Влияние искусственного интеллекта на экономику и общество
Искусственный интеллект может повысить эффективность экономики, но получение выгоды, будет неравномерной. Внедрение (ИИ) способствует еще большему отставанию развивающихся стран от развитых, тем самым усиливая и без того высокий цифровой разрыв между государствами. На уровне компаний использование ИИ может привести к увеличению разрыва в производительности между лидерами по внедрению этих технологий и теми, кто промедлил во внедрении либо вовсе не использовал технологии в своей деятельности. Наконец, (ИИ) может сдвинуть спрос на мировом рынке труда с профессий, требующих выполнения рутинных задач, к социально и познавательно ориентированным специальностям, а также к связанным с деятельностью, которую трудно автоматизировать. Это приведет к повышению безработицы в первое время внедрения.
В случае неэффективного развития и внедрения технологий (ИИ), может начаться усугубление неравенства между национальными экономиками, отдельными компаниями и работниками на рынке труда, а это станет катализатором возможных социальных конфликтов. Во избежание этого, правительства стран совместно с бизнесом обязаны обеспечить поддержку и безболезненный переход работников на новые востребованные рабочие места, а самим людям будет необходимо освоить новые навыки в соответствии с потребностями динамично меняющегося рынка труда.
С каждым годом формирование данных все больше автоматизируется и анализируется, а полученные данные сразу же перемещают в пограничные сегменты сети. Наблюдается рост доли информации, которую производит бизнес сектор. И эта информация начинает обгонять потребительскую. Хранятся же и те, и другие данные на коммерческих серверах. Пройдет и волна переосмысления ценностей информации, так как большие потоки данных, и их разнообразие, и их критически важная роль, вызовут у компаний и потребителей новые затруднения. Информация будет собираться с учетом влияния на ту или иную сферу деятельности. Важность данных в жизни общества еще больше возрастет, современная инфраструктура не сможет обходиться без них, а человек – комфортно жить. Без них, не поедут беспилотные автомобили и остановятся медицинские приборы, поддерживающие жизни миллионов человек. В ближайшие годы, среднее количество информационных воздействий на душу населения вырастет в 20 раз. Наши дома, рабочие места, приборы и нательные устройства, транспортные средства и имплантаты постепенно становятся «умнее», и все больше устройств можно подключить к интернету вещей. Самой главной основой существования мира станет информационная безопасность. Вместе с взрывным ростом общего мирового объема информации разрыв между защищенными данными и теми, которые необходимо оградить от посягательств киберпреступников, только увеличится. Обязательными будут системы безопасности для обработки корпоративных финансовых данных, личной информации и медицинской документации. Искусственный интеллект — динамично развивающаяся система, которая имеет ряд недочетов, но в тоже время эти же недочеты можно исправить или же улучшить тем самым передвигая (ИИ) на следующий уровень развития. И в скором времени он станет такой же незаменимой частью нашей жизни как интернет или прочие технологии. Но и недостатками такой системы будет неравенство на рынке развитых стран перед не развитыми, и незащищенность этой системы перед киберпреступностью. Так же, искусственный интеллект, несёт в себе следующие опасения:
- Полная зависимость от компьютеров
- Непредсказуемость
- Использование боевых роботов
- Социальные риски
- Ошибки в системах ИИ
- Экзистенциальные риски
Развитие систем с ИИ приведет к появлению таких систем в качестве руководителей (менеджеров), которые будут руководить работой сотрудников. Плюсы таких решений очевидны – это рост производительности труда и качества продукции, обеспечение безопасности, повышение комфортности жизни и многое другое. Опасения у экспертов вызывает то, что этот процесс цифровизации продолжается и сейчас речь идет об Интернете вещей, Индустрии 4.0 (цифровой экономике). Таким образом, незаметная передача машинам возможности принимать решения продолжается, но последствия данного процесса из-за масштаба системы совершенно не просчитаны. Технический прогресс приводит к неконтролируемому созданию новых и совершенствованию существующих опасных технологий. Судьба и жизнь множества людей (а может быть, и всего человечества) может зависеть от действий небольших групп ученых и разработчиков. Возник специальный термин, технологическая сингулярность — гипотетический момент, по прошествии которого, по мнению сторонников данной концепции, технический прогресс станет настолько быстрым и сложным, что окажется недоступным человеческому пониманию.
