuriais šiandien susiduria žmonės, yra įvairūs – nuo socialinių sutrikimų, kuriuos sukelia technologiniai pokyčiai, nedarbas, aplinkos tarša ir branduolinio susinaikinimo grėsmė, iki susvetimėjimo ir nepasitenkinimo darbu ir konkrečiais jo rezultatais. Prie to galime pridėti štai ką. Gali būti, kad technologinės pažangos sukeltas sudėtingumas yra atsakingas už sunkiai įveikiamas ekonomikos negeroves, o didelį pavojų kelia techninės sistemos, kurios tampa tokios sudėtingos, kad žmonėms greitai pritrūks žinių ir supratimo jas valdyti.
Natūralu, kad kyla klausimas, kaip išspręsti šias problemas? Ar negyvieji technologijų kūriniai gali rasti atsakymus į klausimus, kuriuos kelia pati technologija, ir į daugybę kitų, kurie varo žmonių rasę į neviltį? Ar pačios mašinos gali rasti sprendimus, kurie nepaiso žmogaus proto? Šiuo kursiniu darbu norėčiau įrodyti, kad iš principo tai įmanoma ir, be to, ateityje tai turi įvykti.
Toks teiginys nėra tik svajonių vaisius. Jis pagrįstas atradimais, kurie diena po dienos daromi įvairiose pasaulio laboratorijose, kurių vaisingiausiose dirbama šioje srityje. kompiuterinės technologijos. Ilgą laiką buvo klaidingai manoma, kad kompiuterio išvestyje galite gauti tik tai, kas į jį įtraukta. Ši idėja tikrai buvo patvirtinta per pastaruosius 30 metų daugelyje su duomenų apdorojimu susijusių darbų. Tačiau dabar neginčijamai įrodyta, kad iš kompiuterių galima gauti kažką visiškai naujo, būtent žinių. Šios žinios, savo ruožtu, gali būti originalių idėjų, strategijų ir realių problemų sprendimų forma.
Iki šiol mašinos sukurtos žinios neturėjo didelės praktinės reikšmės, jos negalėjo išgydyti gilių mūsų pasaulį kamuojančių ligų. To ir buvo galima tikėtis: juk biologas, pradėjęs gyvosios medžiagos sintezę, geriausiu atveju tikisi gauti tik virusą, o ne suaugusį arklį. Tačiau neabejotinai laikui bėgant kompiuterius bus galima nukreipti ne į šachmatus ar kokį kitą žaidimą, o į vis aktualesnes problemas, su kuriomis susiduria visuomenė. Ir greičiausiai jis juos suras.
Žinoma, tai užtruks daug laiko, bet jei žmogus išsikelia sau tokį tikslą, jis anksčiau ar vėliau jį pasieks. Tikimės, kad ateis diena, kai skurdas, badas, ligos ir politiniai nesutarimai bus sutramdyti, o naujos žinios, įgytos kompiuterių, veikiančių kaip mūsų padėjėjai, o ne vergai, vaidins tam tikrą vaidmenį. Be to, žmogaus protinis ir meninis potencialas gaus visiškai kitokias tobulėjimo galimybes, kurias šiandien sunku net įsivaizduoti, o žmogaus vaizduotės vartai atsivers kaip niekad plačiau.
Ir mes neturime praleisti savo šanso, nors tai gali būti nelengva. Turėsime visiškai atsisakyti tradicinio techninio požiūrio, kurio pagrindinis tikslas – užtikrinti maksimalų ekonominį mašinų naudojimo efektą ir pereiti prie strategijos, kuria siekiama, kad sistemose vykstantys procesai būtų visiškai suprantami žmonėms. Norėdami tai padaryti, kompiuteriai turi išmokti mąstyti kaip žmonės, t.y. Jei ateinančio dešimtmečio skaičiavimo sistemos nepateks į „žmogiškąją sistemą“, jos taps tokios sudėtingos ir nesuprantamos, kad žmogus tiesiog negalės jų valdyti. Nesugebėjimas susidoroti su tokiomis sudėtingomis sistemomis iš pradžių tiesiog sukels gedimus (jei kalbėsime apie daugelį šiandien egzistuojančių šių sistemų taikomųjų programų); Jei kalbame apie karines perspėjimo sistemas, atominių elektrinių valdymo sistemas ar pasaulines ryšių sistemas, tai jų palikimas nuo mūsų kontrolės gali sukelti pasaulinio masto katastrofas.
Dirbtinio intelekto pagrindai
Nuo devintojo dešimtmečio pradžios prasidėjo naujas dirbtinio intelekto darbo etapas - pramoninių ir komercinių intelektualių sistemų pavyzdžių kūrimas. Pradėjo vystytis tokias sistemas gaminanti pramonė, o tai reiškia, kad atsirado potencialių jos produktų vartotojų. Kuo intelektualios sistemos skiriasi nuo kitų žmogaus proto kūrinių? Ko galime tikėtis iš jų pasirodymo artimiausiu metu?
Pagrindinis dirbtinio intelekto terminas yra terminas „žinios“. Su tam tikru aproksimacijos laipsniu galima sakyti, kad intelektualios sistemos yra sistemos, kurios naudoja žinias. Tuo jie skiriasi nuo kitų dirbtinės sistemos(įskaitant programinės įrangos programas, kurios buvo įdiegtos kompiuteriuose epochoje prieš išmaniąsias sistemas), paprastai pagrįstos tais pačiais kompiuteriais.
Pasiliekant metaforiniame lygmenyje, galima teigti, kad anksčiau kompiuteriai „suprato“, kaip vykdyti juose įvestą programą, bet „nesuprato“, ką daro, o atsiradus išmaniosioms sistemoms, kompiuteriai išmoko „suprasti“, kaip sukurti reikiamą programą, kad išspręstų nurodytą problemą ir ką ši programa daro. Paaiškinkime šią svarbią mintį. Taikant tradicinį problemos sprendimo kompiuteryje metodą, programuotojui, kuris parengė programą kompiuteriui, buvo žinoma pati problemos esmė, prasmingas jos aiškinimas. Tai gali būti įvairios programos: žaisti „backgammon“ ar „go“, judėjimo trajektorijos skaičiavimas erdvėlaivis arba darbo užmokesčio. Įvedus šias programas į kompiuterį, dingo esminė užduočių pusė – kompiuteris dėl savo konstrukcijos kokybiškai identiškai vykdė bet kurios programos komandas. „Programuotojo-kompiuterio“ poroje tik pirmasis žinojo, ką daro kompiuteris, o kompiuteris, kaip galinga pridėjimo mašina, tiesiog atliko reikiamas transformacijas ir skaičiavimus.
Šioje tradicinėje schemoje buvo pavojus. Jį sudarė poros „programuotojas – kompiuteris“ neišardymas sprendžiant problemas. Programuotojas, kaip „garo vergas“, turėjo bendrauti su mašina, kuri „abejingai“ sumala bet kokią į ją įvestą informaciją.
Išmaniųjų sistemų atsiradimas rodė šios paradigmos žlugimą. Jei į kompiuterio atmintį įvedamos žinios apie tai, kaip kuriamos programos iš problemos sąlygų ir ką ta ar kita užduotis reiškia tam tikroje probleminėje srityje (t. y. kaip interpretuojamas užduoties tikslas ir kokie galimi ryšiai tarp problemos sprendimo). pradinė situacija ir tikslas), tada programuotojo funkcijas atliks pats kompiuteris. Ji automatiškai, remdamasi atmintyje turimomis žiniomis apie probleminę sritį, apie čia galinčias kilti problemas ir jų sprendimo būdus, galės savarankiškai kurti norimą programą ir jį vykdyti.
