Искусственный интеллект - область, которая еще не полностью созрела. С тех пор, как Джон Маккарти впервые упомянул этот термин в 1956 году, было придумано бесчисленное количество применений этого нового инструмента. Приложения варьируются от простых до формальных, от игр до здоровья, от войны до спасения жизней. Но есть бесчисленное множество областей, которые еще не воспользовались преимуществами этой технологии или не использовали ее в больших масштабах. В частности, бизнес-сфера является одной из них, которая предлагает очень широкий и привлекательный диапазон, который можно легко заполнить с помощью искусственного интеллекта, помогая в создании экспертных систем или функционируя в качестве компонента более сложных систем принятия решений., который будет использоваться нынешними администраторами как бесценный инструмент.
Введение
Использование информационных технологий в повседневной жизни оказалось инструментом, предлагающим бесконечные конкурентные и ресурсосберегающие преимущества, которые ранее были недоступны. Кроме того, эти технологии позволяют создавать области возможностей, которые при правильном использовании предлагают огромные преимущества для всех, кто их применяет. В одной из этих ниш возможностей находятся системы искусственного интеллекта, которые применяются для решения самых разных задач, от обучения до автоматизации производственных процессов.
В большой панораме возможностей, которые мы имеем для применения искусственного интеллекта в компаниях, очень заметно наличие особого пункта «Искусственный интеллект в бизнесе».
Во многих случаях основная компетенция бизнеса заключается в своевременном принятии правильных решений. Но также трудно найти людей, обладающих необходимыми качествами, чтобы всегда принимать правильные решения. Этим администраторам нужны инструменты, которые позволят им визуализировать в общем виде сильные и слабые стороны их бизнеса, а также области возможностей, которые могут возникнуть. Им также нужны системы, которые помогают им повышать качество решений, которые принимаются каждый день.
Большинство систем искусственного интеллекта обладают особенностью «обучения», которая позволяет им со временем улучшать свою производительность. Кроме того, эти системы могут анализировать очень большие объемы информации с очень высокой скоростью, что позволяет получать конкретные показатели деятельности компании.
В этой статье будут представлены некоторые из наиболее важных характеристик использования искусственного интеллекта (ИИ) в бизнесе, его компоненты, области возможностей и слабые места, а также варианты, которые могут быть получены с помощью технологий, и способы их использования. их можно применить в реальном мире.
методология
Используемая методология заключалась в поиске информации в Интернете на сайтах, посвященных искусственному интеллекту, при поддержке и подкреплении информации из первых рук, полученной в результате поиска в цифровой библиотеке Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM). В этой библиотеке использовались следующие базы данных: ACM Digital Library, IEEE Digital Library и Proquest Computing.
Задний план
На самом деле идея поиска принципов для управления интеллектом и, в свою очередь, включения их в машину, очень старая. Есть признаки того, что некоторые древние цивилизации, такие как греческая, китайская и даже майя, уже сформулировали некоторые механизмы, иногда реальные или вымышленные, для этой цели.
Позже были и другие аспекты, такие как Аристотель и его силлогизмы. Но на самом деле самое интересное начинается во времена Лейбница, который стремился найти алгебру, способную представить все знания, включая моральные и метафизические истины, для создания дедуктивной системы. Ему удалось построить абстрактную систему, называемую философским или логическим исчислением, но у него не было технологий для реализации этих идей. (Дойл 1996)
В 1849 году Джордж Буль разработал принципы логики высказываний, с помощью которых он намеревался собрать некоторые основы, связанные с природой и строением человеческого разума. Он написал работу под названием «Исследование законов мышления, на которых основаны математические теории логики и вероятности». Он был создателем таблицы истинности, которая до сих пор широко используется во всей математической и вычислительной области. (Рисунок 1.)
Рис. 1. Таблица логической истинности
Некоторое время спустя, в 1874 году, Фреге предложил систему обозначений для механических рассуждений, которая является предшественницей исчисления предикатов, которую он назвал «написанием концепций». Тьюрингу потребовалось почти столетие, чтобы предложить первую современную статью о возможности механизации разведки в 1950 году.
Автором термина «искусственный интеллект» был Джон Маккарти в 1956 году. Он был взят из названия конференции, образовавшейся благодаря появлению книги, написанной им совместно с Клодом Шенноном (1956), посвященной Основам. математики теории автоматов, ориентированные на формализацию представлений об интеллекте. Позже Аллен Ньюэлл вместе с Гербертом Саймоном и Клиффом Шоу разработал программу, способную доказывать теоремы логики высказываний. Позже эта программа получила название GPS (General Problem Solver). Все эти работы способствовали развитию искусственного интеллекта, считая, что эвристический поиск был одним из фундаментальных методов решения проблем.Еще одним важным инструментом была система физических символов для обозначения проблем и их решений (García 2002).
Человек, признанный отцом искусственного интеллекта, - это Герберт Саймон, а также Аллен Ньюэлл и Марвин Мински. Саймон предложил гипотезу физического символа как способ представления и моделирования человеческого мышления.
В этом направлении развитие искусственного интеллекта отслеживалось на его первом этапе. К сожалению, после этого периода бурного роста ожидания были очень высокими. Начали делаться очень амбициозные прогнозы, которые из-за технического уровня того времени было невозможно реализовать (García 2002).
С различных точек зрения, особенно с точки зрения бизнеса, ожидалось, что искусственный интеллект будет предлагать больше и лучшие результаты, потому что существовали экспертные системы, способные имитировать рассуждения экспертов для диагностики или прогнозирования, а возможно, даже для планирования. Но верно также и то, что прогресс на этом этапе был ограничен неспособностью систем адаптироваться к неопределенным и неточным условиям.
В 1984 году Э. Дайсон предсказал, что ИИ не созрел и, следовательно, не имеет коммерческой ценности. Это должно быть отражено в стратегически важных системах, чтобы завоевать доверие к вам. Это предсказание оставалось верным до середины 1990-х годов, поэтому многие люди считали ИИ мертвым. К этому времени были извлечены некоторые уроки, такие как:
- Признайте, что компьютер и ИИ не заменяют человеческий интеллект, а, скорее, дополняют его. Примите тот факт, что самый важный капитал в компании - это люди, опыт и знания, накопленные за эти годы. Умные системы помогут улучшить персональные вычисления. Использование ИИ в бизнесе должно быть направлено на решение проблем клиентов.
Можно сделать вывод, что в эту первую эру «современного» искусственного интеллекта было поставлено множество проблем, потому что для достижения высоких ожиданий, которые были сформированы, не было подходящей технологии, а иногда и глубоких знаний темы. Отсутствовали как технологические, так и теоретические разработки. Кроме того, многие люди не делали ставки на эту новую концепцию.
К счастью, как мы увидим позже, ИИ получил новый и важный поворот, основанный на новых подходах и новых идеях, которые предвещают многообещающее будущее.
Возрождение искусственного интеллекта
В последние годы в области ИИ произошел значительный подъем. Есть много характеристик, которые заставляют этот инструмент еще раз продемонстрировать отличные условия применения технологии, которая поможет компаниям работать более продуктивно. Один из новых подходов - так называемый «поведенческий». Этот подход дает общее представление об общей концепции интеллекта, предполагая, что он полностью зависит от того, каким образом поведение системы способствует выполнению ее функций. Есть также новые методы, которые могут быть применены в этом новом ИИ, такие как нейронные сети (рис. 2), генетические алгоритмы, байесовские сети, обучение и т. Д.
Рис. 2. Изображение нейронной сети и простого нейрона.
Генетические алгоритмы - один из новых методов, который получил наибольшую поддержку и обещает самое большое будущее. Интересно отметить, что они полностью основаны на процессах естественного отбора, которые были идентифицированы в живых организмах, и моделируются на них. Так же, как в природе виды мутируют в соответствии с характеристиками окружающей среды, времени или других внешних факторов, системы, работающие с этой концепцией, обладают способностью адаптировать ответы на меняющиеся проблемы в зависимости от времени. Дело в том, что поведение этих систем меняется в зависимости от характеристик окружающей среды и проблемы.