Переход к принятию решений компьютерами был бы безопасным, но основные опасения вызывает непредсказуемость систем, обладающих самосознанием, а также влияние на них разного рода случайностей. Это осложняется грядущим неминуемым «интеллектуальным взрывом». Всё дело в потенциальной скорости самоусовершенствования ИИ. Множество разговоров, касающихся ИИ, основано на том, что, обладая способностью к самообучению, ИИ с некоторого момента превращается в искусственный сверхразум, опыта переговоров с которым у человечества нет. Кроме кнопки выключения электропитания, средств воздействия на него также пока не создано.
Сейчас, около 60 стран мира имеют или разрабатывают боевых роботов. Конкретные аргументы против автономных боевых роботов заключаются, например, в том, что они могут игнорировать «белый флаг», означающий намерение сдаться в плен, не смогут достоверно отличить мирных граждан от военнослужащих, что может привести к дополнительным человеческим жертвам при использовании таких роботов во время боевых действий. В последнее время в боевых роботах отрабатываются алгоритмы поведения, использующие ложь и обман. Такие методы помогут им обмануть потенциальных врагов, а так же людей и других роботов. Однако при этом возникают этические проблемы, а попадание подобных систем в руки террористов может привести к катастрофическим последствиям.
Какие есть характеристики Big Data?
- Volume — объем данных: от 150 Гб в сутки;
- Velocity — скорость накопления и обработки массивов данных. Большие данные обновляются регулярно, поэтому необходимы интеллектуальные технологии для их обработки в режиме онлайн;
- Variety — разнообразие типов данных. Данные могут быть структурированными, неструктурированными или структурированными частично. Например, в соцсетях поток данных не структурирован: это могут быть текстовые посты, фото или видео.
- Veracity — достоверность как самого набора данных, так и результатов его анализа;
- Variability — изменчивость. У потоков данных бывают свои пики и спады под влиянием сезонов или социальных явлений. Чем нестабильнее и изменчивее поток данных, тем сложнее его анализировать;
- Value — ценность или значимость. Как и любая информация, большие данные могут быть простыми или сложными для восприятия и анализа. Пример простых данных — это посты в соцсетях, сложных — банковские транзакции.
Рынок технологий искусственного интеллекта
Стратегией определены задачи развития искусственного интеллекта в России, к которым относятся:
- Поддержка научных исследований в целях обеспечения опережающего развития искусственного интеллекта;
- Разработка и развитие программного обеспечения, в котором используются технологии искусственного интеллекта;
- Повышение доступности и качества данных, необходимых для развития технологий искусственного интеллекта;
- Повышение доступности аппаратного обеспечения, необходимого для решения задач в области искусственного интеллекта;
- Повышение уровня обеспечения российского рынка технологий искусственного интеллекта квалифицированными кадрами и уровня информированности населения о возможных сферах использования таких технологий;
- Создание комплексной системы регулирования общественных отношений, возникающих в связи с развитием и использованием технологий искусственного интеллекта.
Также к развитию ИИ в России привлекаются крупные государственные и частные компании. Между Правительством Российской Федерации и ПАО Сбербанк, уже подписано Соглашение о намерениях, предусматривающее подготовку компанией и утверждение Правительством Российской Федерации «дорожной карты» развития высокотехнологичной области «Искусственный интеллект». Кроме того, отдельно подписано Соглашение между Правительством Российской Федерации и АО «УК «РФПИ», предусматривающее содействие в привлечении инвестиций в российские компании в области искусственного интеллекта совместно с международными партнерами. Указанные соглашения являются основой для разработки «дорожной карты» развития высокотехнологичной области «Искусственный интеллект», которая включает в себя результаты федерального проекта «Искусственный интеллект», а также мероприятия ПАО Сбербанк и АО «УК «РФПИ» по развитию искусственного интеллекта. Минэкономразвития России является федеральным органом исполнительной власти, координирующим реализацию «дорожной карты».
