CC BY
75
D01: 10.24412/2071-7830-2021-243-13-19 БАДМА-ГАРЯЕВ A.M.1, ХОДЫКОВА Н.В2
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ЭКОСИСТЕМЫ: СУЩНОСТЬ, СВЯЗАННОСТЬ, ТЕНДЕНЦИИ РАЗВИТИЯ
1 Ф!'НОУ НО «Московский государственный университет им. М.Н. Ломоносова», г. Москва, Россия, Hadmagaryaevloliktygmail.com
2 ФГОНУ НО «Финансовыйуниверситет при Правительстве Российской Федерации», доцент НА НО НО «Институт мировых цивилизаций», г. Москва, Россия, nogana(clJyandex.ru
Аннотация: В современную постковидную эпоху, когда главным драйвером развития экономик является возросший цифровой потребительский спрос, компании стремятся удовлетворять как можно большее количество потребностей клиента. По оценке экспертов, к 2025 году на цифровые экосистемы может приходиться около 30% глобального валового внутреннего продукта (ВВП), а к отраслям, сориентированным на формирование новейших экосистем, кроме основного бизнеса, в первую очередь, относятся финансово-техническая сфера, цифровые средства массовой информации и сектора Интернет-развлечений.
Актуализация цифровой трансформации свидетельствует, что, независимо от того, где именно находится компания в цифровом мультипространстве, важно, чтобы ее цифровая экосистема, за счет применения искусственного интеллекта, была создана для повышения эффективности ее взаимодействия как с внутренними, так и с внешними институтами и институциями глобального развития.
Ключевые слова: искусственный интеллект, бизнес, инновации, экосистемы, компании, отрасли.
Искусственный интеллект (ИИ) - одна из немногих научных и технологических тем, привлекающих внимание общественности, государства и бизнеса за последние несколько
Несмотря на то, что ИИ еще далек от совершенства, его влияние на мировую экономику за последние пять лет было системообразующим. Такие технологии как компьютерное зрение, интеллектуальное принятие решений, машинное обучение уже радикально изменили различные отрасли во всем мире, но это лишь малая часть общих возможностей, связанных с ИИ [2].
Сам термин, а также спектр областей применения ИИ были впервые исследованы и введены в научный оборот в 1956 году американским информатиком Джоном Маккарти. Хронологически эволюцию представлений об искусственном интеллекте можно представить по ключевым годам по настоящее время (рис. 1).
Аппаратные решения Программные решения
Рис. 1. Хронология развития представлений об искусственном интеллекте
(по настоящее время)
В наиболее часто применяемом определении, «искусственный интеллект (англ. artificial intelligence или AI) - это свойство интеллектуальных систем выполнять творческие функции, которые традиционно считались прерогативой человека».
Цели искусственного интеллекта включают в себя восприятие, рассуждение и обучение. Простые алгоритмы используются в простых фреймовых приложениях, а более сильные алгоритмы помогают сильному искусственному интеллекту, на базе машинного и глубокого обучения (рис. 2).
Глубокое обучение
Подмножество М1_, которое обеспечивает сквозное обучение путем V изучения функций, представлений и , \задач непосредственно из данных/
Искусственный Интеллект
Любая техника, позволяющая
машинам имитировать человеческий интеллект
Машинное обучение
Подмножество А1, которое позволяет машинам улучшать задачи при наличии опыта
Рис. 2. Сущностные характеристики искусственного интеллекта.
Функционально современный искусственный интеллект («черный ящик») позволяет трансформировать спектры данных, так называемые «входные переменные», в эффективные решения или «переменные выхода» (рис.3).
Данные Искусственный Решения
интеллект
Изображения видео Тексты
Сигналы
Табличные данные
Среда, агент
Рис. 3. Функциональный фокус трансформационных механизмов, генерируемых
искусственным интеллектом
Искусственный интеллект подразделяется на две категории:
1. Слабый искусственный интеллект: использует систему, предназначенную для выполнения определенной работы (например, слабые искусственные системы - Amazon Alexa, Siri).
2. Сильный искусственный интеллект: использует систему, предназначенную для выполнения сложных задач без какого-либо вмешательства человека (например, приложения, отвечающие за самоуправляемые автомобили, технологии гостеприимства, навигации и т. д.) [4].
Решение проблем в случаях применения искусственного интеллекта предполагает использование системного подхода к достижению желаемой цели, подразделяемого соответственно на подходы общего и специального назначения. Подход специального назначения
^ Оптимальное взаимодойстоио со средой
приметается к конкретной проблеме и он очень специфичен, тогда как подход общего назначения может быть применен к широкому кругу проблем. Таким образом, ИИ -это междисциплинарная наука, помогающая в создании умных машин, выполняющих сложные задачи. С развитием машинного обучения и концепций глубокого обучения он принимает форму виртуального сдвига в каждом секторе. Существует множество применений искусственного интеллекта, с растущим спросом на него в различных областях маркетинга, здравоохранения, банковского дела, финансов и т. д. Однако самым главным направлением использования искусственного интеллекта, особенно в условиях СОУШ-19, стало развитие цифровых экосистем (рис. 4), буквально пронизанных технологиями и функциональными возможностями ИИ.
♦ peter-service
Рис. 4. Структура современных цифровых экосистем
Цифровая экосистема - это группа взаимосвязанных ресурсов информационных технологий, которые могут функционировать как единое целое. Цифровая экосистема состоит из поставщиков, клиентов, торговых партнеров, приложений, сторонних поставщиков услуг передачи данных и всех связанных технологий. При этом ИИ-инструментарий для управления цифровой экосистемой можно разделить на следующие категории:
• инструменты управления проектами, такие как гибкие инструменты разработки программного обеспечения, программное обеспечение для управления задачами и системы отслеживания проблем;
• исследовательские приложения, включая хранение и визуализацию данных, библиотеки ресурсов и архивы;
• инструменты вовлечения, такие как маркетинг по электронной почте, инструменты управления донорами и программное обеспечение для управления взаимоотношениями с клиентами (CRM);
• инструменты совместной работы, включая электронную почту, общий доступ к файлам, мгновенные сообщения и видеоконференции;
• публичные платформы, такие как веб-сайты, мобильные приложения и каналы социальных сетей;
• платформы управления знаниями [2].
Карта цифровой экосистемы необходима для любой цифровой трансформации: важно понимать над чем организации необходимо работать, чтобы убедиться, что у нее есть соответствующие инструменты для поддержки своих целей, а также обеспечить максимальную эффективность для достижения этих целей [7].
В настоящее время принято выделять три основных типа цифровых экосистем:
1. Экосистема дигитайзера.
2. Экосистема платформы.
3. Экосистема суперплатформенности.
Экосистемы платформы более развиты, чем экосистемы дигитайзера. Они сосредоточены на беспрепятственном соединении пользователей и интеллектуальных устройств на разных платформах, обеспечивая при этом услуги высокого уровня и ограниченные барьеры. Экосистема платформы использует платформу для генерирования потоков доходов. Данные, генерируемые экосистемой, можно использовать в аналогичных бизнес-моделях и моделях обслуживания. У экосистемы платформы обычно от 500 ООО до 10 миллионов партнеров в 5 отраслях [9].
Экосистемы супер платформы - это самый сложный тип цифровой экосистемы. Они ориентированы на интеграцию нескольких платформ в одну интегрированную службу и сбор данных о пользователях с интегрированной платформы. Эти типы экосистем представляют собой широкое множество пользовательских данных, используют соответствующие бизнес-модели для общей и частной монетизации [6].
Многие компании находят наилучшие результаты, используя более одного типа экосистем одновременно. Например, Amazon Alexa использует все три: экосистема дигитайзера улучшает аппаратное обеспечение интеллектуального динамика и функциональность распознавания голоса; экосистема платформы существует для добавления навыков и приложений, которые используются для увеличения услуг, предлагаемых Alexa; и экосистема суперплатформенности используется для интеграции всех других платформ [8].
Цифровая экосистема позволяет организации сосредоточить свою энергию на повышении ценности бизнеса, устраняя любые разочарования, связанные с устаревшими услугами моделей вида В2В («бизнес-для-бизнеса»). Кроме того, цифровые экосистемы повышают ценность отношений с клиентами, помогая компаниям последовательно выполнять соглашения об уровне обслуживания (SLA), обеспечивать быстрые исправления и скорость оправдания потребительских ожиданий [4].
Цифровая экосистема также меняет цепочку поставок. Цепочка поставок, которая изначально функционировала как независимый рынок, интегрирована в цифровую экосистему для поддержки разработки новых продуктов и услуг, тем самым создавая экосистему по-
ставщиков. Традиционная цепочка поставок по-прежнему является основой большинства компаний, но новая модель - цифровая экосистема - меняет деловой мир, создавая новые возможности для бизнеса, устанавливая линейный (а также более быстрый) путь между поставщиками и клиентами [12].