Šis punktas yra esminis. Į kompiuterį įvestos žinios dabar leidžia jam „suprasti“, ką jis turėtų daryti iškilus poreikiui išspręsti problemą. Beje, kai būtent toks poreikis iškyla, kompiuteris taip pat „pažįsta“ save (nors reikalavimas išspręsti problemą gali kilti iš išorės – iš sistemos vartotojo).
Taip formuojasi pagrindiniai uždaviniai, su kuriais susiduria ta dirbtinio intelekto šaka, kuri šiais laikais vis dažniau vadinama žinių inžinerija. Kokios tai užduotys? Visų pirma, tai yra žinių, reikalingų kompiuteriui, rinkimo užduotis. Ši užduotis toli gražu nėra tokia paprasta, kaip gali pasirodyti iš pirmo žvilgsnio. Iš tiesų, be žinių, įkūnytų įvairiuose tekstuose, profesionalai turi daug žinių, kurių nerasi nei žinynuose, nei instrukcijose, nei monografijose. Tai žinios, kurios dažniausiai vadinamos patirtimi, įgūdžiais, profesionalumu. Dažnai patyręs specialistas net neįtaria, kad turi milžiniškų žinių. Jam atrodo, kad jis „tiesiog dirba ir tiek“, o patirties dar neįgijęs kolega žiūri į jį su pavydu, nesuprasdamas, kodėl jam viskas nesiseka. Gebėti šias žinias gauti iš specialisto eksperto, mokėti jas pateikti tokia forma, kuri tinka įrašyti į kompiuterio atmintį, yra pirmoji ir labai nebanali žinių inžinieriaus užduotis. Tačiau to neužtenka. Kaupiant žinias, gautas iš įvairių šaltinių, reikia nuolat rūpintis, kad jos nesudarytų prieštaringos sistemos: bet kokios naujos žinios turi būti susietos su anksčiau turimomis žiniomis. Naujų žinių atsiradimas gali pareikalauti šiek tiek pertvarkyti anksčiau sukurtą žinių bazę. Tam reikalingos specialios valdymo procedūros. Tokių procedūrų kūrimas ir manipuliavimas yra antroji žinių inžinieriaus užduotis.
Priimdamas informaciją iš išorinio pasaulio, analizuodamas susidarančias situacijas, žmogus nuolat kreipiasi į informaciją, saugomą savo atmintyje. Naudodamas tai, kas jau žinoma, suprasti ką nors nauja, žmogus, naudodamasis savo žiniomis, užpildo įvesties aprašymus ir juos papildo. Bet kuriame dviejų žmonių pokalbyje suprasti replikas įmanoma tik todėl, kad pašnekovų atmintyje saugoma daug papildomos informacijos apie pokalbio temą. O kompiuteriai žinioms papildyti turėtų turėti aibę panašių procedūrų. Tam pasitelkiama vadinamoji pseudofizinė logika: laiko, erdvinė, priežastinė ir kt. Jų pagalba papildomi įvesties aprašymai, o tai užtikrina jų supratimą. Be aprašymų papildymo žinių bazėse, atliekamos ir kitos procedūros: gaunamos informacijos apibendrinimas ir klasifikavimas, hipotezių apie sistemos atmintyje saugomų faktų sąsajas, įvairių tipų iškėlimas, patikimos ir tikėtinos išvestinių faktų išvados ir kt. Tai dar viena žinių inžinieriaus veiklos sritis.
Tačiau tiesiogiai liečiant temą kursinis darbas mums svarbu pažymėti masinis įgyvendinimas Kompiuteriai visose valdymo srityse. Tai klausimas apie žmogaus administratoriaus gebėjimą suprasti kompiuterio, įtraukto į valdymo sistemą, priimtus sprendimus. Sudėtingų techninių kompleksų valdymo sistemos šiandien tiesiogine prasme yra „prikimštos“ viena su kita sujungtais kompiuteriais sudėtingos struktūros. Dirbdamas žmogui nepasiekiamais greičiais, apdorodamas didžiulį kiekį įvairios informacijos, gaunamos iš valdymo objekto ir iš kitų mašinų, kompiuteris priima žmogui dažnai nesuvokiamus sprendimus. Vienintelis būdas juos suprasti – užduoti mašinai klausimą: kodėl toks sprendimas? O kompiuteris privalo pateikti reikiamus paaiškinimus. Šiuo tikslu jis turi turėti specialų paaiškinimo posistemį, leidžiantį kompiuteriui „suprasti“, kodėl jis priėmė konkretų sprendimą. Paaiškinimų posistemių atsiradimas gali būti laikomas pirmuoju žingsniu techninių sistemų „humanizavimo“ link. Sunku pervertinti šio žingsnio svarbą. Techninės sistemos per toli nuėjo kurdamos, žmogui tapo per sunku su jomis bendrauti, o mūsų protingų, bet bedvasių padėjėjų veiksmų pasekmės gali būti pernelyg pavojingos.
Darbo plėtra dirbtinio intelekto srityje ir platus intelektualių sistemų įdiegimas į mūsų gyvenimą yra naujo etapo įrodymas. mokslo ir technologijų pažanga. Tai neišvengiama – ir mes turime būti pasirengę susidoroti su jo pasekmėmis visapusiškai suprasdami, kas vyksta. Ne KAS KAS problema ir ne baimė, kad JIE pavergs MUS, jei mes nesiimsime veiksmų, turėtų lemti šį naują žmonijos gyvenimo etapą, o MES + JIE bendruomenė, iš kurios žmonija neabejotinai gaus didžiulį. naudos, nes tai padės mums išspręsti problemas, su kuriomis negalime susidoroti vieni.
Mašinos ir žmogaus galimybės:pavyzdžiai, praktika ir analizė
1979 metų kovo 28 dieną Three Mile Island atominėje elektrinėje (Pensilvanija, JAV) valdymo kambaryje Nr.2 nuaidėjo pavojaus signalas. Iš pradžių operatoriai didelio susirūpinimo nerodė, nes smulkios nelaimės stotyje pasitaikydavo ne taip jau retai, tačiau po kelių minučių paaiškėjo, kad šį kartą nutiko daug rimtesnis dalykas. Užstrigo mažas pneumatinės sistemos vožtuvas, todėl antrinėje grandinėje nustojo cirkuliuoti vanduo. Po kelių akimirkų reaktoriaus urano šerdis pradėjo kaisti ir, nepaisant visų operatorių pastangų, padėtis tik pablogėjo. Apsauginis vožtuvas atsidarė ir įstrigo šioje padėtyje; Radioaktyvus vanduo ir garai pateko į reaktoriaus pastatą, taigi ir į atmosferą. Po reaktoriaus indo stogu susidarė didžiulis vandenilio burbulas, kuris bet kurią minutę galėjo sprogti. Kilo grėsmė, kad pradės tirpti pats urano kuras. Bet kuris iš šių įvykių gali sukelti radioaktyvioji tarša visoje kompiuterio teritorijoje. Pensilvanija.
Per kelias ateinančias dienas gamyklos personalas ir Branduolinio reguliavimo komisija kovojo siekdami suvaldyti reaktorių, o išsigandęs pasaulis stebėjo sunerimęs. Valstijos gubernatorius įsakė evakuoti pavojaus zona vaikų ir nėščių moterų, o daugelis gyventojų išvyko patys. Tik po savaitės Metropoliteno Edisono bendrovė, kuriai priklausė stotis, paskelbė, kad buvo pradėti stabdyti uždarytą reaktorių, o gyvenimas Pensilvanijoje pamažu pradėjo grįžti į įprastas vėžes. „Augean arklidės“, į kurias pavirto reaktoriaus pastatas, užtruko kelerius metus.