Кроме того, для решения задач по развитию высокотехнологичной отрасли «Искусственный интеллект» бизнесом сформирован Альянс искусственного интеллекта, который включает основных участников рынка, заинтересованных в развитии отрасли (ПАО Сбербанк, «Яндекс», Mail.ru Group, МТС, «Газпром нефть» и Российский фонд прямых инвестиций (РФПИ). В целях координации деятельности федеральных органов государственной власти, организаций бизнеса и науки постановлением Правительства Российской Федерации от 23 ноября 2019 г, № 1500 создана подкомиссия по развитию искусственного интеллекта, сопредседателями которых являются Орешкин М.С., Министр экономического развития Российской Федерации и Греф Г.О., Президент, Председатель Правления ПАО Сбербанк.
Главными задачами деятельности подкомиссии является рассмотрение предложений, связанных с развитием искусственного интеллекта, согласование мероприятий федерального проекта «Искусственный интеллект», содействие реализации «дорожной карты» по развитию высокотехнологичной области «Искусственный интеллект» и реализации соглашений, заключенных между Правительством Российской Федерации и ПАО Сбербанк, а также между Правительством Российской Федерации и АО «УК «РФПИ». Кроме того, в целях изучения лучшего зарубежного опыта развития ИИ Министерством ведется работа по созданию центра четвертой промышленной революции на платформе ПАО Сбербанк, открытие которого планируется в 2020 году.
Предвзятость искусственного интеллекта
В основе всего того, что является практикой ИИ (машинный перевод, распознавание речи, обработка текстов на естественных языках, компьютерное зрение, автоматизация вождения автомобилей и многое другое) лежит глубинное обучение. Это подмножество машинного обучения, отличающееся использованием моделей нейронных сетей, о которых можно сказать, что они имитируют работу мозга, поэтому их с натяжкой можно отнести к ИИ. Любая модель нейронной сети обучается на больших наборах данных, таким образом, она обретает некоторые «навыки», но то, как она ими пользуется — для создателей остается не ясным, что в конечном счете становится одной из важнейших проблем для многих приложений глубинного обучения. Причина в том, что такая модель работает с образами формально, без какого-либо понимания того, что она делает. Является ли такая система ИИ и можно ли доверять системам, построенным на основе машинного обучения? Значение ответа на последний вопрос выходит за пределы научных лабораторий. Поэтому заметно обострилось внимание средств массовой информации к явлению, получившему название AI bias. Его можно перевести как «необъективность ИИ» или «пристрастность ИИ». Подробнее здесь.
Big Data Analytics — как анализируют большие данные?
Благодаря высокопроизводительным технологиям — таким, как грид-вычисления или аналитика в оперативной памяти, компании могут использовать любые объемы больших данных для анализа. Иногда Big Data сначала структурируют, отбирая только те, что нужны для анализа. Все чаще большие данные применяют для задач в рамках расширенной аналитики, включая искусственный интеллект.
1. Описательная аналитика (descriptive analytics) — самая распространенная. Она отвечает на вопрос «Что произошло?», анализирует данные, поступающие в реальном времени, и исторические данные. Главная цель — выяснить причины и закономерности успехов или неудач в той или иной сфере, чтобы использовать эти данные для наиболее эффективных моделей. Для описательной аналитики используют базовые математические функции. Типичный пример — социологические исследования или данные веб-статистики, которые компания получает через Google Analytics.
Антон Мироненков, управляющий директор «X5 Технологии»:
«Есть два больших класса моделей для принятия решений по ценообразованию. Первый отталкивается от рыночных цен на тот или иной товар. Данные о ценниках в других магазинах собираются, анализируются и на их основе по определенным правилам устанавливаются собственные цены.
Второй класс моделей связан с выстраиванием кривой спроса, которая отражает объемы продаж в зависимости от цены. Это более аналитическая история. В онлайне такой механизм применяется очень широко, и мы переносим эту технологию из онлайна в офлайн».