Как отмечают в своей работе Кашеварова Н. А. и Панова Д. А., «...с развитием цифровых технологий, появлением широкого спектра услуг онлайн-сервисов и изменением действующего российского законодательства в части удаленной идентификации клиентов стало возможным объединять различные финансовые продукты на одной цифровой платформе, использующей технологии ИИ...» [5]. Наиболее яркий пример - российская банковская сфера, активно интегрирующая ИИ-технологии в системы собственного стратегического бизнес-моделирования (например, экосистема Сбера, представленная на рис. 5).
СБЕР
Электронная коммерция
FoodTech & Mobility
Развлечения
Сбермаркет —/Мажоритарная fi Delivery Club 45% КП1 Okko 49%
доля
goods v goods.ru о Самокат f Rambler & Co
Подписано 45% / 55%
обязывающее Кухня на районе 85%
соглашение о покупке 85%, г» ^^c- СбеоЗвук 5vv\ 8s*
закрытие
ожидается в 2кв2021 w Гитимпбил 45% YouDrive 45% Союзмульт-ÍTb фильм 80%
Здравоохранение
В2В
®С6еоЗлооовье 83%
J\ СБЕРЕАПТЕКА
\г 45%
0
й5>
SberCloud 100%
BI.ZONE 100%
Рис. 5. Направления стратегического развития экосистемы Сбера в 2021 году.
Таким образом, в настоящий момент все очевиднее тенденции быстрой трансформации бизнес-ландшафтов многих индустрий в цифровые экосистемы за счет создания новых алгоритмов и способов обмена информаций на основе технологий ИИ. Представляется, что в перспективе будет создаваться колоссальное количество платформ под управлением ИИ путем прогнозирования и предсказания будущих тенденций через оценку прошлых данных или собранной информации.
Уверены, что неуправляемый рост любой цифровой экосистемы может быть фатальным для бизнеса. Полагаем, что при построении экосистемы важно обеспечить, чтобы все зависимости были идентифицированы и могли контролироваться. Создание цифровой карты экосистемы (как схемы всех цифровых инструментов и платформ, используемых в организации) является ключом к созданию высокоэффективных цифровых экосистем.
1. Гаврилов М. В. Информатика и информационные технологии: Учебник / М.В. Гаврилов, В.А. Климов. Люберцы: Юрайт, 2016. 383 с.
2. Информационные системы и технологии / Под ред. Тельнова Ю. Ф. М.: Юнити, 2017. 544 с.
3. Информационные технологии и вычислительные системы. Вычислительные системы. Компьютерная графика. Распознавание образов. Математическое моделирование / Под ред. С. В. Емельянова. М.: Ленанд, 2015. 100 с.
4. Информационные технологии и вычислительные системы: Обработка информации и анализ данных. Программная инженерия. Математическое моделирование. Прикладные аспекты информатики /Под ред. С. В. Емельянова. М.: Ленанд, 2015. 104 с.
5. Кашеварова H А., Панова Д. А. Анализ современной практики применения технологии искусственного интеллекта в финансовой сфере и его влияния на трансформацию финансовой экосистемы // Креативная экономика. 2020. Том 14. No № 8. С. 1565-1580.
6. Любимов А. П. Основные подходы к определению понятия «искусственный интеллект» // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2020. №9. С. 1-6.
7. Моргунова Е. Интеллектуальная собственность и искусственный интеллект // Интеллектуальная собственность. Авторское право и смежные права. 2020. № 9. С. 27-40.
8. Морозова И. А., Коробейникова О. М., Коробейников Д. А., Глазова М. В. Искусственный интеллект в управленческом учете коммерческих структур: новые возможности // Вектор науки Тольятти некого государственного университета. Серия: Экономика и управление. 2020. №2(41). С. 32-38.
9. Михеева Е. В. Информационные технологии в профессиональной деятельности: Учебное пособие/Е. В. Михеева. М.: Академия, 2017. 208 с.
10. Шкор О. Н., Севзюк Ч. А. Искусственный интеллект в Digital-маркетинге // Big Data and Advanced Analytics. 2020. № 6-3. С. 38-41.
11. Alizada A. V., Muradli V. A. Information and artificial intelligence // Булатовские чтения. 2020. p. 37-38.
12. Clauberg R. Cyber-physical systems and artificial intelligence: chances and threats to modem economies//World Civilizations. 2020. № 3. p. 107-115.
13. Kitzmann H., Yatsenko V., Launer M. Artificial intelligence and wisdom // Инновации в менеджменте. 2021. № 1(27). p. 22-27.
