Цифровая экономика, искусственный интеллект, индустрия 4.0



Цифровая экономика, искусственный интеллект, индустрия 4.0

oboznik.ru - Цифровая экономика, искусственный интеллект, индустрия 4.0

Технологии искусственного интеллекта уже давно вышли за рамки лабораторий и исследовательских центров. Уже сейчас вычислительная мощность носимых вычислительных машин со способностью полнодуплексной связи с банком данных – а именно такое правильное научное определение того, что сейчас принято называть «гаджет» или «смарт-фон» - превышает в сотни раз все вычислительные мощности всех компьютеров NASA, задействованных в лунной программе Apollo.

Стоимость программы в ценах 1966-го года около 23 миллиардов долларов. Что в сегодняшних ценах более 200 миллиардов. То есть с одной стороны двухсотмиллиардная программа, позволившая высадить человека на иной небесный объект, а с другой – нонейм-аппарат стоимостью в 20 долларов у нас в кармане, который прокладывает путь, показывает погоду, ищет скидки в ближайшем магазине. И если в конце 50-х годов прошлого века компьютерная программа в 20 команд – это был интеллектуальный прорыв, то сейчас только на этапе первичной компиляции программы типа «Hello, world!» получается исполняемый файл в несколько мегабайт – в несколько миллионов вычислительных команд. На протяжении тысячелетий способность вычислять, считать была прерогативой только образованных, умных, интеллектуальных людей. При этом первичные способности читать, то есть механически складывать буквы в слова, не делали человека интеллектуалом. Необходимо было уметь производить алгоритмически сложные действия с символами, чтобы добиться результатов банального сложения.

Алгоритмы работы с арабской позиционной системой представления числовой информации кажутся нам абсолютно элементарными – это курс первого класса общеобразовательной школы. Но не думаю, что многие современные образованные люди с такой же легкостью произведут сложение двух многозначных чисел представленных в римской непозиционной системе, или того паче в древнеегипетской, ионической или вавилонской шестидесятиричной. То есть производство простейших вычислений – сколько у кого яблок в кармане – это на протяжении веков было сложнейшим интеллектуальным продуктом, доступным не каждому.

И вот в конце 40-х годов прошлого века появляются первые вычислительные машины способные производить вычисления в огромных количествах. Одна машина Mark-I в секунду производила столько вычислений, сколько не смогли бы осуществить несколько десятков людей-вычислителей за несколько месяцев. Но количественные возможности машин уже не удивляли человечество, привыкшего к чудесам научно-технической революции. В конце-концов, банальные арифмометры широко применялись и выпускались серийно с 1890-го года. Это широко известные арифмометры Однера, из времен раннего СССР на слуху остались арифмометры «Феликс», которые производились с 1929-го года вплоть до 70-х годов XX-го века.

Потрясало другое: машины вычисляли по программе – по сложному алгоритму. Причем сложность программ уже становилась такова, что даже сами создатели машин не могли их осознавать, и пришлось разрабатывать специальные языки графической визуализации алгоритмов – то, что на уроках информатики теперь принято называть «блок-схемами». То есть появились машины – электромеханические, искусственные, способные к осуществлению действий, доступных только высокоинтеллектуальным представителям вида Homo Sapiens Sapiens. И тогда, в конце 40-х годов, казалось, что человечество стоит на пороге создания нового искусственного объекта. Который уже обладал некоторыми свойствами одушевленного субъекта – способностью к сложному поведению. Причем настолько сложному, что некоторые задачи могли решаться только человеком с высшим образованием. Например, в 1986-м году появилась программа MathCAD от Mathsoft Incorporeted, которая могла решать системы обыкновенных дифференциальных уравнений. А это второй-третий курс современных высших учебных заведений, и то не каждый студент может сдать эту сессию. Чуть позже программа могла уже решать задачи аналитического интегрирования. Но это уже не вызвало потрясения у пользователей. Причина проста.