2. Прогнозная или предикативная аналитика (predictive analytics) — помогает спрогнозировать наиболее вероятное развитие событий на основе имеющихся данных. Для этого используют готовые шаблоны на основе каких-либо объектов или явлений с аналогичным набором характеристик. С помощью предикативной (или предиктивной, прогнозной) аналитики можно, например, просчитать обвал или изменение цен на фондовом рынке. Или оценить возможности потенциального заемщика по выплате кредита.
3. Предписательная аналитика (prescriptive analytics) — следующий уровень по сравнению с прогнозной. С помощью Big Data и современных технологий можно выявить проблемные точки в бизнесе или любой другой деятельности и рассчитать, при каком сценарии их можно избежать их в будущем.
4. Диагностическая аналитика (diagnostic analytics) — использует данные, чтобы проанализировать причины произошедшего. Это помогает выявлять аномалии и случайные связи между событиями и действиями.
Например, Amazon анализирует данные о продажах и валовой прибыли для различных продуктов, чтобы выяснить, почему они принесли меньше дохода, чем ожидалось.
- Cпециальное ПО: NoSQL, MapReduce, Hadoop, R;
- Data mining — извлечение из массивов ранее неизвестных данных с помощью большого набора техник;
- ИИ и нейросети — для построения моделей на основе Big Data, включая распознавание текста и изображений. Например, оператор лотерей «Столото» сделал большие данные основой своей стратегии в рамках Data-driven Organization. С помощью Big Data и искусственного интеллекта компания анализирует клиентский опыт и предлагает персонифицированные продукты и сервисы;
- Визуализация аналитических данных — анимированные модели или графики, созданные на основе больших данных.
Примеры визуализации данных (data-driven animation)
Как отметил в подкасте РБК Трендов менеджер по развитию IoT «Яндекс.Облака» Александр Сурков, разработчики придерживаются двух критериев сбора информации:
- Обезличивание данных делает персональную информацию пользователей в какой-то степени недоступной;
- Агрегированность данных позволяет оперировать лишь со средними показателями.
Чтобы обрабатывать большие массивы данных в режиме онлайн используют суперкомпьютеры: их мощность и вычислительные возможности многократно превосходят обычные. Подробнее — в материале «Как устроены суперкомпьютеры и что они умеют».
Big Data и Data Science — в чем разница?
Data Science или наука о данных — это сфера деятельности, которая подразумевает сбор, обработку и анализ данных, — структурированных и неструктурированных, не только больших. В ней используют методы математического и статистического анализа, а также программные решения. Data Science работает, в том числе, и с Big Data, но ее главная цель — найти в данных что-то ценное, чтобы использовать это для конкретных задач.
О государственном регулировании
Естественно, что ведущие государства пытаются регламентировать столь неоднозначные процессы бурно развивающейся отрасли экономики. Руководство РФ выглядит на этом фоне неплохо. По крайней мере, все документы государственных новаций в ИТ-сфере, которые довелось мне анализировать, сделаны профессионально и могут послужить примером для частной инициативы. Причем многие ИТ-проекты уже реализованы и лично у меня вызывают, если не восхищение, то положительные эмоции уж точно. Примером реализации ИТ-новаций на практике является цифровизация Федеральной налоговой службы (ФНС), совершенная под руководством Михаила Мишустина. Создана мощная технологическая база и «адаптивная платформа» налогового администрирования, которая в режиме реального времени работает исключительно с цифровыми источниками данных и с цифровыми идентичностями налогоплательщиков. Более подробно об этом рекомендую ознакомиться на портале TAdviser или на сайте Минкомсвязи.
Прямо сейчас Правительство РФ и различные госструктуры подвергаются глобальной автоматизации (ныне модно говорить «цифровизация») всей системы государственного управления в рамках национальной программы «Цифровая экономика Российской Федерации». Программа рассчитана на период до конца 2024 года. В нее входят 6 федеральных проектов:
- Нормативное регулирование цифровой среды
- Информационная безопасность
- Информационная инфраструктура
- Цифровые технологии
- Кадры для цифровой экономики
- Цифровое государственное управление
Что интересно по нашей теме, авторы документов данных проектов весьма осторожно используют новейшую терминологию. Если речь идет о больших объемах данных (а в указанных системах ФНС обрабатываются действительно огромные потоки данных в реальном времени от огромного количества пользователей), то подразумевается именно большие объемы данных, а не особенные специальные технологии. «Интеллект» также встречается в контексте его прозаического понимания, например, как «интеллектуальная собственность» или «интеллектуальная деятельность». Понятие «большие данные» и «искусственный интеллект» — только, как перспективные технологии в некоем будущем. А пока все указанные проекты имеют грандиозные, но вполне обыденные для ИТ-проектов, цели, задачи и способы их решения.
