В качестве исходного материала, определяющего ландшафт развития использования ИИ, приведем – без комментариев – список победителей недавнего конкурса Минобрнауки с соответствующими объемами финансирования по данному направлению. Речь идет о предоставлении в 2021 году грантов в форме субсидий из федерального бюджета организациям на разработку программ бакалавриата и программ магистратуры по профилю «искусственный интеллект», а также на повышение квалификации педагогических работников образовательных организаций высшего образования в сфере искусственного интеллекта (таблица 1.1).

Теперь это надо внедрять в каждую рабочую образовательную программу практически по любому направлению. А между тем, как уже отмечалось, само направление искусственного интеллекта – это прежде всего раздел математики, а она является стратегической дисциплиной. Более того, обоснованность ИИ и его «гуляние» по сетям приводит к опасности и вредности тотального использования соцсетей под разные цели, что уже признано на государственном уровне, а в Китае законодательно запрещено в школах, кроме несколько часов для детей в выходные дни. Аналогичные ограничения существуют и в Великобритании. Сложилась уже целая индустрия ИТ-технологий, связанная с веб-дизайном, созданием баз данных, которые имеют малое отношение, например, к такому стратегическому направлению как развитие высокотехнологичных секторов промышленности.

Таблица 1.1. Предоставление в 2021 году грантов в форме субсидий из федерального бюджета организациям на разработку программ бакалавриата и программ магистратуры по профилю «искусственный интеллект» Наименование победителей конкурса и размер предоставляемого гранта

Если говорить о цифровизации экономики в целом, то прежде всего это надо делать в наукоемких технологиях, определяющих уровень развития страны (не может быть цифровизации экономики без самой экономики!). При этом здесь необходима суперпозиция четырех блоков в одно целое: знать, как делать, как разрабатывать, как создавать прототипы и непрерывно их сопровождать. Молодежь надо настраивать идти не в блогеры, зарабатывающие немалые суммы, а в высокотехнологичные сферы экономики с соответствующим образованием на базе фундаментальных знаний.

Еще раз напомним о Карибском кризисе (16–18 октября) 1962 года, когда мир был на грани термоядерной войны, но мудрые руководители двух стран – президент США Дж. Кеннеди и Первый секретарь ЦК КПСС, Председатель Совета министров СССР Н. Хрущев приняли единственно правильное компромиссное РЕШЕНИЕ о взаимных уступках. А теперь давайте попробуем промоделировать ситуацию, когда РЕШЕНИЕ должен был принимать в сложившейся критической ситуации искусственный интеллект.

Далее, о якобы всесильности нейросетей в принятии управленческих решений в сложных комплексных ситуациях, а не при оказании стандартных сервисных услуг с их классификацией. Проблема состоит в том, что как человек обучил многомерные нейронные сети такие результаты они и будут выдавать по запросам на выходе при соответствующей загрузке их на входе. Поэтому их использование может быть эффективным при соответствующей квалификации «обучающих» для принятия решений и прогнозирования, например, в природных катаклизмах (катастрофические наводнения, землетрясения, цунами, ураганы и др.). При этом необходимо наличие соответствующей базы знаний по предвестникам этих сложных явлений, а также номенклатура отказов при оценке надежности различных технических устройств. Необходимая предварительная основа – технологии распознавания образов при наличии соответствующих данных по предшествующим подобным критическим событиям в условиях близких к реальным процессам.

Кроме того, наверное, можно говорить и об большой эффективности исследований по синтезу новых материалов с заданными/требуемыми функциональными и конструкционными характеристиками, а также в медицине и фармакологии при определении стратегических общих направлений при лечении больных с разработкой соответствующих лекарственных препаратов, но с дальнейшей конкретизацией по их реальному состоянию – это уже исключительная сфера ответственности человека.

Что же касается принятия управленческих решений по экономическим, политическим, военным вопросам, то использование нейросетей весьма проблематично – весь вопрос, кто их рукотворно обучал и под какой социальный заказ. Но даже в относительно простых ситуациях некорректность выдачи управленческих решений достаточна очевидна. Это проявляется даже в таком очевидном и простом по реализации процессе функционирования любого учреждения и систем жизнеобеспечения граждан как электронный документооборот, в частности в расплодившихся цифровых платформах типа Госуслуги и др. Стоит провести в подтверждение этого факта мнение такого авторитетного отца-создателя алгоритмов для функционирования нейронных сетей, каким является Джеффри Хинтон – британский ученый-информатик, наиболее известный работами в области глубинных нейронных сетей.

Речь идет о подходе на платформе GLOM (is derived from the slang «glom together» which may derive from the word «agglomerate») – о философии нейронных сетей^[45].

Существующие здесь проблемы по итогам его анализа.

• Можно ли научить ИИ понимать окружающий мир так, как его понимают люди. Ключом к этому станет ли техника восприятия мира, подобная человеческой.

• Человеческое восприятие построено на интуиции, и чтобы ИИ понимал мир, возможно ли смоделировать для ИИ интуицию.

• Система визуального восприятия (пока ИИ не умеет это делать в принципе!).

• Понимание всей сцены в терминах объектов и их естественных частей (например, если такому ИИ показать десять фрагментов тела подорвавшегося на мине солдата, он опознает, что это труп мужчины).

• Распознавание объектов при взгляде с иной точки зрения (современный ИИ не может даже распознать автобус, перевернувшийся и лежащий на крыше).

