ЭССЕ НА ТЕМУ: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В УПРАВЛЕНИИ

Системы искусственного интеллекта -- это компьютерная креативная система (многофункциональная, интегрированная, интеллектуальная) со сложной структурой, использующая накопление и корректировку знаний (синтаксической, семантической, прагматической информации) для постановки и достижения цели (целенаправленного поведения), адаптации к изменениям среды и внутреннего состояния путем изменения среды или внутреннего состояния.

Чтобы облегчить понимание такого явления как искусственный интеллект и СИИ, выявим его признаки на основе сравнения двух основных видов интеллекта - естественного (интеллекта человека) и искусственного. Как известно, понятие интеллект отождествляют с понятием мышления. Если говорить об интеллекте человека, это утверждение верно, однако, в случае искусственного - не совсем.

Обеспечение требуемых эксплуатационных характеристик и широкого набора функциональных возможностей по формированию целесообразного поведения и планированию последовательности выполняемых операций с активной адаптацией к воздействиям внешней среды и вариациям ее текущих состояний обусловливает разработку средств и методов интеллектуального управления, основанных на комплексном применении технологий обработки знаний.

Несмотря на все попытки дать точное определение понятию «искусственный интеллект» (ИИ), на сегодняшний день не существует такого, которое бы однозначно и исчерпывающе описывало это явление. Среди многих точек зрения касательно этого вопроса доминируют следующие три:

1) Фундаментальные исследования, в процессе которых разрабатываются новые модели и методы для решения задач, считающихся интеллектуальными и не поддававшихся ранее формализации и автоматизации.

2) Исследования, связанные с новыми идеями решения задач на ЭВМ, с разработкой новых технологий программирования и переходом к компьютерам не фон-неймановской архитектуры.

3) Исследования, в процессе которых появляется множество прикладных систем, способных решать задачи, для которых ранее создаваемые системы были не пригодны.

По типу решаемой задачи различают следующие задачи:

- интерпретация: процесс определения смысла данных (построение описаний по наблюдаемым данным);

- диагностика: процесс соотнесения объекта с некоторым классом объектов

и/или обнаружение неисправностей в системе (отклонение параметров системы от нормативных в технике и в живых организмах);

- мониторинг: непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы;

- прогнозирование: построение планов действий объектов, будущих событий на основе моделей прошлого и настоящего. В прогнозирующих системах часто используют динамические модели, в которых значения параметров «подгоняются» под заданную ситуацию. Выводимые из этих моделей следствия составляют основу для прогнозов с вероятностными оценками;

- планирование: конструирование плана действий объектов способных выполнять некоторые функции, т. е. программы действий. Оно основано на моделях поведения реальных объектов, которые позволяют проводить логический вывод последствий планируемой деятельности;

- проектирование: разработка ранее не существовавшего объекта и подготовка спецификаций на создание объектов с заранее определенными свойствами. Степень новизны может быть разной и определяется видом знаний и методами их обработки;

- обучение: диагностика, интерпретация, планирование, проектирование. Системы обучения выполняют такие функции, как диагностика ошибок, подсказывание правильных решений, аккумулирование знаний о гипотетическом «ученике» и его характерных ошибках, диагностирование слабости в познаниях обучаемых и нахождение соответствующих средств для их ликвидации. Системы обучения способны планировать акт общения с учеником;

- управление: интерпретация, прогноз, планирование, моделирование, оптимизация выработанных решений, мониторинг, т. е. функция системы, поддерживающая определенный режим ее функционирования или управления поведением сложной системы в соответствии с заданными спецификациями;

- отладка, ремонт: выработка рекомендаций по устранению неисправностей;

- поддержка принятия решений -- совокупность процедур, обеспечивающих ЛПР необходимой информацией и рекомендациями для процесса принятия решений (выбор и/или, генерация альтернатив).

Применение технологий СИИ в управлении

Для начала ограничим область применения экспертных систем. Экспертные технологии используются для автоматизации решения задач в следующих отраслях:

- финансы;

- нефтегазовая промышленность;

- энергетика;

- транспорт;

- фармацевтическое производство;

- космос;

- металлургия

- горное дело;

- химия;

- образование;

- агробизнес;

- телекоммуникации и связь и т.д.

Структура ЭС интеллектуальных систем

- Интерфейс пользователя

- Пользователь

- Интеллектуальный редактор базы знаний

- Эксперт

- Инженер по знаниям

- Рабочая (оперативная) память

- База знаний

- Решатель (механизм вывода)

- Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и дает рекомендации по разрешению проблемы. Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила -- набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

Конкретные и обобщенные запросы к базам знаний на языке Пролог записываются с помощью языка предикатов, выражающих правила логического вывода и определения понятий над процедурами логического вывода, имеющихся в базе знаний, выражающих обобщенные и конкретные сведения и знания в выбранной предметной области деятельности и сфере знаний.

