«Cтохастический попугай» на службе бизнеса: успехи и проблемы генеративного искусственного интеллекта
DOI:
https://doi.org/10.21638/spbu18.2024.305Аннотация
Цель исследования: представить обзор исследований и технологий искусственного интеллекта на базе нейронных сетей и больших лингвистических моделей.
Методология исследования: в качестве основного использован кабинетный метод тематических обзоров литературы.
Результаты исследования: выявлены основные тренды развития искусственного интеллекта, проанализированы и определены скрытые опасности и несовершенства современных систем его внедрения.
Оригинальность и значимость результатов: критический подход и анализ все возрастающего информационного шума в области продвижения генеративного искусственного интеллекта сформированы под руководством автора в результате выполнения научно-исследовательских проектов Российского фонда фундаментальных исследований и Российского научного фонда, а также многолетней экспертной деятельности в рамках Российской ассоциации искусственного интеллекта. Статья является обобщением нескольких пленарных докладов автора по данной тематике.
Ключевые слова:
искусственный интеллект, инженерия знаний, искусственные нейросети, бизнес-приложения искусственного интеллекта
Скачивания
Данные скачивания пока недоступны.
Библиографические ссылки
Литература на русском языке
Александров Е. А. 1975. Основы теории эвристических решений. М.: Советское радио.
Башлыков А., Еремеев А. П. 1994. Экспертные системы поддержки принятия решений в энергетике. М.: МЭИ.
Бова В. В., Кравченко Д. Ю., Лещанов Д. В., Новиков А. А. 2014. Компьютерная онтология: задачи и методология построения. Информатика, вычислительная техника и инженерное образование (4).
Боргест Н. М. 2013. Ключевые термины онтологии проектирования: обзор, анализ, обобщения. Онтология проектирования 3 (9): 9–31.
Бхатт Ш., Чжао Ц., Сетх А., Шалин В. 2020. Графы знаний как средство улучшения искусственного интеллекта. Открытые системы. СУБД (3): 24–26.
Винер Н. 1968. Кибернетика, или Управление и связь в животном и машине. М.: Советское радио.
Гаврилова Т. А. 1984. Представление знаний в экспертной диагностической системе АВТАНТЕСТ. Известия АН СССР. Техническая кибернетика (5): 168–175.
Гаврилова Т. А., Хорошевский В. Ф. 2000. Базы знаний интеллектуальных систем. Учебник. СПб.: Питер.
Гаврилова Т. А. 2005. Об одном подходе к онтологическому инжинирингу. Новости искусственного интеллекта (3): 25–31.
Гаврилова Т. А., Кудрявцев Д. В., Муромцев Д. И. 2016. Инженерия знаний. Модели и методы. СПб.: Лань.
Герасименко В. В. 2023. Цифровая этика применения искусственного интеллекта в бизнесе: осознание новых возможностей и рисков. Научные исследования экономического факультета 15 (1): 37–54.
Горбань А. Н. 2000. Нейроинформатика: кто мы, куда мы идем, как путь наш измерить. Информационные технологии (4): 10–14.
Джонс М. Т. 2019. Программирование искусственного интеллекта в приложениях. Саратов: Профобразование.
Добров Б. В., Соловьев В. Д., Иванов В. В., Лукашевич Н. В. 2015. Онтологии и тезаурусы. Казань: КГУ.
Дэвенпорт Т. 2021. Внедрение искусственного интеллекта в бизнес-практику: Преимущества и сложности. М.: Альпина Паблишер.
Загорулько Ю. А., Загорулько Г. Б. 2020. Искусственный интеллект. Инженерия знаний. М.: Юрайт.
Захаров В. Н., Попов Э. В., Поспелов Д. А., Хорошевский В. Ф. 1990. Искусственный интеллект. Справочник в трех томах. М.: Радио и связь.
Кобринский Б. А. 2022. Горячие ступени в будущее искусственного интеллекта. Материалы конференции: Шаг в будущее: искусственный интеллект и цифровая экономика. Технологическое лидерство: взгляд за горизонт; 120–128.
