CC BY
309Секция 4. ОТЕЧЕСТВЕННЫЙ И МИРОВОЙ ОПЫТ ПРИМЕНЕНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ В РЕШЕНИИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ПРОБЛЕМ
УДК 004.8
М.Ш. Аббасов
Камчатский государственный технический университет, Петропавловск-Камчатский, 683003 e-mail: muqabil@mail.ru
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
В современных условиях организации становятся все более и более сложными, что усложняет задачу принятия решений, эти ситуации требуют быстрого и эффективного вмешательства и должны гарантировать эффективное и полное развертывание последующего процесса. Поэтому принятие решений с использованием искусственного интеллекта приобретает особую актуальность. Искусственный интеллект - это система, основанная на обмене знаниями и навыками между несколькими интеллектуальными сущностями, которые должны организовывать и координировать свои действия для достижения общей цели системы. Они сформулированы на основе сложных моделей взаимодействия, которые переводятся в стратегии разрешения, такие как сотрудничество, координация, переговоры. Их принцип модульности позволяет снизить сложность проектирования всей системы и улучшить ее обслуживание. Целью данной работы является предоставление информационной платформы в области разумного принятия решений в обществе, позволяющей принимать правильные решения и в кратчайшие сроки.
Ключевые слова: искусственный интеллект, принятие управленческих решений, интеллектуальные системы, анализ данных, машинное обучение.
M.Sh. Abbasov
Kamchatka State Technical University, Petropavlovsk-Kamchatsky, 683003 e-mail: muqabil@mail.ru
ARTIFICIAL INTELLIGENCE APPLICATION IN MANAGEMENT DECISION SUPPORT SYSTEM
In modern conditions organizations are becoming more and more complex, that complicates the decisionmaking task. These situations require rapid and effective intervention and should guarantee the effective and complete deployment of the subsequent process. Therefore, decision-making with artificial intelligence use is becoming particularly relevant. Artificial intelligence is a system based on the exchange of knowledge and skills between several intelligent entities that must organize and coordinate their actions to achieve the overall goal of the system. They are formulated on the basis of complex interaction models, which are translated into resolution strategies, such as cooperation, coordination, negotiations. Their modularity principle makes it possible to reduce the complexity of the entire system designing and to improve its maintenance. The purpose of this work is to provide an information platform in the field of reasonable decision-making in society, allowing to make the right decisions in the shortest possible time.
Key words: artificial intelligence, managerial decision making, intelligent systems, data analysis, machine learning.
Возрастающая сложность проблем и непрерывный рост объема информации знаний, которыми должны овладеть ответственные лица в организациях, подчеркивают потребность в системе поддержки принятия решений, основанных на передовых и современных технологиях. Интеллектуальную систему поддержки принятия решений, которая широко использует методы искусственного интеллекта для поддержки лиц, принимающих решения, на основе машинного обучения, учитывает большие объемы данных с помощью искусственного интеллекта. Решения для глубокого обучения позволяют машинам решать сложные задачи даже при использовании очень разнообразных, неструктурированных и взаимосвязанных наборов данных. Основные достижения в вычислительной технике и технологиях в сочетании с доверием общества к машинному обучению заложили основу для использования огромных объемов данных для повышения производительности и устойчивости [1].
Внедрение искусственного интеллекта (ИИ) как средства улучшения было опробовано в нескольких секторах за последнее десятилетие. Однако только недавно стало очевидно, что ИИ можно использовать для улучшения процесса принятия решений. В частности, внедрение технологий ИИ может дать менеджерам возможность принимать более эффективные решения, повышающие эффективность производства.
Решение использовать технологии искусственного интеллекта для улучшения процесса принятия решений обусловлено несколькими факторами. На первый план выходит несомненное увеличение объема доступных данных, а также упрощение доступа к ним. Как правило, первым этапом разработки системы поддержки принятия решений является сбор данных.