Обычно факты в базе знаний описывают те явления, которые являются постоянными для данной предметной области. Характеристики, значения которых зависят от условий конкретной задачи, ЭС получает от пользователя в процессе работы, и сохраняет их в рабочей памяти.

База знаний ЭС создается при помощи трех групп людей:

- эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;

- инженеры по знаниям, являющиеся специалистами по разработке ИИС; искусственный интеллект робототехнический система

- программисты, осуществляющие реализацию ЭС.

Принцип работы экспертной системы осуществляется в 2 этапа:

1. Режим ввода знаний -- в этом режиме эксперт с помощью инженера по знаниям посредством редактора базы знаний вводит известные ему сведения о предметной области в базу знаний ЭС.

2. Режим консультации -- пользователь ведет диалог с ЭС, сообщая ей сведения о текущей задаче и получая рекомендации ЭС. Например, на основе сведений о физическом состоянии больного ЭС ставит диагноз в виде перечня заболеваний, наиболее вероятных при данных симптомах.

Кроме экспертных систем в управлении также принимает участие интеллектуальный человеко-машинный интерфейс.

Подробное рассмотрение возможных вариантов построения автономных роботов различных типов и назначения обеспечивает возможность обобщения отдельных конструктивных решений в рамках единой схемы, включающей следующие структурные элементы:

- несущая транспортная платформа;

- комплекс специального и технологического оборудования;

- интеллектуальная система управления;

- измерительно-информационная подсистема;

- подсистема двусторонней связи.

Подобной компоновочной схеме в полной мере могут отвечать безэкипажные мобильные боевые комплексы, беспилотные летательные и космические аппараты, автономные подводные и надводные плавсредства, бытовые робототехнические системы и т.д. Переход к обобщенному представлению структуры автономных роботов обусловливает возможность выделения рациональной последовательности ключевых этапов в решении всего многообразия задач, их прикладного применения:

- закладка модели внешней среды или картографической базы знаний, получение постановки прикладной задачи и указания на ее выполнение;

- привязка собственного местоположения к модели среды или заложенной карте местности;

- сбор и обработка сенсорной и поступающей командной информации для формирования текущей модели рабочей обстановки и модификации картографической базы знаний;

- формирование сценариев целесообразных действий по выполнению поставленной задачи;

- прогноз развития событий и изменения рабочей обстановки;

- выбор оптимального сценария и доклад о предполагаемых действиях;

- прием разрешения на реализацию выбранного сценария;

- формирование согласованных заданий по управлению основными подсистемами, включая несущую транспортную платформу,

- комплекс специального и технологического оборудования, а также измерительно-информационные средства;

- выполнение заданий с учетом особенностей текущей ситуации;

- проведение сеанса самодиагностики, анализ качества функционирования отдельных подсистем при выполнении соответствующих заданий,

- оценка эффективности выполняемых действий; обобщение полученных результатов и накопленного опыта;

- доклад о результатах выполнения задачи.

С другой стороны, рассмотренная последовательность по существу регламентирует порядок функционирования интеллектуальных систем управления автономных робототехнических комплексов.

Анализ особенностей и порядка целесообразного функционирования автономных роботов позволяет сформулировать набор основных требований к разработке интеллектуальной бортовой системы управления, а также измерительно-информационной подсистемы и средств двусторонней связи как ее неотъемлемых частей.

Требования к человеко-машинному интерфейсу автономной робототехнической системы определяются из условий обеспечения ее эффективной эксплуатации в экстремальных условиях, при высокой быстротечности изменения ситуаций, минимальном времени на оценку оперативной обстановки и постановку соответствующих задач с учетом стрессовых состояний или возможной неподготовленности оператора (пользователя), способного выдать необходимое целеуказание только лишь в самой обобщенной форме, и т.д. При наличии таких ограничений приказ на выполнение задачи и доклад об итогах ее решения должны отдаваться и приниматься в режиме двустороннего диалога на уровне естественного или близкого к нему языка.

Требования к функциям внешнего очувствления, реализуемым интеллектуальной системой управления автономным роботом, определяются необходимостью достоверной идентификации текущего состояния среды для построения адекватной модели боевой обстановки и последующего принятия решений о рациональном порядке выполнения поставленной прикладной задачи. При этом очевидно, что эффективность функционирования интеллектуальной системы управления автономных роботов будет во многом зависеть от заложенного набора ее возможностей по сенсорному очувствлению, включая:

- сбор и выполнение предварительной обработки различных видов сенсорной информации о текущем состоянии и воздействиях внешней среды;

- распознавание образов;

- способность к оперативному обучению средств распознавания;

- способность отслеживать заданные типы объектов или изменений внешней среды с идентификацией их параметров.