Atėjo komisija, tirianti žmogiškojo faktoriaus vaidmenį šiame incidente prie tokios išvados: „... operatorė buvo užpulta tokia informacijos lavina: ekrano rodmenimis, įspėjamaisiais signalais, spaudinių duomenimis ir panašiai, kad nustatyti gedimo ir teisingai parinkti korekcinių priemonių buvo visiškai neįmanoma.
Prezidento komisija sutiko su tokia išvada ir padarė išvadą, kad reikia kaltinti „nepakankamą dėmesį žmogiškajam faktoriui ir jo vaidmeniui užtikrinant saugumą“. atominės elektrinės“ Iš šios avarijos išmokta pamoka akivaizdi: kol techninių sistemų projektavimas bus apgalvotas iki smulkmenų, kad viskas, kas jose vyksta, būtų visiškai aišku eksploatuojančiam personalui, kol informacija bus pateikta žmogui patogia suvokimo forma. akis ir smegenis, o ne mašiną, bet koks automatinės sistemos gedimas gali padaryti ją visiškai nekontroliuojamą.
1975 metais Nyderlandų plieno įmonė Estelle Hugo-Vence savo gamykloje, esančioje pajūryje netoli Amsterdamo, įrengė naują labai automatizuotą karšto valcavimo staklyną. Numatę didžiulį darbo našumo padidėjimą dėl pažangių technologijų diegimo, įmonės vadovybė buvo šokiruota, kai sužinojo, kad iš tikrųjų gamybos apimtys sumažėjo. Į pagalbą buvo pakviesti Britų plieno korporacijos konsultantai, kurie ataskaitoje apie tyrimo rezultatus nurodė, kad pagrindinė priežastis – netinkamas operatorių ir mašinos sąveikos organizavimas. Žurnalas „New Scientist“ tai apibūdino taip: „Operatoriai prarado tiek pasitikėjimo savimi, kad kai kuriais atvejais tiesiog palikdavo valdymo pultą be priežiūros. Be to, operatoriai ne visada iki galo suprato valdymo teoriją, kuria grindžiama valdymo kompiuterio programa, ir tai paskatino juos „pašalinti“ valdymą, jei įmanoma, kol bus aptiktos akivaizdžios problemos. Tačiau dėl to, kad jie labai vėluodami įsikišo į procesą, vidutinis produktyvumas pasirodė esąs mažesnis nei gamyklose, naudojančiose tradiciniais metodais valdymas. Taigi automatizavimas sumažino produktyvumą ir tuo pačiu dar labiau pašalino operatorius nuo valdymo procesų.
Problemą dar labiau apsunkino tai, kad naujos konstrukcijos valcavimo staklyne juosta buvo paslėpta nuo akių per visą valcavimo kelią, o tai neleido operatoriams bent vizualiai stebėti proceso. Savo ataskaitoje konsultantai nedviprasmiškai tvirtino, kad operatoriai turi būti priartinti prie technologinis procesas, o informacijos ekranai turėtų padėti žmonėms suprasti automatizuotų sprendimų prasmę, o ne tik pranešti apie proceso eigą.
Kitas pavyzdys? oro eismo valdymas, kuris kelia susirūpinimą tiek keleiviams, tiek skrydžių vadovams visame pasaulyje. Atvejai, kai lėktuvai vos nesusidūrė skrydžio viduryje, tapo pernelyg dažni, jau nekalbant apie elektroninės įrangos gedimus, dėl kurių valdytojai brangioms sekundėms ar net minutėms lieka bejėgiai. Pasak Ilinojaus universiteto tyrimų koordinavimo laboratorijos, kompiuterizuota oro eismo kontrolė Amerikoje tampa tokia sudėtinga, kad operatoriams kartais sunku suprasti, kas vyksta. Kalbant apie ateities perspektyvas, yra du priešingi požiūriai, kokios turėtų būti valdymo sistemos, kurios pakeis esamas. Kai kurie ekspertai ragina didinti automatizavimą, manydami, kad tai pašalins netikrumą, susijusį su žmogaus buvimu; kiti mano, kad žmonės ir mašinos turėtų būti savotiški šios bendros veiklos partneriai. Bet kad ir kokiu keliu beeitų tolesnė valdymo sistemų plėtra, visada galimos situacijos, kai reikia žmogaus įsikišimo. Ir jei sistemos kūrėjai iš anksto neįsitikins, kad žmogus gali suprasti, kaip sistema veikia, tai jo įsikišimas greičiausiai bus labai nereikšmingas ir įvyks su dideliu vėlavimu.
Negalime ignoruoti karinių klausimų.
Aštuonis mėnesius 1979–1980 m. JAV kariuomenė gavo tris klaidingus pavojaus signalus, įspėjančius apie sovietų raketų „ataką“. Visi signalai atėjo iš Šiaurės Amerikos valdymo centro oro pajėgos, paslėptas kalno gilumoje vnt. Koloradas. Pirmasis klaidingas aliarmas buvo tiesiog operatoriaus klaidos rezultatas, kuris neatsargiai į sistemą įdėjo juostą su mokymui skirta informacija. Antrą kartą sugedo vienas iš sistemos komponentų: sugedo integrinis grandynas. Trečiasis pavojaus signalas pasirodė tyčinis – bandymo tikslais buvo bandoma atkurti antrojo signalizavimo sąlygas.
Laimei, praėjus kelioms minutėms po šių klaidingų pavojaus signalų, viskas buvo aišku, tačiau jų sukeltas nervinis perkrovimas nebuvo pamirštas. Akivaizdu, kad sistema, kuri tiesiogine to žodžio prasme galėtų atvesti į pasaulio pabaigą, turi būti padaryta taip. kad nesusipratimo galimybė žmogaus ir mašinos santykiuose būtų visiškai pašalinta.
Šių istorijų žinutė yra aiški: techninėms sistemoms tampant sudėtingesnėms, jas sunkiau suprasti, todėl jas sunkiau valdyti. Tai ypač pasakytina apie skaičiavimo sistemas, kurios, net ir sukurtos atlikti paprasčiausius dalykus, turi būti labai sudėtingos. Siekiame, kad jie sugebėtų išspręsti praktinės svarbos problemas ir taip padidintų jų sudėtingumą iki tokio lygio, kurio individas ar net žmonių grupė negali suprasti. Tas laikas jau atėjo. Kaip ką tik parodėme, didelės kompiuterinės programos ir operacinės sistemos išauga iki tokio masto, kad nei jų kūrėjai, nei vartotojai negali su jomis susidoroti.
Jei skaičiavimo sistemos ir toliau vystysis tuo pačiu keliu, kaip ir dabar, kai jų ir taip ne itin patikimai architektūrai priskiriama vis daugiau funkcijų, tai neabejotina, kad 90-ųjų kompiuteriai taps visiškai netinkami naudoti: nevaldomi ir bauginantys – tarsi. visuotinės „piktosios dvasios“ pagalbininkai. Žmonių visuomenė, jau labai priklausoma nuo tokių mašinų, patirs siaubingo masto krizę. Skaičiavimo mašinos, kokios yra šiandien, tam tikra prasme jau pasiekė savo galimybių ribą. Šiandien pagrindinė užduotis nebėra maksimaliai padidinti jų produktyvumą, išgauti viską, kas įmanoma iš mašinų išteklių. Priešingai, jų darbas turi būti pagrįstas visiškai kita idėja - antropocentrizmo idėja. Kad suprastume mašinų darbą, turime išmokti jį organizuoti pagal žmogaus smegenų darbo vaizdą ir panašumą.
