Павлова М. Г., Гетьманская В. Л. ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОПТИМИЗАЦИИ РЕАЛЬНЫХ БИЗНЕС-ПРОЦЕССОВ ОРГАНИЗАЦИИ

Печать

УДК 004.89

 

ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ОПТИМИЗАЦИИ РЕАЛЬНЫХ БИЗНЕС-ПРОЦЕССОВ ОРГАНИЗАЦИИ

Павлова М. Г., Гетьманская В. Л.

Автомобильно-дорожный институт ГВУЗ «ДонНТУ», г. Горловка, Донецкая обл., Украина

В работе проведен анализ подходов к формализации систем искусственного интеллекта. Предложен гибридный механизм построения интеллектуальных моделей бизнес-процессов.

Ключевые слова: искусственный интеллект, бизнес-процесс, система, моделирование, гибридный механизм.

 

Павлова М. Г., Гетьманська В. Л. ПЕРСПЕКТИВИ ВИКОРИСТАННЯ ШТУЧНОГО ІНТЕЛЕКТУ ПРИ ОПТИМИЗАЦІЇ РЕАЛЬНЫХ БІЗНЕС-ПРОЦЕСІВ ОРГАНІЗАЦІЇ / Автомобільно-дорожній інститут ДВНЗ «ДонНТУ», м. Горлівка, Донецка обл., Україна

В роботі був проведений аналіз підходів до формализації систем штучного інтелекту. Запропонован гібрідний механізм побудови інтелектуальных моделей бізнес-процесів.

Ключові слова: штучний интелект, бізнес-процес, система, моделювання, гібрідний механізм.

 

Pavlova M. G., Getmankaya V. L. PROSPECTS OF ARTIFICIAL INTELLIGENCE IN REAL OPTIMIZATION ORGANIZATION'S BUSINESS PROCESSES/ Automobile and Road Institute of "Donetsk National Technical University" Horlivka town, Donetsk region, Ukraine

The paper analyzes the approaches to the formalization of artificial intelligence systems. We propose a hybrid mechanism for building intelligent business process models.

Keywords: artificial intelligence, business process, system modeling, hybrid mechanism.

 

С развитием современного информационного общества значительный прогресс при решении оптимизации сложных бизнес-процессов был достигнут путем использования различных методов искусственного интеллекта. Наукоемкие решения нацелены на наиболее результативное решение следующих задач: сбор информации, исследование и анализ данных, интерпретация данных, моделирование процессов, планирование, выявление зависимостей, прогнозирование, выявление возможных рисков и управление ими, семантическая обработка текста, кластеризация данных, поддержка принятия решений.

Однако, такие решения на данный момент имеют лишь поверхностный характер и довольно слабо согласованы между собой. Кроме того из-за относительно сложных инструментов и моделей примеры применения интеллектуальных систем для оптимизации реальных бизнес-процессов в настоящее время очень редки. Согласно исследований Economist и Ricoh относительно рисков автоматизации в финансовом секторе, решения искусственного интеллекта привели к убыткам 37% компаний.

Проблемам моделирования систем искусственного интеллекта уделили пристальное внимание авторитетные зарубежные авторы: Лорьер Ж.-Л., Люггер Дж. Ф., Норвиг П., Нильсон Н., Рассел С., Эндрю М. Среди отечественных авторов следует выделить Гаврилову Т. А. , Девяткова В.В., Корсакова С.Н.. Осипова Г. С., Хорошевского В. Ф. Все попытки авторов были направлены на структурирование инструментов и методов для получения конечной цели – эффективной работы бизнес-системы. Однако данные исследования имели сугубо теоретический характер и применялись исключительно для виртуальных систем, не учитывая фактор развития бизнес-среды без возможности получения новых знаний в режиме реального времени.

Следует также учесть, что многие ученые и информатики по-разному интерпретируют поставленные задачи, в связи с чем система становится не столько обучаемой, сколько вычислительной с некоторыми компонентами прогнозирования. Так, по мнению, выдающегося американского информатика, автора термина «искусственный интеллект» Джона Маккарти, проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире.

Сегодня можно выделить два направления развития искусственного интеллекта (ИИ) [1]:

- решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека;

- создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Что касается первого направления, согласно проведенных исследований Economist и Ricoh «роль искусственного интеллекта в бизнес-прогнозировании топ-менеджеры оценивают неоднозначно. Среди функций, уровень автоматизации которых вырос заметнее всего за последние пять лет, руководители банков и страховых компаний выделяют ввод данных (37%), управление рисками (28%) и взаимодействие с клиентами (22%). Но практически эти же сферы они отмечают и когда речь идет о важности человеческого фактора: 46% респондентов считает участие человека ключевым при общении с клиентами и 31% - при оценке рисков» [2].

В данном исследовании авторам интересна интеграция уже созданных систем искусственного интеллекта в единую систему, с целью повышения ее эффективности и обучаемости. Следует выделить основные технологии и методы, используемые в современных системах ИИ:

- интеллектуальный анализ данных (data mining);

- экспертные системы (expert systems);

- искусственные нейронные сети (neural networks);

- логистическая регрессия (logistic regression);

- деревья классификации и регрессии (classification and regression trees);

- нечеткая логика (fuzzy logic);

- регрессионный анализ (regression analysis);

- генетические алгоритмы (genetic algorithms);

- методы опорных векторов (support vector machines).

Применяя вышеперечисленные методы и опыт ученых при создании интеллектуальных систем, авторами структурированы подходы в виде гибридного механизма построения интеллектуальных моделей бизнес-процессов.

Повний варіант статті за посиланням Statya_Pavlova-Getmanskaya.doc

Tags: