Происхождение и смысл термина[править | править код]

Процитированное в преамбуле определение искусственного интеллекта, данное Джоном

Маккарти в 1956 году на семинаре в Дартмутском 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[2].
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»[2].
В то же время существует и точка зрения, согласно которой интеллект может быть только
биологическим феноменом[4].
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[5].
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[1].
 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[1].
 Направление в информатике и информационных технологиях, задачей которого является
воссоздание с помощью вычислительных систем и иных искусственных устройств
разумных рассуждений и действий[6].
 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[7].
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»[8].

Предпосылки развития науки искусственного

интеллекта[править | править код]
Основная статья: История 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?»[9], в которой описывает процедуру, с помощью которой можно
будет определить момент, когда машина сравняется в плане разумности с человеком,
получившую название теста Тьюринга.

История развития искусственного интеллекта в СССР и

России[править | править код]
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][11].
В СССР работы в области искусственного интеллекта начались в 1960-х годах[6].
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.
» конца 1950-х — начала 1960-х годов[13]. Такой взгляд на искусственный интеллект,
[12]

кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы
данных наук несколько отличаются[14].
По инициативе Г. С. Поспелова 10 сентября 1986 года при Президиуме АН СССР был создан
Научный совет по проблеме «Искусственный интеллект» (председателем совета стал
Г. С. Поспелов, его заместителями — Д. А. Поспелов и Э. В. Попов). Позже этот совет сыграл
важную роль в развитии исследований по искусственному интеллекту в России и в целом в
СССР.
В России 30 мая 2019 года 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[15][16].
10 октября 2019 года В. В. Путин своим указом утвердил национальную стратегию развития
искусственного интеллекта в России до 2030 года[17].
27 августа 2020 года был утверждён национальный проект «Искусственный интеллект»,
руководителем которого была назначена заместитель министра экономического развития
Оксана Тарасенко[18][19].
В декабре 2020 года вторая конференция по искусственному интеллекту Artificial Intelligence
Journey (AI Journey) вошла в топ-3 аналогичных форумов в мире. В ней участвовало (онлайн)
более 20000 человек из 80 стран, в работе конференции принял участие Владимир Путин[20][21].
Весной 2021 года Председатель Правительства Михаил Мишустин утвердил правила
выделения финансовой поддержки компаний, занятых в сфере ИИ, в размере 1,4 млрд.руб
(на 2021 год)[22].

Подходы и направления[править | править код]

Подходы к пониманию проблемы[править | править код]
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[23]:

 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.
Тест Тьюринга и интуитивный подход[править | править код]

Основная статья: Тест Тьюринга

Эмпирический тест был предложен Аланом Тьюрингом в статье «Вычислительные машины и
разум» (англ. Computing Machinery and Intelligence)[24], 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 Мартина из
«Двухсотлетнего человека» начинает относиться к нему как к человеку, когда тот создаёт
игрушку по собственному проекту. 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.). Кластеры,
создаваемые картами Кохонена, и многие другие продукты «интеллектуальных» систем
можно рассматривать как вид творчества.
Символьный подход[править | править код]
Основная статья: Символьные вычисления
В разделе не хватает ссылок на источники (см.
также рекомендации по поиску).
Информация должна быть проверяема, иначе она может быть
удалена. Вы можете отредактировать статью, добавив ссылки
на авторитетные источники в виде сносок. (20 декабря 2021)

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.
Логический подход[править | править код]
Основная статья: Логическое программирование
Логический подход к созданию систем искусственного интеллекта основан на моделировании
рассуждений. Теоретической основой служит логика.
Логический 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.
Агентно-ориентированный подход[править | править код]
Основная статья: 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.
Гибридный подход[править | править код]
Основная статья: 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.
Символьное моделирование мыслительных процессов[править | править код]
Анализируя историю ИИ, можно выделить такое обширное направление как моделирование
рассуждений[25]. 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.
Работа с естественными языками[править | править код]
Основная статья: Обработка естественного языка
Немаловажным направлением является обработка естественного языка[26], 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[27].
Представление и использование знаний[править | править код]
Основные статьи: Инженерия знаний и Представление 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[28], использующие процедуры вербализации нейронных
сетей.
Машинное обучение[править | править код]
прогресс автоматической классификации изображений