Galime toliau plėtoti šį grėsmingą siužetą įsivaizduodami savo ateitį tokią, kokią ją ne kartą aprašė mokslinės fantastikos rašytojai, pradedant Samueliu Butleriu: pasaulį, kuriame valdžią užgrobė mašinos. Šią mintį technikos ekspertai dažniausiai atmeta kaip absurdišką. Bet ar tai tikrai toks absurdas? Paimkime, pavyzdžiui, kompiuterius, kurie jau naudojami tvarkant mūsų miestų gyvenimą. Jos funkcijos apima ne tik centrinės administracijos uždavinius, bet ir viešąsias paslaugas, tvarkos palaikymą mieste, švietimą, bankus, oro eismą, eismo kontrolę, statybos ir planavimo organizacijų problemas. Ir ateina momentas, kai atitinkami kompiuterių tinklai pradeda tiesiogiai susisiekti vienas su kitu – iš pradžių dėl pačių paprasčiausių priežasčių. Jei, pavyzdžiui, vienoje sistemoje nusprendžiama kasti kelią, tai šiukšliavežiams reikia keisti maršrutą. Jei kas nors užsisako lėktuvo bilietą, aviakompanija turi patikrinti, ar jie turi teisę naudotis pateikta kredito kortele.
Dabar kreipiamės į mažiau košmariškus, bet daugiau aktualios problemos, pažvelkime į gilų ekonomikos sąstingį, aukštą nedarbo lygį, pasitikėjimo krizes, kurios pastaraisiais metais kelia vis didesnį nerimą pasauliui. Visi šie reiškiniai, kurie iš tikrųjų vyksta, iš pirmo žvilgsnio yra visiškai nepaaiškinami. Pradėkime nuo problemos ekonomikos augimas, tiksliau, jo nebuvimas. Tiesą sakant, pramoninių šalių gamybinis kapitalas nemažėja. Tačiau dėl nuolatinės mokslo ir technologijų pažangos ji nuolat keičiasi. Koks šio pokyčio pobūdis? Investuotas kapitalas atneša didesnę grąžą. Gamyklos darbuotojai dabar per dieną gali pagaminti daugiau nei prieš trisdešimt metų. Ūkininkas gali nupjauti daugiau šieno, nei reikia, kad pateisintų žoliapjovės nuomą. Ne už kalnų diena, kai pasirodys savaeigės šienapjovės.
Be to, mokslo ir technologijų plėtra nevyksta tiesiog pastoviu greičiu: kad ir kaip vertintume jos tempus, akivaizdu, kad jis nuolat auga. Kodėl tada mes netampame turtingesni tuo pačiu greičiu? Net ir įvertinus nuostolius, susijusius su darbo pertvarkymu tam tikrose pramonės šakose, visa žmonija turėtų būti nemenkas pelnas. Matyt, veikia tam tikra jėga, kuri blokuoja tą gausybę, nuo kurios, atrodytų, palaima dabar turėtų pasipilti ant mūsų visų.
Atrodo, kad visi vieningai apgailestaujame dėl to. Tačiau skirtingi žmonės turi skirtingą požiūrį į tai, kuri šio proceso dalis turėtų būti stigmatizuota. Kai kurie yra visiškai tikri, kad dėl to kaltos profesinės sąjungos, kurios yra slaptame sąmoksle su nematomu ardomųjų elementų tinklu ir teroristais visame pasaulyje, kurie siekia savo politinių tikslų. Kitų nuomone, kaltininkų reikėtų ieškoti milžiniškų korporacijų ir bankų, galbūt veikiančių sąjungoje su slaptu transnacionalinių monopolijų ir kartelių tinklu, kuriam vadovauja vienas ar du „piktieji nykštukai“ iš Ciuricho, siekiantys savo politinių tikslų, biuruose. Yra trečioji „minčių mokykla“, galbūt ne tokia aistringa kaip dvi ankstesnės, bet dar labiau kliedesinė, kuri tiki, kad dėl visko kalta pati technologija. Neretai supykęs klientas jį išneša ant neveikiančio smulkių daiktų automato, kol visiškai nebegali veikti.
Nors, ko gero, tokia antitechninė pozicija nėra tokia beprotiška. Šią idėją bent jau galima aptarti, nes anksčiau pateikti pavyzdžiai rodo, kad mūsų technologiniai pasiekimai yra šiek tiek panašūs į mašiną, kuri neveikia.
Turėsime padaryti trumpą ekskursiją į istorijos gelmes, kad išsiaiškintume, ar per visą jos istoriją buvo koks nors stabilus ir kartu besivystantis procesas? Tokį procesą nesunku rasti – postūmis jam buvo žemės ūkio plėtra. Ir tūkstantmetis po tūkstantmečio mūsų protėviai tarsi nepastebėjo, kad šis procesas nuolat juda viena kryptimi, kol XIX–XX a. nepasiekėme paskutinės pagreičio stadijos. Toks pastovus procesas buvo laipsniškas, nors ir skausmingas, su daug nesėkmių ir sustojimų, žmogaus supratimo apie jį supantį pasaulį augimas, jo gebėjimo valdyti šį pasaulį augimas.
Šiandien, pasitelkdami kompiuterines technologijas, stengiamės išmokti išspręsti sudėtingas problemas, kurių dar negalima išspręsti kompiuteriu – problemas, kurių negalima išspręsti „priešais“, ieškant už nugaros. galutinis skaičiusžingsniai, kaip atsakyti į klausimą atliekant paprastus skaičiavimus. Tačiau pasitaiko, kad nors pati problema labai sunki, atvirkštinę problemą išspręsti daug lengviau. Pavyzdžiui, kvadratinę šaknį apskaičiuoti labai sunku, o skaičiaus kvadratą labai lengva. Gali būti, kad moksleiviui bus ekonomiškiau suskaičiuoti visų skaičių kvadratus, apie kuriuos jo gali būti paklausta, ir užpildyti didžiulę rezultatų lentelę (tik užrašius juos atvirkščiai: pirmiausia kvadratus, išdėstytus pagal dydį, ir jiems bazės, galbūt su tam tikra interpoliacija, kad užbaigtų perdavimus). Tada, jei jums reikia sužinoti kokią nors kvadratinę šaknį, galite tiesiog pažvelgti į lentelę. Tačiau šis metodas turi vieną didelį trūkumą – gautas rezultatas vartotojui yra visiškai nepaaiškinamas.
Kyla klausimas, ar geriau iš viso nesugalvoti tokių kvailų atskaitos sistemų, kurių buvimas žemina žmogų, nes nepaiso jo sprendimo ir supratimo. Įdomu tai, kad šį argumentą Platonas pirmą kartą pateikė daugiau nei prieš 2300 metų. Savo knygoje „Fedras“ Sokratas pasakoja apie Egipto dievas Toga, atėjusi pas dievų karalių Tamuzą su žodžiais: „Mano viešpatie, aš išradau išradingą dalyką, vadinamą raštu, jis pagerins egiptiečių išmintį ir atmintį“.
Atsakydamas Tamuzas pareiškė, kad, priešingai, rašymas yra prastos kokybės atminties ir supratimo pakaitalas. „Kas jį įsigys, nustos lavinti savo atmintį ir taps užmaršus, pasikliaus rašymu, tikėdamasis, kad šios ikonos jam ką nors primins, o ne pasikliaus vidiniais rezervais.