Котов К. И., Соколова Д. Д., Павлов Д. С. 2023. Применение нейросетей в инвестиционной деятельности: возможности и риски. Материалы конференции: Инновационные механизмы управления цифровой и региональной экономикой (МФТИ); 384–392.
Круг П. Г. 2002. Нейронные сети и нейрокомпьютеры. М.: МЭИ.
Люгер Д. Ф. 2003. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Издательский дом «Вильямс».
Маслов С. Ю. 1964. Обратный метод установления выводимости в классическом исчислении предикатов. Доклады Академии наук 159 (1): 17–20.
Минский М. 1979. Фреймы для представления знаний. М.: Энергия.
Миркин Б. Г., Кузнецов С. О. 2009. Машинное обучение. Конспект лекций. М.: ВШЭ.
Муромцев Д., Волчек Д., Романов А. 2019. Индустриальные графы знаний — интеллектуальное ядро цифровой экономики. Control Engineering Россия (5): 32–39.
Николенко С., Кадурин А., Архангельская Е. 2018. Глубокое обучение. СПб.: Питер.
Оселедец И. В. 2022. Успехи и проблемы машинного обучения. Материалы конференции: Проектирование будущего. Проблемы цифровой реальности 5; 102–108.
Осипов Г. 2011. Методы искусственного интеллекта.
Поспелов Д. А. 1998. Становление информатики в России. В сб.: Очерки истории информатики в России (Новосибирск); 7–44. [Электронный ресурс]. http://simulation.su/uploads/files/default/1998-pospelov-1.pdf (дата обращения: 09.09.2024).
Поспелов Д. А. 1982. На пути к искусственному интеллекту. М.: Наука.
Рассел С., Норвиг С. 2016. Искусственный интеллект. Современный подход. СПб.: Диалектика/Вильямс.
Рождественская Я. Генератор умно звучащего бреда. Коммерсант. [Электронный ресурс]. https://www.kommersant.ru/doc/4457086 (дата обращения: 19.08.2024).
Рыбина Г. В. 2010. Основы построения интеллектуальных систем. М.: Финансы и статистика.
Skypro. 2024. Искусственный интеллект в Сбербанке. [Электронный ресурс]. https://sky.pro/wiki/python/iskusstvennyj-intellekt-v-sberbanke/ (дата обращения: 19.08.2024).
Смирнов А. В., Кашевник А. М., Пономарев А. В., Савосин С. В. 2014. Онтологический подход к организации взаимодействия сервисов интеллектуального пространства при управлении гибридными системами. Искусственный интеллект и принятие решений (4): 42–51.
Смирнов С. В. 2013. Онтологии как смысловые модели. Онтология проектирования 2 (8): 12–19.
Стефанюк В. Л. 2011. Творческое решение задач. Искусственный интеллект и принятие решений (2): 3–11.
Финн В. К. 2020. Точная эпистемология и искусственный интеллект. Научно-техническая информация. Серия 2: Информационные процессы и системы (6): 1–36.
Фитисов А. Как база знаний экономит время и силы всех сотрудников.Бизнес-секреты. [Электронный ресурс]. https://secrets.tinkoff.ru/blogi-kompanij/zachem-kompaniyam-baza-znanij/?internal_source=copypaste (дата обращения: 09.08.2024).
Хант Э. 1978. Искусственный интеллект. М.: Мир.
Хабр. 2024. Искусственные нейросети простыми словами. [Электронный ресурс]. https://habr.com/ru/articles/369349/ (дата обращения: 19.08.2024).
Эндрю А. М. 1985. Искусственный интеллект. М.: Мир.
Юрин А. Ю. 2016. Нотация для проектирования баз знаний продукционных экспертных систем. Объектные системы (12): 48–54.
References in Latin Alphabet
Adeli H. 1994. Knowledge Engineering. McGraw-Hill Publishing Company: New York.
Ahmadi S. 2024. A comprehensive study on integration of big data and AI in financial industry and its effect on present and future opportunities. International Journal of Current Science Research and Review 7 (1): 66–74.