За последнее десятилетие было проведено несколько ключевых исследований, посвященных отчетам о том, как применение систем поддержки принятия решений в производстве улучшает управление производством и системами. Применение систем поддержки принятия решений с использованием технологий ИИ использовалось в таких областях, как планирование, управление [2]. Интеллектуальный анализ данных, искусственные нейронные сети, байесовские сети и машины опорных векторов - это основные технологии искусственного интеллекта, которые были разработаны для помощи в анализе данных.
Интеллектуальный анализ данных представляет собой процесс сопоставления нескольких наборов данных, анализа этих данных с разных точек зрения, а затем обобщения результатов в полезную и доступную информацию. Процесс интеллектуального анализа данных - это очистка данных, интеграция данных, выбор данных, преобразование данных, анализ данных, оценка шаблонов и представление знаний.
Искусственные нейронные сети строятся на основе биологических процессов человеческого мозга. Эта модель состоит из нескольких слоев, таких как входной, средний и выходной.
Байесовская сеть - это разработанный подход, который представляет как убеждения, так и знания через вероятности. Этот метод особенно популярен для использования в чрезвычайно сложных системах. Отношения в байесовской сети определяют зависимость переменных [3].
Некоторые инструменты поддержки принятия решений разрабатываются с прицелом на конкретный товар.
Для многих использование ИИ необходимо для обеспечения максимальной эффективности и улучшения процесса принятия решений, возможности принимать более взвешенные решения. Успешное внедрение технологий искусственного интеллекта и достоверность сбора данных позволяют показать прогресс, а также возможности его дальнейшего совершенствования. Однако несмотря на то что отрасль приняла ИИ и сопутствующие ему технологии, по-прежнему необходимо полностью понимать влияние его внедрения, а также то, как можно использовать ИИ для наилучшего дополнения других быстро развивающихся технологий, таких как робототехника, облачные системы, анализ данных и биоинформатики.
Искусственный интеллект - это прорыв. Потенциальные области применения искусственного интеллекта воодушевляют дальновидных менеджеров, которые видят возможности, которые ИИ предоставит для более быстрого продвижения по карьерной лестнице и достижения результатов. Применений искусственного интеллекта много: от улучшения отношений с сотрудниками и клиентами до поиска закономерностей в экстремальных объемах данных и выполнения повторяющихся задач [4].
По сравнению с людьми, ИИ способен обрабатывать цифры, выявлять закономерности и быстрее принимать решения на основе данных. Обладая способностью обрабатывать большие
объемы данных и выдавать направления тенденций и действенные советы, ИИ может стать жизненно важным инструментом для любого менеджера, которому нужна количественная поддержка при принятии решений.
Постановка целей и ключевых результатов ориентирована на будущую деятельность, предназначена для обеспечения радикальной ясности и согласования измеримых краткосрочных результатов. Программное обеспечение, использующее искусственный интеллект, помогает командам устанавливать и достигать лучших целевых результатов. Изучая предыдущие целевые результаты и нюансы взаимосвязи между целями, поведением руководства и моделями взаимодействия, ИИ предоставляет командам актуальную информацию для установки, которые оптимизируют их влияние, направляют команды для управления и заблаговременно достигают результатов [5].
Применение искусственного интеллекта к рутинной управленческой работе дает менеджерам больше возможностей сосредоточиться на важных видах деятельности.
ИИ помогает улучшить командную динамику, предоставляя более своевременную обратную связь и повышая ответственность команды. С помощью обработки естественного языка ИИ может определить, кому нужна положительная обратная связь в конце недели, и сообщить об этом менеджеру или даже предоставить обратную связь; подготовить насыщенную фактами повестку дня встречи.
В организациях обычно существует три уровня принятия решений:
- стратегический (предполагающий долгосрочные, нестандартные и сложные решения, принимаемые высшим руководством);
- тактический (имеющий дело со среднесрочными, менее сложными решениями, принимаемыми менеджерами среднего звена);
- оперативный (состоящий из повседневных рутинных решений).
