В ХХI веке сбывается давняя мечта человечества о создании умной. Bukhtiyarova, 2019
 Скачать 58.39 Kb.
|
|
Сегодня ядром сервисов искусственного интеллекта, применяемых в бизнес-сфере, являются ИИ-рекомендации онлайн-магазинов и виртуальные ассистенты (например, Alex, Cortan и Siri) [3] (Bukhtiyarova, 2019). Искусственный интеллект сортирует контент по предпочтениям и популярности пользователей, распознает, понимает и самостоятельно пишет тексты, фильтрует и блокирует СПАМ, распознает человеческую речь, идентифицирует людей по фотографии, селфи, сетчатке глаза и другими способами. Это приводит экономистов и экспертов к противоречивым выводам по вопросу влияния ИИ на рынок труда вследствие ограниченных данных о негативных последствиях такого воздействия [6, 23] (Gorodnova, 2021; Kitzmann, Yatsenko, Launer, 2021). В целях коммуникации с клиентами ИИ-компании используют чат-боты, которые вступают во взаимодействие и отвечают на вопросы. Системы искусственного интеллекта активно применяются при оказании телекоммуникационных услуг, в автомобильной промышленности и финансовом секторе. Указанные технологии внедряются и в розничных сетях, при производстве FMCG (пер. с англ. fast moving consumer goods – товары повседневного спроса), медийном бизнес и пр. [13, 19] (Leksin, 2020; Fedorchenko, 2020). Технологии искусственного интеллекта широко используются в таких разных сферах бизнеса, как ритейл, строительство, информационные технологии, образование и т.д. В каждой из указанных бизнес-сфер применяются технологии управления поведением потребителей, изучения будущих тенденций рынка и автоматизации различных рутинных процессов. Рассмотрим сектора применения возможностей искусственного интеллекта. 1. Транспорт. Беспилотные автомобили, использующие алгоритмы искусственного интеллекта с возможностью полного автономного вождения без вмешательства человека, могут существенно трансформировать транспортную систему. Машины с использованием ИИ анализируют трафик и альтернативные маршруты, сокращая время в пути [5]. 2. Производство. Применение высокопроизводительных роботов способствует быстрому и качественному выполнению задач, более эффективной, чем у человека, деятельности. Благодаря использованию 3D-технологий и машинного зрения роботы способны в разы ускорить процесс производства в любой сфере. 3. Здравоохранение. Автономные хирургические роботы, виртуальные помощники медицинского персонала и автоматическая диагностика изображений – это новейшие разработки, благодаря которым искусственный интеллект начинает играть решающую роль в технологическом прогрессе сферы здравоохранения, а также в развитии услуг телемедицины в трансграничном режиме [8] (Ermakova, Kovyazin, 2002). 4. Сфера развлечений. Машинное обучение на нейронных сетях позволяет предсказывать сценарии поведения пользователя и предоставлять рекомендации по подбору фильмов, музыки, телешоу и другого интересующего потребителя контента. ИИ в зависимости от предпочтений пользователя осуществляет персонализированный подбор рекламы, что способствует повышению эффективности маркетинга в аспекте таргетированной рекламы и увеличению объемов продаж. 5. Спорт. Предиктивный анализ и автоматизация, осуществляемая алгоритмами искусственного интеллекта, применяются в целях принятия бизнес-решений, продажи билетов и прогнозирования результатов спортсменов. Искусственный интеллект, применяемый в бизнесе, способствует улучшению показателей во всех сферах. К примеру, к процессам, в рамках которых ИИ решает определенные узконаправленные задачи, следует отнести следующие: 1. Ценообразование. Искусственный интеллект осуществляет изучение статистики и выполняет прогностические функции, обрабатывая гигантские массивы информации в целях подбора наиболее оптимального распределения цен на конкретный вид продукции. Это позволяет в несколько раз повысить объемы выручки и доходов компании. 2. Безопасность.Самообучающиеся нейронные сети анализируют поведение клиентов и вычисляют подозрительные операции, существенно снижая таким образом негативные последствия действий кибермошенников и киберпреступников, что приводит к значительному снижению финансовых потерь, повышенной защищенности системы и росту доверия пользователей [7] (Dudin, Shkodinskiy, 2021). 3. Маркетинговая сфера. Системы искусственного интеллекта на основе изучения предыдущих продаж и глубокого изучения рынков осуществляют прогнозирование сценариев развития событий. Алгоритмами изучаются контактные данные клиентов, суммы сделок и приобретенные ими товары или услуги [20] (Shkor, Sevzyuk, 2020). Кроме того, ИИ анализирует поведение конкурентов в целях сопоставления эффективных и неудачных решений и действий. Это позволяет компании разрабатывать и реализовывать грамотную маркетинговую стратегию, которая с высокой степенью вероятности завершится финансовым успехом. 4. Скорость обработки данных. Big Data (большие данные) – это основной инструмент работы искусственного интеллекта. ИИ позволяет быстро и эффективно анализировать большие объемы информации, разрабатывать пути реакции, а также осуществлять построение стратегического планирования. В качестве примера можно привести применение систем искусственного интеллекта при реализации биржевых операций. Следует отметить, что традиционные программные алгоритмы не в состоянии самостоятельно адаптироваться к быстро меняющимся условиям и данным без предварительного обучения. Алгоритмы искусственного интеллекта предоставляют такую возможность и повышают продуктивность работы на бирже [4] (Babich, Kirillova, 2019). 5. Процессы автоматизации. Существует большое количество факторов, вызывающих возможные ошибки в работе персонала. Искусственный интеллект, у которого отсутствуют эмоции и чувства, характерные для человека (человеческий фактор), используя данные, функции и технологии, позволяет осуществлять безошибочную и точную работу [12] (Lapaev, Morozova, 2020). Однако следует отметить, что уже сегодня ведется ряд исследований, которые позволяют ИИ выявлять сарказм и двойной смысл человеческих сообщений. В частности, американскими учеными из Университета Центральной Флориды на основе тренировок и обучения нейронных сетей создан искусственный эмоциональный интеллект (Emotional AI). Это перспективная подсистема ИИ, которая способна распознавать и интерпретировать проявления человеческих эмоций. Благодаря этому достигается более естественное и непринужденное взаимодействие человека и ИИ [6]. 6. Виртуальные помощники. Чат-боты, Siri и Ok Google – это не единственные примеры [21] (Alizada, Muradli, 2020). К примеру, чат-бот Олег, применяемый в приложении интернет-банка Тинькофф, с помощью распознавания речи общается с клиентами банка посредством цифровых устройств и выполняет стандартные банковские операции, например, осуществляет денежные переводы. Эти же функции осуществляются первым в мире семейством виртуальных ассистентов «Салют» экосистемы «Сбер» [7]. Использование виртуальных помощников – это один из ИИ-инструментов, который со временем будет более широко внедряться в бизнес-процессы и повседневную жизнь современного человека. По статистике Facebook, более 10 тысяч компаний занимаются разработкой чат-ботов [8]. К примеру, Juniper Research отмечается высокая популярность применения виртуальных помощников. Использование чат-ботов в финансовом секторе и медицине способно сэкономить до 20 млн долл. США в год, к 2022 г. такая экономия составит около 8 млрд долл. США. [9] Постоянный контроль и мониторинг инфраструктуры различных компаний – это еще одно направление применения искусственного интеллекта. К текущему моменту времени на мощностях французской энергетической компании Engie успешно применяются дроны с программами распознавания изображений на основе машинного обучения, которые следят за оборудованием и изучают инфраструктуру в целях предотвращения технологических и иных нарушений. ИИ-системы контроля и мониторинга широко используются и в городской среде. Наиболее простой пример – система распознавания автомобильных номеров с помощью камер видеослежения, применяемая муниципальными организациями. Кроме того, подобные алгоритмы применяются для систем распознавания лиц [17] (Porokhovskiy, 2020). Искусственный интеллект способен снижать риски износа и повреждения оборудования, а также создавать систему безопасности для различных компаний. Автоматизация ручного труда также является важной и неоднозначной темой, поскольку использование алгоритмов искусственного интеллекта в промышленности способно вытеснить из этой сферы человеческий труд. Автоматизированные технологии выполняют сложные процессы быстрее и качественнее, чем человек, они способны работать 24 часа в сутки. Следует подчеркнуть, что основная цель внедрения высокоинтеллектуальных решений сегодня – это не полная замена человека в производственных и бизнес-процессах, но повышение эффективности человеческого труда. К примеру, японская страховая компания Fukoku Mutual Life Insurance установила программу от IBM-Watson Explorer AI. Данная система анализирует данные медицинских полисов по операциям и процедурам в целях вычисления размеров страховых выплат. По расчетам представителей Fukoku, внедрение искусственного интеллекта позволит им увеличить производительность на 30%. Еще одно направление применения алгоритмов искусственного интеллекта – это предиктивная аналитика. ИИ-алгоритмические технологии способны обрабатывать огромные массивы данных, выявлять закономерности и осуществлять прогностические функции. В одном из R&D-проектов разрабатывают систему рекомендаций для крупной розничной сети супермаркетов. Система анализирует характеристики покупателей и товаров и на основании данного анализа автоматически составляет качественные рекомендации [18] (Sergeev, 2020). Другой пример применения искусственного интеллекта в бизнесе – это Expedia, крупнейшая в мире онлайн-платформа по планированию путешествий. В рамках этой платформы осуществляется целый ряд процедур от бронирования отелей до аренды транспорта. Компанией довольно эффективно используется сеть машинного обучения для персонализации процесса планирования поездки каждого клиента. В отличие от традиционных типов прогнозирования, предиктивная аналитика легко адаптируется к изменениям поведения, используя массивы вновь поступающих данных. В результате применения возможностей анализа неструктурированных данных с помощью ИИ-сервисов в процессе распространения мобильного контента, в частности сообщений в мессенджерах, электронных писем, фото и видео, осуществляется структурирование сгенерированных данных и сведений в целях получения возможностей их дальнейшей обработки. Указанный принцип заложен в основе работы сервиса Siri, который с помощью алгоритмов программы позволяет обрабатывать и структурировать человеческую речь, обеспечивая тем самым ее подготовку к проведению дальнейшего анализа. В системах анализа неструктурированных данных заложен огромный потенциал для производственных и ресурсодобывающих предприятий, которые накапливают массивы смешанной информации в течение долгого периода времени. Такой анализ способен облегчить работу инженеров, в том числе сэкономить время на сортировку и организацию данных перед тем, как оценить их и выявить важные взаимосвязи. Кроме того, искусственный интеллект – это возможность делегировать роботам утомительные и трудоемкие для человека задачи. Например, роботизированный онлайн-ритейлер Ocado разработал систему компьютерного зрения и сеть роботов в целях замены процесса сканирования баркодов на своих торговых складах. Это позволяет ускорить поиск и выдачу нужных товаров [21] (Alizada, Muradli, 2020). Внедрение искусственного интеллекта в различные бизнес-сферы начинается, как было показано выше, со сбора и обработки необходимых данных, трансформирования и систематизации их в нужный структурированный вид. Следующим шагом является разработка ИИ-алгоритмов, которые будут способны к самообучению. Здесь необходимы квалифицированные ИТ-специалисты, которые смогут научить систему искусственного интеллекта всем необходимым для компании или бизнеса действиям. Сегодня на рынке создано достаточно большое количество готовых ИИ-решений, которые помогут настроить алгоритмы искусственного интеллекта быстрее и качественнее. После получения необходимой информации от системы искусственного интеллекта осуществляется перестройка всех технологических и бизнес-процессов, на которые оказывают влияние алгоритмы ИИ. На этом этапе, бесспорно, требуется участие не только машин, но и человека. Однако в дальнейшем ИИ с помощью нейронных сетей способен оптимизировать свою работу самостоятельно. Применение цифровых продуктов и моделей искусственного интеллекта в компаниях по нефтепереработке В качестве примера применения возможностей искусственного интеллекта в различных сферах бизнеса в данном исследовании представлены результаты работы IT-компании DD, функционирующей в г. Екатеринбурге (Свердловская область). Указанная компания занимается созданием моделей оптимизации процессов принятия ИИ-решений с 2018 г. Магистральным направлением деятельности рассматриваемой компании является разработка и внедрение ряда цифровых продуктов, позволяющих получить решения ключевых проблем непрерывного производства нефтеперерабатывающих и нефтехимических циклов в целях повышения их экономической эффективности. В основе цифровых систем, разрабатываемых и внедряемых в проектах нефтепереработки, лежит цифровая платформа dataCORE. Этот объект интеллектуальной собственности создан непосредственно IT-специалистами компании [10]. Рассматриваемый цифровой продукт dataCORE представляет собой систему базовых IT-моделей, посредством которых возможно описание кинетических, физико-химических и термодинамических процессов, происходящих в производственных установках нефтеперерабатывающего цикла. Следует отметить, что сегодня dataCORE содержит в себе как отдельно функционирующие IT-элементы, так и готовые модули установки. При этом заказчик в качестве итогового цифрового продукта получает IT-решение, представляющее собой цифровую систему, которая решает конкретную проблему, но не набор кодов. К основным свойствам и характеристикам указанной цифровой системы следует отнести следующие: 1) запрограммированный и ограниченный функционал; 2) решение конкретной актуальной проблемы; 3) возможность модификации системы в зависимости от изменения входных параметров и факторов. Базовый вариант системы dataCORE позволяет решать наиболее распространенные на сегодняшний день проблемы. Основные направления подготовленных решений для функционирующих технологических установок нефтеперерабатывающих предприятий приведены в таблице 1. Таблица 1 Примеры разрабатываемых IT-решений для наиболее распространенных технологических установок нефтеперерабатывающих комплексов
Источник: составлено автором по: Передовая математика для производства. DataData. – [Электронный ресурс]. – режим доступа: https://datadata.ru/#solution (дата обращения 14.05.2021 г.). Специалистами компании DD даются прогнозы следующих экономических показателей, представленных в таблице 2. Таблица 2 Прогнозируемые экономические показатели деятельности компании DD по состоянию на 2025 год [11]
На рисунке, представленном ниже, приведены прогнозные значения ожидаемой компанией DD валовой прибыли до 2025 года.  Рисунок. Прогнозируемая валовая прибыль компании DD Источник: составлено автором по: Компания DataData, – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения: 17.05.2021 г.). Объемы валовой прибыли спрогнозированы на основе уже реализуемых в настоящее время цифровых проектов в сфере нефтепереработки. На современном этапе компания DD сотрудничает с такими гигантами отрасли, как «Газпромнефть», «Сибур», «Роснефть», «Башнефть», выстраивает взаимовыгодное партнерство с Schneider Electric и Инфосистемы Jet. Анализ показателей нефтеперерабатывающих производств с применением продуктов указанной IT-компании DD за 2018–2020 гг. свидетельствует о повышении эффективности деятельности компаний в целом на 5–10%. Перспективные направления развития искусственного интеллекта в бизнес-сфере Перспективными направлениями применения искусственного интеллекта являются те процессы, в которых отслеживаются и повторяются действия человека. Подчеркнем, разработка и внедрение таких технологий на сегодня не развиты до такого уровня, чтобы заменить человека абсолютно во всем. Крупными технологическими компаниями получены впечатляющие результаты, связанные с созданием компьютерного зрения, модулей управления движением, понимания речи, организации и предоставления доступа к информации с помощью компьютерного обучения [17] (Porokhovskiy, 2020). Среди наиболее популярных применений систем