Остановимся на некоторых практических решениях по ИИ, которые обсуждаются на разных интеграционных уровнях в интеллектуальном мировом сообществе.
В качестве исходного материала, определяющего ландшафт развития использования ИИ, приведем – без комментариев – список победителей недавнего конкурса Минобрнауки с соответствующими объемами финансирования по данному направлению. Речь идет о предоставлении в 2021 году грантов в форме субсидий из федерального бюджета организациям на разработку программ бакалавриата и программ магистратуры по профилю «искусственный интеллект», а также на повышение квалификации педагогических работников образовательных организаций высшего образования в сфере искусственного интеллекта (таблица 1.1).
Теперь это надо внедрять в каждую рабочую образовательную программу практически по любому направлению. А между тем, как уже отмечалось, само направление искусственного интеллекта – это прежде всего раздел математики, а она является стратегической дисциплиной. Более того, обоснованность ИИ и его «гуляние» по сетям приводит к опасности и вредности тотального использования соцсетей под разные цели, что уже признано на государственном уровне, а в Китае законодательно запрещено в школах, кроме несколько часов для детей в выходные дни. Аналогичные ограничения существуют и в Великобритании. Сложилась уже целая индустрия ИТ-технологий, связанная с веб-дизайном, созданием баз данных, которые имеют малое отношение, например, к такому стратегическому направлению как развитие высокотехнологичных секторов промышленности.
Таблица 1.1. Предоставление в 2021 году грантов в форме субсидий из федерального бюджета организациям на разработку программ бакалавриата и программ магистратуры по профилю «искусственный интеллект» Наименование победителей конкурса и размер предоставляемого гранта
Если говорить о цифровизации экономики в целом, то прежде всего это надо делать в наукоемких технологиях, определяющих уровень развития страны (не может быть цифровизации экономики без самой экономики!). При этом здесь необходима суперпозиция четырех блоков в одно целое: знать, как делать, как разрабатывать, как создавать прототипы и непрерывно их сопровождать. Молодежь надо настраивать идти не в блогеры, зарабатывающие немалые суммы, а в высокотехнологичные сферы экономики с соответствующим образованием на базе фундаментальных знаний.
Еще раз напомним о Карибском кризисе (16–18 октября) 1962 года, когда мир был на грани термоядерной войны, но мудрые руководители двух стран – президент США Дж. Кеннеди и Первый секретарь ЦК КПСС, Председатель Совета министров СССР Н. Хрущев приняли единственно правильное компромиссное РЕШЕНИЕ о взаимных уступках. А теперь давайте попробуем промоделировать ситуацию, когда РЕШЕНИЕ должен был принимать в сложившейся критической ситуации искусственный интеллект.
Далее, о якобы всесильности нейросетей в принятии управленческих решений в сложных комплексных ситуациях, а не при оказании стандартных сервисных услуг с их классификацией. Проблема состоит в том, что как человек обучил многомерные нейронные сети такие результаты они и будут выдавать по запросам на выходе при соответствующей загрузке их на входе. Поэтому их использование может быть эффективным при соответствующей квалификации «обучающих» для принятия решений и прогнозирования, например, в природных катаклизмах (катастрофические наводнения, землетрясения, цунами, ураганы и др.). При этом необходимо наличие соответствующей базы знаний по предвестникам этих сложных явлений, а также номенклатура отказов при оценке надежности различных технических устройств. Необходимая предварительная основа – технологии распознавания образов при наличии соответствующих данных по предшествующим подобным критическим событиям в условиях близких к реальным процессам.
Кроме того, наверное, можно говорить и об большой эффективности исследований по синтезу новых материалов с заданными/требуемыми функциональными и конструкционными характеристиками, а также в медицине и фармакологии при определении стратегических общих направлений при лечении больных с разработкой соответствующих лекарственных препаратов, но с дальнейшей конкретизацией по их реальному состоянию – это уже исключительная сфера ответственности человека.
Что же касается принятия управленческих решений по экономическим, политическим, военным вопросам, то использование нейросетей весьма проблематично – весь вопрос, кто их рукотворно обучал и под какой социальный заказ. Но даже в относительно простых ситуациях некорректность выдачи управленческих решений достаточна очевидна. Это проявляется даже в таком очевидном и простом по реализации процессе функционирования любого учреждения и систем жизнеобеспечения граждан как электронный документооборот, в частности в расплодившихся цифровых платформах типа Госуслуги и др. Стоит провести в подтверждение этого факта мнение такого авторитетного отца-создателя алгоритмов для функционирования нейронных сетей, каким является Джеффри Хинтон – британский ученый-информатик, наиболее известный работами в области глубинных нейронных сетей.
Речь идет о подходе на платформе GLOM (is derived from the slang «glom together» which may derive from the word «agglomerate») – о философии нейронных сетей[45].
Существующие здесь проблемы по итогам его анализа.
• Можно ли научить ИИ понимать окружающий мир так, как его понимают люди. Ключом к этому станет ли техника восприятия мира, подобная человеческой.
• Человеческое восприятие построено на интуиции, и чтобы ИИ понимал мир, возможно ли смоделировать для ИИ интуицию.
• Система визуального восприятия (пока ИИ не умеет это делать в принципе!).
• Понимание всей сцены в терминах объектов и их естественных частей (например, если такому ИИ показать десять фрагментов тела подорвавшегося на мине солдата, он опознает, что это труп мужчины).
• Распознавание объектов при взгляде с иной точки зрения (современный ИИ не может даже распознать автобус, перевернувшийся и лежащий на крыше).
В научном аспекте создаваемые алгоритмы и процедуры для принятия управленческих решений в разных сферах должны опираться на моделирование и прогноз с учетом современных достижений нелинейной динамики/стохастических процессов и квантовых технологий. Принципиально, что еще со времен Древней Греции было понято, что динамический процесс нельзя анализировать и рассматривать по стационарным точкам – знаменитые парадоксы Зенона. Но у некоторых наших нынешних аналитиков фиксация параметров в определенные моменты времени позволяют говорить о якобы новых тенденциях и трендах. В этом аспекте можно утверждать, что приоритетом является формулирование соответствующих математических уравнений с ключевыми управляющими параметрами в многофакторной задаче с последующей оптимизацией получаемых решений при соответствующем подборе значений этих параметров с проверкой на устойчивость финального решения при изменении значений параметров. При этом должны быть использованы методы корреляционного и статистического анализа с учетом влияния различных шумовых факторов, которые могут играть и конструктивную роль в формировании окончательного признака.
Другое дело, что решение таких сложных уравнений с учетом реальных внешних факторов часто не удается сделать аналитическими методами. Поэтому здесь и становятся необходимыми мощные вычислительные высокопроизводительны вычисления с использованием соответствующих программных и аппаратных средств. В этом плане до сих пор ведутся исследования в первоначально (20 лет назад) воспринятыми с большим энтузиазмом якобы из-за универсальных возможностей суперкомпьютерной отрасли. Однако, дальше вопросов создания и практики применения суперкомпьютеров, ГРИД и облачных технологий дело не идет. При этом Big Data требует очень деликатного обращения как при формировании контента, так и при тотальном использовании подобных баз данных (часто формулируемых без требуемой и необходимой экспертной оценки). В качестве доказательства этого можно привести широкий комплекс проблем и сфер применения, который обсуждался на Балтийском Форуме: Нейронауки, Искусственный интеллект и Сложные Системы, 13–15 сентября 2021 года[46].