Бизнес-аналитику можно успешно использовать на всех этих уровнях, но с разным уровнем автоматизации.
Важные стратегические решения, такие как составление бюджета капиталовложений, принимаются на основе прогнозов, полученных на основе огромного количества собранных пользовательских данных. Таким образом, компания использует передовое математическое моделирование и алгоритмы для принятия решений [6].
В настоящее время многие оперативные и рутинные решения могут быть полностью автоматизированы. Нет никаких сомнений в том, что аналитика на основе ИИ обладает огромным потенциалом для использования конкурентных преимуществ или помощи им в ведении устойчивых и экологически чистых операций.
Однако есть некоторые важные решения, когда мы не хотим, чтобы алгоритмы полностью заменили человеческое суждение. Очевидным примером являются долгосрочные решения, которые могут включать множество заинтересованных сторон или требуют тщательного анализа геополитических или других стратегических аспектов. В этом случае на основе данных можно обеспечить анализ возможных результатов для нескольких будущих сценариев. Однако эти итоги можно рассматривать только как рекомендации для исполнительного совета, а не как решения, которые необходимо реализовать немедленно.
Точно так же автоматическое принятие решений может привести к непредвиденным последствиям, особенно когда речь идет о принятии деликатных политических решений, которые серьезно влияют на жизнь людей. Очень заманчиво позволить ИИ анализировать большое количество доступных данных для получения различных показателей и превращать жизнь людей в баллы, которые предсказывают неоднозначные с этической точки зрения результаты. Однако эти алгоритмы очень чувствительны к входным данным, и поэтому они могут легко усилить дискриминацию и превратиться в «оружие математического разрушения». Важно знать, что многие алгоритмы созданы из лучших побуждений, и ни один алгоритм не является злом сам по себе! Алгоритмы могут кодировать человеческие предубеждения или непонимание, и в нашей ускоренной экономике, основанной на данных, это может привести к усилению неравенства [7].
Вот почему бизнес-лидеры сегодня должны понимать проблемы, возможности и ограничения ИИ и аналитики. Новые поколения менеджеров изучают программирование не для того, чтобы стать инженерами-программистами или специалистами по данным, а для того, чтобы понять «алгоритмическое мышление» и важность разработки объяснимых и этичных инструментов принятия решений на основе ИИ.
Система на основе ИИ может анализировать большие объемы данных и предлагать следующие шаги, указывать на потенциальные проблемы, повышать эффективность и облегчать работу.
Системы поддержки принятия решений на основе искусственного интеллекта могут улучшить результат, прогнозируя вероятность исхода или риска, могут анализировать прошлые, текущие и новые данные, и выявлять или предлагать пользователю проблемы безопасности. Их способность прогнозировать с высокой релевантностью и точностью приводит к новым способам оптимизации [8].
Внедрение искусственного интеллекта - это не меньше, чем реализация проекта по управлению изменениями. В управлении изменениями человеческое измерение занимает центральное место.
Удовлетворение потребностей потребителей и изменение поведения никогда не было простой задачей. Но сегодня это еще сложнее. Использование искусственного интеллекта при принятии решений является одним из самых полезных. К счастью, искусственный интеллект помогает не только анализировать, но и прогнозировать поведение клиентов.
Использование нового ИИ-решения может привести к изменению процессов и протоколов, что само по себе является проблемой. Поддержка ИИ - это способ обеспечить понимание и поддержку решения. Вовлечение их в разработку и поставку решений ИИ также может принести значительные выгоды как поставщику решений ИИ, так и потребителю. В процесс создания ИИ-решения может привести к лучшему дизайну варианта использования ИИ, повышению производительности и качества алгоритмов ИИ, а также лучшему и более полному использованию данных [9].
