Известия Саратовского университета. Новая серия.

Серия: Экономика. Управление. Право

ISSN 1994-2540 (Print)
ISSN 2542-1956 (Online)

Для цитирования:

Вешнева И. В. Технологии искусственного интеллекта: классификация, ограничения, перспективы и угрозы // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2023. Т. 23, вып. 4. С. 428-438. DOI: 10.18500/1994-2540-2023-23-4-428-438, EDN: XCKAXR

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
Иконка PDF ekonomika_2023_4-428-438.pdf
(загрузок: 0)
Язык публикации: 
русский
Рубрика: 
Управление
Тип статьи: 
Научная статья
УДК: 
338
DOI: 
10.18500/1994-2540-2023-23-4-428-438
EDN: 
XCKAXR

Технологии искусственного интеллекта: классификация, ограничения, перспективы и угрозы

Авторы: 
Вешнева Ирина Владимировна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Аннотация: 

Введение. Решение задач повышения производительности труда, формирование прозрачности основных бизнес-процессов, создание новых производств требуют не только новых производственных технологий, но и организации информационных процессов, таких как сбор, хранение, обработка, анализ, выдачи ответа на запросы по информации, сопровождающей производственные процессы. Одним из наиболее перспективных инструментов решения этих задач являются технологии искусственного интеллекта. Теоретический анализ. Представлена классификация технологий искусственного интеллекта, выделены направления: машинное обучение, обработка естественного языка, компьютерное зрение, экспертные системы, усовершенствованное планирование, распознавание речи, робототехника. Дана характеристика основным технологиям внутри выделенной классификации. Для описания ограничений развития искусственного интеллекта использованы уровни ограничения развития физической реализации, безопасности использования, взаимодействия с окружением, уровень признания, возможности самоактуализации. Перспективы и риски структурированы как наборы аналогичных уровней, дополненные уровнем анализа в области энергетики. Заключение. Выявлено, что для обеспечения развития Общества 5.0 необходимо создание инновационных площадок и мегарегиональных кластеров для кооперации органов власти, предпринимателей, исследовательских центров в области технологий искусственного интеллекта.