Arman M., Lamiyar U. R. 2023. Exploring the implication of ChatGPT AI for business: Efficiency and challenges. International Journal of Marketing and Digital Creative 1 (2): 64–84.
Benaich N. Z. & Air Street Capital. 2024. State of AI Report 2024. [Electronic resource]. https://www.stateof.ai/ (accessed: 10.10.2024).
Bilateral AI. 2024. Cluster of excellence. [Electronic resource]. https://www.bilateral-ai.net/ (accessed: 10.08.2024).
Brockman J. 1998. Consciousness is a big suitcase: A talk with Marvin Minsky. Edge. [Electronic resource]. https://www.edge.org/conversation/marvin_minsky-consciousness-is-a-big-suitcase (accessed: 10.08.2024).
Caiming Z., Lu Y. 2021. Study on artificial intelligence: The state of the art and future prospects. Journal of Industrial Information Integration 23: 100224.
Campton B. 2024. How Is AI Used in Business? 10 Ways It Can Help. [Electronic resource]. https://www.upwork.com/resources/how-is-ai-used-in-business (accessed: 10.08.2024).
Charette R. 2018. Michigan’s MiDAS Unemployment System: Algorithm Alchemy Created Lead, Not Gold. IEEE Spectrum. [Electronic resource]. https://spectrum.ieee.org/michigans-midas-unemployment-system-algorithm-alchemy-that-created-lead-not-gold (accessed: 10.08.2024).
Cohen A. AI is pushing the world toward an energy crisis. Forbes. [Electronic resource]. https://www.forbes.com/sites/arielcohen/2024/05/23/ai-is-pushing-the-world-towards-an-energy-crisis (accessed: 10.08.2024).
Duarte F. 2024. AI Market Size Statistics. [Electronic resource]. https://explodingtopics.com/blog/ai-market-size-stats (accessed: 10.08.2024).
Evans H., Snead D. 2024. Why do errors arise in artificial intelligence diagnostic tools in histopathology and how can we minimize them? Histopathology 84 (2): 279–287.
Feigenbaum E. A. 1981. Expert systems in the 1980s. In: Bond A. (Ed). Infotech State of the Art Report on Machine Intelligence. Pergamon Infotch Ltd: Maidenhead; 27–52.
Feuerriegel S., Hartmann J., Janiesch C., Zschech P. 2024. Generative ai. Business & Information Systems Engineering 66 (1): 111–126.
Flasiński M., Flasiński M. 2016. History of artificial intelligence. Introduction to Artificial Intelligence: 3–13.
Floridi L., Cowls J., Beltrametti M., Chatila R., Chazerand P. et al. 2018. AI4People — An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines 28 (4): 689–707.
Floridi L., Chiriatti M. 2020. GPT-3: Its nature, scope, limits, and consequences. Minds and Machines 30 (4): 681–694.
Gruber T. 1993. A translation approach to portable ontology specifications. Knowledge Acquisition 5 (2): 199–220.
Harmelen F. V., Antoniou G. 2004. Web ontology language: Owl. In: Handbook on Ontologies. Springer: Berlin, Heidelberg; 67–92.
Heist N., Hertling S., Ringler D., Paulheim H. 2020. Knowledge graphs on the web — an overview. Artificial Intelligence: Foundations, Applications and Challenges: 3–22. http://dx.doi.org/10.48550/arXiv.2003.00719
Ji Z., Lee N., Frieske R., Yu T., Su D. et al. 2023. Survey of hallucination in natural language generation. ACM Computing Surveys 55 (12): 1–38.
Joseph E. A comparison of GPT 4, Llama, Claude, AI Studio & Perplexity. [Electronic resource]. https://www.pixelcrayons.com/blog/digital-transformation/comparing-gpt4-llama-claude-ai-studio-perplexity/ (accessed: 10.08.2024).
Kaggwa S., Eleogu T. F., Okonkwo F., Farayola O. A., Uwaoma P. U., Akinoso A. 2024. AI in decision making: Transforming business strategies. International Journal of Research and Scientific Innovation 10 (12): 423–444.