Как известно большинству, данные не всегда хранятся стандартизированным образом. Неточности в данных и недостающая информация слишком распространены, а это означает, что организациям необходимо внимательно изучить свои данные, прежде чем они начнут готовиться к внедрению ИИ. Синергия ИИ наиболее эффективна, когда алгоритмы машинного обучения могут быть снабжены достаточными и качественными данными. К счастью, искусственный интеллект также можно использовать для повышения качества данных, обеспечивая сбор, стандартизацию и достоверность всей необходимой информации [10].
Такие вопросы, как объяснимость ИИ при принятии решений, могут вызвать скептицизм. Он может возникнуть из-за того, что менеджеры не понимают, как обрабатываются данные, как алгоритмы могут изучать неинтуитивные отношения, почему алгоритм предлагает то или иное решение и т. д.
Использование искусственного интеллекта постепенно становится необходимостью. Технологии ИИ одновременно могут отслеживать различные аспекты поведения пользователя и обеспечивают полный обзор меняющихся предпочтений клиентов. Маркетологи получают подробную информацию, которая позволяет им создавать уникальные предложения и решать, какой бюджет инвестировать в различные маркетинговые каналы, включая телевидение, радио и Интернет. Алгоритмы ИИ являются наиболее эффективными в онлайн-пространстве. По-видимому, нет никаких сомнений в том, что применение технологий ИИ для поддержки принятия решений будет продолжать расти, однако необходимо решать проблемы, возникающие в связи с его использованием.
Литература
1. Аббасов М.Ш. О возможности повышения эффективности управленческих решений // Российский экономический вестник. - 2021. - Том 4, № 3. - С. 277-280.
2. Информатика для экономистов: Учебник / Под общ. ред. В.М. Матюшка. - М.: ИНФРА-М, 2020. - 460 с.
3. Хлопотов М.В. Применение байесовской сети при построении моделей обучающихся для оценки уровня сформированное™ компетенций // Интернет-журнал «Науковедение». - Выпуск 5 (24), сентябрь - октябрь 2014. - URL: https://naukovedenie.ru/PDF/20TVN514.pdf (дата обращения: 03.03.2022).
4. Ильин А.С., Панченко Г.М., Ковалёва М.В. Роль искусственного интеллекта в менеджменте [Электронный ресурс] // Academy. - 2018. - № 12 (39). - URL: https://cyberleninka.ru/article/ n/rol-iskusstvennogo-intellekta-v-menedzhmente (дата обращения: 25.02.2022).
5. Пантелеева Т.А., Арустамов Э.А., Максаев А.А. Возможности искусственного интеллекта в управлении кадровыми ресурсами в условиях свободного предпринимательства // Интернет-жур-
нал «Отходы и ресурсы». - 2019. - № 3. - URL: https://resources.today/PDF/10ECOR319.pdf. DOI: 10.15862/10ECOR319 (дата обращения: 25.02.2022).
6. Шнюков С.А. Особенности моделирования в процессе принятия управленческих решений [Электронный ресурс] // Молодой ученый. - 2022. - № 3 (398). - С. 218-220. - URL: https://moluch.ru/archive/398/88132/ (дата обращения: 05.03.2022).
7. Козлов А.Н. Интеллектуальные информационные системы: Учебник / Мин-во с-х. РФ, ФГБОУ ВПО Пермская ГСХА. - Пермь: Изд-во ФГБОУ ВПО Пермская ГСХА, 2013. - 278 с.
8. Суслова Е.В. Интеллектуальные системы поддержки принятия решений [Электронный ресурс] // Молодой ученый. - 2017. - № 3 (137). - С. 171-174. - URL: https://moluch.ru/archive/ 137/38289/ (дата обращения: 05.03.2022).
9. Маслова В.М. Система рекрутинга с элементами искусственного интеллекта // Экономические системы. - 2018. - Т. 11. - № 1 (40). - С. 56-59.
10.Билуха И.Н. Обработка больших данных [Электронный ресурс] // Молодой ученый. - 2020. - № 8 (298). - С. 7-9. - URL: https:// moluch.ru/archive/298/678678/ (дата обращения: 05.03.2022).