процент ошибок по годам, сделанных ИИ и обученным человеком при выполнении одной и той же
задачи

Основная статья: Машинное обучение

Проблематика машинного обучения[29] касается процесса самостоятельного получения знаний
интеллектуальной системой в процессе её работы. Это направление было центральным с
самого начала развития ИИ[30]. В 1956 году, на Дартмундской летней конференции, Рей
Соломонофф написал отчёт о вероятностной машине, обучающейся без учителя, назвав её:
«Индуктивная машина вывода»[31].
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.
Биологическое моделирование искусственного интеллекта[править | править код]
Основная статья: Квазибиологическая парадигма
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.
Робототехника[править | править код]
Основная статья: Интеллектуальная робототехника
См. также: Робототехника
Области робототехники[32] 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[33], выполнять навигацию с проблемами локализации (определять
местонахождение, изучать ближайшие области) и планировать движение (как добраться до
цели)[34]. Примером интеллектуальной робототехники могут служить игрушки-
роботы Pleo, AIBO, QRIO.
Машинное творчество[править | править код]
Природа человеческого творчества ещё менее изучена, чем природа интеллекта. Тем не
менее, эта область существует, и здесь поставлены проблемы написания
компьютером музыки[35], литературных произведений (часто — стихов или
сказок), художественное творчество. Создание реалистичных образов широко используется
в кино[уточнить] и индустрии компьютерных игр.
Отдельно выделяется изучение проблем технического творчества систем искусственного
интеллекта. Теория решения изобретательских задач, предложенная в 1946
году Г. С. Альтшуллером, 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.
Другие области исследований[править | править код]
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[36][37].
Можно заметить, что многие области исследований пересекаются. Но в искусственном
интеллекте взаимосвязь между, казалось бы, различными направлениями выражена
особенно сильно, и это связано с философским спором о сильном и слабом ИИ.
Искусственное сознание
Основная статья: Искусственное сознание
Известный американский нейрофизиолог Майкл Грациано отмечает принципиальную разницу
между АИ и искусственным сознанием (ИС). По мнению Грациано именно сознание, а не
интеллект является существенным отличием высших млекопитающих, включая человека
разумного. Моделирование сознания является нерешенной научной задачей[38].

Современный искусственный интеллект[править | править

код]
В разделе не хватает ссылок на источники (см.
также рекомендации по поиску).
Информация должна быть проверяема, иначе она может быть
удалена. Вы можете отредактировать статью, добавив ссылки
на авторитетные источники в виде сносок. (20 декабря 2021)

Можно выделить два направления развития ИИ:

 решение проблем, связанных с приближением специализированных систем ИИ к
возможностям человека, и их интеграции, которая реализована природой человека
(см. Усиление интеллекта);
 создание искусственного разума, представляющего интеграцию уже созданных систем ИИ
в единую систему, способную решать проблемы человечества (см. Сильный и слабый
искусственный интеллект).
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.

Известные ИИ-системы[править | править код]

Некоторые из самых известных ИИ-систем:

 Deep Blue — разработанный IBM, победил чемпиона мира по шахматам.

Матч Каспаров против супер ЭВМ не принёс удовлетворения ни компьютерщикам, ни
шахматистам, и система не была признана Каспаровым (подробнее см. Человек против
компьютера). Затем линия суперкомпьютеров IBM проявилась в проектах brute force
BluGene (молекулярное моделирование) и моделирование системы пирамидальных
клеток в швейцарском центре Blue Brain[39].
 AlphaGo — разработанной Google DeepMind,
выиграл матч в го у корейского профессионала 9 дана Ли Седоля.
 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[40].
 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[41].
 Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.
 Роботы в ежегодном турнире RoboCup соревнуются в упрощённой форме футбола.
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 трёхмерном пространстве, имитация поведения
боевой единицы, расчёт верной экономической стратегии и так далее.

