ОГЛАВЛЕНИЕ

1. Происхождение и понимание термина «искусственный интеллект»....................................................5

2. Предпосылки развития науки искусственного интеллекта....................................................................7
2.1. История развития искусственного интеллекта в СССР и России.................................................7
3. Подходы и направления................................................................................................................................9
3.1. Подходы к пониманию проблемы........................................................................................................9
3.2. Тест Тьюринга и интуитивный подход...............................................................................................9
3.3. Символьный подход.............................................................................................................................10
3.4. Логический подход...............................................................................................................................10
3.5. Агентно-ориентированный подход....................................................................................................11
3.6. Гибридный подход................................................................................................................................11
3.7. Символьное моделирование мыслительных процессов................................................................11
3.8. Работа с естественными языками......................................................................................................11
3.9. Представление и использование знаний...........................................................................................12
3.10. Машинное обучение.........................................................................................................................12
3.11. Биологическое моделирование искусственного интеллекта.....................................................13
3.12. Робототехника...................................................................................................................................13
3.13. Машинное творчество.....................................................................................................................13
3.14. Другие области исследований.........................................................................................................14
4. Современный искусственный интеллект.................................................................................................14
4.1. Известные ИИ-системы.......................................................................................................................15
5. Области применения искусственного интеллекта.................................................................................17
5.1. Финансы.................................................................................................................................................17
5.1.1. Алгоритмическая торговля..............................................................................................................17
5.1.2. Исследования рынка и интеллектуальный анализ данных...........................................................17
5.1.3. Управление личными финансами......................................................................................................17
5.1.4. Управление финансовым портфелем..............................................................................................18
5.1.5. Андеррайтинг.....................................................................................................................................18
5.2. Военное дело..........................................................................................................................................18
5.3. Тяжелая промышленность.................................................................................................................19
5.4. Медицина...............................................................................................................................................19
5.5. Управление человеческими ресурсами и рекрутинг......................................................................19
5.6. Музыка...................................................................................................................................................20
5.7. Новости, издательство и писательство.............................................................................................21
5.8. Онлайн и телефонные службы поддержки клиентов.....................................................................22
5.9. Техническое обслуживание телекоммуникаций.............................................................................22

Челябинск 2020
 5.10. Развлечение и игры..........................................................................................................................23
5.11. Транспорт...........................................................................................................................................23
5.11.1. Автомобильный транспорт............................................................................................................23
5.11.2. Железнодорожный транспорт........................................................................................................24
5.12. Иные области применения..............................................................................................................24
ЗАКЛЮЧЕНИЕ....................................................................................................................................................26
БИБЛИОГРАФИЧЕСКИЙ СПИСОК..............................................................................................................27

2
 АННОТАЦИЯ

Цель реферата – ознакомиться с темой реферата.

Задачи реферата – изучить историю, главные понятия, обобщить,
проанализировать связи, а также рассмотреть примеры применения темы.
В работе рассмотрена история темы реферата. Приведены основные
понятия. Изучены сферы применения. Рассмотрены примеры использования
темы реферата. Сделаны итоговые выводы по работе.

3
 1. Происхождение и понимание термина «искусственный интеллект»
Процитированное в преамбуле определение искусственного интеллекта,
данное Джонном Маккарти в 1956 году на конференции в Дартмунском
университете, не связано напрямую с пониманием интеллекта у человека.
Согласно Маккарти, ИИ-исследователи вольны использовать методы, которые не
наблюдаются у людей, если это необходимо для решения конкретных проблем.
Поясняя своё определение, Джон Маккарти указывает: «Проблема состоит в
том, что пока мы не можем в целом определить, какие вычислительные
процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые
механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в
пределах этой науки понимается только вычислительная составляющая
способности достигать целей в мире.
В то же время существует и точка зрения, согласно которой интеллект может
быть только биологическим феноменом.
В английском языке словосочетание artificial intelligence не имеет
антропоморфной окраски, которую оно приобрело в традиционном русском
переводе: слово intelligence в используемом контексте скорее означает «умение
рассуждать разумно», а вовсе не «интеллект» (для которого есть английский
аналог intellect).
Даются следующие определения искусственного интеллекта:

 Научное направление, в рамках которого ставятся и решаются задачи

аппаратного или программного моделирования тех видов человеческой
деятельности, которые традиционно считаются интеллектуальными.
 Свойство интеллектуальных систем выполнять функции (творческие),
которые традиционно считаются прерогативой человека. При этом
интеллектуальная система — это техническая или программная система,
способная решать задачи, традиционно считающиеся творческими,
принадлежащие конкретной предметной области, знания о которой хранятся в
памяти такой системы. Структура интеллектуальной системы включает три
основных блока — базу знаний, решатель и интеллектуальный интерфейс,
позволяющий вести общение с ЭВМ без специальных программ для ввода
данных.
 Направление в информатике и информационных технологиях , задачей
которого является воссоздание с помощью вычислительных систем и иных
искусственных устройств разумных рассуждений и действий.
 способность системы правильно интерпретировать внешние данные,
извлекать уроки из таких данных и использовать полученные знания для
достижения конкретных целей и задач при помощи гибкой адаптации.

4
 Рисунок 1
Одно из частных определений интеллекта, общее для человека и «машины»,
можно сформулировать так: «Интеллект — способность системы создавать в ходе
самообучения программы (в первую очередь эвристические) для решения задач
определённого класса сложности и решать эти задачи».

