CC BY
5
УДК 004.8
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И БУДУЩЕЕ ЦИФРОВИЗАЦИИ ОБЩЕСТВА
Ю. В. Фомина Научный руководитель - А.Н. Городищева
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газеты «Красноярский рабочий», 31
E-mail: Lost2338@mail.ru
Статья посвящена обзору основных достижений в области искусственного интеллекта и его применения в значительных сферах жизни общества. Также выявлены основные тенденции и направления, в которых стоит ожидать развития искусственного интеллекта в образовательной деятельности.
Ключевые слова: искусственный интеллект, цифровизация общества, алгоритмы, цифровая грамотность
ARTIFICIAL INTELLIGENCE AND THE SOCIETY DIGITALIZATION FUTURE
Yu. V. Fomina Scientific supervisor - A.N. Gorodishcheva
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation
E-mail: Lost2338@mail.ru
The article is devoted to a review of the main achievements in the field of artificial intelligence and its application in significant society areas. Also we identified the main trends and directions in which we should expect the development of artificial intelligence in educational activities.
Keywords: artificial intelligence, digitalization of society, algorithms, digital literacy
Искусственный интеллект занимает все больше места в нашей жизни: автопилоты, чат-боты, распознавание лиц стали обыденностью. Способности современного искусственного интеллекта растут. Исторически искусственный интеллект развивался в двух направлениях: первое связано с идеей воссоздания человеческого мозга через искусственную нейросеть в виде микросхем. Уоррен МакКаллок и Уолтер Питтс предложили простую модель, известную как математический нейрон Маккаллока — Питтса [1]. Она до сих пор изучается на курсах машинного обучения. Второй подход восходит к математику А. Тьюрингу, создавшему тест на определение мыслительной способности машины в общении с человеком [2]. Эти системы не симулировали мозг, но работали благодаря строгим описаниям и формальной логике. Их наследники совмещают логические правила с элементами машинного обучения, после которых появились другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). На них построены социальные сети Instagram, Twitter и Facebook, голосовые помощники (Windows's Cortana, Алиса от Яндекс, Apple's Siri, Amazon's Alexa), стриминговые сервисы (Netflix [3], Amazon Prime, HBO GO, Spotify) и образовательные онлайн-платформеры (Coursera, EdX и Udasity), где искусственный интеллект оценивает тесты и эссе.
Актуальные проблемы авиации и космонавтики - 2020. Том 3
Развитие мышления у машин сегодня связано с таким подходом, как обучение с подкреплением. Специалисты говорят об автоэнкодерах [4] (искусственные нейронные сети, обучающиеся с помощью механизма обратного распространения ошибок), LSTM (сети долгой краткосрочной памяти), капсульных нейронных сетях [5] (перспективная архитектура нейронных сетей, которая улучшает распознавание изображений при изменяющихся ракурсах и иерархической структурой), как о преимущественных сторонах развития искусственного интеллекта в будущем.
Стратегия цифровизации образования предусматривает не только такие перспективные инновационные технологии, как искусственный интеллект, но и блокчейн, и виртуальную реальность. В образовании применяется обучающая программа, которая усиливает интерактивность и интеллектуальную составляющую, характерную для педагога. Виртуальная реальность дает возможность проведения видеоконференций, которые обладают наибольшим эффектом по сравнению с веб-конференциями, напоминающими телефонные разговоры. Эти технологии используются для виртуальных путешествий, ознакомления с другими культурами и при изучении иностранного языка.
Считается, что в будущем искусственный интеллект сможет определить изменения в уверенности и мотивации обучающегося и в случае надобности помочь ему. Появятся «обучающие компаньоны», которые будут учить человека на протяжении всей его жизни. Находясь в облаке, они будут доступны на каждом устройстве и в офлайн - режиме, и при надобности обратятся к эксперту в определенной сфере. Согласно отчету Стэнфордского университета, к 2030 г. каждый город США будет полагаться на технологии искусственного интеллекта в вопросе обеспечения безопасности населения. Искусственный интеллект будет помогать предотвращать преступления и выступать ассистентом во время судебных разбирательств, сможет анализировать социальные сети для предотвращения возможных акций радикальных группировок. Многие технические профессии для человека исчезнут, но системные аналитики, которые формируют сценарии работы техники, инженеры, обслуживающие высокотехнологичные средства, руководители, естественно, останутся. Сотрудники Стэнфордского университета составили карту существующих и прогнозируемых технологий искусственного интеллекта: умный дом; управление персоналом; управление персональными финансами; транспортные системы, беспилотные транспортные средства; компьютерное зрение и роботизированные комплексы в промышленности; медицина, персональная медицина, фармакология; измерения, в режиме реального времени, показателей атмосферы и гидросферы, геохимию океана для моделирования различных состояний и прогноза; обработка естественного языка, машинного обучения. [6]
Несмотря на огромный потенциал цифровых технологий, который востребован в образовании, он используется не в полной мере, это обусловлено недостаточной цифровой грамотностью общества и приводит к возникновению цифрового разрыва, его преодолению. Доступ к цифровым технологиям является актуальной задачей цифровой трансформации образования.
Библиографические ссылки
1. Каширина Е. А., Курганов А. Н. Нейронные сети как инструмент прогнозирования динамики рыночных цен //Science Time. - 2015. - №. 12 (24).
2. Тьюринг А. Могут ли машины мыслить?. - ГИФМЛ; М.; 1960.
3. The power of recommendations [Electronic resource] / Vinod Kathayat // Medium. — 2019. — Access mode: https:// medium.com/swlh/how-netflix-uses-aifor-content-creation-and-recommendationc1919efc0af4 (accessed: 01.04.2020)]
4. Im D. J., Belghazi M. I., Memisevic R. Conservativeness of untied auto-encoders //Thirtieth AAAI Conference on Artificial Intelligence. - 2016.
5. Юдин П. А. Исследование капсульных нейронных сетей как новый подход к решнию задачи по распознаванию изображений //Фундаментальные и прикладные научные исследования: актуальные вопросы, достижения и инновации. - 2019. - С. 185-188.
6. Борисова Е. В. Современный тренд образовательной среды - искусственный интеллект и цифровая педагогика // Традиции и новации в профессиональной подготовке и деятельности педагога.- 2018. - С. 84-87.
© Фомина Ю. В., 2020