Исследовательские центры[править | править код]

Наиболее крупные научные и исследовательские центры в области искусственного
интеллекта:

 Соединённые Штаты Америки

o Массачусетский технологический институт
o Исследовательский институт машинного интеллекта
Германия
o Немецкий исследовательский центр по искусственному интеллекту
Япония
o Национальный институт современной промышленной науки и технологии (AIST)
Россия
o Научный совет по методологии искусственного интеллекта Российской академии наук
Индия
o Индийский технологический институт в Мадрасе (англ.)рус.
Области применения искусственного
интеллекта[править | править код]
Финансы[править | править код]
Финансовые учреждения давно используют нейронные сети для выявления подозрительных
событий и действий[42]. Использование ИИ в банковской сфере началось ещё в 1987 году,
когда Security Pacific National Bank[en] в США создал целевую группу по противодействию
мошенничеству и несанкционированному использованию дебетовых карт[43].
Алгоритмическая торговля[править | править код]
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[44].
Вместе с тем, результаты отдельных исследований свидетельствуют о том, что, хотя
искусственный интеллект и может предсказывать тенденции цен на акции или общие
настроения относительно движения финансовых рынков, его точность недостаточна. Модель
инвестирования, основанная на искусственном интеллекте, не может быть использована для
долгосрочных инвестиций. Точность таких алгоритмов прогнозирования покупки, продажи или
владения акциями может привести к потере капитала.
Основываясь на этих результатах, исследователи пришли к выводу, что искусственный
интеллект пока не способен предсказывать движение фондового рынка с надежной и
достоверной точностью[45].
Исследования рынка и интеллектуальный анализ данных[править | править код]
Несколько крупных финансовых учреждений вложили средства в развитие ИИ, чтобы
использовать его в их инвестиционной практике. Разработки Aladdin (BlackRock)[en],
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[46]. 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[47]. Информация, извлечённая системой ИИ из прямой трансляции
новостей, используется в принятии инвестиционных решений.
Управление личными финансами[править | править код]
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 ежемесячный доход, текущий баланс и привычки к расходам, затем принимать
собственные решения и переводить деньги на отдельный сберегательный счёт[48]. 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[49].
Управление финансовым портфелем[править | править код]
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[50].
Андеррайтинг[править | править код]
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[51].
ZestFinance разработала 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[52].
Банкинг[править | править код]
Использование ИИ позволило «Сбербанку» в 2019 году заработать дополнительно $700 млн,
в 2020 году планировалось довести эту сумму до $1 млрд[53].

Государственное управление[править | править код]

В конце октября 2021 года премьер-министр РФ Михаил Мишустин утвердил план
мероприятий в сфере цифровой трансформации госуправления до 2031 года. Искусственный
интеллект был признан ключевой технологией (наряду с большими данными и интернет
вещей, подлежащей широкому внедрению[54].

Для оценки эффективности ИИ мы обычно применяем пять групп метрик: скорость, качество,
объективность, персонализация и экономическая эффективность. Во всех отраслях, в том числе
в госуправлении, внедрение ИИ обычно ведет к увеличению этих показателей в 5–7 раз. В 2021
году мероприятия с ИИ начали включать в программы цифровой трансформации
всех федеральных органов исполнительной власти.
Александр Ведяхин, 9 ноября 2021 года[55]

Военное дело[править | править код]

Основная статья: Гонка вооружений в области искусственного интеллекта
Применение ИИ является важным трендом в создании перспективных систем управления
поля боя и вооружением[56].
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[56]. 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[56].
1 марта 2021 года Комитет по безопасности применения искусственного
интеллекта[en])[57] направил Президенту и Конгрессу доклад, в котором рекомендуется
отвергнуть всемирный запрет на применение автономных систем вооружения на основе ИИ
(см. также боевой робот[уточнить]). В докладе говорится, что использование ИИ позволит
«сократить время принятия решений» в тех случаях, когда человек не способен действовать
достаточно быстро. Комитет также высказал опасение, что Китай и Россия вряд ли станут
соблюдать договор о запрете на применение АИ в военном деле[58].
Китай
По данным Минобороны США, Китай принял решение о разработке методов внедрения ИИ в
будущие системы вооружений. Академия военных наук Китая получила задание на
реализацию этой программы путем объединения усилий ВПК и частных компаний[59].

Спецслужбы[править | править код]

Основная статья: Интернет-цензура
Британские спецслужбы будут бороться с российскими фейковыми новостями при помощи
искусственного интеллекта, который будет распознавать активность «фабрики троллей». По
информации Центра правительственной связи Великобритании, искусственный интеллект
будет бороться с фейками, сверяя данные с надежными источниками, выявляя манипуляции с
изображениями и видео и блокируя подозрительных ботов[60].

Тяжелая промышленность[править | править код]

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.