Kawakami R., Venkatagiri S. 2024. The Impact of Generative AI on Artists. In proceedings: Conference on Creativity & Cognition 16; 79–82.
Knuth D. E. 1997. The art of computer programming (Vol. 1–4). Pearson Education.
Kosenko D. P., Kuratov Y. M., Zharikova D. R. 2023. Accessible Russian large language models: Open-source models and instructive datasets for commercial applications. In: Doklady Mathematics 108 (S2); S393–S398. Pleiades Publishing: Moscow.
Krishnan C., Mariappan J. 2024. The AI revolution in e-commerce: Personalization and predictive analytics. In: Role of Explainable Artificial Intelligence in E-Commerce. Springer Nature Switzerland: Cham; 53–64.
Lamarre E., Smaje K., Zemmel R. 2023. Rewired: The McKinsey guide to outcompeting in the age of digital and AI. John Wiley & Sons.
McKinsey & Company. 2024a. Artificial intelligence in strategy. [Electronic resource]. https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/artificial-intelligence-in-strategy (accessed: 10.08.2024).
McKinsey & Company. 2024b. The state of AI in early 2024: Gen AI adoption spikes and starts to generate value. [Electronic resource]. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai (accessed: 10.08.2024).
Miikkulainen R., Liang J., Meyerson E., Rawal A., Fink D. et al. 2019. Evolving deep neural networks. In: Artificial Intelligence in the Age of Neural Networks and Brain Computing. Academic Press; 293–312.
Mirjalili S. 2019. Evolutionary algorithms and neural networks. In: Studies in Computational Intelligence 780. Springer: Berlin/Heidelberg.
Moto-Oka T. (Ed.). 2012. Fifth Generation Computer Systems. Elsevier.
Newell A., Shaw J. C., Simon H. A. 1958. Elements of a theory of human problem solving. Psychological Review 65 (3): 157–166.
Newell A., Simon H. 1976. Computer science as empirical inquiry: Symbols and search. In: Communications of the ACM 19 (3): 113–126.
Oppenlaender J. 2022. The creativity of text-based generative art. https://doi.org/10.48550/arXiv.2206.02904
Peng C., Xia F., Naseriparsa M., Osborne F. 2023. Knowledge graphs: Opportunities and challenges. Artificial Intelligence Review 56 (11): 13071–13102.
Pujara J., Miao H., Getoor L., Cohen W. 2013. Knowledge graph identification. In proceedings: 12th International Semantic Web Conference (Sydney, NSW). Berlin, Heidelberg: Springer; 542–557.
Raji I., Kumar E., Horowitz A., Selbst A. 2022. The fallacy of AI functionality. In: 2022 ACM Conference on Fairness, Accountability, and Transparency; 959–972.
Razzaq A. Llama 3.1 vs GPT-4o vs Claude 3.5: A comprehensive comparison of leading AI models. [Electronic resource]. https://www.marktechpost.com/2024/07/27/llama-3-1-vs-gpt-4o-vs-claude-3-5-a-comprehensive-comparison-of-leading-ai-models/ (accessed: 09.09.2024).
Robinson J. 1965. A machine-oriented logic based on the resolution principle. Journal of the ACM 12 (1): 23–41.
Sadiku M., Fagbohungbe O., Musa S. 2020. Artificial intelligence in business. International Journal of Engineering Research and Advanced Technology 6 (7). https://doi.org/10.31695/IJERAT.2020.3625
Sure Y., Staab S., Studer R. 2009. Ontology engineering methodology. In: Handbook on Ontologies. Springer: Berlin, Heidelberg; 135–152.
TechInsights. 2024. [Electronic resource]. https://clck.ru/3DpzVx (accessed: 09.09.2024).
Xie Y., Xu Z., Zhang J., Wang Z., Ji S. 2022. Self-supervised learning of graph neural networks: A unified review. IEEE Transactions on Pattern Analysis and Machine Intelligence 45 (2): 2412–2429.