Несмотря на то, что аналитическое интегрирование является достаточно сложной умственной операцией, на самом деле это операция легко алгоритмизируется. Операция весьма сложная, но даже для двойных и кратных интегралов все-таки алгоритмизируется легко. И тут важно понять разницу между сложностью алгоритмизации и сложностью алгоритма. Каким бы сложным не был алгоритм, но, рано или поздно, при достижении требуемых технологических ресурсов, этот алгоритм будет реализован. А вот если деятельность человека не удается формализировать до уровня пошаговых алгоритмов, то каковы бы ни были доступны вычислительные мощности, реализовать алгоритм не удастся. И в этом главное отличие разума от любого его механического аналога. Именно умение создавать новое решение, а не следовать устоявшемуся алгоритму позволяет говорить об интеллекте. Говоря об узкоспециальных технологических аспектах появления и развития зачатков именно искусственного интеллекта, которые были реализованы, хотелось бы привести следующий пример. В 80-х годах прошлого века в СССР продавалась игрушка «Электроника ИМ-11» – программируемая машинка-луноход, клон игрушки BigTrak компании Milton Bradley. Игрушка имела сложное программируемое микроконтроллерное управление, но главное – она имела одну удивительную функцию – если программа пути была составлена неправильно, и луноход упирался в препятствие, то чтобы не сажать батарейки и не перегружать двигатель, игрушка отключала силовое питание и, соответственно, сбрасывала неправильную программу. Реализовано было очень просто – в бампере машинки был механический выключатель, который при ударе об препятствие прерывал цепь питания.

Казалось бы простое технологическое решение, не стоящее упоминаний. Но механический выключатель в бампере с точки зрения современных взглядов на интеллектуальные системы управления – это не что иное, как электро-механическая реализация нейрона со ступенчатой функцией срабатывания. Сама кнопка выключения – система аксон-дендрит, механическая часть выключателя – перикарион, сома нейрона. То есть эта игрушка – это вполне себе интеллектуальная система управления, построенная на одном нейроне, способная принять решение о правильности или неправильности введенного алгоритма. К сожалению, не удалось найти старую публикацию из журнала «Наука и жизнь» или «Техника молодежи» 70-х годов, где описывалась уже не игрушка, а вполне серьезная система управления тележкой погрузчика в заводском цеху. Тележка ехала по белой полосе – по своей дороге – и повороты или уход с дорожки контролировались очень остроумной схемой: сила тока на два электродвигателя регулировалась двумя фоторезисторами, в которые отражался свет от светлой дорожки. Стоило тележке уйти с дорожки или самой дорожке изменить направление, как отражающая способность поверхности под фоторезистором менялась, менялся ток, проходящий через фоторезистор и связанный с ним двигатель повышал обороты, того колеса, которое ушло с дорожки. Тележка доворачивала на светлую дорожку. Данная система интеллектуального управления, таким образом, в современных терминах была построенная всего лишь на двух опто-электрических аналогах нейронов. А это уже интеллектуальная именно система – она содержала более одного элемента. Ещё каких-нибудь триста нейронов и мы приблизимся к интеллектуальным способностям Caenorhabditis elegans – первичноротых нематод (круглых червей).

А это успешный участник миллионов лет эволюции. И неизвестно, сможет ли человечество со всем своим интеллектуальным багажом не уйти в ядерную зиму на фоне обострения современных внешнеполитических реалий по всей планете. Описанные выше технологические решения, конечно, весьма примитивны, и современное развитие таких систем управления включает в себя тысячи и сотни тысяч программных и аппаратных нейронов. На современном уровне развития технологий распределенных вычислений нет, в общем-то, ограничений на количество моделируемых нейронов. То есть, уже принципиально возможно повторить структуру нейронной сети, соответствующую сложности человеческого мозга (по современным оценкам это около 100 миллиардов нейронов). Значит ли это, что механическое наращивание количества нейронов позволит совершить качественный скачок и породит новый разум? На данном этапе понимания проблематики искусственного интеллекта это представляется весьма маловероятным. Одним из признаков интеллекта является умение работать не только с реальными объектами, но с объектами, которые в той или иной мере только отражают реальность. С некими платоновскими идеями. Ведь алгебра – потрясающая, базовая для современной цивилизации парадигма – есть ни что иное как работа с абстрактной сущностью количества – переменной. Способность к неполной индукции, способность из простого механического статистического наблюдения делать парадоксальные выводы – вот, что ожидается от интеллектуального агента.