Эти типы алгоритмов имеют огромное преимущество перед традиционными символьными системами ИИ. Последние слишком статичны и не приспособлены для того, чтобы выдерживать грандиозные изменения в условиях задачи. Обычно символические системы разрабатываются для решения только одного типа задач. Если эта проблема изменится в каком-либо состоянии, у вас нет возможности изменить ее, чтобы попытаться решить ее. По этой причине системы, работающие с генетическими алгоритмами, имеют дальнейшее будущее в этой области.
Теперь ожидания от искусственного интеллекта основаны на том факте, что он рассматривается как вариант инвестиций в разработку инструментов, которые сокращают затраты, распределяют ресурсы, обнаруживают мошенничество, онлайн-справку, собирают знания и т. Д.
Но искусственный интеллект, помимо возможности применения в различных производственных процессах (которые могут варьироваться от производства продуктов питания до производства оружия), также может применяться в различных областях экономики, финансов или для принятия решений в компаниях. корпорации.
Где, когда и как
Со всем этим новым потенциалом, заложенным в искусственный интеллект, и исходя из его происхождения, легко представить себе широкий спектр возможностей, в которых он мог бы конкурировать, используя его. В качестве примера можно сказать:
Куда?
В сфере управления малых и средних компаний.
Когда?
Когда размер компании не позволяет иметь людей высокого уровня и знаний для принятия решений. Иногда образуется порочный круг, который формируется следующим образом: компания не растет, потому что не принимаются правильные решения. Вы не можете нанять человека, обладающего способностью принимать решения для роста компании, поскольку, поскольку у нее нет роста, их нельзя нанять.
Как?
Внедрение или субаренда экспертной системы, которая может помочь нынешним директорам и менеджерам принимать правильные решения, анализируя риски и преимущества различных возможностей и предлагая жизнеспособную альтернативу для роста.
Другой пример:
Куда?
Банки, обменные пункты, компании, выпускающие кредитные карты.
Когда?
Когда вы хотите улучшить системы защиты от мошенничества.
Как?
Использование нейронных сетей для изучения моделей использования кредитов и выявления потенциально мошеннических транзакций. Согласно Widrow, Rumelhart & Lehr (1994), мошенничество с кредитными картами является растущей проблемой, которая затрагивает всю отрасль.
Наконец, у вас может быть такой пример:
Куда?
Финансовые учреждения и брокерские конторы
Когда?
Когда вы хотите иметь более высокую доходность - это транзакции и меньшую степень риска при инвестировании.
Как?
Могут быть использованы экспертные системы, использующие нейронные сети, которые учатся на генетических алгоритмах, которые обучаются и тренируются, чтобы они могли делать финансовые прогнозы. Кроме того, из-за скорости и вычислительной мощности, которые в настоящее время предлагаются, это может быть сделано для многих компаний с разными характеристиками одновременно. В настоящее время это апробируется в некоторых финансовых компаниях, таких как Merrill Lynch & Co., Solomon Brothers и т. Д. (Уиллоу, 1994)
В дополнение к этим примерам можно подумать о следующих рекомендациях (García 2002), которые могут представлять интерес для применения искусственного интеллекта:
- Использование виртуального обучения для обучения людей. Решение проблем обновления. Деятельность по сохранению информации и знаний. Развитие эмоциональных вычислений и их использование для создания лучших интерфейсов. В качестве опоры для выздоровления от болезней (биомедицина). Помогите разрешить использование устройств и оборудования, предназначенных для людей с разными способностями.
Вывод:
В процессе сбора информации были отмечены интерес и ожидания, вызванные использованием технологий и особенно искусственного интеллекта в бизнесе. Есть еще много вещей, которые нужно определить, осмыслить и выполнить. Но верно также и то, что условия ведения бизнеса резко изменились, чтобы внедрить информационные технологии естественным и более дружественным образом. Судя по всему, они больше не рассматриваются как скрытая угроза, а воспринимаются как инструменты для повышения производительности и производительности каждого из членов организации.