5
 2. Предпосылки развития науки искусственного интеллекта
История искусственного интеллекта как нового научного направления начинается
в середине XX века. К этому времени уже было сформировано множество
предпосылок его зарождения: среди философов давно шли споры о природе
человека и процессе познания мира, нейрофизиологи и психологи разработали
ряд теорий относительно работы человеческого мозга и мышления, экономисты и
математики задавались вопросами оптимальных расчётов и представления знаний
о мире в формализованном виде; наконец, зародился фундамент математической
теории вычислений — теории алгоритмов — и были созданы первые
компьютеры. Возможности новых машин в плане скорости вычислений оказались
больше человеческих, поэтому в учёном сообществе зародился вопрос: каковы
границы возможностей компьютеров и достигнут ли машины уровня развития
человека? В 1950 году один из пионеров в области вычислительной техники,
английский учёный Алан Тьюринг, пишет статью под названием «Может ли
машина мыслить?», в которой описывает процедуру, с помощью которой можно
будет определить момент, когда машина сравняется в плане разумности с
человеком, получившую название теста Тьюринга.

Рисунок 2
2.1. История развития искусственного интеллекта в СССР и России
Коллежский советник Семён Николаевич Корсаков (1787—1853) ставил
задачу усиления возможностей разума посредством разработки научных методов
и устройств, перекликающуюся с современной концепцией искусственного
интеллекта, как усилителя естественного. В 1832 году С. Н. Корсаков
опубликовал описание пяти изобретённых им механических устройств, так
называемых «интеллектуальных машин», для частичной механизации умственной
деятельности в задачах поиска, сравнения и классификации. В конструкции своих
машин Корсаков впервые в истории информатики применил перфорированные
карты, игравшие у него своего рода роль баз знаний, а сами машины по существу
являлись предтечами экспертных систем[10]. В СССР работы в области
искусственного интеллекта начались в 1960-х годах. В Московском университете
и Академии наук был выполнен ряд пионерских исследований, возглавленных
Вениамином Пушкиным и Д. А. Поспеловым. С начала 1960-х М. Л. Цетлин с
коллегами разрабатывали вопросы, связанные с обучением конечных автоматов.

6
В 1964 году была опубликована работа ленинградского логика Сергея Маслова
«Обратный метод установления выводимости в классическом исчислении
предикатов», в которой впервые предлагался метод автоматического поиска
доказательства теорем в исчислении предикатов. В 1966 году В. Ф. Турчиным был
разработан язык рекурсивных функций Рефал. До 1970-х годов в СССР все
исследования ИИ велись в рамках кибернетики. По мнению Д. А. Поспелова,
науки «информатика» и «кибернетика» были в это время смешаны, по причине
ряда академических споров. Только в конце 1970-х в СССР начинают говорить о
научном направлении «искусственный интеллект» как разделе информатики. При
этом родилась и сама информатика, подчинив себе прародительницу
«кибернетику». В конце 1970-х создаётся толковый словарь по искусственному
интеллекту, трёхтомный справочник по искусственному интеллекту и
энциклопедический словарь по информатике, в котором разделы «Кибернетика» и
«Искусственный интеллект» входят наряду с другими разделами в состав
информатики. Термин «информатика» в 1980-е годы получает широкое
распространение, а термин «кибернетика» постепенно исчезает из обращения,
сохранившись лишь в названиях тех институтов, которые возникли в эпоху
«кибернетического бума» конца 1950-х — начала 1960-х годов. Такой взгляд на
искусственный интеллект, кибернетику и информатику разделяется не всеми. Это
связано с тем, что на Западе границы данных наук несколько отличаются. В
России 30 мая 2019 г. на совещании по развитию цифровой экономики под
председательством В. В. Путина было принято решение о подготовке
национальной стратегии по искусственному интеллекту. В её рамках готовится
федеральная программа с выделением 90 млрд рублей 11 октября 2019 г. В. В.
Путин своим указом утвердил национальную стратегию развития искусственного
интеллекта в России до 2030 года.

7
 3. Подходы и направления
3.1. Подходы к пониманию проблемы
Единого ответа на вопрос, чем занимается искусственный интеллект, не
существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от
какого-либо определения, рассматривая в его свете достижения этой науки. В
философии не решён вопрос о природе и статусе человеческого интеллекта. Нет и
точного критерия достижения компьютерами «разумности», хотя на заре
искусственного интеллекта был предложен ряд гипотез, например, тест Тьюринга
или гипотеза Ньюэлла — Саймона. Поэтому, несмотря на наличие множества
подходов как к пониманию задач ИИ, так и созданию интеллектуальных
информационных систем, можно выделить два основных подхода к разработке
ИИ:
 нисходящий (англ. Top-Down AI), семиотический — создание экспертных
систем, баз знаний и систем логического вывода, имитирующих высокоуровневые
психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.;
 восходящий (англ. Bottom-Up AI), биологический — изучение нейронных
сетей и эволюционных вычислений, моделирующих интеллектуальное поведение
на основе биологических элементов, а также создание соответствующих
вычислительных систем, таких как нейрокомпьютер или биокомпьютер.
 Последний подход, строго говоря, не относится к науке об ИИ в смысле,
данном Джоном Маккарти, — их объединяет только общая конечная цель.

3.2. Тест Тьюринга и интуитивный подход

Эмпирический тест был предложен Аланом Тьюрингом в статье
«Вычислительные машины и разум» (англ. Computing Machinery and Intelligence),
опубликованной в 1950 году в философском журнале «Mind». Целью данного
теста является определение возможности искусственного мышления, близкого к
человеческому. Стандартная интерпретация этого теста звучит следующим
образом: «Человек взаимодействует с одним компьютером и одним человеком. На
основании ответов на вопросы он должен определить, с кем он разговаривает: с
человеком или компьютерной программой. Задача компьютерной программы —
ввести человека в заблуждение, заставив сделать неверный выбор». Все
участники теста не видят друг друга.
 Самый общий подход предполагает, что ИИ будет способен проявлять
поведение, не отличающееся от человеческого, причём в нормальных ситуациях.
Эта идея является обобщением подхода теста Тьюринга, который утверждает, что
машина станет разумной тогда, когда будет способна поддерживать разговор с
обычным человеком, и тот не сможет понять, что говорит с машиной (разговор
идёт по переписке).
 Писатели-фантасты часто предлагают ещё один подход: ИИ возникнет
тогда, когда машина будет способна чувствовать и творить. Так, хозяин Эндрю

8
Мартина из «Двухсотлетнего человека» начинает относиться к нему как к
человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из
«Звёздного пути», будучи способным к коммуникации и обучению, мечтает
обрести эмоции и интуицию.

