• Что такое искусственный интеллект

• Чем ИИ отличается от машинного обучения и нейросетей

• Как работает ИИ 
     Символический искусственный интеллект 
     Машинное обучение 
     Эволюционные алгоритмы

• Типы искусственного интеллекта: от слабого к сильному (AGI)

• Области применения искусственного интеллекта 
     Медицина и здравоохранение 
     Транспорт и логистика 
     Банки, финансовый сектор 
     Производство 
     Продажи, торговля 
     Обучение

• Примеры использования ИИ в реальной жизни

• Проблемы искусственного интеллекта 
     Низкое качество данных 
     Отсутствие прозрачности и объяснимости 
     Вопросы этики 
     Регулирование и контроль

• Перспективы искусственного интеллекта 
     Понимание окружающего мира 
     Комбинация различных навыков 
     Обучение на минимальном опыте

• Развитие ИИ в России

• Заключение

• Часто задаваемые вопросы (FAQ) об искусственном интеллекте

Технология искусственного интеллекта возникла в середине XX века, когда ученые впервые задумались о создании машин, способных думать и решать проблемы подобно человеку. Официально термин «искусственный интеллект» (Artificial Intelligence, AI) предложили в 1956 году на конференции в Дартмутском колледже. На мероприятии исследователи изучали, как машины могут имитировать человеческие когнитивные способности.

ИИ проникает во все сферы жизни:

• голосовые помощники;

• умные рекомендации в интернете;

• автономные автомобили;

• медицинская диагностика и так далее.

Но это создает и проблемы. Использование новых технологий поднимает вопросы этики, приватности, контроля.

В статье рассмотрим, что такое искусственный интеллект, как он работает, где его уже применяют.

Это направление науки, которое занимается разработкой компьютерных систем, способных выполнять задачи, свойственные человеческому интеллекту. Сюда входят:

• анализ данных;

• распознавание образов;

• обработка текстов и запросов, сформулированных естественным языком;

• обучение на потоках данных, принятие решений.

ИИ базируется на алгоритмах, моделях, технологиях, которые позволяют машинам:

• воспринимать окружающий мир;

• интерпретировать данные для обучения;

• делать выводы;

• принимать решения;

• адаптироваться к изменяющимся условиям.

В основе лежит идея о создании машин, способных думать и решать задачи. Это может касаться как строго специализированной цели (выявить спам в электронной почте), так и попытки воспроизвести сложные когнитивные процессы (планирование или творчество). Сферы применения ИИ — узкие задачи, где компьютеры превосходят человека в скорости обработки информации или точности выполнения операций.

Искусственный интеллект возник и продолжает существовать на пересечении нескольких дисциплин: математики, компьютерных наук, психологии, лингвистики. С ИИ связаны:

• методы машинного обучения;

• нейросети (нейронные сети).

Они позволяют системам учиться на данных и улучшать результаты без вмешательства человека.

Таким образом:

• ИИ — это общая идея, концепция умных машин.

• Машинное обучение — алгоритм, позволяющий машинам учиться на данных и/или собственном опыте.

• Нейросеть — подраздел машинного обучения.

Термины соотносятся друг с другом, как матрешка. Любые нейросети или машинное обучение — это ИИ. Но не любой искусственный интеллект — это нейросеть.

Основные направления в разработке — символический AI, машинное обучение и эволюционные алгоритмы.

Метод основан на использовании логических правил и заранее заданных структур, описывающих знания о мире. Он подходит для задач, где возможна формализация. Например, для программ игры в шахматы или для экспертных систем в медицинской диагностике. Символический ИИ представляет знания в виде деревьев решений, таблиц или графов. Он ищет решения по строго определенным правилам. Подход недостаточно гибкий, поскольку он не очень хорошо адаптируется к ситуациям, где данных недостаточно или они плохо структурированы.

Направление базируется на идее о том, что системы могут обучаться, анализируя информацию, а не опираясь на заранее заданные правила.

Алгоритмы обучаются на больших наборах данных. Затем выстраивают модели. Метод обучения с учителем используют, когда система получает информацию с метками, как в случае распознавания изображений. Без учителя — когда модель самостоятельно ищет закономерности, например в кластеризации. Этот подход востребован, так как он обеспечивает высокую гибкость и способность адаптироваться к новым данным.