Sokratas cituoja Amoną, smerkiant iškreiptą idėją, kad „aiškios ir tikslios dalyko žinios gali būti perteiktos arba įgytos rašant arba kad užrašyti žodžiai gali padaryti daugiau nei priminti skaitytojui tai, ką jis jau žino“. Kitaip tariant, žmogus gali manyti, kad išmintis slypi rašte, o iš tikrųjų išmintis turi būti pačiame žmoguje. „Galima daryti prielaidą, - priduria Sokratas, - kad užrašyti žodžiai supranta, ką jie sako, bet jei dar kartą jų paklausite, ką reiškia tas ir anas, jie vėl ir vėl duos tą patį.
Kitaip tariant, Sokratas, regis, skundžiasi, kad rašymas neišlaikys garsiojo Alano Turingo testo (pagal šį testą mašina gali įrodyti, kad turi intelektą, jei sugeba įtikinti su juo per teleprinterį kalbantį asmenį, kad jo pašnekovas – žmogus). Iš tiesų, jei mašina galėtų paaiškinti, kas joje yra, tuomet būtų galima manyti, kad ji tam tikra prasme „suprato“, taip parodydama savo intelektą. Kaip rašyti, pagalbos sistemos ateitis su trilijonais atminties bitų negalės išlaikyti Turingo testo. Tačiau, kaip ir rašymas, tokios sistemos tikrai turi teisę egzistuoti ir padės pakeisti pasaulį. Ar tai gerai ar blogai? Kol nesuvoksime su tuo susijusių Sokrato teiginių esmės nauja problema, tokios milžiniškos pagalbos sistemos bus tik iš dalies palaima, kuri dažnai virsta didelėmis bėdomis. Prisiminkime, kad tokiose duomenų bazėse yra tik pagrindiniai elementarūs faktai, susiję su konkrečiu klausimu, o ne supratimas, išvados, sprendimai, klasifikavimo sąvokos ir panašiai.
Kad bet kokios būtybės – žmogus ar mašina – galėtų bendrauti tarpusavyje, jos turi turėti tokį patį mentalitetą. Kadangi negalime pakeisti žmonių mentaliteto, turėsime jį keisti mašinose. Turime visiškai pertvarkyti viską, ką programos daro siekdamos išspręsti problemą, o ne tik tai, kaip jos sąveikauja su vartotoju. Informacijos saugojimo programoje būdas, t.y. problemos sprendimo pateikimo būdas turi būti žmogui suprantamas ir aprašytas jam jau pažįstamomis sąvokomis. Ekspertų sistemos, pagrįstos išvadų taisyklėmis, yra specialiai sukurtos nagrinėti žmonių sąvokas, tiek mokantis jas iš tos srities ekspertų, tiek aiškinant jas vartotojui. Tai gera pradžia, tačiau reikia daug daugiau nuveikti, kad būtų užmegztas žmogaus ir mašinos bendravimas konceptualia kalba.
Jei panašios idėjos naudojamos sprendžiant gamybos procesų automatizavimo ar kitose valdymo sistemose problemas, tai tokią automatiką vadinsime „minkštu“. Jo poreikis nuolat didėja, o tai leidžia bent iš dalies neutralizuoti per didelį sudėtingumą, susijusį su standžia automatika. Dabar aktualiausias socialinis poreikis yra ne išplėsti automatizavimo procesą, o jį humanizuoti. Žinoma, atliekant paprastas ar vidutiniškai sudėtingas užduotis, valdymo sistemų „nepermatomumas“ nėra toks pavojingas, todėl mes su tuo susitaikėme jau seniai. Tarkime, programa, paskirstanti išteklius, tai daro geriau nei projekto vadovas. Kodėl tokiu atveju jam būtų įdomu, kaip ji tai daro, ar užginčytų jos sprendimus, jei jis gaus tai, ko nori? Tegul tai bus „juodoji dėžė“ tiek, kiek nustato programa.
Tačiau yra ir kitų informacinių sistemų programų, kuriose galimybė „pažvelgti į dėžės vidų“ yra labai svarbi. Kol kas jų nedaug, nes informacijos apdorojimo procesai dar turi giliai įsiskverbti į vis sudėtingesnes ir atsakingesnes žmogaus veiklos sritis. Sudėtingumas ir atsakomybė yra dvi nepriklausomos sistemų savybės, kurios verčia mus reikalauti, kad programa veiktų „žmogiškoje sistemoje“. Kai kurios problemos yra tokios sunkios, kad jų tiesiog neįmanoma išspręsti be intelektualinės žmogaus ir mašinos partnerystės. Kiti susiję su gyvybės ir mirties klausimais arba pačia ekonominio valdymo galimybe.
Naudojant minkštąją automatiką, sistema jau projektavimo stadijoje pritaikoma prie žmogaus mąstysenos. Jei pažvelgtume į ateitį ir įsivaizduotume, kaip mūsų gamyklose kartu dirba daugybė robotų, neišvengiamai kyla klausimas: „Kaip jie bendraus? Vielu, naudojant infraraudonoji spinduliuotė ar radijo signalais, ar kokiais nors kitais žmonėms neprieinamais kanalais? Žinoma, geriau šį bendravimą atlikti naudojant sintezuotą balsą, nes tai leistų budinčiam asmeniui išgirsti, kas vyksta, ir, kaip parodė praktika, tai visiškai įmanoma.
Naudojimo privalumai ir trūkumaidirbtinis intelektas valdyme
Tendencija automatizuoti gamyklas ir mašinas gyvuoja jau seniai. Išskyrus kai kuriuos specialius tikslus, niekas nebegalvoja apie varžtų gamybą įprastose tekinimo staklėse, kur tekinimo staklės turi stebėti pjaustytuvo judėjimą ir reguliuoti jį rankiniu būdu. Šiais laikais gaminti varžtus dideliais kiekiais be didelio žmogaus įsikišimo yra įprasta įprastos sraigtų pjovimo mašinos užduotis. Nors ši mašina specialiai nenaudoja nei grįžtamojo ryšio proceso, nei vakuuminio vamzdžio, ši mašina pasiekia beveik panašius tikslus. Atsiliepimai ir vakuuminis vamzdis leido ne sporadiškai konstruoti atskirus automatinius mechanizmus, o bendrą pačių įvairiausių tipų automatinių mechanizmų kūrimo politiką. Sprendžiant šią problemą, tokių įrenginių principus parėmė mūsų atliktas teorinis komunikacijos tyrimas, kuriame visapusiškai atsižvelgiama į ryšio tarp mašinos ir mašinos galimybes. Kaip tik tokia aplinkybių samplaika leidžia šiuo metu tai padaryti naujas amžius automatizavimas.
Šiandien egzistuojančios pramonės technologijos apima pirmosios pramonės revoliucijos rezultatų visumą, taip pat daugelį išradimų, kuriuos dabar laikome antrosios pramonės revoliucijos pirmtakais. Kokios gali būti tikslios ribos tarp šių dviejų revoliucijų, dar anksti pasakyti. Dėl savo potencialių galimybių vakuuminis vamzdis neabejotinai priklauso pramonės revoliucijai, kuri skiriasi nuo energijos amžiaus; ir vis dėlto tik dabar buvo pakankamai suprasta tikroji vakuuminio vamzdžio išradimo reikšmė, kad šis amžius būtų priskirtas naujai, antrajai pramonės revoliucijai.