Медицина[править | править код]

Основная статья: Искусственный интеллект в сфере здравоохранения
Искусственные нейронные сети, такие как технология Concept processing[en] в программном
обеспечении Электронная медицинская карта, 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[61]
 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[62]
 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[63]
 Использование человекоподобных манекенов вместо пациентов для клинического
обучения[64]
В настоящее время в отрасли здравоохранения работает более 90 стартапов, основанных на
применении ИИ[65].

Управление человеческими ресурсами и

рекрутинг[править | править код]
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[66] 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.

Музыка[править | править код]

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 компьютерной
музыки. Алгоритм, лежащий в основе Эмили Хауэлл, зарегистрирован как патент США[67].
Другие разработки, такие как AIVA[en], сосредоточены на сочинении симфоний, в
основном классической музыки для фильмов. Эта разработка достигла известности, став
первым виртуальным композитором, который был признан музыкальной профессиональной
ассоциацией[68].
Искусственные интеллекты могут даже создавать музыку, пригодную для использования в
медицинских условиях, Melomics использует компьютерную музыку для снятия стресса и
боли[69].
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.
В декабре 2020 года в России, в рамках конференции AI
Journey (организатор Сбербанк, модератор Александр Ведяхин) российские
исполнители Zivert, Рахим, Егор Шип и Даня Милохин выступали вместе с искусственным
интеллектом[70].

Новости, издательство и писательство[править | править код]

Компания Narrative Science[en] 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[en] 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[71]. Ведущие медиа-
компании, такие как Associated Press, Forbes, The New York Times, Los Angeles
Times и ProPublica[en], начали автоматизировать новостной контент. Появилось такое понятие,
как автоматизированная журналистика[72].
Echobox — 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[en], 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 документы и многое другое со скоростью
тысяч страниц в секунду и на нескольких языках,
включая английский, испанский, французский и немецкий[73].
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[74].

Онлайн и телефонные службы поддержки

клиентов[править | править код]
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[en] использует автоматизированное
обслуживание клиентов для своего мобильного приложения, предназначенного для
упрощения связи с клиентами[75].

Техническое обслуживание телекоммуникаций[править | править

код]
Многие телекоммуникационные компании используют эвристический поиск в управлении
своими сотрудниками, например, BT Group развернула эвристический поиск в приложении
для планирования, которое обеспечивает рабочие графики 20 000 инженеров.
Большие надежды возлагаются на использование систем искусственного интеллекта для
управления сетями сотовой связи 6G[76].

Развлечение и игры[править | править код]

В разделе не хватает ссылок на источники (см.
также рекомендации по поиску).
Информация должна быть проверяема, иначе она может быть
удалена. Вы можете отредактировать статью, добавив ссылки
на авторитетные источники в виде сносок. (20 декабря 2021)
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[77].
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. 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[78].

Транспорт[править | править код]

Автомобильный транспорт[править | править код]
Для автоматических коробок передач в автомобилях были разработаны контроллеры
нечеткой логики. Например, в 2006 Audi TT, VW Touareg и VW Caravell используют DSG
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 %[79]. 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 компонентов и разных сторон, каждый из которых
имеет разные и часто противоречивые цели[80].
Железнодорожный транспорт[править | править код]
В июне 2019 года прошло тестирование программно-аппаратного комплекса, работающего по
технологии технического зрения, на тепловозе ЧМЭ3-1562 приписки депо Лоста Северной
железной дороги. В случае опасности (неправильно поставленная стрелка, препятствие на
дороге, запрещающий сигнал светофора) система сначала подаёт светозвуковой сигнал
машинисту а затем включает торможение[81]. Комплекс, получивший обозначение ПАК-ПМЛ
(программно-аппаратный комплекс помощи машинисту локомотива), использует
искусственный интеллект, накапливая данные о уже совершённых 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»[82].
Городской транспорт[править | править код]
Этот раздел статьи ещё не написан.
Согласно замыслу одного или нескольких участников Википедии, на
этом месте должен располагаться раздел, посвящённый применению
искусственного интеллекта в системах городского транспорта
(трамвай, автобус, метро и т.п.).
Вы можете помочь проекту, написав этот раздел. Планирую закончить
до конца мая 2022 Vesan99 (обс.) 06:57, 12 мая 2022 (UTC) (12 мая
2022)
Иные области применения