Однако последний подход вряд ли выдерживает критику при более детальном

рассмотрении. К примеру, несложно создать механизм, который будет оценивать
некоторые параметры внешней или внутренней среды и реагировать на их
неблагоприятные значения. Про такую систему можно сказать, что у неё есть
чувства («боль» — реакция на срабатывание датчика удара, «голод» — реакция на
низкий заряд аккумулятора, и т. п.). А кластеры, создаваемые картами Кохонена,
и многие другие продукты «интеллектуальных» систем можно рассматривать как
вид творчества.

3.3. Символьный подход

Исторически символьный подход был первым в эпоху цифровых машин, так
как именно после создания Лисп, первого языка символьных вычислений, у его
автора возникла уверенность в возможности практически приступить к
реализации этими средствами интеллекта. Символьный подход позволяет
оперировать слабоформализованными представлениями и их смыслами.
Успешность и эффективность решения новых задач зависит от умения выделять
только существенную информацию, что требует гибкости в методах
абстрагирования. Тогда как обычная программа устанавливает один свой способ
интерпретации данных, из-за чего её работа и выглядит предвзятой и чисто
механической. Интеллектуальную задачу в этом случае решает только человек,
аналитик или программист, не умея доверить этого машине. В результате
создается единственная модель абстрагирования, система конструктивных
сущностей и алгоритмов. А гибкость и универсальность выливается в
значительные затраты ресурсов для не типичных задач, то есть система от
интеллекта возвращается к грубой силе. Основная особенность символьных
вычислений — создание новых правил в процессе выполнения программы. Тогда
как возможности не интеллектуальных систем завершаются как раз перед
способностью хотя бы обозначать вновь возникающие трудности. Тем более эти
трудности не решаются и наконец компьютер не совершенствует такие
способности самостоятельно. Недостатком символьного подхода является то, что
такие открытые возможности воспринимаются не подготовленными людьми как
отсутствие инструментов. Эту, скорее культурную проблему, отчасти решает
логическое программирование.

3.4. Логический подход

Логический подход к созданию систем искусственного интеллекта основан на
моделировании рассуждений. Теоретической основой служит логика. Логический

9
подход может быть проиллюстрирован применением для этих целей языка и
системы логического программирования Пролог. Программы, записанные на
языке Пролог, представляют наборы фактов и правил логического вывода без
жесткого задания алгоритма как последовательности действий, приводящих к
необходимому результату.

3.5. Агентно-ориентированный подход

Последний подход, развиваемый с начала 1990-х годов, называется агентно-
ориентированным подходом, или подходом, основанным на использовании
интеллектуальных (рациональных) агентов. Согласно этому подходу, интеллект
— это вычислительная часть (грубо говоря, планирование) способности достигать
поставленных перед интеллектуальной машиной целей. Сама такая машина будет
интеллектуальным агентом, воспринимающим окружающий его мир с помощью
датчиков, и способной воздействовать на объекты в окружающей среде с
помощью исполнительных механизмов. Этот подход акцентирует внимание на
тех методах и алгоритмах, которые помогут интеллектуальному агенту выживать
в окружающей среде при выполнении его задачи. Так, здесь значительно
тщательнее изучаются алгоритмы поиска пути и принятия решений.

3.6. Гибридный подход

Гибридный подход предполагает, что только синергийная комбинация
нейронных и символьных моделей достигает полного спектра когнитивных и
вычислительных возможностей. Например, экспертные правила умозаключений
могут генерироваться нейронными сетями, а порождающие правила получают с
помощью статистического обучения. Сторонники данного подхода считают, что
гибридные информационные системы будут значительно более сильными, чем
сумма различных концепций по отдельности.

3.7. Символьное моделирование мыслительных процессов

Анализируя историю ИИ, можно выделить такое обширное направление как
моделирование рассуждений. Долгие годы развитие этой науки двигалось именно
по этому пути, и теперь это одна из самых развитых областей в современном ИИ.
Моделирование рассуждений подразумевает создание символьных систем, на
входе которых поставлена некая задача, а на выходе требуется её решение. Как
правило, предлагаемая задача уже формализована, то есть переведена в
математическую форму, но либо не имеет алгоритма решения, либо он слишком
сложен, трудоёмок и т. п. В это направление входят: доказательство теорем,
принятие решений и теория игр, планирование и диспетчеризация,
прогнозирование.

3.8. Работа с естественными языками

10
 Немаловажным направлением является обработка естественного языка, в
рамках которого проводится анализ возможностей понимания, обработки и
генерации текстов на «человеческом» языке. В рамках этого направления
ставится цель такой обработки естественного языка, которая была бы в состоянии
приобрести знание самостоятельно, читая существующий текст, доступный по
Интернету. Некоторые прямые применения обработки естественного языка
включают информационный поиск (в том числе, глубокий анализ текста) и
машинный перевод.

3.9. Представление и использование знаний

Направление инженерия знаний объединяет задачи получения знаний из
простой информации, их систематизации и использования. Это направление
исторически связано с созданием экспертных систем — программ, использующих
специализированные базы знаний для получения достоверных заключений по
какой-либо проблеме. Производство знаний из данных — одна из базовых
проблем интеллектуального анализа данных. Существуют различные подходы к
решению этой проблемы, в том числе — на основе нейросетевой технологии,
использующие процедуры вербализации нейронных сетей.