Первым этапом неполной индукции является абстрагирование, однако на сегодняшний момент не существует не только технологий доведенных до уровня пошаговых алгоритмов, позволяющих создавать классификации или классы (алгоритмы, позволяющие наполнять классы объектами уже существуют – те же нейронные сети, простые корреляционные алгоритмы), но нет даже и алгебры, позволяющей работать с более абстрактными сущностями, чем обыкновенное отображение количества числами. Существенный прорыв в этом направлении был сделан Лотфи Заде (Lotfi A. Zadeh) с его теориями нечётких множеств (fuzzy sets), нечёткой логики (fuzzy logic), теорией мягких вычислений (soft computing), а также теорией вербальных вычислений и представлений (computing with words and perceptions).

Трудам Л.Заде уже более 50-ти лет, но до сих пор многие ученые либо не знакомы с положениями мягких вычислений, либо отрицают их как достоверные методы анализа, основывая свой исследовательский базис на классических методиках статистического анализа, корреляций и числового экстраполирования. Следование привычной парадигме исследовательского базиса сформулированной ещё Готфридом Ахенваллем (Gottfried Achenwall) в его работе «Abriß der neuen Staatswissenschaft der vornehmen Europäischen Reiche und Republiken» (1749), а также все возрастающая аппаратная мощь современных вычислительных комплексов породила концепцию BigData, базирующуюся как раз на классических статистических алгоритмах. Возможно, дополнение технологий BigData с теориями Л. Заде позволит переходить к неполной индукции, к искусственной интеллектуальной деятельности, к искусственному интеллекту. Что же такое «искусственный интеллект»? Впервые этот термин – Artificial Intelligence – применил Д. Маккарти в 1956 году на конференции в Дартмутском университете. Под искусственным интеллектом в широком смысле подразумевается способность искусственного (созданного человеком объекта) вести себя как естественный (созданный природой за миллионы лет эволюции) субъект. Ключевым отличием искусственного интеллекта, за исследование которого сразу же взялись футурологи, фантасты и научные фрики – является способность ставить перед собой Цель. То есть, не просто точку в пространстве-времени-ресурсах, которую надо достигнуть (а это доступно и обыкновенному паровозу без всякой интеллектуализации на основе простейших алгоритмов с несколькими ветвлениями – пример, составление расписания движения и переключения железнодорожных стрелок), но Цель, как нечто мефизическое – мировое господство, познание Мира и Бога, уничтожение человечества и прочие подобные сюжеты.

Внимательный анализ данных сюжетов приводит к пониманию, что в результате своей деятельности человечество создает новый, но совершенно подобный себе субъект – субъект, способный ставить собственные цели, а – главное – достигать эти цели разными хитроумными, подчас непонятными создателю-человеку способами. Появляется субъект, обладающий тем, что называется Сознанием (в гегелианском прочтений, прежде всего), то есть осознанием собственной самости, индивидуальности с одной стороны и способностью к кооперации с другой.

Появляется субъект способный конкурировать с человеческим мышлением за некие критически важные ресурсы. И этот субъект потенциально становится равным своему создателю по интеллектуальной мощи. Тогда сразу же возникают онтологические вопросы – а не станет ли создаваемый объект равным создателю-субъекту в области моральной, этической? Имеем ли мы право порождать и уничтожать эти объекты? Это серьезный философский вопрос. В этом месте, вероятно, приходит время дать определение феномену искусственного интеллекта.

