10545

ELport.ru, которые посвящены конкретным примерам применения ИИ в строительной отрасли:

Исследование показало, что почти половина (47%) пользователей BIM, ориентированных на «высокоинтенсивное строительство», близки к достижению своих общих целей цифровой трансформации.

Вопросы для самоконтроля и текущего контроля

1)Перечислите направления применения современных интеллектуальных систем.

2)Дайте определение интеллектуальной информационной системы.

3)К каким интеллектуальным системам относится система, использующая генетические вычисления и базы данных?

4)Какие системы являются системами общего назначения?

5)Какие системы относятся к самоорганизующимся системам?

6)Какие системы относятся к системам компьютерной лингвистики?

7)Перечислите критерии оценки интеллектуальных систем.

Список рекомендуемой литературыi

:

[1] Сидоркина, Ирина Геннадьевна. Системы искусственного интеллекта [Текст] : [учеб. пособие для вузов по направлению 230100 "Информатика и вычисл. техника"] / И. Г. Сидоркина. М.: Кнорус, 2011. - 245 с.

Рассмотрены теоретические аспекты проектирования систем искусственного интеллекта и даны модели представления знаний, изложены материалы информационного, справочного, консультирующего характера по использованию инструментальных средств и технологическим особенностям разработки систем данного класса.

Подробнее: https://www.labirint.ru/books/276217/

Ссылки на открытые ресурсы (он-лайн-курсы, видеоуроки и т.д.)

https://elport.ru/articles/iskusstvennyiy_intellekt_v_stroitelstve_primeryi_ii_dlya _stroitelnoy_otrasli

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

Прикладные интеллектуальные системы

Конспект лекции 2. Задачи, решаемые прикладными системами

искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора

ПСИИ.

Аннотация: В лекции рассказывается о прикладных задачах, которые решаются в настоящее время системами искусственного интеллекта. Приводится классификация систем искусственного интеллекта. Описаны критерии выбора систем

искусственного интеллекта для решения различных задач.

План лекции:

1.Прикладные задачи решаемые ИИ.

2.Классификация интеллектуальных информационных систем.

3.Критерии оценки интеллектуальности систем.

4.Задания для самостоятельной работы.

Ключевые слова: прикладные задачи ИИ, классификация ИИ, критерии оценки ИИ

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

СОДЕРЖАНИЕ ЛЕКЦИИ:

1. Прикладные задачи решаемые ИИ

Как можно использовать искусственный интеллект на пользу бизнесу? Крупные компании и стартапы часто задаются этим вопросом, и не зря. Искусственный интеллект может стать одним из ключевых факторов развития вашего бизнеса. Как? В этой статье мы расскажем несколько способов.

1.1 Применение искусственного интеллекта в бизнесе

По данным информационного портала DataProt, к 2027 году мировой рынок

искусственного интеллекта достигнет 267 миллиардов долларов. При этом уже

сейчас 37% компаний применяют ИИ-технологии. Это говорит о том, что многие понимают его ценность, и если вы еще не внедрили ИИ в свой бизнес, пора об этом

задуматься.

Технологии искусственного интеллекта полезны для разных сфер бизнеса: ритейл,

строительство, IT, образование и т.д. Каждой из них необходимы управление

поведением потребителей и клиентов, изучение будущих тенденций рынка и

автоматизация рутинных процессов. ИИ помогает упростить эти действия. Вот несколько сфер, в которых ИИ наиболее востребован:

Транспорт. Беспилотные автомобили, которые “чувствуют” окружающую среду и

могут двигаться без вмешательства человека, могут трансформировать

транспортную систему. Машины с использованием ИИ анализируют трафик и альтернативные маршруты, сокращая время в пути.

Производство. Высокопроизводительные роботы работают быстрее и выполняют задачи более эффективно, чем люди. Благодаря использованию 3D-технологий и машинного зрения эти машины могут ускорить процесс производства в любой сфере.

Здравоохранение. Приложения с искусственным интеллектом набирают обороты и постепенно превращаются в важного помощника для медицинского персонала. Автономные хирургические роботы, виртуальные помощники медперсонала и

автоматическая диагностика изображений — это разработки, благодаря

которым ИИ сыграл решающую роль в технологическом прогрессе

здравоохранения.

Развлечения. Машинное обучение может предсказывать поведение пользователя и давать рекомендации фильмов, музыки, телешоу и другого

контента. Даже реклама персонализирована в зависимости от предпочтений

пользователя, что повышает шансы маркетологов на продажу.