3.10. Машинное обучение

Проблематика машинного обучения касается процесса самостоятельного
получения знаний интеллектуальной системой в процессе её работы. Это
направление было центральным с самого начала развития ИИ. В 1956 году, на
Дартмундской летней конференции, Рей Соломонофф написал отчёт о
вероятностной машине, обучающейся без учителя, назвав её: «Индуктивная
машина вывода». Обучение без учителя — позволяет распознать образы во
входном потоке. Обучение с учителем включает также классификацию и
регрессионный анализ. Классификация используется, чтобы определить, к какой
категории принадлежит образ. Регрессионный анализ используется, чтобы в рядах
числовых примеров входа/выхода и обнаружить непрерывную функцию, на
основании которой можно было бы прогнозировать выход. При обучении агент
вознаграждается за хорошие ответы и наказывается за плохие. Они могут быть
проанализированы с точки зрения теории решений, используя такие понятия как
полезность. Математический анализ машинных алгоритмов изучения — это
раздел теоретической информатики, известный как вычислительная теория
обучения (англ. Computational learning theory). К области машинного обучения
относится большой класс задач на распознавание образов. Например, это
распознавание символов, рукописного текста, речи, анализ текстов. Многие
задачи успешно решаются с помощью биологического моделирования (см. след.
пункт). Особо стоит упомянуть компьютерное зрение, которое связано ещё и с
робототехникой.

11
 3.11. Биологическое моделирование искусственного интеллекта
Отличается от понимания искусственного интеллекта по Джону Маккарти, когда
исходят из положения о том, что искусственные системы не обязаны повторять в
своей структуре и функционировании структуру и протекающие в ней процессы,
присущие биологическим системам. Сторонники данного подхода считают, что
феномены человеческого поведения, его способность к обучению и адаптации
есть следствие именно биологической структуры и особенностей её
функционирования. Сюда можно отнести несколько направлений. Нейронные
сети используются для решения нечётких и сложных проблем, таких как
распознавание геометрических фигур или кластеризация объектов. Генетический
подход основан на идее, что некий алгоритм может стать более эффективным,
если позаимствует лучшие характеристики у других алгоритмов («родителей»).
Относительно новый подход, где ставится задача создания автономной
программы — агента, взаимодействующей с внешней средой, называется
агентным подходом.

Рисунок 3
3.12. Робототехника
Области робототехники и искусственного интеллекта тесно связаны друг с
другом. Интегрирование этих двух наук, создание интеллектуальных роботов
составляют ещё одно направление ИИ. Интеллектуальность требуется роботам,
чтобы манипулировать объектами, выполнять навигацию с проблемами
локализации (определять местонахождение, изучать ближайшие области) и
планировать движение (как добраться до цели). Примером интеллектуальной
робототехники могут служить игрушки-роботы Pleo, AIBO, QRIO.

3.13. Машинное творчество

Природа человеческого творчества ещё менее изучена, чем природа интеллекта.
Тем не менее, эта область существует, и здесь поставлены проблемы написания
компьютером музыки, литературных произведений (часто — стихов или сказок),
художественное творчество. Создание реалистичных образов широко
используется в кино и индустрии игр. Отдельно выделяется изучение проблем
технического творчества систем искусственного интеллекта. Теория решения
изобретательских задач, предложенная в 1946 году Г. С. Альтшуллером,

12
положила начало таким исследованиям. Добавление данной возможности к любой
интеллектуальной системе позволяет весьма наглядно продемонстрировать, что
именно система воспринимает и как это понимает. Добавлением шума вместо
недостающей информации или фильтрация шума имеющимися в системе
знаниями производит из абстрактных знаний конкретные образы, легко
воспринимаемые человеком, особенно это полезно для интуитивных и
малоценных знаний, проверка которых в формальном виде требует значительных
умственных усилий.

Рисунок 4
3.14. Другие области исследований
Наконец, существует масса приложений искусственного интеллекта, каждое из
которых образует почти самостоятельное направление. В качестве примеров
можно привести программирование интеллекта в компьютерных играх,
нелинейное управление, интеллектуальные системы информационной
безопасности. В перспективе предполагается тесная связь развития
искусственного интеллекта с разработкой квантового компьютера, так как
некоторые свойства искусственного интеллекта имеют схожие принципы
действия с квантовыми компьютерами. Можно заметить, что многие области
исследований пересекаются. Это свойственно любой науке. Но в искусственном
интеллекте взаимосвязь между, казалось бы, различными направлениями
выражена особенно сильно, и это связано с философским спором о сильном и
слабом ИИ.

4. Современный искусственный интеллект

Можно выделить два направления развития ИИ:
 решение проблем, связанных с приближением специализированных систем
ИИ к возможностям человека, и их интеграции, которая реализована природой
человека;
 создание искусственного разума, представляющего интеграцию уже
созданных систем ИИ в единую систему, способную решать проблемы
человечества.

13
Но в настоящий момент в области искусственного интеллекта наблюдается
вовлечение многих предметных областей, имеющих скорее практическое
отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к
возникновению искусственного разума ни одна исследовательская группа пока
так и не подошла. Ниже представлены лишь некоторые наиболее известные
разработки в области ИИ.

4.1. Известные ИИ-системы

Некоторые из самых известных ИИ-систем:
 Deep Blue — победил чемпиона мира по шахматам. Матч Каспаров против
супер ЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и
система не была признана Каспаровым . Затем линия суперкомпьютеров IBM
проявилась в проектах brute force BluGene (молекулярное моделирование) и
моделирование системы пирамидальных клеток в швейцарском центре Blue Brain.
 Watson — перспективная разработка IBM, способная воспринимать
человеческую речь и производить вероятностный поиск, с применением большого
количества алгоритмов. Для демонстрации работы Watson принял участие в
американской игре «Jeopardy!», аналога «Своей игры» в России, где системе
удалось выиграть в обеих играх.
 MYCIN — одна из ранних экспертных систем, которая могла
диагностировать небольшой набор заболеваний, причем часто так же точно, как и
доктора.
 20Q — проект, основанный на идеях ИИ, по мотивам классической игры
«20 вопросов». Стал очень популярен после появления в Интернете на сайте
20q.net.
 Распознавание речи. Системы такие как ViaVoice способны обслуживать
потребителей.
 Роботы в ежегодном турнире RoboCup соревнуются в упрощённой форме
футбола.

Банки применяют системы искусственного интеллекта (СИИ) в страховой

деятельности (актуарная математика), при игре на бирже и управлении
собственностью. Методы распознавания образов (включая, как более сложные и
специализированные, так и нейронные сети) широко используют при оптическом
и акустическом распознавании (в том числе текста и речи), медицинской
диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для
обеспечения ряда других задач национальной безопасности.
Разработчики компьютерных игр применяют ИИ в той или иной степени
проработанности. Это образует понятие «Игровой искусственный интеллект».
Стандартными задачами ИИ в играх являются нахождение пути в двумерном или

14
трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной
экономической стратегии и так далее.

15
 5. Области применения искусственного интеллекта
5.1. Финансы
5.1.1.Алгоритмическая торговля
Алгоритмическая торговля предполагает использование сложных систем
искусственного интеллекта для принятия торговых решений со скоростью,
превышающую скорость, на которую способен человеческий организм. Это
позволяет делать миллионы сделок в день без какого-либо вмешательства
человека. Автоматизированные торговые системы обычно используются
крупными институциональными инвесторами. Алгоритмическая торговля
предполагает использование сложных систем искусственного интеллекта для
принятия торговых решений со скоростью, превышающую скорость, на которую
способен человеческий организм. Это позволяет делать миллионы сделок в день
без какого-либо вмешательства человека. Автоматизированные торговые системы
обычно используются крупными институциональными инвесторами.

5.1.2. Исследования рынка и интеллектуальный анализ данных

Несколько крупных финансовых учреждений вложили средства в развитие
ИИ, чтобы использовать его в их инвестиционной практике. Разработки
BlackRock' AI, Aladdin, используются как внутри компании, так и для клиентов
компании, ассистируя в принятии инвестиционных решений. Широкий спектр
функциональных возможностей данной системы включает обработку
естественного языка для чтения текста, такого как новости, отчёты брокеров и
каналы социальных сетей. Затем система оценивает настроения в упомянутых
компаниях и присваивает им оценку. Банки, такие как UBS и Deutsche Bank,
используют систему ИИ под названием Sqreem (Sequential Quantum Reduction and
Extraction Model, Модель Последовательной Квантовой Редукции и Экстракции),
которая может обрабатывать данные для разработки профилей потребителей и
сопоставлять их с продуктами, которые они, скорее всего, захотят. Goldman Sachs
использует Kensho, платформу аналитики рынка, которая объединяет
статистические вычисления с большими данными и обработкой естественного
языка. Его системы машинного обучения используют данные в Интернете и
оценивают корреляции между мировыми событиями и их влиянием на цены
финансовых активов. Информация, извлечённая системой ИИ из прямой
трансляции новостей, используется в принятии инвестиционных решений.

Управление личными финансами

5.1.3.
Существуют продукты, которые используют ИИ для помощи людям в
управлении их личными финансами. Например, Digit — это приложение,
основанное на искусственном интеллекте, которое автоматически помогает
потребителям оптимизировать свои расходы и сбережения, основываясь на своих
личных привычках и целях. Приложение может анализировать такие факторы, как

16
ежемесячный доход, текущий баланс и привычки к расходам, затем принимать
собственные решения и переводить деньги на отдельный сберегательный счёт.
Wallet.AI, развивающийся в Сан-Франциско старт-ап, создаёт агентов, которые
анализируют данные, которые генерирует потребитель, при взаимодействии со
смартфонами и социальными сетями, чтобы проинформировать потребителя о
своих расходах.

5.1.4.Управление финансовым портфелем

Автоматизированные помощники-советчики становятся все более широко
используемыми в отрасли управления инвестициями. Автоматизированные
системы предоставляют финансовые консультации и советы в управлении
финансовым портфелем с минимальным вмешательством человека. Этот класс
финансовых консультантов работает на основе алгоритмов, созданных для
автоматического развития финансового портфеля в соответствии с
инвестиционными целями и склонностью к риску клиентов. Он может
корректировать изменения в реальном времени на рынке и калибровать портфель
в соответствии с пожеланиями клиента.

5.1.5.Андеррайтинг
Онлайн-кредитор Upstart анализирует огромное количество потребительских
данных и использует алгоритмы машинного обучения для построения моделей
кредитного риска, которые прогнозируют вероятность дефолта. Их технология
будет лицензирована для банков, чтобы они могли использовать её для оценки
своих процессов. ZestFinance разработала свою платформу Zest Automated
Machine Learning (ZAML) специально для кредитного андеррайтинга. Эта
платформа использует компьютерное обучение для анализа десятков тысяч
традиционных и нетрадиционных переменных (от транзакций покупки до того,
каким образом клиент заполняет форму), используемых в кредитной индустрии,
для оценки заемщиков. Платформа особенно полезна для присвоения кредитных
баллов клиентам с небольшой кредитной истории, таким как миллениалы.