Ключевые слова: 
искусственный интеллект
киберфизические системы
риски
безопасность
машинное обучение
обработка естественного языка
компьютерное зрение
экспертные системы
усовершенствованное планирование
распознавание речи
робототехника
устойчивое развитие России
Общество 5.0
Список источников: 
  1. Искусственный интеллект // Министерство цифрового развития, связи и массовых коммуникаций. URL: https://digital.gov.ru/ru/activity/directions/1046/ (дата обращения: 24.03.2023).
  2. АНО «Цифровая экономика» изучила лучшие практики внедрения ИИ в российскую обрабатывающую промышленность. URL: https://data-economy.ru/news/tpost/zfbdovnco1-ano-tsifrovaya-ekonomikaizuchila-luchsh (дата обращения: 24.03.2023).
  3. The Socio-Economic Impact of AI in Healthcare. URL: https://www.medtecheurope.org/wp-content/uploads/2020/10/mte-ai_impact-in-healthcare_oct2020_report.pdf (дата обращения: 24.03.2023).
  4. Haseeb M., Mihardjo L. W., Gill A. R., Jermsittiparsert K. Economic impact of artificial intelligence: New look for the macroeconomic assessment in Asia-Pacifi c region // International Journal of Computftional Intelligence Systems. 2019. Vol. 12, iss. 2. P. 1295–1320. https://doi.org/10.2991/ijcis.d.191025.001
  5. Van Roy V. AI Watch – National strategies on Artificial Intelligence: A European perspective in 2019 // EUR 30102 EN, Publications Office of the European Union, Luxembourg, https://doi.org/10.2760/602843 , JRC119974
  6. Review of Artificial Intelligence and Machine Learning Technologies: Classifi cation, Restrictions, Opportunities and Challenges // Mathematics, MDPI. 2022. Vol. 10, iss. 15. P. 1–25. https://dx.doi.org/10.3390/math10152552
  7. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. М. : Радио и связь, 1992. 256 с.
  8. Ивахненко А. Г. Самообучающиеся системы с положительными обратными связями. Киев : Изд-во АН УССР, 1963. 330 с.
  9. Вешнева И. В., Сингатулин Р. А. Разработка информационно-образовательных комплексов системы дистанционного обучения с обратной связью на основе фотограмметрических методов и статусных функций. Часть 2 // Вестник Саратовского государственного технического университета. 2015. Т. 3, № 1 (80). С. 125–132. EDN: VKUGQB
  10. Вешнева И. В. Математические модели в системе управления качеством высшего образования с использованием методов нечеткой логики. Саратов : Саратовский источник, 2010. 186 с.
  11. Bolshakov A. A., Veshneva I. V. Assessment of the Effectiveness of Decision Support in the Application of the Information System for Monitoring the Process of Forming Competences Based on Status Functions // 2018 International Conference on Actual Problems of Electron Devices Engineering (APEDE). Saratov, Russia, 2018. P. 75–82. https://doi.org/10.1109/APEDE.2018.8542462
  12. Заставь машину думать: как развивают искусственный интеллект у роботов // РБК. URL: https://trends.rbc.ru/trends/innovation/5d6520ea9a79474acef15b63 (дата обращения: 24.03.2023)
  13. Islas-Cota E., Gutierrez-Garcia J. O., Acosta C. O., Rodríguez L. F. A systematic review of intelligent assistants // Future Generation Computer Systems. 2022. Vol. 128. P. 45–62. https://doi.org/10.1016/j.future.2021.09.035
  14. Krinkin K., Shichkina Y., Ignatyev A. Co-evolutionary hybrid intelligence // 2021 5th Scientific School Dynamics of Complex Networks and their Applications (DCNA). Kaliningrad, Russian Federation. 2021. P. 112–115, https://doi.org/10.1109/DCNA53427.2021.9587002
  15. Созданный в США робот пообещал уничтожить человечество. URL: https://rg.ru/2016/03/22/robotpoobeshchal-unichtozhit-chelovechestvo.html (дата обращения: 24.03.2023).
  16. Veshneva I. V., Bolshakov A. A. Construction of Digital Twins of Socio-Economic Systems Using Mathematical Models Based on Status Functions // Society 5.0: HumanCentered Society Challenges and Solutions. Cham : Springer, 2022. P. 129–141. https://doi.org/10.1007/978-3-030-95112-2_11
  17. Bolshakov A., Veshneva I., Lushin D. Mathematical Model of Integration of Cyber-Physical Systems for Solving Problems of Increasing the Competitiveness of the Regions of the Russian Federation // Society 5.0: Cyberspace for Advanced Human-Centered Society. Cham : Springer Verlag, 2021. P. 129–139. https://doi.org/10.1007/978-3-030-63563-3_11
  18. Veshneva I., Chernyshova G., Bolshakov A. Regional Competitiveness Research Based on Digital Models Using Kolmogorov-Chapman Equations // Society 5.0: Cyberspace for Advanced Human-Centered Society. Cham : Springer Verlag, 2021. P. 141–154. https://doi.org/10.1007/978-3-030-63563-3_12
  19. Перспективы развития // РОССЕТИ. Стратегический отчет. URL: http://rosseti14.kerrygun.ru/strategicreport/prospects-of-development (дата обращения: 24.03.2023).
  20. Investment in Artificial Intelligence Solutions Will Accelerate as Businesses Seek Insights, Efficiency, and Innovation, According to a New IDC Spending Guide // International Data Corporation. 2021. URL: https://idc.com/getdoc.jsp?containerId=prUS48191221 (дата обращения: 24.03.2023).
  21. Княгинин В. Н., Липецкая М. С., Санатов Д. В., Васеев И. Е., Годунова Е. А., Семенова М. А., Харитонов М. А., Холоднова Е. М. Искусственный интеллект в промышленности. Экспертно-аналитический доклад. URL: https://csr-nw.ru/upload/iblock/3db/Доклад%20по%20ИИ%20в%20промышленности_финал.pdf (дата обращения: 24.03.2023).
  22. Чернышова Г. Ю., Вешнева И. В., Роках Г. Е. Моделирование динамики рисков региональной конкурентоспособности // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2022. Т. 22, вып. 1. С. 42−52. https://doi.org/10.18500/1994-2540-2022-22-1-42-52
  23. Samuelson P., Scotchmer S. The Law and Economics of Reverse Engineering // The Yale Law Journal. 2002. Vol. 111, no. 7. P. 1575−1663. https://doi.org/10.2307/797533
  24. Shenkar O., Oded Shenkar, Yadong Luo. International business. Hoboken, N. J. : Wiley, 2004. 513, [217] р.
  25. Strubell E., Ganesh A., McCallum A. Energy and Policy Considerations for Deep Learning in NLP // Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. Florence, Italy, 2019. P. 3645–3650. URL: https://arxiv.org/pdf/1906.02243.pdf (дата обращения: 24.03.2023).
  26. Сбер представил открытый инструмент для оценки углеродного следа моделей ИИ // Lenta.Ru. URL: https://lenta.ru/news/2022/06/17/openinstr/ (дата обращения: 24.03.2023).
  27. Широковских С. А. Возможности, ограничения и вероятные угрозы устойчивому развитию высокотехнологических компаний азиатского региона вследствие выхода из-под контроля искусственного интеллекта и нейросетей // Экономика Центральной Азии. 2020. Т. 4, № 4. С. 385−394. https://doi.org/10.18334/asia.4.4.111626
Поступила в редакцию: 
01.05.2023
Принята к публикации: 
10.10.2023
Опубликована онлайн: 
30.11.2023
Опубликована: 
30.11.2023