Nupieškime pažengusio amžiaus paveikslą – automatikos epochą. Pagalvokite, pavyzdžiui, kaip atrodys ateities automobilių gamykla, o ypač surinkimo linija, kuri yra ta automobilių gamyklos dalis, kuri sunaudoja daugiausiai žmogaus darbo jėgos, operacijų seka bus valdoma prietaisu. panašus į šiuolaikinį didelės spartos kompiuterį. Visa matematika gali būti sumažinta iki grynai loginių uždavinių atlikimo. Jei toks matematikos gabalas yra įkūnytas mašinoje, tada ta mašina bus skaičiavimo įrenginys įprasta prasme. Tačiau toks kompiuteris, be įprastų matematinių problemų sprendimo, galės išspręsti loginę užsakymo paskirstymo kanalais užsakymus, susijusius su matematinėmis operacijomis, problemą. Todėl tokiame įrenginyje, kaip ir šiuolaikiniuose didelės spartos kompiuteriuose, bus bent vienas didelis mazgas, skirtas atlikti grynai logines operacijas.
Instrukcijas tokiai mašinai – čia taip pat kalbu apie dabartinę praktiką – duoda įrenginys, kurį vadiname programos ritė. Aparatui duoti nurodymai gali būti siunčiami jai programos ritė, kurios nurodymų pobūdis ir apimtis yra visiškai iš anksto nulemti. Taip pat gali būti, kad tikra nenumatytų aplinkybių, su kuriuo mašina susiduria atlikdama savo užduotis, kaip tolesnio reguliavimo pagrindą galima perkelti į naują pačios mašinos sukurtą valdymo juostą arba į senos valdymo juostos modifikaciją.
Galite pamanyti, kad šiuolaikiška didelė kaina kompiuteriai neleidžia jas naudoti pramoniniuose procesuose ir, be to, kad jų projektavimui reikalingas veikimo jautrumas ir jų funkcijų kintamumas neleidžia naudoti masinės gamybos metodų kuriant šias mašinas. Nė vienas iš šių teiginių nėra teisingas. Pirma, didžiuliai kompiuteriai, kurie šiuo metu naudojami labai sudėtingiems matematiniams darbams atlikti, kainuoja maždaug šimtus tūkstančių dolerių. Netgi tokia kaina būtų nepasiekiama valdymo mašinai tikrai didelėje gamykloje, tačiau ji vis tiek per brangi.
Šiuolaikinės skaičiavimo mašinos vystosi taip greitai, kad beveik kiekviena sukurta mašina yra a naujas modelis. Kitaip tariant, dauguma šių akivaizdžiai didelių išlaidų tenka apmokėti už naujus darbus kuriant ir gaminant naujas dalis, kurioms reikia labai aukštos kvalifikacijos darbo ir brangiausių sąlygų. Jei dėl to būtų nustatyta vieno iš šių kompiuterių kaina ir modelis, o jei šiuo modeliu naudotųsi dešimtys, labai abejotina, kad jo kaina būtų didesnė nei dešimčių tūkstančių dolerių suma. Panaši mažesnės galios mašina, netinkama sudėtingiausioms skaičiavimo problemoms spręsti, bet vis dėlto gana tinkama gamyklai valdyti, bet kokioje vidutinio masto gamyboje tikriausiai kainuotų ne daugiau nei kelis tūkstančius dolerių.
Dabar panagrinėkime masinės kompiuterių gamybos problemą. Jei vienintelė palanki galimybė masinei gamybai buvo masinė standartinių mašinų gamyba, tai visiškai aišku, kad ilgą laiką geriausio, ko galėjome tikėtis, buvo gamyba vidutinio masto. Tačiau kiekvienoje mašinoje dalys paprastai kartojasi gana dažnai. Tai vienodai taikoma ir saugojimo įrenginiui, ir loginiam aparatui, ir aritmetiniam vienetui. Taigi, tik kelių dešimčių mašinų gamyba būtų masinė dalių gamyba ir turi masinės gamybos ekonominių pranašumų.
Tačiau gali atrodyti, kad mašinos jautrumas turėtų reikšti, kad kiekvienam turi būti sukurtas specialus naujas modelis atskiras darbas. Tai taip pat neteisinga. Net ir esant dideliam matematinių ir loginių operacijų, kurių reikia iš mašinos matematinių ir loginių mazgų, tipo panašumo, bendras vykdymas mašinos užduotis reguliuoja programos ritė arba bet kuriuo atveju originali programos ritė. Tokios mašinos programinės ritės gamyba yra labai sunki užduotis aukštos kvalifikacijos specialistui; tačiau tai yra darbas, kuris atliekamas kartą ir visiems laikams, o kai mašina modifikuojama naujai pramoninei instaliacijai, ją reikia pakartoti tik iš dalies. Taigi tokio kvalifikuoto techniko kaina bus paskirstyta dideliam produkcijos kiekiui ir nebus tikrai svarbus veiksnys naudojant mašiną.
Skaičiavimo įrenginys yra automatinės gamyklos centras, tačiau jis niekada neatstos visos gamyklos. Kita vertus, jis gauna savo išsamias instrukcijas iš jutimo organų elementų, tokių kaip fotoelementai, iš kondensatorių, skirtų popieriaus ritinio storiui nustatyti, iš termometrų, iš vandenilio koncentracijos matuoklių ir iš bendrų tipų aparatų, kuriuos šiuo metu gamina prietaisus gaminančios įmonės, skirtus rankiniam valdymui. pramoninių procesų. Šie prietaisai jau sukonstruoti taip, kad naudodamiesi elektra perduoda rodmenis į atskirus postus. Kad šie instrumentai galėtų perduoti informaciją į automatinį didelės spartos kompiuterį, tereikia nuskaitymo įrenginio, kuris paverčia padėtį arba skalę į eilės skaičių. Toks įrenginys jau egzistuoja ir nesukelia didelių sunkumų nei iš esmės, nei dizaino detalėmis. Jutimo organo problema nėra nauja, ji jau efektyviai išspręsta.
Valdymo sistemoje, be šių jutimo organų, turi būti ir išorinį pasaulį įtakojančių efektorių arba komponentų. Kai kurie šių efektorių tipai mums jau žinomi, pavyzdžiui, valdymo vožtuvų varikliai, elektrinės movos ir kt. Norėdami tiksliau atkurti funkcijas žmogaus ranka, papildytas žmogaus akies funkcijomis, kai kurie iš šių efektorių dar neišrasti. Apdirbant automobilių rėmus visiškai įmanoma palikti lygius metalinių konsolių paviršius kaip atskaitos taškus. Fotoelektrinis mechanizmas, maitinamas, pavyzdžiui, šviesos taškais, gali priartinti prie šių paviršių darbo įrankį – ar tai būtų grąžtas, ar kniedijimo plaktukas, ar bet koks kitas mums reikalingas įrankis. Galutinės padėties fiksavimas gali pritvirtinti įrankį prie atskaitos paviršių ir taip užmegzti tvirtą kontaktą, bet ne taip tvirtai, kad šie paviršiai būtų sugadinti. Tai tik vienas iš būdų atlikti darbą. Bet kuris kvalifikuotas inžinierius gali sugalvoti tuziną kitų.
Žinoma, darome prielaidą, kad instrumentai, veikiantys kaip jutimo organai, fiksuoja ne tik pradinę veikimo būseną, bet ir visų ankstesnių procesų rezultatą. Taigi mašina gali atlikti grįžtamojo ryšio operacijas: arba visiškai įvaldytas paprasto tipo operacijas, arba operacijas, apimančias sudėtingesnius atpažinimo procesus, reguliuojamus centriniu valdikliu, pvz., loginiu ar matematiniu įrenginiu. Kitaip tariant, visa apimantis valdymo prietaisas atitiks gyvūną kaip visumą su jutimo organais, efektoriais ir proprioreceptoriais, o ne izoliuotas smegenis, kurių efektyvumas ir praktinės žinios priklauso nuo mūsų įsikišimo, kaip yra itin greita skaičiavimo mašina.