Требования к интеллектуальным возможностям системы управления автономного робота определяются условиями обеспечения высокой степени надежности и качества его функционирования при наличии существенной неопределенности внешней среды, изменчивости обстановки, воздействий случайного характера, а также неполноты и нечеткости поступающей информации.

В заключение хотелось бы сказать о том, что очевидна необходимость объединения систем управления с системами адаптивно-игровыми системами, использование которых открывает широкие возможности эффективного управления различной деятельностью человека в условиях конфликта.

Ответ –Я думаю, что да возможен. Искусственный интеллект начал проявлять себя во всех областях меняющегося делового мира. с внедрением новых технологий в цифровую эпоху бизнес-структурам приходится адаптироваться к новым проектам и повышать производительность бизнес-процессов.

В настоящее время менеджмент на основе искусственного интеллекта набирает все большую популярность. В современных условиях система управления организаций и, HR-сфера в частности, находится под неизбежным влиянием цифровой инновационной трансформации: бизнес-аналитики, искусственного интеллекта и других передовых технологий. Область научного знания об искусственном интеллекте сформировалось в середине XX века, однако работы в этом направлении велись с древних времен. О прототипах современных систем искусственного разума можно говорить начиная с 1950-х гг.

искусственный интеллект используется в широком спектре бизнес-задач, позволяя автоматизировать многие аспекты управленческой деятельности. Этим обусловлена необходимость изучения и исследования его взаимодействия с процессами управления в компании.

Исследования роли искусственного интеллекта в стратегическом управлении проводились еще в 1980-х годах. Приводилось много обещаний относительно его управленческой полезности, но ранние формы, в виде экспертных систем, не смогли достичь своих целей на стратегическом уровне [18, 23] (Geisler, 1986; Holloway, 1983). Это привело к сокращению публикаций и временной потере значимости данной области исследований. В ранних работах в период с 1979 по 2005 год искусственный интеллект рассматривался как основная технология экспертных систем на основе правил для поддержки и совершенствования процесса принятия стратегических решений [9] (Carlsson, Walden, 1997). В более поздних публикациях (2015–2019) искусственный интеллект находит свою технологическую основу в алгоритмах машинного обучения. Они распознают шаблоны в наборах данных с помощью статистических выводов и обладают потенциальной способностью автономно действовать в области когнитивных задач и автоматизации процессов [14] (Davenport, Ronanki, 2018). Появление технологии машинного обучения в стратегическом управлении перенесло дискуссию ученых и практиков из поля информационных систем в область управления и обеспечило появление первых наборов эмпирических работ, которые демонстрируют неоднозначное влияние в отношении алгоритмических предубеждений.

Использование искусственного интеллекта в практике управления создает растущую потребность в количественных и качественных исследованиях. Разумным подходом могут быть экспериментальные исследования, выявляющие конкретные причины, благодаря которым сотрудничество искусственного интеллекта и менеджеров в конечном итоге принесет ожидаемые выгоды. В свете интригующих предположений о неизбежности симбиоза «человек – машина» и о том, что качество управленческих действий повысится с помощью дополнительных навыков систем на основе искусственного интеллекта, следует особое внимание уделить проблемам управленческого сопротивления и поиску баланса между традиционными целями человеческого лидерства и алгоритмической оптимизации.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Невская, Л. В. Основы менеджмента. История менеджмента : конспект лекций / Л. В. Невская ; Л. В. Невская ; Федеральное агентство по образованию, Гос. образовательное учреждение высш. проф. образования "Пермский гос. технический ун-т", Каф. менеджмента и маркетинга. – Пермь : Изд-во Пермского гос. технического ун-та, 2007. – 141 с. – ISBN 978-5-88151-652-9.
2. Казначевская, Г.Б., Менеджмент : учебник / Г.Б. Казначевская. — Москва : КноРус, 2022. — 240 с.
3. Менеджмент. : учебник / С.М. Сычева, Е.Ю. Кузьмина, И.А. Румянцева [и др.] ; под ред. В.Г. Антонова, Э.М. Короткова, М.Б. Жернаковой. — Москва : КноРус, 2022. — 306 с.
4. Петросян, Д.С., Основы менеджмента : учебное пособие / Д.С. Петросян. — Москва : Русайнс, 2022. — 239 с.
5. Сетков, В.И., Менеджмент : учебное пособие / В.И. Сетков. — Москва : КноРус, 2022. — 149 с.