Спорт. Предиктивный анализ и автоматизация могут использоваться для

принятия бизнес-решений, продажи билетов и определения результатов

спортсменов.

1.2Зачем нужен искусственный интеллект

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

Искусственный интеллект может стать вашим надежным помощником в бизнесе и

улучшить ваши показатели во всех сферах. Вот несколько задач, с которыми вам

поможет ИИ:

Ценообразование. Искусственному интеллекту проще изучать статистику и

прогнозы, чем людям. Он может быстро обрабатывать огромные массивы

информации и предложить наиболее оптимальное распределение цен. Это

поможет вам повысить выручку и даже увеличить доходы компании в несколько

раз.

Безопасность. Мошенники могут встретиться и среди потребителей.

Самообучающиеся нейронные сети анализируют поведение клиентов и видят подозрительные операции, чтобы вы могли вовремя на них отреагировать.

Результат — отсутствие финансовых потерь, защищенность системы и доверие

пользователей.

Маркетинг. ИИ может изучить ваши предыдущие продажи и исследовать рынок,

чтобы составить прогноз. Он анализирует поведение конкурентов, чтобы сравнить ваши правильные и неудачные шаги. Это позволит вам разработать грамотную маркетинговую стратегию, которая с большей вероятностью станет

успешной.

Скорость. Иногда очень важно быстро проанализировать информацию и еще быстрее на нее отреагировать. Хороший пример — биржевые операции. К сожалению, обычные алгоритмы не могут сами адаптироваться к новым условиям

и данным без предварительного обучения. Искусственный интеллект предоставляет эту возможность и повышает продуктивность вашей работы.

Автоматизация. Какими бы работоспособными ни были ваши сотрудники, они

могут в любой момент допустить ошибку. На это влияют десятки факторов,

которые вы не можете предугадать и устранить. Искусственному интеллекту это не свойственно: у него нет эмоций и чувств. Есть лишь данные, функции и технологии. Иногда стабильность работы критична, и в этом ИИ выигрывает у

человека.

1.3Области применения искусственного интеллекта

Виртуальные помощники. AI виртуальные помощники

Самая очевидная сфера применения искусственного интеллекта — виртуальные

помощники. Siri и Ok Google — не единственные примеры. Чат-боты — тоже продукт

искусственного интеллекта, призванный помогать клиентам компаний. Например, чат

-бот Олег в приложении банка Тинькофф с помощью распознавания речи общается с

клиентами банка через цифровые устройства и выполняет стандартные операции

вроде денежных переводов.

Использовать виртуального помощника или нет — выбирать вам, но это один из тех ИИ-инструментов, который будет только глубже проникать в бизнес-процессы и

повседневную жизнь современных людей. По статистике Facebook, более 10000

компаний занимаются разработкой чат-ботов. Juniper Research подтверждают

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

Искусственный интеллект показывает хорошие результаты в построении прогнозов благодаря способности к самообучению. В отличие от традиционных типов прогнозирования, предиктивная аналитика легко адаптируется к изменениям поведения — когда поступают новые данные, она становится лучше.

Анализ неструктурированных данных

Сшироким распространением мобильных устройств мы ежедневно создаем массу

цифрового неструктурированного контента: сообщения в мессенджерах, письма, фото и видео. Алгоритмы ИИ помогают компаниям разобраться с этим “богатством” и

структурировать данные так, чтобы впоследствии их проанализировать. Подобный

принцип заложен в основе Siri — спонтанная разговорная речь, проходя через

алгоритм программы, становится структурированной и подвергается дальнейшей обработке.

В анализе неструктурированных данных заложен огромный потенциал для производственных и ресурсодобывающих предприятий, которые накапливают смешанную информацию годами. Такой анализ способен облегчить работу и самих R&D инженеров — сэкономить время на сортировку и организацию данных перед тем, как

оценить их и проследить важные взаимосвязи.

Робототехника

Искусственный интеллект — шанс делегировать роботам утомительные и трудоемкие задачи. Бизнес уже сейчас следует этой тенденции. Например, онлайн-ритейлер Ocado разработал систему компьютерного зрения и сеть роботов, чтобы заменить процесс сканирования баркодов на своих торговых складах. Это поможет ускорить

поиск и выдачу нужных товаров.

Хирургические и сельскохозяйственные роботы уже успели зарекомендовать себя,

но роботизация других направлений только набирает обороты. В любом случае в

ближайшее десятилетие рынок роботов и искусственного интеллекта будет активно расти. Почему бы не воспользоваться его возможностями сегодня, чтобы громко

заявить о себе завтра?

1.4 Внедрение искусственного интеллекта

Чтобы начать внедрение искусственного интеллекта в бизнес, важно прежде всего

собрать нужные данные, например, информацию о продажах за последние годы. Она

может включать контактные данные клиентов, суммы сделок и приобретенные товары или услуги. Возможно, вы уже храните эту информацию в структурированном виде. В

других случаях вам придется потратить время на ее систематизацию, чтобы затем

ввести в программу для обработки данных.

Следующий шаг — разработка алгоритма искусственного интеллекта, который самостоятельно обучается. Здесь вам нужны хорошие специалисты, которые смогут

научить систему необходимым действиям. Хорошие новости: на рынке уже достаточно

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

много готовых решений, которые помогут вам настроить ИИ быстрее.

Когда вы получаете нужную информацию от системы искусственного интеллекта, вам

нужно перестроить технические или бизнес-процессы, на которые влияет ИИ.

Несомненно, здесь потребуется участие не только машин, но и людей. Однако в итоге

ИИпоможет вам оптимизировать расходы и увеличить продажи.

Перспективные направления развития ИИ

Основная область применения искусственного интеллекта — это процессы, в

которых можно отследить алгоритм действий человека и повторить его. Однако технологии еще не развиты до такой степени, чтобы делать вместо нас абсолютно все. Для чего сегодня еще не применяется искусственный интеллект?

Крупные технологические компании уже способны решать многие задачи по созданию компьютерного зрения, модулей управления движением, понимания речи, организации и предоставления доступа к информации с помощью компьютерного обучения.

Несмотря на это, современные компании не обладают достаточно надежными

технологиями, которые могут воспроизводить точность человеческих глаз или зон

мозга, ответственных за речь. В будущем и это может стать реальностью.

ИИоткрывает 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 действительно

могут помочь людям следить за состоянием растений и животных и даже влиять на

климатические условия.

Медицина — еще одна отрасль, в которой применение ИИ пока не может быть

полноценным. Люди не настолько доверяют машинам, чтобы позволить им ставить

диагнозы вместо квалифицированных специалистов. Однако уже сейчас эти самые машины оказывают врачам огромную помощь в изучении результатов анализов и

постановке диагноза. Вероятно, в будущем власти у машин в этой сфере станет

только больше.

2. Классификация интеллектуальных информационных систем

Существует большое множество интеллектуальных информационных систем (ИИС). Однако общепринятого единого определения интеллектуальной информационной

системы нет.

Интеллектуальной информационной системой называют автоматизированную

информационную систему, основанную на знаниях, или комплекс программных,

лингвистических и логико-математических средств для реализации основной

задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке.

Кроме того, информационно-вычислительными системами с интеллектуальной поддержкой для решения сложных задач называют те системы, в которых логическая обработка информации превалирует над вычислительной.

09.04.01-УММ-М.1.2.5-ПИС-ЛК02-Задачи, решаемые прикладными системами искусственного интеллекта (ПСИИ). Классификация ПСИИ. Критерии выбора ПСИИ.

Таким образом, любая информационная система, решающая интеллектуальную задачу

или использующая методы искусственного интеллекта, относится к

интеллектуальным.

Для интеллектуальных информационных систем характерны следующие признаки:

развитые коммуникативные способности;

умение решать сложные плохо формализуемые задачи;

способность к самообучению;

адаптивность.

Коммуникативные способности ИИС характеризуют способ взаимодействия

(интерфейса) конечного пользователя с системой, в частности возможность

формулирования произвольного запроса в диалоге с ИИС на языке, максимально приближенном к естественному.

Сложные плохо формализуемые задачи – это задачи, которые требуют построения

оригинального алгоритма решения в зависимости от конкретной ситуации, для

которой могут быть характерны неопределенность и динамичность исходных данных

и знаний.

Способность к самообучению – это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций.

Адаптивность – способность к развитию системы в соответствии с объективными

изменениями модели проблемной области.

В соответствии с перечисленными признаками ИИС делятся на (данная

классификация – одна из возможных) (рис. 1):

системы с коммутативными способностями (с интеллектуальным интерфейсом);

экспертные системы (системы для решения сложных задач);

самообучающиеся системы (системы, способные к самообучению);

адаптивные системы (адаптивные информационные системы).