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