В научном аспекте создаваемые алгоритмы и процедуры для принятия управленческих решений в разных сферах должны опираться на моделирование и прогноз с учетом современных достижений нелинейной динамики/стохастических процессов и квантовых технологий. Принципиально, что еще со времен Древней Греции было понято, что динамический процесс нельзя анализировать и рассматривать по стационарным точкам – знаменитые парадоксы Зенона. Но у некоторых наших нынешних аналитиков фиксация параметров в определенные моменты времени позволяют говорить о якобы новых тенденциях и трендах. В этом аспекте можно утверждать, что приоритетом является формулирование соответствующих математических уравнений с ключевыми управляющими параметрами в многофакторной задаче с последующей оптимизацией получаемых решений при соответствующем подборе значений этих параметров с проверкой на устойчивость финального решения при изменении значений параметров. При этом должны быть использованы методы корреляционного и статистического анализа с учетом влияния различных шумовых факторов, которые могут играть и конструктивную роль в формировании окончательного признака.

Другое дело, что решение таких сложных уравнений с учетом реальных внешних факторов часто не удается сделать аналитическими методами. Поэтому здесь и становятся необходимыми мощные вычислительные высокопроизводительны вычисления с использованием соответствующих программных и аппаратных средств. В этом плане до сих пор ведутся исследования в первоначально (20 лет назад) воспринятыми с большим энтузиазмом якобы из-за универсальных возможностей суперкомпьютерной отрасли. Однако, дальше вопросов создания и практики применения суперкомпьютеров, ГРИД и облачных технологий дело не идет. При этом Big Data требует очень деликатного обращения как при формировании контента, так и при тотальном использовании подобных баз данных (часто формулируемых без требуемой и необходимой экспертной оценки). В качестве доказательства этого можно привести широкий комплекс проблем и сфер применения, который обсуждался на Балтийском Форуме: Нейронауки, Искусственный интеллект и Сложные Системы, 13–15 сентября 2021 года^[46].

Не останавливаясь далее подробно на многочисленных публикациях по проблеме ИИ, кратко приведем перечень ряда ключевых пунктов по данной тематике.

Во-первых, полезно познакомиться с государственной политикой США в области искусственного интеллекта: цели задачи, перспективы реализации^[47]. Данная работа дает основание утверждать, что, обосновывая свои действия классическим «бронебойным» предлогом – угрозами для национальной безопасности, демократии и американского образа жизни со стороны «репрессивных режимов», а также используя сложность понимания тематики ИИ для непосвященных и очередную волну энтузиазма относительно этих технологий, лидеры ИТ-индустрии обеспечили себе доступ к административному ресурсу, чтобы:

• открыть дорогу широкому внедрению ИИ, в том числе в тех областях, где от решений алгоритмов будут зависеть человеческие жизни, пренебрегая при этом реальным решением существующих проблем с безопасностью таких систем;

• убрать правовые барьеры для бесконтрольного доступа и использования в своих целях таких массивов конфиденциальной информации, как персональные данные граждан или данные государственных структур.

Во-вторых, в литературе обсуждается искусственный интеллект и как инструмент развития финансовой глобализации^[48]. Авторы данной работы ссылаются на мнение известного специалиста^[49], когда глобализация становится моделью, основанной на восьми основных явлениях, к которым относятся:

– нивелирование межгосударственных границ;

– свободное перемещение информации, ресурсов, услуг, капиталов и увеличение их объемов;

– распространение западного менталитета на другие части планеты;

– усиление роли транснациональных и наднациональных организаций;

– навязывание внедрения модели устройства западного демократического государства в политическую жизнь других стран мира;

– формирование виртуального пространства для общения людей, которое усиливает возможность их непосредственного приобщения к общемировым процессам;

– насаждение в глобальном информационном пространстве образа ответственности человека за чужие судьбы, проблемы, конфликты, политические и иные события в любых уголках мира;

– формирование идеологии глобализации, основанной на совокупности принципов, призванных обосновать тенденции, направленные на объединение мира в единое пространство.

В-третьих, наряду с глобальными вопросами ИИ обсуждается также и применение технологий искусственного интеллекта в корпоративном управлении^[50]. В этой работе делается вывод о том, что внедрение технологий искусственного интеллекта в различные сферы деятельности корпораций, включая систему корпоративного управления, будет сопровождаться значительным количеством проблем и потребует поиска ответов на ряд сложных вопросов. С другой стороны, отказ от использования этих технологий неизбежно создаст угрозу для существования бизнеса корпораций, учитывая конкурентные преимущества, которые могут предоставить алгоритмы искусственного интеллекта.

В-четвертых, разумеется, вся эта деятельность проходит в условиях сильной мировой конкуренции. В частности, если говорить о США, то они обеспокоены достижениями России и Китая в сфере искусственного интеллекта^[51]. США на современном этапе считают основную угрозу по данному направлению, связанную с Китаем. В этом плане интересно познакомиться с мнением главного эксперта Пентагона по программному обеспечению, который считает, что США проигрывает Китаю^[52]. Он считает, что нет конкурентных шансов противостоять Китаю в течение ближайших 15–20 лет, поскольку сейчас это уже решенная сделка. Она, на взгляд эксперта, уже закрыта. При этом примечательно, что успех Китая в ИТ-секторе эксперт связал со стратегией властей – номинально технологические компании Китая независимы, однако они выполняют любые требования регуляторов и сотрудничают с конкурентами, когда это необходимо. Этот добровольно-принудительный порядок привел к тому, что технологическая инфраструктура Китая работает слаженно и быстро – разработчики избегают бюрократии, а правительство обеспечивает необходимое финансирование новых проектов.