Создание и обучение моделей искусственного интеллекта затратно, ведь нужны ресурсы: процессоры, видео- и оперативная память. Чтобы оптимизировать нагрузки, связанные с машинным обучением, используют специальные платформы. Среди них — Platform V DropApp. По данным CNewsMarket, решение СберТеха входит в топ-3 Kubernetes-платформ для машинного обучения и ИИ-задач.

Эти методы опираются на принципы биологической эволюции: мутацию, отбор, рекомбинацию. Алгоритмы создают решения и оценивают их по заданным критериям. Отобранные варианты используют для создания следующего поколения решений. Подход эффективен в задачах оптимизации, где нужно сделать лучший выбор в пространстве вариантов с нечетким взаимным влиянием множества динамических факторов. Такие подходы хорошо сработают в дизайне сложных инженерных систем.

Подходы можно объединять или использовать по отдельности. Выбор зависит от характера задачи, ресурсов и времени.

Выделяют три типа ИИ:

• слабый (Narrow AI);

• сильный (Artificial General Intelligence, AGI)⁴;

• супер/сверх (Artificial Superintelligence, ASI)⁵.

Один из подходов к созданию сильного ИИ — ИИ-агенты. Агентные системы на базе больших языковых моделей способны понимать контекст и принимать решения на основе обратной связи внешнего мира. Чтобы интегрировать ИИ-агентов в бизнес, используют специальные инструменты: например, Platform V Synapse API Mesh.

ИИ используют для повседневных или узкоспециализированных задач. Алгоритм может:

• автоматизировать процессы;

• анализировать большие данные;

• принимать решения на основе полученной информации.

Использоваться может в самых разных областях: здравоохранение, транспорт, финансы, промышленность, маркетинг, образование, управление и развлекательная индустрия.

В здравоохранении технологию используют для диагностики заболеваний, прогнозирования их развития и поиска персонализированного лечения. Например, алгоритмы анализа изображений помогают выявлять патологии, оценивать их характер. ИИ также помогает находить новые лекарства и тестировать их.

В транспортной сфере ИИ используют в составе систем автономного управления, которые ставят на автомобили, самолеты, корабли, дроны. Алгоритмы машинного обучения:

• анализируют условия окружающей среды;

• предсказывают поведение других участников движения;

• помогают выбрать безопасный путь.

Кроме того, AI эффективен в управлении логистическими цепочками, например, для поиска оптимальных маршрутов.

Финансовый сектор использует новые технологии для анализа рыночных данных, управления инвестициями, предотвращения мошенничества. ИИ помогает банкам оценивать кредитоспособность клиентов, прогнозировать тренды и автоматизировать финансовую отчетность. Боты для общения с клиентами снижают нагрузку на службу поддержки, а системы борьбы с мошенничеством защищают от угроз кибербезопасности. Например, ИТ-инструмент Platform V DataGrid позволил реализовать проверку подозрительных транзакций при помощи моделей на основе искусственного интеллекта.

В промышленности ИИ автоматизирует и контролирует производственные процессы. Алгоритмы:

• оптимизируют использование ресурсов;

• предсказывают технические неисправности;

• помогают планировать обслуживание оборудования.

Применение робототехники с элементами ИИ повышает точность сборки, минимизирует брак и улучшает производительность предприятия.

В маркетинге искусственный интеллект анализирует потребительское поведение, сегментирует аудиторию, выдает персонализированные рекомендации. Рекламные платформы на основе ИИ автоматически подбирают стратегии продвижения или контент для максимального вовлечения пользователей.

Маркетологи используют генеративные модели для:

• создания контента;

• изучения предпочтений аудитории;

• улучшения взаимодействия с пользователями.

Стриминговые платформы используют новые технологии и предлагают рекомендации, основанные на просмотренных фильмах или прослушанной музыке.

Появились ИТ-решения, которые автоматизируют создание визуального контента, текстовых описаний, буклетов, презентаций и иных материалов. Например, Platform V Product 360.

В образовании ИИ используют для создания персонализированных курсов, автоматического составления тестов и анализа прогресса учащихся.

Боты выступают достойным противником в играх: шахматах, шашках, стратегиях. Роботы и алгоритмы часто используются для обучения персонала или студентов.

Сегодня такие системы — не просто средства автоматизации. Иногда алгоритмы, на которых построен ИИ, — это основа конкурентоспособности компании.

Искусственный интеллект обеспечивает потенциальный рост производительности ИТ-специалистов до 78%.

Примеры того, как технологии оптимизируют работу:

• ассистент разработчика GigaCode экономит до 25% времени на написание кода;

• инструмент для проведения статического анализа (SAST-анализатор) повышает качество классификации уязвимостей до 70%;

• внедрение ИИ снижает стоимость разработки интеграций до 54%;

• механизмы СберТеха на основе моделей машинного обучения сократили затраты на облачные сервисы и оборудование до 10–15%.

Использование новых технологий породило ряд проблем как на техническом, так и на социальном уровне. Трудности связаны с влиянием на общество и сложностями регулирования.

Для работы ИИ нужны большие массивы информации, но они часто бывают некорректными, неполными, устаревшими или предвзятыми. Из-за некачественного обучения системы ошибаются, принимают неверные решения.

Многие модели, особенно нейронные сети, работают, как черные ящики. Невозможно понять, как и почему сделан тот или иной вывод. Неизвестно, на каких данных обучали модель и какую архитектуру закладывали. Это затрудняет внедрение в области с высокой степенью ответственности, такие как медицина или правосудие, где решения должны быть внятно объяснены и обоснованы.

Использование ИИ может нарушать права людей на приватность при анализе данных социальных сетей или видео с камер наблюдения. Например, технология синтеза изображения и голоса позволяет создавать фальшивые видео, аудио, изображения — дипфейки (deepfake). Это может навредить репутации человека или бизнеса, ввести потребителя в заблуждение. Нейросетевые технологии используются для автоматизированного распространения недостоверной или манипулятивной информации.

Развитие ИИ опережает создание законодательной базы. Риски в том, что недобросовестные компании или государства могут использовать искусственный интеллект в своих интересах.

ИИ повышает производительность труда и уменьшает количество ошибок. Но технология постепенно отнимает рабочие места. Пока это касается только некоторых профессий — операторов контакт-центров, специалистов по расчету, архивистов. Со временем новые технологии смогут заместить все больше сотрудников. Персоналу необходимо проходить обучение или повышение квалификации, осваивать смежные направления, менять сферу деятельности.

Современный ИИ — специализированные системы, которые научились решать узкие задачи. Пока искусственный интеллект не похож на человеческий: например, он не умеет мыслить. Он, скорее, похож на очень сложный автомат, который умеет делать только то, чему его научили. Например, система распознает лица, но не сможет понять текст или играть в шахматы, если ее для этого не запрограммировали.

Задача по созданию общего искусственного интеллекта (Artificial General Intelligence, AGI) пока не решена. Движение от современного ИИ к универсальному — это как раз попытка создать машины, которые смогут думать, учиться и решать любые задачи подобно тому, как это делает человек.

Ученые работают над тем, чтобы машины могли не просто находить шаблоны в данных, но и понимать мир вокруг. Это требует создания более умных нейронных сетей, которые не просто запоминают информацию, а могут рассуждать и использовать полученные знания в новых ситуациях. Например, AGI должен понимать: если на улице идет дождь, нужно защититься от капель — взять зонт (или не брать, если дождь слабый). Универсальный искусственный интеллект делает выводы, даже если его этому не учили.

Важно научить машины комбинировать разные навыки. Современный ИИ умеет обрабатывать текст, изображения или звуки по отдельности. Общий искусственный интеллект должен одновременно работать со всем этим. Это значит слушать человека, понимать, чего он хочет, и выполнять задание. Например, спланировать поездку, забронировать билеты и объяснить, почему выбрал маршрут.

Общий ИИ должен учиться на небольшом опыте. Это можно сравнить с тем, как человек делает выводы после нескольких попыток. Например, ребенок, увидев один раз, как работает дверная ручка, сможет открыть любую дверь. Универсальный искусственный интеллект должен уметь обобщать и использовать информацию таким же образом.

Но главная сложность — научить машину понимать действия и оценивать последствия. Это не просто программа, которая работает по заданной схеме. Алгоритм должен объяснить, почему он сделал тот или иной выбор, а при необходимости — изменить поведение.

Создание общего ИИ станет шагом вперед, который может принести человечеству большие выгоды, но также и большие риски. Если такая система окажется неконтролируемой или ее будут использовать в плохих целях, последствия могут быть непредсказуемыми. Поэтому инженеры не только разрабатывают технологии, но и заботятся о безопасности решений.

По данным Индекса готовности приоритетных отраслей экономики Российской Федерации к внедрению искусственного интеллекта⁶, лидерами по использованию ИИ признаны сферы финансовых услуг, ИКТ, высшего образования и топливно-энергетического комплекса. Технологии внедряют в туризме, строительстве, здравоохранении, электронной торговле и иных сферах.

В Российской Федерации бизнесу и частным лицам доступны:

• GigaChat — нейросеть, которая обрабатывает данные, распознает изображения, автоматизирует работу с текстом;

• Fusion Brain (на базе нейросети Kandinsky) — платформа для генерации графики и изображений;

• GigaCode — умный ассистент ИТ-специалистов для написания, тестирования, отладки кода.

С 2022 года в России наблюдается тренд на импортозамещение. Разработкой программных продуктов на основе искусственного интеллекта занимаются коммерческие и некоммерческие организации. Например, СверхТех — научно-технологическое подразделение СберТеха.

На цифровой платформе Platform V доступны ИТ-инструменты с искусственным интеллектом. СберТех предоставляет решения для интеграции, обучения и эксплуатации ИИ-агентов и ИИ-систем в бизнесе. Это способствует ИИ-трансформации бизнеса на базе российского ПО.

Искусственный интеллект прошел долгий путь от идеи до появления работающих технологий, которые меняют повседневную жизнь. Сегодня ИИ помогает автоматизировать рутинные процессы, решать сложные задачи в медицине, транспорте, финансах. Однако вместе с этим проявляются серьезные вызовы: от этических вопросов и угрозы приватности до потери рабочих мест и рисков неконтролируемого использования.

Будущее ИИ — это путь к созданию универсальных систем, которые смогут обучаться, адаптироваться и действовать автономно. Переход к общему искусственному интеллекту (AGI) обещает революционные изменения, но требует ответственного подхода. На этом пути необходимо сделать выбор: использовать ИИ как инструмент повышения безопасности и эффективности человеческих усилий или столкнуться с его потенциальными рисками.

Какие ИИ-решения использует бизнес в России?

Компании внедряют голосовые и текстовые чат-боты, сервисы распознавания документов и генерации контента, системы поддержки принятия решений, видеоаналитику, платформы для аналитики. ИТ-бизнесу нужны умные помощники для разработки: генерации кода, поиска ошибок, тестирования, отладки, оптимизации затрат на облачную инфраструктуру и интеграции.

Как развивается искусственный интеллект в России?

По данным портала «Искусственный интеллект в России»⁷, введены экспериментальные правовые режимы для развития ИИ. Сферы: медицина, производство беспилотных транспортных средств, промышленность и сельское хозяйство, строительство, капитальный ремонт и реконструкция и другие.

Какие решения доступны ретейлу, производству, оптовой торговле?

Чат-боты поддержки, голосовые ассистенты, сервисы сравнения цен, системы распознавания полок, аналитики рекламы и иные. К примеру, с помощью Platform V Product 360 и нейросети Kandinsky контент-менеджеры смогут быстрее генерировать изображения для карточек товаров.

Источники:

1. A Proposal For The Dartmouth Summer Research Project On Artificial Intelligence / J. McCarthy, M. L. Minsky, N. Rochester, C.E. Shannon. — August 31, 1955. — URL: https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

2. Samuel A. L. Some Studies in Machine Learning Using the Game of Checkers // IBM Journal. — July 1959. — URL: https://gwern.net/doc/reinforcement-learning/model-free/1959-samuel.pdf

3. Мак-Каллок У.С., Питтс В. Логическое исчисление идей, относящихся к нервной активности // Нейрокомпьютер. — 1992. —- № 3, 4. — С. 40–53. — URL: https://web.archive.org/web/20101127065836/http://raai.org/library/books/mcculloch/mcculloch.pdf

4. Сёрл Д. Разум мозга — компьютерная программа? // Psychosearch.ru. — URL: https://psychosearch.ru/teoriya/psikhika/338-searle-john-razum-mozga-kompyuternaya-programma

5. Bostrom N. Superintelligence: Paths, Dangers, Strategies. — Oxford University Press, 2014.

6. 2024 Индекс готовности приоритетных отраслей экономики Российской Федерации к внедрению искусственного интеллекта // НЦРИИ при Правительстве РФ. — URL: https://letaibe.media/wp-content/uploads/2024/12/digital_otchet_indeks_2024_0212.pdf

7. Регуляторика. — URL: https://ai.gov.ru/dashboard