Конечно, развитие перспективных ИТ, о которых не говорит только ленивый, приняты к государственному регулированию. Например, указом нашего Президента от 10 октября 2019 г. № 490 утверждена «Национальная стратегия развития искусственного интеллекта на период до 2030 года». Авторы стратегии – большие оптимисты, можно сказать — футурологи! Спрогнозировать развитие компьютерных технологий на 10 лет вперед – это надо быть очень уверенными в себе личностями, или, как там у Ходжа Насреддина, за это время кто-то умрет (то бишь уйдет в отставку) — «или эмир, или ишак, или я. А тогда поди разбирайся, кто из нас троих лучше знал богословие», то бишь искусственный интеллект.
Впрочем, документ сделан профессионально. Рекомендую его всем, кто вращается в этой теме. В нем есть мой любимый пункт «основные понятия» и определение самого понятия «искусственного интеллекта». А вот сама «цифровая трансформация» и упомянутые выше другие ее элементы вообще не упоминаются. В стратегии указываются приоритетные направления, цели и основные задачи развития ИИ, которые ничем не отличаются от таковых в любых других областях информационных технологий. Поэтому ясности о том, что такое «искусственный интеллект», не возникает.
Этим же указом Правительству дано поручение до 15 декабря 2019 г. в рамках национальной программы «Цифровая экономика РФ» разработать и утвердить еще один федеральный проект «Искусственный интеллект». Но кроме сообщений в СМИ я о нем ничего не нашел. Видать
что-то пошло не так!
Законодатели тоже вносят свою лепту в развитие ИТ. В России действует федеральный закон от 27.07.2006 N 149-ФЗ «Об информации, информационных технологиях и о защите информации». Но он скорее об «информации», чем об «информационных технологиях». Раздел «Статья 2. Основные понятия, используемые в настоящем Федеральном законе» довольно скупой и, с моей точки зрения, устаревший даже для 2006 года. И даже в редакции от 03.04.2020 закон ничего не знает о цифровизации страны.
По сообщению портала ComNews есть проект закона Минкомсвязи о регулировании рынка «больших данных». В нем речь идёт о поправках в «Закон об информации, информационных технологиях и защите информации», вводящих новые правила обращения с большими данными. Законопроект подвергся критике и по сообщению портала TAdviser Минкомсвязи 15 июня 2020 года сообщило о его отзыве. Правда, на сайте Минкомсвязи я не нашел сведений об этом. Основная критика заключалась в том, что термин «большие данные» сформулирован слишком широко и под эти данные попадала любая общедоступная информация, распространение и обработка которой регулировалась бы этим законом.
Я, как гражданин РФ, еще могу принять то, что Президент своим указом открывает финансирование каких-то разработок, но когда государство хочет регламентировать наше отношение к тем же «большим» и даже «маленьким» данным, то это как-то напрягает. «Данные» — это все-таки техническое понятие в отличие от «информации», и государству регулировать технические проблемы незачем.
В общем, я положительно оцениваю деятельность нашей исполнительной власти по развитию ИТ. И разные документы регулярно появляются, и сформированы органы для разработки и экспертизы ИТ-проектов из представителей государства и крупного ИТ-бизнеса, вот только на этом демократия и заканчивается. Как в этом процессе участвовать, если не входишь в состав избранных, непонятно. Заявки на получение субсидий из бюджета в десятки и сотни миллионов рублей распределяются на конкурсной основе. Только кто видел информацию об открытии конкурса и возможности подать заявку? А подать надо успеть в Минкомсвязь России в шестидневный срок на бумажном носителе почтовым отправлением. Срок начинается с даты опубликования уведомления.