с ИИ следует отметить системы распознавания образов (face recognition), обработки естественного языка и синтеза речи (natural language processing), а также автоматизированные аналитические системы для прогнозирования результатов (predictive analytics). Несмотря на это, современные компании не обладают достаточно надежными интеллектуальными технологиями, которые могут воспроизводить точность работы человеческих глаз или отдельных зон мозга, ответственных за речь [11, 14] (Karpova, Evtodieva, 2020; Lyubimov, 2020). ИИ открывает 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 способны помогать людям контролировать состояние растений и животных и оказывать влияние на климатические условия. Медицина – это еще одна отрасль, в которой применение ИИ пока не может быть полноценным и полностью замещающим участие человека. Однако уже сейчас искусственный интеллект оказывает врачам огромную помощь в аналитических и прогностических сферах медицины [8] (Ermakova, Kovyazin, 2002). В таблице 3 представлены перспективные направления применения возможностей искусственного интеллекта в крупных цифровых компаниях. Таблица 3 Перспективы применения искусственного интеллекта в цифровых компаниях
Источник: составлено автором по: [10, 13, 16] (Zhukov, 2020; Leksin, 2020; Morozova, Korobeynikova, Korobeynikov, Glazova, 2020). Следует отметить, что компанией Facebook разработан новый метод хранения информации в нейронных сетях, получивший название Expire-Span [12]. В основу метода положен принцип присвоения срока годности отдельным фрагментам данных в зависимости от их актуальности и важности. Поскольку системы ИИ пока неспособны различать уровень важности и второстепенности различных сведений, внедрение новой модели позволит нейронным сетям повысить избирательность в систематизации и хранении информации, осуществляя тем самым существенную экономию вычислительных ресурсов алгоритмов [9] (Zhilin, Safaryan, 2020). В бизнесе применяется так называемый слабый искусственный интеллект, умеющий решать только узкие специализированные задачи с помощью методов BigData и алгоритмов машинного обучения. Сильный искусственный интеллект, способный к многозадачности, – это обладание когнитивными способностями и возможностями, аналогичными человеческим. Его функционал решения задач одновременно в нескольких контекстах практически не ограничен: игра в шахматы, сочинение стихов, решение математических задач, бизнес-аналитика и осознание своего интеллекта как отдельной личности. Сильный ИИ, по прогнозам специалистов, появится в интервале 2040–2075 гг. Следует отметить, что развитие ИИ и BigData тесно связано между собой. Для машинного обучения необходимы огромные массивы данных [1, 9] (Arkhipov, 2020; Zhilin, Safaryan, 2020). Умение правильно подбирать исходные данные для процесса обучения нейросетей является одной из специфических компетенций профильных специалистов, но не единственной. Процесс обучения ИИ также необходимо контролировать и корректировать. Например, если в результате работы нейронных сетей получены неверные или сомнительные результаты, требуется изменение наборов исходных данных и «переучивание» системы. Процесс обучения тоже не всегда может быть полностью автоматизирован, для большинства задач наряду с «машинным обучением» требуется еще и «экспертное», в ходе которого человек вручную указывает системе искусственного интеллекта, какие решения для данной задачи являются правильными, а какие таковыми не являются [15] (Morgunova, 2020). Как видно, необходима отладка, которая выглядит совершенно иначе, чем в процессе привычного программирования. Разумеется, созданный результат необходимо тщательно тестировать, как и любую другую систему. Практика использования искусственного интеллекта, его внедрения в различных компаниях представлена в таблице 4. Таблица 4 Практика применения возможностей искусственного интеллекта
Источник: составлено автором по [2, 22] (Afanasev, 2019; Clauberg, 2020). Сегодня искусственный интеллект, постепенно заменяя возможности суперкомпьютеров в интеграции с нейросетями на основе глубокого обучения, также широко применяется в метеорологии (климатической информатике), в решении экологических проблем, в сельском хозяйстве, в системах эффективного управления пространством мегаполиса [6] (Gorodnova, 2021). Тем не менее существует и негативный опыт применения ИИ. К примеру, онлайн-ритейлер «Амазон» использовал алгоритмы ИИ в подборе кандидатов при приеме на работу. В целях оценки претендентов был разработан алгоритм, который обучался на анкетах ранее принятых в компанию сотрудников. В результате сотрудников-мужчин в штате компании стало гораздо больше, чем женщин, поскольку ИИ принимал решения и делал определенное предпочтение. Разработчиками были предприняты попытки осуществить корректировку программных алгоритмов, но полной уверенности в отсутствии дискриминации по каким-либо другим признакам достигнуто не было, и в 2017 г. руководство «Амазона» в процессе подбора сотрудников вынуждено было отказаться от применения систем ИИ. Применение систем искусственного интеллекта порождает ряд проблем, которые требуют устранения или дополнительного контроля со стороны человека. Во-первых, требуется формирование новой нормативно-правовой базы (цифрового права) и определение ответственной перед законом стороны за возможные ошибки роботов (проектировщик, разработчик, создавший алгоритм или сотрудник, бухгалтер, оператор, не проверивший результат). Во-вторых, необходимо определить, каким образом будет соблюдаться конфиденциальность данных и обеспечиваться экономическая безопасность, если машины будут анализировать здоровье, пол, возраст, распознавать лица автоматически, не запрашивая согласия человека. Кроме того, остается проблемой качество баз данных, на которых строятся модели и машинное обучение, поскольку огромный массив данных после очистки и предобработки может существенно сократиться и оказаться недостаточного объема для целей построения качественной модели для решения первоначальной задачи [22] (Clauberg, 2020). В-третьих, быстрое устаревание исходных баз данных, что может стать причиной получения неверных выводов и некорректных результатов при машинном обучении. В-четвертых, наличие человеческого фактора, поскольку люди (человек) становятся посредниками, автоматизаторами, контролерами для систем ИИ, и этот процесс неизбежно приводит к сокращению рабочих мест. Еще одна проблема, связанная с человеческим фактором, – это рост числа желающих работать в данной области и заниматься Data Science, однако простого знания теории на фоне отсутствия понимания тонкостей и специфики сферы, для которой решаются задачи, явно недостаточно. Развитие информационных технологий и взятый высокий темп включения в повседневную жизнь общества возможностей искусственного интеллекта ставят одну из сложнейших проблем по защите государства и социума в современных напряженных геополитических и экономических реалиях [5, 10] (Bykov, 2020; Zhilin, Safaryan, 2020). В этой связи на проводимом 2–5 июня 2021 г. Петербургском международном экономическом форуме (ПМЭФ) в рамках сессии «Цифровой суверенитет и кибербезопасность» главой Минцифры были обозначены серьезные опасения в связи с недостаточной защищенностью российских организаций и госкорпораций от киберугроз, в связи с чем необходимо своевременное совершенствование российской законодательной базы в сфере функционирования сети Интернет и IT-технологий. Кроме того, в целях сохранения цифрового суверенитета России приоритетной задачей государства является защита прав граждан и государственно важной инфраструктуры [13]. Заключение Процесс развития инновационных цифровых технологий XXI века является стимулом для экономического роста благодаря автоматизации, точности и наличию других возможностей повышения эффективности управления бизнесом. Цифровая трансформация и алгоритмы искусственного интеллекта применимы к различным бизнес-процессам, поскольку способствуют устранению некоторых системных противоречий и конфликтов путем целенаправленного использования специфических индивидуальных ресурсов. Это дает основание для устойчивого экономического развития, роста производительности труда и дальнейшей оптимизации бизнес-процессов. Сегодня вполне реально применять алгоритмы ИИ в малом и среднем бизнесе при наличии достаточного объема и качества данных, которые обеспечат построение процесса эффективного обучения ИИ. В этих целях существует ряд доступных платформ, которые предоставляют свои мощности и инструменты для машинного обучения, примерами являются Amazon (Azure), Yandex, Mail.ru, узкоспециализированные площадки и т.п. С помощью алгоритмов ИИ возможно получение персональных предложений от банков и магазинов, информации в поисковых системах с учетом индивидуальных предпочтений, обращение к онлайн-доктору и пр. По данным британской Gartner, в 2022 г. в системы искусственного интеллекта будут инвестировать 1/3 от общемирового количества компаний. Благодаря использованию ИИ глобальный валовый внутренний продукт (ВВП) к 2030 г. увеличится на 14% и составит 15,7 трлн долл. США [14]. Ожидается рост объемов промышленного производства на 900%. В ходе исследования сделан основной вывод, что современный бизнес, технологии, сервис широко применяют возможности искусственного интеллекта. Экспертами прогнозируется рост числа ИИ-стартапов и различных мобильных приложений на основе машинного обучения, одни рабочие места будут замещаться совершенно новыми рабочими местами, осуществляя перераспределение задач, творческие и сложные виды деятельности останутся за человеком. В процессе работы нашла свое аргументированное подтверждение гипотеза автора о том, что роботизированные комплексы и алгоритмы искусственного интеллекта должны стать не оппонентами, но партнерами для человека. Таким образом, технологический прорыв в сфере ИИ станет решением наблюдаемой в настоящее время глобальной проблемы экономической рецессии. [1] TechTarget. Данные о намерениях покупки для корпоративных технологий продаж и маркетинга. – [Электронный ресурс]. – Режим доступа: https://www.techtarget.com/ (дата обращения: 10.06.2021 г.). [2]Искусственный интеллект. Мировой рынок. – [Электронный ресурс]. – Режим доступа: https://www.tadviser.ru/index.php/Статья:Искусственный_интеллект_(мировой_рынок) (дата обращения: 09.06.2021 г.). [3] Там же. [4] Там же. [5] Автопилот. Беспилотный автомобиль. – Электронный ресурс. – Режим доступа: https://www.tadviser.ru/index.php/Статья:Автопилот_(беспилотный_автомобиль) (дата обращения: 05.06.2021 г.). [6] Корелина А. Ученые научили искусственный интеллект определять сарказм в постах пользователей. – Электронный ресурс. – Режим доступа: https://secretmag.ru/technologies/uchyonye-nauchili-ii-opredelyat-sarkazm-v-postakh-polzovatelei.htm (дата обращения 07.06.2021 г.). [7] Официальный сайт Сбер. Салют. – [Электронный ресурс]. – Режим доступа: https://salute.sber.ru/ (дата обращения 10.06.2021 г.). [8] Сергеева Ю. Вся статистика Интернета на 2020 год – цифры и тренды в мире и в России. – [Электронный ресурс]. – Режим доступа: https://www.web-canape.ru/business/internet-2020-globalnaya-statistika-i-trendy/ (дата обращения 05.06.2021 г.). [9] Research, Forecasting & Consultancy for Digital Technology Markets. – [Электронный ресурс]. – Режим доступа: https://www.juniperresearch.com/home (дата обращения 09.06.2021 г.). [10] Составлено автором по: DataData, официальный сайт. – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения 07.06.2021 г.). [11] Составлено автором по: DataData, официальный сайт. – [Электронный ресурс]. – режим доступа: https://datadata.ru/ (дата обращения: 16.05.2021 г.). [12] Суворов А. Исследователи из Facebook научили искусственный интеллект забывать ненужную информацию. – Электронный ресурс. – Режим доступа: https://secretmag.ru/technologies/issledovateli-iz-facebook-nauchili-ii-zabyvat-nenuzhnuyu-informaciyu.htm (дата обращения: 08.06.2021 г.). [13] Разчиков А. Эксперт назвал главные направления защиты цифрового суверенитета России. – [Электронный ресурс]. – Режим доступа: https://vz.ru/news/2021/6/4/1102744.html (дата обращения: 07.06.2021 г.). [14] PwC в России. – [Электронный ресурс]. – Режим доступа: https://www.pwc.ru/ (дата обращения 10.06.2021 г.). Источники: 1. Архипов Л.И. Большие данные и искусственный интеллект в бизнесе: развитие и регулирование // Big Data and Advanced Analytics. – 2020. – № 6-3. – c. 122-127. 2. Афанасьев Д. Как искусственный интеллект меняет отношение бизнеса к покупателю // БИТ. Бизнес и Информационные технологии. – 2019. – № 5(88). – c. 54-55. 