Wraith S. M., Aikins J. S., Buchanan B. G., Clancey W. J., Davis R. et al. 1976. Computerized consultation system for selection of antimicrobial therapy. American Journal of Hospital Pharmacy 33 (12): 1304–1308.
Zhang C., Lu Y. 2021. Study on artificial intelligence: The state of the art and future prospects. Journal of Industrial Information Integration 23: 100224.
Translation of references in Russian into English
Aleksandrov E. A. 1975. Fundamentals of the Theory of Heuristic Decisions. Soviet Radio Publ: Moscow. (In Russian)
Bashlykov A., Eremeev A. P. 1994. Expert Systems for Decision Support in Power Engineering. Moscow: MEI. (In Russian)
Bova V. V., Kravchenko D. Y., Leshchanov D. V., Novikov A. A. 2014. Computational ontology: Objectives and methodology of construction. Informatics, Computer Science, and Engineering Education (4). (In Russian)
Borgest N. М. 2013. Key terms of design ontology: Review, analysis, generalizations. Ontology of designing 3 (9): 9–31. (In Russian)
Bhatt Sh., Zhao J., Seth A., Shalin W. 2020. Knowledge graphs as a means of improving artificial intelligence. Open Systems. DBMS (3): 24–26. (In Russian)
Wiener N. 1968. Cybernetics: Or Control and Communication in the Animal and the Machine. Soviet Radio Publ: Moscow. (In Russian)
Gavrilova T. A. 1984. Knowledge representation in the AVTANTEST expert diagnostic system. Bulletin of the USSR Academy of Sciences. Technical Cybernetics (5): 168–175. (In Russian)
Gavrilova T. A., Khoroshevsky V. F. 2000. Knowledge Bases of Intelligent Systems. Textbook. ‘‘Piter’’ Publishing House: St. Petersburg. (In Russian)
Gavrilova T. A. 2005. On one approach to ontological engineering. News of artificial intelligence (3): 25–31. (In Russian)
Gavrilova T. A., Kudryavtsev D. V., Muromtsev D. I. 2016. Knowledge Engineering. Models and Methods. “Lan” Publ. House: St. Petersburg. (In Russian)
Gerasimenko V. V. Digital ethics of Artificial Intelligence in Business: Awareness of New Opportunities and Risks. Scientific research of the Faculty of Economics 15 (1): 37–54. (In Russian)
Gorban A. N. 2000. Neuroinformatics: Who we are, where we are going, how to measure our path. Information technologies (4): 10–14. (In Russian)
Jones M. T. 2019. Artificial Intelligence Application Programming. Vocational education Publ.: Saratov. (In Russian)
Dobrov B. V. Soloviev V. D., Ivanov V. V., Lukashevich N. V. 2015. Ontologies and Thesauri. KSU Publ.: Kazan. (In Russian)
Davenport T. 2021. The AI Advantage: How to Put the Artificial Intelligence Revolution to Work. Alpina Publisher: Moscow. (In Russian)
Zаgorulko Y. A., Zаgorulko G. B. 2020. Artificial Intelligence. Knowledge Engineering. Urait Publishing House: Moscow. (In Russian)
Zakharov V. N., Popov E. V., Pospelov D. A., Khoroshevsky V. F. 1990. Artificial Intelligence. Handbook in three volumes. Radio and Communications Publ.: Moscow. (In Russian)
Kobrinsky B. A. 2022. Hot Steps to the Future of Artificial Intelligence. In proceedings: Step into the Future: Artificial Intelligence and the Digital Economy. Technological Leadership: A Look Beyond the Horizon; 120–128. (In Russian)
Kotov K. I., Sokolova D. D., Pavlov D. S. 2023. Application of neural networks in investment activities: opportunities and risks. In proceedings: Innovative Mechanisms for Managing the Digital and Regional Economy (MIPT); 384–392. (In Russian)
Krug P. G. 2002. Neural networks and neurocomputers. MEI Publ. House: Moscow. (In Russian)
Luger D. F. 2003. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Williams Publishing House: Moscow. (In Russian)
Maslov S. Yu. 1964. The inverse method for establishing derivability in classical predicate calculus. Reports of the Academy of Sciences 159 (1): 17–20. (In Russian)
Minsky M. 1979. A Framework For Representing Knowledge. Energy Publ.: Moscow. (In Russian)
Mirkin B. G., Kuznetsov S. O. 2009. Machine learning. Lecture notes. HSE Publ.: Moscow. (In Russian)
Muromtsev D., Volchek D., Romanov A. 2019. Industrial knowledge graphs are the intellectual core of the digital economy. Control Engineering Russia (5): 32–39. (In Russian)
Nikolenko S., Kadurin A., Arkhangelskaya E. 2018. Deep Learning. ‘‘Piter’’ Publishing House: St. Petersburg. (In Russian)
Oseledets I. V. 2022. Achievements and Problems of Machine Learning. In proceedings: Designing the Future. Problems of Digital Reality 5; 102–108. Osipov G. 2022. Methods of artificial intelligence. (In Russian)
Osipov G. 2011. Methods of Artificial Intelligence.
Pospelov D. A. 1998. Formation of computer science in Russia. In the collection: Essays on the history of computer science in Russia (Novosibirsk); 7–44. [Electronic resource]. http://simulation.su/uploads/files/default/1998-pospelov-1.pdf (accessed: 09.09.2024). (In Russian)
Pospelov D. A. 1982. On the Way to Artificial Intelligence. Science Publ.: Moscow. (In Russian)
Russel S., Norvig S. 2016. Artificial Intelligence. A Modern Approach. Dialectics/Williams Publ.: St. Petersburg. (In Russian)
Rozhdestvenskaya Ya. Generator of smart-sounding nonsense. Kommersant. [Electronic resource]. (https://www.kommersant.ru/doc/4457086) (accessed: 19.08.2024). (In Russian)
Rybina G. V. 2010. Fundamentals of Building Intelligent Systems. Finance and statistics Publ.: Moscow. (In Russian)
Skypro. 2024. Artificial Intelligence in Sberbank. [Electronic resource]. https://sky.pro/wiki/python/iskusstvennyj-intellekt-v-sberbanke/ (accessed: 19.08.2024). (In Russian)
Smirnov A. V., Kashevnik A. M., Ponomarev A. V., Savosin S. V. 2014. Organization of smart space services interaction for hybrid systems control. Scientific and Technical Information Processing (4): 42–51. (In Russian)
Smirnov S. V. 2013. Ontologies as semantic models. “Ontology of Designing” Scientific Journal 2 (8): 12–19. (In Russian)
Stefanuk V. L. 2011. Creative problem solving. Scientific and Technical Information Processing (2): 3–11. (In Russian)
Finn V. K. 2020. Precise Epistemology and Artificial Intelligence. Scientific and Technical Information. Series 2: Information Processes and Systems (6): 1–36. (In Russian)
Fitisov A. How a knowledge base saves time and effort for all employees. Business secrets. [Electronic resource]. https://secrets.tinkoff.ru/blogi-kompanij/zachem-kompaniyam-baza-znanij/?internal_source=copypaste. (accessed: 09.08.2024). (In Russian)
Hunt E. 1978. Artificial Intelligence. Mir Publ.: Moscow. (In Russian)
Habr. 2024. Artificial neural networks in simple terms. [Electronic resource]. https://habr.com/ru/articles/369349/ (accessed: 19.08.2024). (In Russian)
Andrew A. M. 1985. Artificial Intelligence. Mir Publ.: Moscow. (In Russian)
Yurin A. Yu. 2016. Notation for designing knowledge bases of production expert systems. Object Systems (12): 48–54. (In Russian)
Загрузки
Опубликован
29.12.2024
Как цитировать
Гаврилова, Т. А. (2024). «Cтохастический попугай» на службе бизнеса: успехи и проблемы генеративного искусственного интеллекта. Российский журнал менеджмента, 22(3), 461–482. https://doi.org/10.21638/spbu18.2024.305
Выпуск
Раздел
Теоретические и эмпирические исследования
Лицензия
Статьи журнала «Российский журнал менеджмента» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Санкт-Петербургским государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
