Анализ сфер применения технологий искусственного интеллекта

Аннотация

Афанасьева А.А, Суханов А.Л., Фролов И.В., Куркурин Н.Л. Анализ сфер применения технологий искусственного интеллекта.В статье рассматривается история возникновения и применения технологий искусственного интеллекта (ИИ). Раскрыты плюсы и минусы этой концепции. Авторы описывают важную роль искусственного интеллекта в определённых сферах нашей жизни и подчёркивают, что данная технология не сможет заменить человека в ближайшем будущем.

Введение

Всё чаще в наше время на слуху встречается выражение искусственный интеллект – в сети появляются новости, что он обыгрывает в шахматы чемпионов мира по этой дисциплине, просчитывает и обрабатывает огромные массивы данных, делает прогнозы и многое другое. Но немногие люди осознают, что на самом деле обозначает это понятие и как уже велик его вклад в нашу жизнь. Искусственный интеллект – это не формат и не функция, а прежде всего процесс и умение думать, анализировать данные [1]. При выражении искусственный интеллект многие представляют разумных человекоподобных роботов, которые стремятся завоевать мир. Однако ИИ не предназначен для замены людей. Напротив – его целью является расширение человеческих умений и возможностей, что делает его ценным ресурсом. Актуальность данной темы обусловлена, прежде всего, растущим интересом к такому явлению, как ИИ, а также его не менее важной ролью в нашей жизни. Целью работы является изучение истории возникновения и развития ИИ, анализ его устройства и сфер применения, выявление преимуществ и недостатков ИИ.

Современные тенденции в области аутентификации

Современные тенденции в области аутентификации направлены на улучшение безопасности и удобства для пользователей. Одной из подобных тенденций является многофакторная аутентификация (MFA) – комбинация двух или более методов аутентификации. MFA повышает уровень безопасности, так как злоумышленнику необходимо обойти несколько методов аутентификации, а не только один.

В последнее время набирает популярность биометрическая аутентификация – метод аутентификации, который использует уникальные физические характеристики пользователя, такие как отпечаток пальца или сканирование лица. Биометрическая аутентификация не требует запоминания паролей, но может быть менее безопасна, если злоумышленник получит доступ к устройству, на котором хранятся биометрические данные.

Имеет место быть и аутентификация с помощью электронных ключей (USB-ключи) – это физические устройства, которые можно использовать для аутентификации пользователя. Ключи могут содержать уникальные идентификаторы или сертификаты, которые подтверждают личность пользователя. Пользователи могут использовать USB-ключи на нескольких устройствах. Однако, существует опасность потери ил кражи такого ключа.

Аутентификация на основе открытых стандартов, таких как OAuth и OpenID Connect, предоставляет возможность использовать один и тот же логин и пароль для нескольких сервисов. Данный метод может быть менее безопасным, если злоумышленник получит доступ к учетной записи на одном из сервисов.

Все эти механизмы аутентификации служат для защиты данных пользователей, их целостности и конфиденциальности. Для передачи аутентификационных данных и контроля доступа клиентов к ресурсам системы используют протокол аутентификации.

Изложение основного материала

Как было сказано выше, ИИ – это умение компьютера анализировать данные. Искусственный интеллект позволяет компьютерам обучаться на основе собственного опыта, адаптироваться к задаваемым параметрам и выполнять те задачи, которые раньше были под силу только человеку. В большинстве случаев реализации ИИ – от компьютерных шахматных программ до беспилотных автомобилей – крайне важна возможность глубокого обучения и обработки естественного языка. Благодаря этим технологиям компьютеры можно научить выполнению определенных задач с помощью обработки большого объема данных и выявления в них закономерностей [1].

Термин искусственный интеллект появился в 1956 году, но настоящей популярности технология ИИ достигла лишь сегодня на фоне увеличения объемов данных, усовершенствования алгоритмов, оптимизации вычислительных мощностей и средств хранения данных. Первые исследования в области ИИ, стартовавшие в 50-х годах прошлого века, были направлены на решение проблем и разработку систем символьных вычислений. В 60-х годах это направление привлекло интерес Министерства обороны США: американские военные начали обучать компьютеры имитировать мыслительную деятельность человека. Например, Управление перспективных исследовательских проектов Министерства обороны США (DARPA) выполнило в 70-х годах ряд проектов по созданию виртуальных уличных карт. И специалистам DARPA удалось создать интеллектуальных личных помощников в 2003 году, задолго до того, как появились современные Siri, Alexa и Cortana [2]. Эти работы стали основой для принципов автоматизации и формальной логики рассуждений, которые используются в современных компьютерах, в частности, в системах для поддержки принятия решений и умных поисковых системах, призванных дополнять и приумножать возможности человека. Хотя в научно-фантастических фильмах и романах ИИ зачастую изображают в виде человекоподобных роботов, захватывающих власть над миром, на данном этапе развития технологии ИИ совсем не такие страшные и далеко не такие умные. Напротив, развитие искусственного интеллекта позволяет этим технологиям приносить реальную пользу во всех отраслях экономики. В чём же заключается важность искусственного интеллекта? Коллектив авторов считает, что ИИ позволяет автоматизировать повторяющиеся процессы обучения и поиска за счет использования данных. Однако ИИ отличается от роботизации, в основе которой лежит применение аппаратных средств. Цель ИИ — не автоматизация ручного труда, а надежное и непрерывное выполнение многочисленных крупномасштабных компьютеризированных задач. Такая автоматизация требует участия человека для первоначальной настройки системы и правильной постановки вопросов. ИИ делает существующие продукты интеллектуальными. Как правило, технология ИИ не реализуется как отдельное приложение. Функционал ИИ интегрируется в имеющиеся продукты, позволяя усовершенствовать их точно так же, как технология Siri была добавлена в устройства Apple нового поколения. Автоматизация, платформы для общения, боты и умные компьютеры в сочетании с большими объемами данных могут улучшить различные технологии, которые используются дома и в офисах: от систем анализа данных о безопасности до инструментов инвестиционного анализа. ИИ адаптируется благодаря алгоритмам прогрессивного обучения, чтобы дальнейшее программирование осуществлялось на основе данных. ИИ обнаруживает в данных структуры и закономерности, которые позволяют алгоритму освоить определенный навык: алгоритм становится классификатором или предикатором. Таким образом, по тому же принципу, по которому алгоритм осваивает игру в шахматы, он может научиться предлагать подходящие продукты онлайн.

ИИ осуществляет более глубокий анализ больших объемов данных с помощью нейросетей со множеством скрытых уровней. Нейросеть — это один из методов машинного обучения [3]. Это математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Несколько лет назад создание системы обнаружения мошенничества с пятью скрытыми уровнями было практически невозможным. Все изменилось с колоссальным ростом вычислительных мощностей и появлением больших данных. Для моделей глубокого обучения необходимо огромное количество данных, так как именно на их основе они и обучаются. Поэтому чем больше данных, тем точнее модели [3]. Глубинные нейросети позволяют ИИ достичь беспрецедентного уровня точности. К примеру, работа с Alexa, поисковой системой Google Search и сервисом Google Photos осуществляется на базе глубокого обучения, и чем чаще мы используем эти инструменты, тем эффективнее они становятся. В области здравоохранения диагностика раковых опухолей на снимках МРТ с помощью технологий ИИ (глубокое обучение, классификация изображений, распознавание объектов) по точности не уступает заключениям высококвалифицированных рентгенологов [4]. Функционал ИИ широко востребован во всех отраслях, особенно это касается вопросно-ответных систем. В промышленности ИИ может анализировать данные с производственного участка, получаемые от подключенного оборудования, и прогнозировать загрузку и спрос с помощью рекуррентных сетей – особого вида сетей глубокого обучения, используемых для работы с последовательными данными. В сфере торговли ИИ помогает совершать покупки онлайн с индивидуально подобранными рекомендациями, а также дает возможность продавцам обсуждать покупки с клиентами. Кроме того, технологии ИИ могут оптимизировать процессы управления товарными запасами и размещения товара. В спортивной сфере тренеры получают отчеты со снимками с камер и показателями датчиков о том, как лучше организовать игру, в том числе как оптимизировать расстановку игроков и стратегию. И таких примеров использования данной технологии очень много [5].

Ещё одна перспективная область применения технологий ИИ – автоматизация [5]. Автоматизация позволяет частично или полностью освободить человека от исполнения циклических процессов или процессов, выполняющихся по строго заданному алгоритму. В настоящее время трудно себе представить производство, где все или часть процессов контролируются без ведома человека, уведомляя его только в случае неисправности или предаварийной ситуации. Если в конце прошлого века автоматике отводили роль исполнителя рутинных циклических операций, то теперь, благодаря развитию программно-вычислительных средств, автоматизируют целые линии производства, способные работать без участия человека.

Также автоматизация коснулась и топливно-энергетического комплекса, где максимальный КПД невозможен без слаженной и безотказной работы оборудования [6]. С недавнего времени активно разрабатываются, совершенствуются и внедряются системы автоматизированного управления технологическими процессами, созданными на базе самого передового микропроцессорного оборудования. Постоянно совершенствуются вычислительные мощности систем, совершенствуются устройства полевого уровня, будь то датчики, преобразователи, расходомеры. Применение самых последних разработок в области микропроцессорной техники позволяет объединять системы автоматизации в АСУТП (Автоматизированная система управления технологическим процессом) более высокого уровня, помимо сбора и диагностики информации, такие системы занимаются групповым регулированием работы агрегатов и других технологических схем, слаженная и безотказная работа которых повышает выработку энергоресурсов [7]. Как и у всякой технологии, у ИИ есть свои недостатки. Технологии искусственного интеллекта способны изменить любые отрасли, но их возможности не безграничны. Главное ограничение ИИ заключается в том, что обучение возможно только на основе данных, другими способами – невозможно. Это означает, что любые неточности в данных отразятся на результатах. А новые уровни прогнозирования или анализа необходимо добавлять отдельно. Современные системы ИИ заточены под выполнение четко определенных задач. Система, настроенная на выявление мошенничества, не сможет водить машину или предоставлять правовую помощь [8]. Другими словами – это системы очень узкой специализации. Они предназначены для выполнения одной конкретной задачи, и им далеко до многозадачности человека. Кроме того, самообучающиеся системы не являются автономными. Образы технологий ИИ, которые мы видим на экранах телевизоров и кинотеатров, по-прежнему являются элементами фантастики.

Выводы

Подводя итоги, можно сделать вывод, что цель ИИ – обеспечение работы программных продуктов, способных к анализу входных данных и интерпретации полученных результатов. Искусственный интеллект – средство, обеспечивающее более интуитивный процесс взаимодействия человека с программами и помощь при принятии решений в рамках определенных задач. ИИ не замена человеку, и в обозримом будущем таковой не станет.

Литература

1. Электронный ресурс// Свободная энциклопедия Википедия. 2001. URL: [Ссылка]
2. Мюллер Дж., Массарон Л. Искусственный интеллект для чайников. – М.: Диалектика, 2019. – 384 с.
3. Электронный ресурс// SAS- аналитические решения и ПО. 2001. URL: [Ссылка]
4. Электронный ресурс// Сайт «Oracle». 2000. URL: [Ссылка]
5. Электронный ресурс// Свободная энциклопедия «Википедия». 2001. URL: [Ссылка]
6. Электронный ресурс// Электротехнический журнал. Роль автоматизации в современном производстве. URL: [Ссылка]
7. Цветаев С. С., Логачев К. И. Актуальные проблемы автоматизации промышленных предприятий // Вестник Белгородского государственного технологического университета им. В. Г. Шухова. — 2012. — № 1. — С. 87–89.
8. Хлебенских, Л. В. Автоматизация производства в современном мире / Л. В. Хлебенских, М. А. Зубкова, Т. Ю. Саукова. — Текст: непосредственный, электронный // Молодой ученый. — 2017. — № 16 (150). — С. 308-311. — URL: [Ссылка]