Искусственный интеллект (Artificial Intelligence, AI) – алгоритм, способный самостоятельно создавать алгоритмы, в результате срабатывания которых возможна постановка и достижение наиболее оптимальным способом новой, ранее не сформулированной создателем алгоритма цели. Результат моделирования срабатывания этого алгоритма другими подобными и даже идентичными алгоритмами не может быть четко детеминирован с приемлемой точностью и вероятностью за время, меньшее или равное времени достижения цели моделируемым алгоритмом. Это определение требует выделения отдельного понятия, которое зачастую ошибочно смешивают – искусственного сознания, того явления, о котором рассуждают функционалисты (Hilary W. Putnam в ранних работах, Daniel C. Dennett и другие). Искусственное сознание (Artificial Consciousness, AC) – алгоритм, способный оценить свою самость, способный самостоятельно создавать собственные морально-этические личностные конструкты на основе анализа его жизненного пространства и действовать в рамках построенных конструктов. Личностный конструкт рассматривается здесь в трактовке Джорджа Келли (George A. Kelly)

Отсюда ясно, что знаменитый тест Тьюринга предназначен не для индикации алгоритмов «искусственного интеллекта», понимаемых как некие сложные адаптивные вычислительные приемы, а для индикации «искусственного сознания». Так как согласно классической трактовке теста Тьюринга, любая даже несложная программа для игры в шахматы легко проходит тест на разумность с не очень хорошим игроком-человеком. И здесь есть фундаментальная ошибка в постановке задачи тестирования по Тьюрингу. Дело в том, согласно теории информации, информация только тогда станет информацией, если есть приемник информации, а источником информации может быть что угодно, следовательно, качество оценки по Тьюрингу определяется не источником информации (исследуемым алгоритмом), а приемником информации – человеком-исследователем. И если приемник информации сам не очень умен, то он и не сможет распознать «искусственность» собеседника. И наоборот, сомневаюсь, что я сам смогу пройти тест на естественность, если моим исследователем станет какойнибудь философ, психолог или доктор психиатрии. Отходя от общих, онтологических философских проблем, мы опускаемся на более «приземленный» уровень – уровень экономического базиса (в терминах Karl H. Marx).

Об изменении производственной основы базиса впервые заговорили на родине марксизма. В 2011 году на промышленной выставке в Ганновере представители правительства Германии заявили о необходимости более широкого применения информационных технологий в материальном (прежде всего) производстве. Внимательный анализ концепции Industry 4.0, предложенной немецким правительством, говорит о том, что под четвертой промышленной революцией имеется в виду в основном широкое внедрение кибер-физических систем (cyber-physical system) в технологических процессах и цепочках.

Один из принципов Industry 4.0 требует от вновь создаваемых машин и технологий совместимости входных-выходных интерфейсов, что позволит участникам технологических процессов и цепочек взаимодействовать друг с другом напрямую через интернет вещей (Internet of Things, IoT), что, в свою очередь, позволит реализовывать концепции Smart Factory (Intelligente Fabrik), то есть интерактивную агрегацию обособленных единичных операций производственного процесса от этапа концептуального проектирования через оптимизацию распределения производственных ресурсов до этапа программного управления конкретной роботизированной производственной единицы, от этапа интеллектуально творчества вплоть до этапа выполнения операции в технологической карте изделия. Для реализации такого процесса требуется создание технологий сбора максимально полной вплоть до избыточности информации о создаваемом объекте, обо всех событиях технологической цепочки с учетом контекста, в котором эта информация генерируется. Вычислительной основой здесь должны стать технологии BigData. Огромное количество данных, продвинутые методы и алгоритмы обработки BigData позволят, согласно концепции Industry 4.0, децентрализовать процесс принятия стратегических, тактических и оперативных управленческих решений, перенаправив эту задачу кибер-физическим системам, вплоть до полного исключения человека из производственного процесса. Человеку в этой концепции отводится роль творца, наладчика и контролера. Именно этот аспект выглядит наиболее утопически, во-первых, с количественной точки зрения – высвободив тысячу рабочих с конвейера, вряд ли будет создана ровно тысяча рабочих мест контролеров и наладчиков, во-вторых, с качественной точки зрения – вряд ли тысяча уволенных низкообразованных разнорабочих одномоментно смогут диверсифицировать свои компетенции до уровня высоко- и узкоспециализированных контролеров и наладчиков.