Greitis, kuriuo šie nauji įrenginiai gali būti pristatyti pramonėje, įvairiose pramonės šakose labai skirsis. Maždaug tas pačias funkcijas atliekančios automatinės mašinos jau plačiai naudojamos pramonės šakose, kuriose vyksta nuolatiniai procesai, pavyzdžiui, konservų gamyklose, plieno valcavimo staklėse ir ypač vielos ir skardos fabrikuose. Jie taip pat žinomi popieriaus gamyklose, kurios taip pat veikia taikant tiesioginį metodą. Kita sritis, kurioje reikalingos automatinės mašinos, yra tokiose gamyklose, kuriose gamyba yra per pavojinga, kad daug darbuotojų rizikuotų savo gyvybėmis ją eksploatuodami, o nelaimingas atsitikimas gali būti toks rimtas ir brangus, kad būtina numatyti jos galimybę. už iš anksto, o ne paliktas skubotam bet kurio asmens, esančio įvykio vietoje, sprendimui. Jei įmanoma iš anksto apgalvoti elgesio eilutę, tada ją galima pritaikyti programos juostai, kuri valdys elgesį pagal įrenginio rodmenis. Kitaip tariant, tokios gamyklos turi veikti režimu, gana panašiu į geležinkelio kontrolės posto iešmų blokavimo ir veikimo režimą. Toks režimas jau nustatytas naftos perdirbimo gamyklose, daugelyje kitų chemijos gamyklų ir tvarkant tokias pavojingas medžiagas, su kuriomis susiduriama eksploatacijos metu. atominė energija.
Mes jau minėjome surinkimo liniją kaip tokio tipo technologijų taikymo sritį. Ant surinkimo linijos, kaip ir ant chemijos gamykla arba popieriaus fabrike, kuriame vyksta nuolatiniai procesai, būtina žinoma statistinė produktų kokybės kontrolė. Ši kontrolė priklauso nuo mėginių ėmimo proceso. Šiuo metu mokslininkai sukūrė šiuos mėginių ėmimo procesus kurdami metodus, vadinamus nuoseklia analize, kai mėginiai imami ne kaip visuma, o kaip nuolatinis procesas, vykstantis kartu su gamyba. Vadinasi, tuos procesus, kuriuos gali atlikti technologija, taip standartizuota, kad tai gali būti palikta statistikui, nesuprantančiam to logikos, taip pat gali atlikti kompiuteris. Kitaip tariant, vėlgi, išskyrus aukštesnius veikimo lygius, mašina gali pasirūpinti kasdiene statistine kontrole ir gamybos procesu.
Paprastai gamyklose taikoma apskaitos procedūra, kuri nepriklauso nuo gamybos, tačiau kadangi šios apskaitos duomenys gaunami iš mašinos arba surinkimo linijos, juos galima siųsti tiesiai į kompiuterį. Kitus duomenis į kompiuterį kartkartėmis gali įvesti žmogus operatorius, tačiau didžioji dalis kanceliarinių darbų gali būti atliekami mechaniškai, o žmonėms bus palikta tik nepaprasta informacija, pavyzdžiui, išorinė korespondencija. Tačiau net ir daugumą užsienio korespondentų gali gauti perfokortelės iš korespondentų arba labai nekvalifikuoti darbuotojai atspausdinti ant perfokortelių. Nuo šio etapo visus procesus galima atlikti mašina. Šis mechanizavimas gali būti taikomas ir nemažai pramonės įmonės bibliotekos archyvinio fondo daliai.
Kitaip tariant, mašina neteikia pirmenybės nei fiziniam, nei kanceliariniam darbui. Taigi galimos sritys, į kurias gali prasiskverbti naujoji pramonės revoliucija, yra labai plačios ir apima visus sprendimus vykdančius darbuotojus žemas lygis, panašiai kaip darbas, išstumtas ankstesnės pramonės revoliucijos mašinų, apėmė bet kurį žmogaus energijos aspektą. Žinoma, kai kurioms profesijoms naujoji pramonės revoliucija nepaveiks arba dėl to, kad naujosios valdymo mašinos nėra ekonomiškos tokiose nedidelėse pramonės šakose, kad jos nepajėgios padengti didelių su jomis susijusių kapitalo sąnaudų, arba dėl to, kad dirba daugybė specialistai yra tokie įvairūs, kad naujos programos ritės bus reikalingos beveik kiekvienam darbui. Neįsivaizduoju automatinių mašinų, tokių kaip sprendimų priėmimo įrenginiai, kurie bus naudojami bakalėjos parduotuvėse ar garažuose, nors galiu labai aiškiai įsivaizduoti, kaip šią įrangą naudoja bakalėjos didmenininkas ir automobilių gamintojas. Žemės ūkio darbuotoją, nors jo gamyboje pradedama diegti automatinės mašinos, nuo visiško jų dominavimo taip pat apsaugo žemės plotas, kurį jis turi įdirbti, javų, kuriuos jis turi auginti, įvairumas, ypatingos oro sąlygos ir panašios aplinkybės, su kuriomis jis turi susidurti. Jei galima naudoti tokias mašinas, nėra neįtikėtina, kad gali būti naudojamos sprendimų priėmimo mašinos.
Žinoma, šių naujų įrenginių pristatymas ir laikas, per kurį galima tikėtis jų įdiegimo, daugiausia yra ekonominio pobūdžio klausimai, kurių svarstymas nėra kursinio darbo tikslas. Nebent įvyktų kokių nors smurtinių politinių pokyčių ar naujų didysis karas, tada naujoms mašinoms prireiks nuo dešimties iki dvidešimties metų, kol jos užims deramą vietą.
Labai svarbus klausimas yra pasekmių – ekonominių ir socialinių – analizė.
Pirma, galime tikėtis staigaus tokio gamyklos darbo, atliekančio išskirtinai monotonišką darbą, paklausos sumažėjimo ir galutinio nutrūkimo. Galiausiai itin neįdomių, monotoniškų pamokos užduočių pašalinimas gali būti naudingas ir būti laisvalaikio, būtino visapusiškam žmogaus kultūriniam vystymuisi, šaltinis. Tačiau tai taip pat gali lemti tuos pačius menkus ir žalingus kultūrinius rezultatus, kurie daugiausia buvo gauti iš radijo ir kino.
Tarsi, pereinamasis laikotarpisšių naujų priemonių įvedimas, ypač jei tai įvyksta akimirksniu, ko galima tikėtis naujo karo atveju, iš karto prasidės pereinamasis pragaištingos krizės laikotarpis. Yra daug patirties, parodančios, kaip pramonininkai yra susiję su nauju pramonės potencialu. Visa jų propaganda susiveda į tai, kad naujų technologijų diegimas neturėtų būti laikomas valdžios reikalu, o turi būti teikiamas kiekvienam verslininkui, norinčiam investuoti pinigus į šią technologiją. Taip pat žinome, kad sunku sutramdyti pramonininkus, kai reikia iš pramonės ištraukti visą pelną, kurį galima gauti iš jos, o paskui palikti visuomenę tenkintis trupiniais.
Tokiomis sąlygomis pramonė bus užpildyta naujais mechanizmais tik tiek, kiek bus akivaizdu, kad jie duos tiesioginio pelno, nepaisant to, kokią žalą jie gali padaryti ateityje. Mes stebime procesą, panašų į atominės energijos procesą, kurio metu atominės energijos panaudojimas bomboms gaminti kelia pavojų labai neatidėliotinoms ateities atominės energijos panaudojimo galimybėms pakeisti mūsų naftos ir anglies atsargas, kurios po šimtmečių, jei ne per dešimtmečius, jie bus visiškai išeikvoti. Atkreipkite dėmesį, kad gamyba atominės bombos nekonkuruoja su energiją gaminančiomis įmonėmis.