3. Бухтиярова Т.И. Цифровая экономика: особенности и тенденции развития // Бизнес и общество. – 2019. – № 1(21). – c. 22. 4. Бабич В.Н., Кириллова Е.А. Обзор отдельных вопросов и области больших данных и искусственного интеллект. - М.: ФКУ «ГИАЦ МВД России, 2019. – 148 c. 5. Быков И.А. Искусственный интеллект как источник политических суждений // Журнал политических исследований. – 2020. – № 2. – c. 23-33. – doi: 10.12737/2587-6295-2020-23-33 . 6. Городнова Н.В. Применение искусственного интеллекта в экономической дипломатии и международной торговле // Вопросы инновационной экономики. – 2021. – № 2. – doi: 10.18334/vinec.11.2.112214. 7. Дудин М.Н., Шкодинский С.В. Тенденции, возможности и угрозы цифровизации национальной экономики в современных условиях // Экономика, предпринимательство и право. – 2021. – № 3. – c. 689-714. – doi: 10.18334/epp.11.3.111785 . 8. Ермакова С.Э., Ковязин И.Е. Основные аспекты роботизации бизнес-процессов в сфере услуг здравоохранения // Вопросы инновационной экономики. – 2002. – № 1. – c. 433-448. – doi: 10.18334/vinec.10.1.100494 . 9. Жилин В.В., Сафарьян О.А. Искусственный интеллект в системах хранения данных // Вестник Донского государственного технического университета. – 2020. – № 2. – c. 196-200. – doi: 10.23947/1992-5980-2020-20-2-196-200 . 10. Жуков Д.С. Искусственный интеллект для общественно-государственного организма: будущее уже стартовало в Китае // Журнал политических исследований. – 2020. – № 2. – c. 70-79. – doi: 10.12737/2587-6295-2020-70-79 . 11. Карпова Н.П., Евтодиева Т.Е. Логистические инновации: сущность, виды и способы финансирования // Экономика, предпринимательство и право. – 2020. – № 7. – c. 2063-2072. – doi: 10.18334/epp.10.7.110547 . 12. Лапаев Д.Н., Морозова Г.А. Искусственный интеллект: за и против // Развитие и безопасность. – 2020. – № 3(7). – c. 70-77. – doi: 10.46960/2713-2633_2020_3_70 . 13. Лексин В.Н. Искусственный интеллект в экономике и политике нашего времени. Статья 2. Искусственный интеллект как товар и услуга // Российский экономический журнал. – 2020. – № 5. – c. 3-33. – doi: 10.33983/0130-9757-2020-5-3-33 . 14. Любимов А.П. Основные подходы к определению понятия «искусственный интеллект» // Научно-техническая информация. Серия 2: Информационные процессы и системы. – 2020. – № 9. – c. 1-6. – doi: 10.36535/0548-0027-2020-09-1 . 15. Моргунова Е. Интеллектуальная собственность и искусственный интеллект // Интеллектуальная собственность. Авторское право и смежные права. – 2020. – № 9. – c. 27-40. 16. Морозова И.А., Коробейникова О.М., Коробейников Д.А., Глазова М.В. Искусственный интеллект в управленческом учете коммерческих структур: новые возможности // Вектор науки Тольяттинского государственного университета. Серия: Экономика и управление. – 2020. – № 2(41). – c. 32-38. – doi: 10.18323/2221-5689-2020-2-32-38. 17. Пороховский А.А. Искусственный интеллект сегодня и завтра: политико-экономический подход // Экономическое возрождение России. – 2020. – № 3(65). – c. 4-11. – doi: 10.37930/1990-9780-2020-3-65-4-11 . 18. Сергеев Т.В. Аналитический обзор цифровых технологий, преобразующих цепи поставок сетевой розницы // Вопросы инновационной экономики. – 2020. – № 1. – c. 467-482. – doi: 10.18334/vinec.10.1.100645. 19. Федорченко С.Н. Искусственный интеллект в сфере политики, медиапространства и государственного управления: размышления над тематическим портфелем // Журнал политических исследований. – 2020. – № 2. – c. 3-9. – doi: 10.12737/2587-6295-2020-3-9 . 20. Шкор О.Н., Севзюк Ч.А. Искусственный интеллект в Digital-маркетинге // Big Data and Advanced Analytics. – 2020. – № 6-3. – c. 38-41. 21. Alizada A.V., Muradli V.A. Information and artificial intelligence // Булатовские чтения. – 2020. – p. 37-38. 22. Clauberg R. Cyber-physical systems and artificial intelligence: chances and threats to modern economies // World Civilizations. – 2020. – № 3. – p. 107-115. 23. Kitzmann H., Yatsenko V., Launer M. Artificial intelligence and wisdom // Инновации в менеджменте. – 2021. – № 1(27). – p. 22-27. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||