ИИ открывает новые возможности для решения экологических проблем планеты. Основные риски в этой области связаны с безопасностью технологий и контролем за ними. Также необходимо учитывать этические вопросы и социально-экономические последствия применения ИИ. Несмотря на это, новые технологии способны помогать людям контролировать состояние растений и животных и даже влиять на климатические условия.

Медицина – это еще одна отрасль, в которой применение ИИ пока не может быть полноценным и полностью замещающим человека. Однако уже сейчас искусственный интеллект оказывает врачам огромную помощь в изучении результатов анализов и постановке диагноза. Вероятно, в будущем власти у машин в этой сфере станет только больше.

В бизнесе применяется так называемый слабый искусственный интеллект, умеющий решать только узкоспециализированные задачи с помощью методов Big Data и алгоритмов машинного обучения. Сильный искусственный интеллект способен к многозадачности. Его функционал практически не ограничен: игра в шахматы, сочинение стихов, решение математических задач, бизнес-аналитика и наличие интеллекта. Сильный ИИ, по прогнозам специалистов, появится в интервале 2040–2075 гг.

Следует отметить, что развитие ИИ и Big Data тесно связаны между собой. Для машинного обучения необходимы огромные массивы данных. Умение правильно подбирать исходные данные для процесса обучения нейросетей является одной из специфических компетенций профильных специалистов, но не единственной. За процессом обучения ИИ также необходимо осуществлять контроль и корректировку. Например, если нейросети выдают неправильные результаты, требуется изменение наборов исходных данных и «переучивать» систему. Процесс обучения тоже не всегда может быть полностью автоматизирован, для большинства задач наряду с «машинным обучением» требуется еще и «экспертное», в ходе которого человек вручную указывает системе искусственного интеллекта, какие решения для данной задачи являются правильными, а какие нет. Как видно, необходима отладка, которая выглядит совершенно иначе, чем в процессе привычного программирования. Разумеется, созданный результат нужно тщательно тестировать, как и любую другую систему.

Приведем в качестве примера и негативный опыт применения ИИ, в частности, онлайн-ритейлер «Амазон» использовал алгоритмы ИИ в подборе кандидатов при приеме на работу. В целях оценки претендентов был разработан алгоритм, который обучался на анкетах ранее принятых в компанию сотрудников. В результате сотрудниковмужчин в штате компании стало гораздо больше, чем женщин, поскольку ИИ делал предпочтение в пользу кандидатов-мужчин. Были предприняты попытки осуществить корректировку программных алгоритмов, но полной уверенности в отсутствии дискриминации по каким-либо другим признакам достигнуто не было, и в 2017 г. руководство Амазона вынуждено было отказаться от применения систем ИИ в процессе подбора сотрудников.

Следует также отметить, что, как и у любой технологии, выявлены негативные последствия использования ИИ и проблемы, которые не устранены или требуют дополнительного контроля со стороны человека.

Во-первых, формирование новой нормативно-правовой базы, кто будет отвечать за ошибки роботов перед законом: проектировщик, разработчик, создавший алгоритм, или сотрудник, бухгалтер, оператор, не проверивший результат.

Во-вторых, сбор персональных данных, каким образом будет соблюдаться конфиденциальность данных, если машины будут анализировать здоровье, пол, возраст, распознавать лица автоматически, не запрашивая согласия человека. Кроме того, остается проблемой качество баз данных, на которых строятся модели и машинное обучение, поскольку огромный массив данных после очистки и предобработки может существенно сократиться и оказаться недостаточного объема для целей построения качественной модели для решения первоначальной задачи.

В-третьих, низкое качество и быстрое устаревание исходных данных, что может стать причиной получения неверных выводов при обучении и некорректных результатов.

В-четвертых, наличие человеческого фактора, поскольку люди (человек) становятся посредниками, автоматизаторами, контролерами для систем ИИ, и этот процесс неизбежно приводит к сокращению рабочих мест. Еще одна проблема, связанная с человеческим фактором, – это рост числа желающих работать в данной области и заниматься Data Science, однако простого знания теории на фоне отсутствия понимания тонкостей и специфики сферы, для которой решаются задачи, явно недостаточно.

Сегодня вполне реально применять алгоритмы ИИ в малом и среднем бизнесе при наличии достаточного объема и качества данных, которые обеспечат построение процесса эффективного обучения ИИ. В этих целях существует ряд доступных платформ, которые предоставляют свои мощности и инструменты для машинного обучения. Например, Amazon (Azure), Yandex, Mail.ru, узкоспециализированные площадки и т.п. С помощью алгоритмов ИИ возможно получение персональных предложений от банков и магазинов, информации в поисковых системах с учетом индивидуальных предпочтений, обращение к онлайн-доктору и пр.

По данным британской Gartner, в 2022 г. в системы искусственного интеллекта будут инвестировать 1/3 от общемирового количества компаний. Благодаря использованию ИИ глобальный валовый внутренний продукт (ВВП) к 2030 г. увеличится на 14% и составит 15,7 трлн долл. США PwC. Ожидается рост объемов промышленного производства на 900%.

Невозможно представить современный бизнес, технологии, сервис без применения технологий искусственного интеллекта. Прогнозируется также рост числа ИИ-стартапов и различных мобильных приложений на основе машинного обучения, одни рабочие места будут замещаться совершенно новыми рабочими местами, осуществляя перераспределение задач, творческие и сложные виды деятельности останутся за человеком. Роботы должны стать не оппонентами, но партнерами для человека. Таким образом, технологический прорыв в сфере ИИ станет решением глобальной проблемы экономической рецессии 2029–2020 гг.

Под искусственным интеллектом в данной работе понимается возможность программного алгоритма решать проблемы и задачи, которые связаны с деятельностью отдельного человека или общества в целом. Данная дефиниция применима к проектам развития различных систем, характеризующихся наличием интеллектуальных процессов, свойственных человеку, таких как способности рассуждать, анализировать, систематизировать, интерпретировать и обучаться на полученном опыте. Иными словами, искусственный интеллект (ИИ) – это приближенное отображение работы нейронных связей в мозге человека, отождествляемое с комплексами таких технологий и процессов, как глубокое машинное обучение и применение алгоритмов виртуальной реальности.

На конференции, прошедшей в Екатеринбурге 29 июня 2017 года, Герман Греф заявил: «Искусственный интеллект проникает во все сферы жизни. Мы видим четыре этапа использования ИИ – от описательной функции до аналитической, предсказательной и предписательной. И последняя является самой важной для нас. То есть ИИ будет не только описывать, анализировать и предсказывать, но и предуказывать человеку алгоритмику его поведения»20.

Реализация основных направлений концепции Smart City («Умный Город») с применением искусственного интеллекта и нейронных сетей наряду с такими основными элементами, как умное правительство, умный человеческий капитал, умная экономика, предполагает включение проектов, связанных с умной экологией, основанной на