5.2. Военное дело

Применение ИИ является важным трендом в создании перспективных систем
управления поля боя и вооружением.
С помощью ИИ возможно обеспечить оптимальный и адаптивный к угрозам
выбор комбинации сенсоров и средств поражения, скоординировать их
совместное функционирование, обнаруживать и идентифицировать угрозы,
оценивать намерения противника. Существенную роль ИИ играет в реализации
тактических систем дополненной реальности. Например, ИИ позволяет
обеспечить классификацию и семантическую сегментацию изображений,
локализацию и идентификацию мобильных объектов для эффективного
целеуказания.

17
 5.3. Тяжелая промышленность
Роботы стали распространены во многих отраслях промышленности и часто
занимаются работой, которая считается опасной для людей. Роботы оказались
эффективными на рабочих местах, связанных с повторяющимися рутинными
заданиями, которые могут привести к ошибкам или несчастным случаям из-за
снижения концентрации с течением времени. Также широкое применение роботы
получили в работе, которую люди могут найти унизительной.
В 2014 году Китай, Япония, Соединённые Штаты, Республика Корея и
Германия вместе составили 70% от мирового объёма продаж роботов. В
автомобильной промышленности, секторе с особенно высокой степенью
автоматизации, в Японии была самая высокая плотность промышленных роботов
в мире: 1414 роботов на 10 000 сотрудников.

5.4. Медицина
Искусственные нейронные сети, такие как технология Concept Processing в
программном обеспечении EMR, используются в качестве клинических систем
принятия решений для медицинской диагностики. Другие задачи в медицине,
которые потенциально могут выполняться искусственным интеллектом и
начинают разрабатываться, включают:
 Компьютерная интерпретация медицинских изображений. Такие системы
помогают сканировать цифровые изображения, например от компьютерной
томографии, для типичных проявлений и для выделения заметных отклонений,
таких как возможные заболевания. Типичным применением является
обнаружение опухоли.
 Анализ сердечного ритма
 Проект Watson — это ещё одно использование ИИ в этой области,
программа вопросов/ответов, которая создана для помощи врачам-онкологам
 Роботы-помощники для ухода за престарелыми
 Обработка медицинских записей для предоставления более полезной
информации
 Создание планов лечения
 Выявление повышенного риска заболеваний
 Помощь в повторяющихся заданиях, включая управление приёмом
медикаментов
 Предоставление консультаций
 Создание лекарств
 Использование человекоподобных манекенов вместо пациентов для
клинического обучения
В настоящее время в отрасли здравоохранения работает более 90 стартапов,
основанных на применении ИИ.

18
 5.5. Управление человеческими ресурсами и рекрутинг
Другое применение ИИ заключается в управлении человеческими ресурсами и
рекрутинге. Существует три способа использования ИИ для управления
человеческими ресурсами и найма специалистов. ИИ используется для просмотра
резюме и ранжирования кандидатов в соответствии с их уровнем квалификации.
ИИ также используется для прогнозирования успеха кандидата в заданных ролях
через платформы сопоставления должностей. И наконец, ИИ используется при
создании чат-ботов, которые могут автоматизировать повторяющиеся
коммуникационные задачи.
Как правило, процесс просмотра резюме включает в себя анализ и поиск
информации в базе данных резюме. Стартапы, такие как Pomato, создают
алгоритмы машинного обучения для автоматизации процессов проверки резюме.
Система Pomato AI нацелена на автоматизацию проверки технических
претендентов на позиции в технических фирмах. ИИ Pomato выполняет более 200
000 вычислений на каждое резюме за считанные секунды, а затем разрабатывает
собственное техническое интервью на основе полезных навыков.
С 2016 по 2017 год компания потребительских товаров Unilever использовала
искусственный интеллект, чтобы отобразить всех сотрудников начального
уровня. ИИ Unilever использовал игры, основанные на нейробиологии,
записанные интервью и анализ лицевых и речевых сигналов, чтобы предсказать
успех кандидата в компании. Unilever сотрудничала с Pymetrics и HireVue, чтобы
создать новую систему анализа на основе ИИ и увеличить число
рассматриваемых кандидатов с 15 000 до 30 000 в течение одного года. Unilever
также сократил время на обработку заявлений от 4 месяцев до 4 недель и
сэкономил более 50 000 часов времени рекрутеров.
От скрининга резюме до неврологии, распознавания речи и анализа лица …
ясно, что ИИ оказывают огромное влияние на сферу управления человеческими
ресурсами. Одно из достижений в ИИ заключается в разработке чатов для
рекрутинга. TextRecruit выпустил Ari (автоматизированный интерфейс
рекрутинга). Ari — это набор чатов для рекрутинга, который предназначен для
проведения двухсторонних текстовых бесед с кандидатами. Ari автоматизирует
публикацию вакансий, рекламных объявлений, скриннинг кандидатов,
планирование собеседований и развитие отношений кандидатов с компанией по
мере продвижения по рекрутинговому процессу. Ari в настоящее время
предлагается в рамках платформы участия в проекте TextRecruit.

5.6. Музыка
Хотя эволюция музыки всегда была затронута технологией, искусственный
интеллект позволил с помощью научных достижений подражать, в какой-то мере,
человекоподобной композиции.
Среди известных ранних усилий Дэвид Коуп создал ИИ под названием Эмили
Хауэлл, которому удалось стать известным в области Алгоритмической

19
компьютерной музыки. Алгоритм, лежащий в основе Эмили Хауэлл,
зарегистрирован как патент США.
Другие разработки, такие как AIVA (Artificial Intelligence Virtual Artist),
сосредоточены на сочинении симфоний, в основном классической музыки для
фильмов. Эта разработка достигла известности, став первым виртуальным
композитором, который был признан музыкальной профессиональной
ассоциацией.
Искусственные интеллекты могут даже создавать музыку, пригодную для
использования в медицинских условиях, Melomics использует компьютерную
музыку для снятия стресса и боли.
Более того, такие инициативы, как Google Magenta, проводимые командой
Google Brain, хотят узнать, способен ли искусственный интеллект создавать
неотразимое искусство.
В исследовательской лаборатории Sony CSL их программное обеспечение
Flow Machines создаёт поп-песни, изучая стили музыки из огромной базы данных
песен. Анализируя уникальные комбинации стилей и методы оптимизации, ИИ
может сочинять музыку в любом существующем стиле.