Что же касается преображения массы рабочих, пусть даже высококвалифицированных, в инженеров-изобретателей и инноваторов, обеспечивающих технологические прорывы, то эта трансформация представляется крайне маловероятной, поскольку прорывное инновационное творчество – удел единиц, и на процесс творчества мало влияют новые технологии, они лишь облегчают его. Подобная концепция изменения базиса, согласно классическому прочтению марксистской политической экономии, ведет к важнейшему выводу – из производительных сил практически полностью вытесняются люди, в составе производительных сил остаются только интеллектуализированные средства производства, а производственно-экономические отношения претерпевают катастрофические социальные изменения. И если ранее собственностью на средства производства владел капиталист, а наемный рабочий владел компетенциями, умениями, способностями, которые были его неотъемлемой собственностью и позволяли рабочему добывать средства к существованию, то, в условиях интеллектуализации средств производства, у наемного работника не остается неотъемлемых свойств. Способности, умения, компетенции становятся частью средства производства. Ведь если мы создаем интеллектуальную систему во многих функциях превосходящую человека, то с точки зрения экономической оптимальности (в рамках отношений работник-работодатель) работодателю выгодней использовать искусственный объект: ему не надо платить заработную плату, обеспечивать социальные гарантии, участвовать в социальных взаимодействиях. И это уже широко применяется – простейшие роботы практически с нуля до выхода с конвейера собирают современные автомобили. Люди-сборщики вытеснены с производств.

Но сборщики автомобилей это весьма небольшая группа людей достаточно квалифицированных, которые, вероятно, смогли как-то по-иному монетизировать свои способности. Но что будет, если роботы окончательно заменят, допустим, уборщиков, грузчиков, разнорабочих, водителей маршрутных такси. Специальности, не требующие высокой квалификации и напряженной интеллектуальной деятельности, и которые уже сейчас начинают заменяться роботамипылесосами, автоматизированными системами складской логистики и беспилотными такси. Смогут ли массово вытесняемые с этих производственных позиций малообразованные низкокалифицированные люди встроиться в рынок труда? Не стоим ли мы на пороге новых экономических и социальных потрясений? Не ждет ли нас новое движение луддитов? И если замена водителя маршрутного такси это всё же хоть и вероятное, но ближайшее будущее, то уже сейчас практически все торги на фондовых рынках осуществляются специальными программами-трейдерами – торговыми ботами.

Что собой представляет такой бот? Это программа, на вход которой подаются котировки активов (каковы бы они не были), на выходе – решение о покупке или продаже активов. А результатом будут новые котировки, которые снова пойдут на вход боту. Сам алгоритм бота представляет собой «черный ящик» для участников торгов, не являющихся владельцами этих ботов, и из-за громоздкости алгоритмов предикции трендов (причем алгоритм вовсе не обязательно будет сложным), создатели ботов зачастую не могут гарантировать адекватность срабатывания бота. В итоге «громоздкость» алгоритмов построенных на пропозициональной логике, логике высказываний, а также на логике высоких порядков, являясь внутренне непротиворечивой, может привести к получению неадекватных реальности результатов.

Дело в том, что простейшие конструкции типа «если - то», содержащие и объединенные логическими высказываниями, образуют графы (хорошо, если планарные) с весьма сложными топологиями. И результат срабатывания такой советующей системы может сильно зависеть не столько от набора правил, сколько от порядка выборки правил из базы знаний, то есть зависят от способа отображения графа на цифровой носитель. Хорошо, если в алгоритмы ботов встроены системы, порождающие отрицательные обратные связи, способные гасить различные всплески на бирже, но ведь никто не застрахован от ошибок в алгоритмах, потенциально порождающих положительные связи, вплоть до самовозбуждения (feedback).