Кому интересно, «ловите мышей» здесь: https://digital.gov.ru/ru/documents/
Виды и сферы применения искусственного интеллекта
В Сбербанке рассчитывают, что роботы будут принимать большинство решений о выдаче кредитов и формировать для потребителей индивидуальные предложения. Применение (ИИ) выгодно и банку, и клиентам. Искусственный интеллект позволит финансовому сектору сократить издержки на рутинные операции, риски и убытки от непредвиденных ситуаций. Машинное обучение помогает банкам более точно определять заемщиков с низкой платежной дисциплиной и прогнозировать просрочку выплат. Модели на основе (ИИ), строят более качественные прогнозы, однако они менее прозрачны по сравнению с традиционными методами аналитики и требуют высокой квалификации в области работы с данными. Это основное ограничение, не позволяющее широко применять искусственный интеллект в кредитных организациях. Впрочем, это не мешает уже сейчас использовать машинные алгоритмы для управления рисками и анализа потребностей клиентов.
В промышленности разработки в области (ИИ), позволяют полностью или частично роботизировать множество процессов. Машины используют для сборки, упаковки и отгрузки электроники и автомобилей, строительства домов. Технологии можно применять для визуального контроля оборудования, которое находится в сложных и опасных зонах производства. С помощью (ИИ), предприятия повышают качество продукции, снижают затраты на ремонт оборудования, анализируют операционные показатели. Например, Магнитогорский металлургический комбинат (ММК) применяет искусственный интеллект, чтобы экономить до 5% ферросплавов при производстве стали. Решение на основе машинного обучения принимает данные о составе смеси, которая поступает на переработку, требования по содержанию химических элементов в готовой стали, и дает оператору рекомендации, сколько нужно использовать добавочных материалов в производстве.
«Газпром нефть» использует (ИИ), на нефтеперерабатывающих заводах, чтобы отслеживать качество автомобильного топлива и оповещать сотрудников о возможных отклонениях в работе оборудования. В режиме реального времени более 250 тыс. датчиков и десятки систем отправляют в центр информацию из блока логистики, переработки и сбыта «Газпром нефти». Каждую секунду машина анализирует 180 тыс. сигналов. Человеку только на просмотр этой информации потребовалось бы около недели. В «Сургутнефтегазе» интеллектуальная платформа мгновенно извлекает данные из финансовых, кадровых, производственных документов. Решение обрабатывает более 10 тыс. документов в неделю, определяет тип, извлекает данные и отправляет их в учетные системы. Таким образом, информация моментально становится доступна сотрудникам в шести разных часовых поясах. Это помогает им оперативно анализировать время и ресурсы, которые требуются для работы на месторождениях. В сфере услуг, (ИИ) используют, чтобы предсказывать предпочтения клиентов. Компании выстраивают прямую связь с пользователем с точностью до имени, платежного кошелька и привязанной банковской карты, аккаунта в социальной сети и его действий. Это помогает создавать персонализированные предложения, даже если у компании миллионы клиентов по всему миру. В сфере продаж, (ИИ) помогает снижать затраты на обслуживание клиентов, оптимизировать логистику и перераспределять товарные остатки, а также разрабатывать персонализированные предложения. Например, механизм рекомендаций на основе искусственного интеллекта обеспечивает Amazon 35% продаж. Так же цифровые платформы и образованные из них экосистемы, позволяют автоматизировать процесс продажи с помощью различных сервисов, что можно посмотреть на примере Alibaba Group. В телекоммуникациях, возможности машинного обучения интересны для прогнозирования интересов абонентов, отмечают в «Триколор ТВ». Компания использует интеллектуальную платформу ABBYY для автоматизированной обработки абонентских договоров и заявлений. С помощью данных из клиентских документов компания выявляет потребности пользователей и создает проекты и услуги, которые формируют новый уровень телевидения. Сюда присоединяются и другие операторы МТС, Билайн, Мегафон, предоставляя своё телевидение и организуя продажу своих продуктов с помощью искусственного интеллекта.