5.7. Новости, издательство и писательство

Компания Narrative Science делает компьютерные новости и отчёты
коммерчески доступными, включая обобщение спортивных событий на основе
статистических данных из игры на английском языке. Она также создаёт
финансовые отчёты и анализ недвижимости. Аналогично, компания Automated
Insights генерирует персонализированные сводки и превью для Yahoo Sports
Fantasy Football. Предполагается, что к 2014 году компания будет создавать
миллиард историй в год, по сравнению с 350 миллионами в 2013 году. Ведущие
медиа-компании, такие как Associated Press, Forbes , The New York Times , Los
Angeles Times и ProPublica, начали автоматизировать новостной контент.
Появилось такое понятие, как автоматизированная журналистика.
Echobox — это компания, разрабатывающая программное обеспечение,
которая помогает издателям увеличивать трафик путём «разумного» размещения
статей на платформах социальных сетей, таких как Facebook и Twitter.
Анализируя большие объёмы данных, ИИ узнаёт, как конкретные аудитории
реагируют на разные статьи в разное время суток. Затем он выбирает лучшие
истории для публикации и лучшее время, чтобы опубликовать их. Он использует
как исторические данные, так и данные в реальном времени, чтобы понять, что
сработало хорошо в прошлом, а также то, что в настоящее время имеет
тенденцию в Интернете.
Другая компания, называемая Yseop, использует искусственный интеллект,
чтобы превратить структурированные данные в интеллектуальные комментарии и
рекомендации на естественном языке. Yseop может писать финансовые отчёты,
исполнительные резюме, персонализированные продажи или маркетинговые

20
документы и многое другое со скоростью тысяч страниц в секунду и на
нескольких языках, включая английский, испанский, французский и немецкий.
Boomtrain — ещё один пример ИИ, который призван научиться лучше всего
привлекать каждого отдельного читателя к точным статьям — отправленным по
правильному каналу в нужное время — это будет наиболее актуально для
читателя. Это как если бы вы наняли персонального редактора для каждого
отдельного читателя, чтобы подобрать наилучшие статьи именно для него.
Существует также возможность того, что в будущем ИИ будет писать
литературные произведения. В 2016 году японский ИИ написал небольшую
историю и почти выиграл литературную премию.

5.8. Онлайн и телефонные службы поддержки клиентов

Искусственный интеллект реализуется в автоматизированных онлайн-
помощниках, которые можно рассматривать как чат-боты на веб-страницах. Это
может помочь предприятиям снизить затраты на наем и обучение сотрудников.
Основной технологией для таких систем является естественная обработка языка.
Pypestream использует автоматизированное обслуживание клиентов для своего
мобильного приложения, предназначенного для упрощения связи с клиентами.
В настоящее время крупные компании инвестируют в ИИ для обработки
проблемных клиентов в будущем. В самой последней версии Google анализирует
человеческую речь и преобразует их в текст. Платформа может
идентифицировать сердитых клиентов через особенности их речи и реагировать
соответствующим образом.
Компании занимаются различными аспектами обслуживания клиентов, чтобы
улучшить этот аспект компании.
Digital Genius, ИИ старт-ап, более эффективно исследует базу данных
информации (из прошлых разговоров и часто задаваемых вопросов) и
предоставляет подсказки агентам, чтобы помочь им более эффективно решать
запросы.
IPSoft создаёт технологию с эмоциональным интеллектом для адаптации
взаимодействия клиента. Ответ связан с тоном клиента, с тем чтобы он мог
проявить сочувствие. Другим элементом, который разрабатывает IPSoft, является
способность адаптироваться к различным тонам или языкам.
Inbenta ориентирована на развитие естественного языка. Другими словами,
понимание смысла того, что кто-то спрашивает, а не просто анализ используемых
слов, используя контекст и обработку на естественном языке. Один из элементов
обслуживания клиентов Ibenta уже достигнут — это способность автоматически
реагировать и отвечать на запросы электронной почты.

5.9. Техническое обслуживание телекоммуникаций

Многие телекоммуникационные компании используют эвристический поиск в
управлении своими сотрудниками, например, BT Group развернула эвристический

21
поиск в приложении для планирования, которое обеспечивает рабочие графики
20000 инженеров. Большие надежды возлагаются на использование систем
искусственного интеллекта для управления сетями сотовой связи 6G.