И если человек в силу слабой реактивности, может принимать взвешенные решения, скажем, раз в час, то боты высокочастотного трейдинга (high-frequency trading) работают с мегагерцовыми частотами, и способны в считанные минуты «обрушить» биржи. Это пример того, как искусственный интеллект напрямую влияет на глобальную цифровую экономику, то есть работает прямо с финансовыми активами. Но есть и косвенное влияние искусственного интеллекта – через внедрение новых технологий. По оценке группы Pricewaterhouse Coopers [1] к 2030 г. вклад технологий искусственного интеллекта в развитие мировой экономики составит 15,7 трлн. долл., из которых 9,1 трлн. долл. будет рост производительности и 6,6 трлн. долл. – эффекты потребления. По прогнозам, в региональном разрезе выигрыш от искусственного интеллекта к 2030 г. распределится неравномерно: его большая часть придется на Китай (7 трлн. долл. или 26,1 % ВВП), Северную Америку (3,7 трлн. долл. или 14,5 % ВВП) и страны Северной Европы (1,8 трлн. долл. или 9,9 % ВВП) [1, c. 3,7]. Конкурентные преимущества России на данном рынке находятся лишь на начальном этапе. Россия существенно уступает таким странам, как США, Китай. В то же время, экономика нашей страны представляет собой потенциально привлекательный рынок для зарубежных транснациональных компаний с точки зрения грамотной организаций привлечения капиталовложений в робототехнику, создание интеллектуальных компьютерных программ, экспертных систем [2].

Именно об этом говорит менее технологически продвинутая, но более «социально-осознанная» программа «Цифровая экономика Российской Федерации», утвержденная распоряжением Правительство Российской Федерации от 28 июля 2017 г. № 1632-р. Программа направлена на «создание условий для развития общества знаний в Российской Федерации, повышение благосостояния и качества жизни граждан нашей страны путем повышения доступности и качества товаров и услуг, произведенных в цифровой экономике с использованием современных цифровых технологий, повышения степени информированности и цифровой грамотности, улучшения доступности и качества государственных услуг для граждан, а также безопасности как внутри страны, так и за ее пределами»[3]. Одной из глобальных целей этой программы стало «создание необходимых и достаточных условий институционального и инфраструктурного характера, устранение имеющихся препятствий и ограничений для создания и (или) развития высокотехнологических бизнесов и недопущение появления новых препятствий и ограничений как в традиционных отраслях экономики, так и в новых отраслях и высокотехнологичных рынка»[3]. Основой программы является дорожная карта с 2018 по 2024 годы. Однако внимательный анализ программы позволяет сказать, что ни о каких особенных «институциональных» изменениях в ней не заявляется.

Речь идет, скорее о широком внедрении технологических решений 1-го физического уровня (physical layer) и 4-го транспортного уровня (transport layer) сетевой модели OSI/ISO (ГОСТ Р ИСО/МЭК 7498-1-99), а также о создании законодательной базы и государственных органов, которые будут регулировать деятельность субъектов цифровой экономики. Безусловно, возможность широкополосного доступа к сети и новые государственный институты убирают препятствия для коммуникаций экономических субъектов, но сама способность передавать терабайты данных никак не является качественным скачком в области преобразования средств производства, в области создания принципиально новых товаров и услуг, в области новых способов взаимодействия человека разумного и машины интеллектуальной. Глобальные преобразования, которые несет в себе цифровая экономика ещё только предстоит осознать и сформулировать.

Список литературы 1. Rao, A. S. Sizing the prize. What’s the real value of AI for your business and how can you capitalise? / Anand S. Rao, Gerard Verweij // PwС. - 2017. - 32 pp. 2. Терелянский, П.В. Отраслевые и функциональные аспекты развития мирового рынка систем и технологий искусственного интеллекта / Е.Н. Смирнов, П.В. Терелянский // Вестник университета (Государственный университет управления). - 2017. - № 10. - C. 30-34 3. Программа «Цифровая экономика Российской Федерации», утверждена распоряжением Правительства Российской Федерации от 28 июля 2017 г. № 1632-р

Терелянский Павел Васильевич



Другие новости и статьи

« Основные свойства и характеристики ионизирующих излучений

Цифровая экономика и криптовалюты »

Запись создана: Пятница, 28 Сентябрь 2018 в 4:01 и находится в рубриках Новости.

Метки: ,



Дорогие друзья, ждем Ваши комментарии!

Комментарии

Загрузка...

Контакты/Пресс-релизы