Возвращаясь к интересующей нас теме, приятно видеть, что модели, использующие искусственный интеллект для принятия решений, все чаще используются и ценятся. Видя такое поведение, мы легко задаемся вопросом: что нас ждет в будущем? Как будут развиваться эти типы инструментов в краткосрочной, среднесрочной и долгосрочной перспективе? Просто подумав об ответе, мы снова увидим очень широкую картину, в которой ошеломляющее количество областей возможностей вырисовывается, ожидая своего использования.
Библиография
Биаска, Родольфо «Управление эффективностью, 10 шагов к его созданию.
Бургхарт, Дж. Х. (октябрь 1998 г.) "Дизайн курса по искусственному интеллекту и экспертным системам" Цифровая библиотека IEE. Труды конференции «Границы в образовании». (Консультация 9 мая 2005 г.).
Чан, Николай. «Распространение и агрегирование информации на рынках активов с помощью простых умных трейдеров», Массачусетский технологический институт, сентябрь 1998 г., Массачусетский технологический институт.
Дин, Томас (декабрь 1996 г.) "Стратегические направления в области искусственного интеллекта" Обзоры вычислений ACM, цифровая библиотека ACM. (Консультация 12 мая 2005 г.).
Гарсиа Вега, Анжелика «Искусственный интеллект в бизнесе». Февраль 2002 г., Университет Веракруса
Хайтауэр, Джеймс К. (1985) "Учебник по искусственному интеллекту". ACM Цифровая библиотека
. Материалы 17-й конференции по зимнему моделированию. (Консультация 12 мая 2005 г.)
Кингсбери, Джеймс. "Экономика и искусственный интеллект" Экономика и искусственный интеллект, апрель 2005 г., AI депо.
Кумар, Винай. «Основанный на обучении подход к оценке параметров трансформируемой модели», Массачусетский технологический институт, сентябрь 2000 г., Массачусетский технологический институт.
Лейн, Кеннет М. (март 1995 г.) «Нейронные сети от идеи до реализации». ACM Digital. (Консультация 12 мая 2005 г.).
Маркланд, Роберт. (Декабрь 1990 г.). «Искусственный интеллект, эвристические основы и поиск табу» Экономика управления и принятия решений. Proquest (дата обращения 10 мая 2005 г.).
Минский, Марвин. "Linear Decision and Learning Models", Массачусетский технологический институт, март 1968 г., Массачусетский технологический институт.
Пунт, Майкл (ноябрь 2002 г.) «Поездка на такси к позднему капитализму: гиперкапитализм, воображение и искусственный интеллект» Цифровая библиотека ACM. (Консультация 12 мая 2005 г.).
Риз Хедберг, Сара (август 1996 г.) "AI Toold для моделирования бизнес-процессов". Исполнительный внутри. Цифровая библиотека IEEE, (консультация 8 мая 2004 г.)
Роке Моранчель, Сильвия «Деловая разведка». Март 2001 г.
Свиокла, Джон (октябрь 1986 г.) "Бизнес-последствия систем, основанных на знаниях" Цифровая библиотека ACM. (Консультация 9 мая 2005 г.).
Тафти, Мохаммед (1990) "Тенденции и направления в экспертных системах". Цифровая библиотека ACM. Материалы конференции ACM SIGBDP 1990 г. по тенденциям и направлениям в экспертных системах. (Консультация 12 мая 2005 г.).
Веллман, Майкл П. (декабрь 1996 г.) «Экономический подход к искусственному интеллекту», ACM Computing Surveys. Цифровая библиотека ACM. (Проверено 12 мая 2005 г.).
Видроу, Бернард и Румелхарт, Дэвид Э. и Лер Майкл А. (март 1994 г.) «Нейронные сети: приложения в промышленности, бизнесе и науке». Цифровая библиотека ACM. (Консультация 12 мая 2005 г.).
Вонг, Кит По (декабрь 1993 г.), «Приложения искусственного интеллекта и нейронных сетей в энергосистемах», цифровая библиотека IEEE (по состоянию на 8 мая 2004 г.)
У, Синьдун (сентябрь 2004 г.). «Data Mining: искусственный интеллект в анализе данных». Цифровая библиотека IEEE. Proceedings of the International Conference on Intelligent Agent Technology 2004. (Проверено 8 мая 2004 г.)