5.10. Развлечение и игры

В 1990-х годах были предприняты первые попытки массового производства
ориентированных на дом типов базового ИИ для образования или отдыха. Это
значительно продвинулось с цифровой революцией и помогло людям, особенно
детям, познакомиться с различными типами ИИ, в частности, в виде тамагочи и
домашних животных, iPod Touch, Интернета и первого широко
распространённого робота, Furby. Год спустя улучшенный тип домашнего робота
был выпущен в виде Aibo, роботизированной собаки с интеллектуальными
функциями и автономией.
Такие компании, как Mattel, создают ассортимент игрушек с поддержкой ИИ
для детей в возрасте трёх лет. Используя запатентованные системы ИИ и средства
распознавания речи, они могут понимать разговоры, давать интеллектуальные
ответы и быстро учиться.
ИИ также используется в индустрии игр, например, в видеоиграх
используются боты, которые предназначены для того, чтобы играть роль
противников, где люди недоступны или нежелательны. В 2018 году
исследователи из Корнеллского университета создали пару генеративно-
состязательных сетей и обучили их на примере игры-шутера, DOOM-а. В
процессе обучения нейронные сети определили основные принципы построения
уровней этой игры и после этого они стали способны генерировать новые уровни
без помощи со стороны людей.
5.11. Транспорт
5.11.1. Автомобильный транспорт
Для автоматических коробок передач в автомобилях были разработаны
контроллеры нечеткой логики. Например, в 2006 Audi TT, VW Touareg и VW
Caravell используют DSP коробку передач, которая основана на нечеткой логике.
Ряд моделей Škoda (Škoda Fabia) также в настоящее время включает контроллер
на основе нечеткой логики.
Сегодняшние автомобили теперь имеют вспомогательные функции,
основанные на ИИ, такие как самозаряд и расширенные средства круиз-контроля.
ИИ используется для оптимизации приложений управления дорожным трафиком,
что, в свою очередь, сокращает время ожидания, потребление энергии и вредные
выбросы на целых 25 процентов. В будущем будут разработаны полностью
автономные автомобили. Ожидается, что ИИ на транспорте обеспечит
безопасную, эффективную и надежную транспортировку, минимизируя пагубное
воздействие на окружающую среду и общество. Основной проблемой для
развития этого ИИ является тот факт, что транспортные системы по своей сути
являются сложными системами, включающими очень большое количество

22
компонентов и разных сторон, каждый из которых имеет разные и часто
противоречивые цели.

5.11.2.Железнодорожный транспорт
В июне 2019 года на тепловозе ЧМЭ3-1562 приписки депо Лоста Северной
железной дороги прошло тестирование программно-аппаратного комплекса,
работающего по технологии технического зрения. Комплекс содержит
вычислительный блок, видеокамеры, устройство позиционирования и другое
оборудование. Разработчик комплекса — компания Cognitive Technologies. В
случае опасности (неправильно поставленная стрелка, человек или иное
препятствие на дороге, запрещающий сигнал светофора) система сначала подаёт
светозвуковой сигнал машинисту. При отсутствии реакции машиниста на это
предупреждение система отдаёт команду на торможение бортовой системе
локомотива (связь с электропневматическим клапаном). Также имеется
контролировать в автоматическом режиме скорость локомотива при сцеплении с
другим подвижным составом. Комплекс, получивший обозначение ПАК-ПМЛ
(программно-аппаратный комплекс помощи машинисту локомотива),
осуществляет функции, основанные на искусственном интеллекте, накапливая
данные о совершённых ранее поездках и используя их при оценке обстановки. В
начале сентября 2020 года на станции Лоста начался опытный пробег уже двух
ЧМЭ3, оснащённых ПАК-ПМЛ. Пробег является частью пилотного проекта ОАО
«РЖД» «Внедрение технологии технического зрения для управления и
мониторинга подвижного состава». В свою очередь, этот проект является важным
этапом глобального корпоративного проекта «Цифровой локомотив».

Рисунок 5
5.12. Иные области применения
Различные средства ИИ также широко используются в области обеспечения
безопасности, распознавании речи и текста, интеллектуального анализа данных и
фильтрации спама в электронной почте. Также разрабатываются приложения для
распознавания жестов (понимание языка жестов машинами), индивидуальное
распознавание голоса, глобальное распознавание голоса (от множества людей в
шумной комнате), распознавание лица для интерпретации эмоций и невербальных

23
сигналов. Другие приложения — это роботизированная навигация, преодоление
препятствий и распознавание объектов. Объединение искусственного интеллекта
с экспериментальными данными ускорило создание новой разновидности
металлического стекла в 200 раз. Стеклянная природа нового материала делает
его более прочным, легким и коррозионно-стойким, чем современная сталь.
Группа, возглавляемая учеными Национальной лаборатории ускорителей SLAC
Министерства энергетики, Национального института стандартов и технологий и
Северо-западного университета США, сообщила о сокращении затрат для
обнаружения и улучшения металлического стекла на долю времени и стоимости.
Как сообщил представитель группы разработчиков Апурва Мехта, «Мы смогли
сделать и отобрать 20 000 вариантов за один год».

24
 ЗАКЛЮЧЕНИЕ
Искусственный интеллект (сокращенно — ИИ) — размытое понятие, и
общепринятого определения у него до сих пор нет. В середине XX века, когда на
Дартмутском семинаре впервые прозвучал этот термин, авторы вкладывали в него
значение, существенно отличающееся от современных. Тогда ученые полагали,
что искусственный интеллект — это система, которая будет способна переводить
тексты с одного языка на другой, распознавать объекты по фото или видео,
улавливать смысл произнесенных фраз и адекватно на них отвечать. Нынешние
ИИ умеют все это! Но можем ли мы считать, что цели достигнуты и
искусственный интеллект уже создан? Вряд ли. Ведь чем дальше мы
продвигаемся по пути создания искусственного разума и чем более
впечатляющих успехов достигаем, тем больше требований выдвигаем к ИИ.
Некоторые ученые строят сложные теории на стыке философии и информатики,
пытаясь определить, что же такое ИИ и каковы должны быть характеристики
системы, чтобы считать ее разумной. Не вдаваясь в подробности, можно сказать,
что интеллект определяется как способность к обучению, осознанию и
применению знаний на практике. Следовательно, от искусственного интеллекта
мы тоже вправе ожидать умения учиться, осознавать свои знания и использовать
их. С первой и последней задачами современные ИИ вполне справляются!

25
 БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1) Искусственный интеллект — Википедия. −
wikipedia.org/wiki/Искусственный_интеллект (дата обращения: 24.09.2020)
2) Что такое искусственный интеллект (ИИ): определение понятия простыми
словами. − theoryandpractice.ru (дата обращения: 24.09.2020)
3) Что такое искусственный интеллект? | GeekBrains - образовательный
портал. − geekbrains.ru (дата обращения: 24.09.2020)

26