Panašūs dokumentai
Gali dirbtinis intelektas šis lygis technologijų plėtra ir technologijos pranokti žmogaus intelektą. Ar žmogus kontaktuodamas gali atpažinti dirbtinį intelektą? Pagrindinės savybės praktinis pritaikymas dirbtinis intelektas.
pristatymas, pridėtas 2013-03-04
Dirbtinis intelektas yra mokslo sritis, susijusi su žmogaus intelektinių funkcijų mašininiu modeliavimu. Dirbtinio intelekto bruožai Dirbtinio intelekto plėtra, perspektyvios jo tyrimų ir modeliavimo kryptys.
santrauka, pridėta 2010-11-18
Agentais pagrįstas požiūris į dirbtinio intelekto tyrimus. Modeliuojantis samprotavimas, natūralios kalbos apdorojimas, mašininis mokymasis, robotika, kalbos atpažinimas. Šiuolaikinis dirbtinis intelektas. Turingo testo atlikimas.
testas, pridėtas 2015-10-03
Dirbtinio intelekto raidos istorija užsienio šalyse, Rusijoje ir Kazachstano Respublikoje. Projekto, skirto efektyviam dirbtinio intelekto diegimui ir pritaikymui žmonių visuomenėje, rengimas. Dirbtinio integravimas į natūralų.
mokslinis darbas, pridėtas 2014-12-23
Sąvokos „dirbtinis intelektas“ esmė; jo raidos istorija. Išmaniųjų mašinų ir kompiuterių programų kūrimo mokslas ir technologija. Iššūkis naudojant kompiuterius norint suprasti žmogaus intelektas. Tekstų analizė, sintezė ir supratimas.
baigiamasis darbas, pridėtas 2013-06-17
Mąstymo fenomenas. Dirbtinio intelekto kūrimas. Mechaninis, elektroninis, kibernetinis, neuroninis požiūris. Perceptrono atsiradimas. Dirbtinis intelektas yra daugelio mokslo sričių integracijos pavyzdys.
santrauka, pridėta 2003-05-20
Žmogaus veiklos sritys, kuriose galima panaudoti dirbtinį intelektą. Dirbtinio intelekto problemų sprendimas kompiuterių moksle, naudojant žinių bazių ir ekspertų sistemų projektavimą. Automatinis teoremų įrodymas.
kursinis darbas, pridėtas 2013-08-29
Istorinė apžvalga darbo plėtra dirbtinio intelekto srityje. Algoritminės ir kompiuterinės programinės įrangos kūrimas, leidžiantis išspręsti intelektines problemas be blogiau nei vyras. Iš loginiai žaidimai prieš medicininę diagnozę.
santrauka, pridėta 2009-10-26
Dirbtinio intelekto problemos tyrimas. Informacijos apdorojimo procesas žmogaus smegenyse. Subjektyvios tikrovės reiškinių smegenų kodų iššifravimas. Natūralus intelektas kaip faktas subjektyvi tikrovė su nekintamumo principu.
santrauka, pridėta 2011-12-04
Išmaniojo agento komponentai ir architektūra, jo papildymas mokymo priemonėmis. Skirtingi požiūriai dirbtinio intelekto kūrimui, jo plėtros perspektyvoms. Išmaniųjų mašinų ir programų kūrimo etinės ir moralinės pasekmės.
Ar dirbtinis intelektas kada nors sugebės sukurti tikrą konkurenciją su žmogaus intelektu? Dirbtinis intelektas yra aprūpintas pakankamu potencialu, tačiau tyrėjai neturėtų kurti to, ko negalima kontroliuoti. Taip mano daugelis pasaulio ekspertų, pasirašiusių atvirą tyrėjų laišką, siekdami pašalinti galimus šios technologijos „spąstus“.
Atviras laiškas buvo pasirašytas garsūs fizikai Stephenas Hawkingas, „Skype“ įkūrėjas Jaanas Tallinnas ir „SpaceX“ generalinis direktorius Elonas Muskas, taip pat keletas pirmaujančių mokslininkų iš daugelio universitetų iš viso pasaulio, įskaitant Harvardą.
Profesorė Francesca Rossi, dėstanti Harvarde ir Padujos universitete, sako:
Kai kurie žmonės galvoja: nereikia jaudintis, robotai negali būti visiškai protingi. Tačiau yra teigiančių, kad mašinos greitai taps tokios pat protingesnės, o gal net ir protingesnės už žmones. Nė vienas iš dviejų ekstremalūs taškai nuomonė nėra pakankamai pagrįsta. Čia reikia konstruktyvaus požiūrio: žinoma, reikėtų stengtis, kad robotai taptų išmanesni, tačiau verta atkreipti dėmesį į saugumo klausimus ir nuolat tikrinti galimą jų elgesį. Taigi šis laiškas, kaip ir jį lydintis dokumentas, parašyti būtent tokia intencija: būti konstruktyviam projektuose, susijusiuose su dirbtinio intelekto kūrimu, bet ir kitose srityse, tokiose kaip filosofija, psichologija, ekonomika ir kt. „išmaniųjų mašinų“ gamybos pagrindas, pažymi Francesca Rossi.
O dabar klausimas su apokaliptiškumu: ar šios išmaniosios mašinos vieną dieną sugebės įveikti žmones. Tai yra, ar gali ateis diena, kai robotas sunaikins žmogų? “
Francesca Rossi:
– Mano nuomone, toks apokaliptinis scenarijus neišplaukia iš tikrosios šių mašinų prigimties. Jie (robotai) tuo pačiu sugeba keisti savo elgesį, tačiau visada laikosi to, kas jiems buvo būdinga nuo pat pradžių. Bet kokiu atveju, kuriant mašinas, reikėtų viską nuodugniai patikrinti“.
O gal realiame gyvenime įmanoma situacija, panaši į tą, apie kurią kalbama filme „Ji“, kai vieniša rašytoja kuria santykius su kompiuteriu operacinė sistema? O gal tai daugiau mokslinės fantastikos dalykas?
Jau yra robotų, kurie bendrauja su žmonėmis: pavyzdžiui, padeda seniems ar ligoniams, sugeba ugdyti „empatiją“ – bendrauti su žmogumi panašiai, kaip darytų kitas žmogus. Tačiau nemanau, kad robotų evoliucija, kuri mums kartais rodoma filmuose, gali įvykti realybėje, bent jau artimiausioje ateityje“, – toliau sako Francesca Rossi.
Atvirame laiške taip pat raginama imtis veiksmų, kol „autonominiai automobiliai“ netaps pagrindine technologija. Bet kokią grėsmę jie galėtų kelti?
Tarkime, kad technologija yra paruošta, kad šie automobiliai yra pasirengę išeiti į kelią ir išgelbėti žmonių gyvybes, nes daug žmonių žūsta autoavarijose. Taip pat būtina suvokti, kad procesas turi būti tinkamai reguliuojamas. Svarbu aiškiai žinoti, kas tiksliai yra atsakingas už sprendimus, kuriuos priima robotai, ką tiksliai jie daro ir pan., daro išvadą Francesca Rossi.
Pagrindiniai žodžiai: Dirbtinis intelektas, pliusai ir minusai, dirbtinio intelekto trūkumai ir privalumai, filmas apie ją, robotai, apokalipsė
