Одна из таких интеллектуальных систем – «Система диагностики и прогнозирования заболеваний сердечно-сосудистой системы» размещена на сайте www.kardionet.ru. С помощью нее выявлены новые неизвестные ранее знания (см. [3, 4]), которые используются для совершенствования существующей практики лечения и профилактики заболеваний сердца.

2. Реально создание интеллектуальных систем диагностики сложных технических устройств, превосходящих по своим возможностям и точности известные инженерные методики. Их внедрение в инженерную практику позволит повысить надежность технических устройств и, таким образом, способствовать решению проблемы снижения техногенных аварий и катастроф – актуальной проблемы XXI в.

Опыт разработки нейросетевых систем диагностики авиационных двигателей показал [5], что интеллектуальные системы позволяют выявлять такие дефекты, которые обычными инженерными методами выявлены быть не могут.

3. Реально создание интеллектуальных систем, способных получать точные аналитические решения краевых задач математической, что позволит преодолеть современный кризис прикладной математики [6]. Реально внедрение таких интеллектуальных систем в инженерную практику, что также будет способствовать снижению числа техногенных аварий и катастроф.

С сайта www.PermAi.ru можно обратиться к демонстрационному прототипу интеллектуальной системы «Искусственный математик», способной получать точные аналитические решения краевых задач теории упругости, теплопроводности, термоупругости и др.

4. Реально создание интеллектуальных систем, прогнозирующих экономическое состояние предприятий, позволяющих разрабатывать рекомендации по оптимизации их деятельности.

В работе [7] описан опыт создания нейросетевой системы прогнозирования вероятности банкротства российских банков. Помимо прогнозов система позволяет получать полезные рекомендации по предотвращению банкротства конкретных банков.

5. Реально создание интеллектуальных систем, предназначенных для прогнозирования развития политических событий и влияния на эти события.

В [8] описан случай успешного прогнозирования победы Д.Медведева на президентских выборах 2008 года, выполненного за полтора года до этих выборов. Там же (См. также [9]) приведены подтвердившиеся впоследствии результаты прогнозирования рейтингов известных политических деятелей, а также рекомендации по улучшению этих рейтингов.

6. Реально создание и применение интеллектуальных систем в области криминалистики.

В работе [10] описан опыт создания нейросетевого детектора лжи, значительно превосходящего известные штатные аналоги по точности заключений.

В работе [11] изложен опыт создания интеллектуальной системы, предназначенной для изучения личности и выявления серийных убийц. Программа, оценивающая склонность человека к насилию.

7. Реально создание интеллектуальных систем, предназначенных для прогнозирования результатов спортивных состязаний и для оптимизации программы подготовки спортсменов с целью получения ими наивысших спортивных результатов.

В практике нейронные сети уже применялись для прогнозирования результатов олимпийских игр 2014 года [12], чемпионата мира по легкой атлетике 2015 года [13], чемпионата Европы по футболу 2016 года [12], а также при разработки рекомендаций для известных спортсменов: фигуриста Е.Плющенко [12], спортсменов-бегунов [13].

8. Реально создание и широкое применение интеллектуальных систем в психологии.

Заметим, что опыт применения нейросетевых технологий для создания интеллектуальных систем, выявляющих способности и предрасположенности человека, оказался весьма успешным. Так, в работе [15] описана интеллектуальная система, выявляющая способность человека к руководящей деятельности, в [16] – к научной деятельности, в [17] – к бизнесу. В [18] описана интеллектуальная система, способная прогнозировать степень успешности будущей карьеры студентов вуза, что позволяет оптимальным способом подбирать траектории их обучения. В [19] приведен опыт создания системы, определяющей предрасположенность подростков к наркотической зависимости, а также позволяющей получать индивидуальные рекомендации по снижению такой зависимости. В [11] – предрасположенность человека к насилию. Имеются программы, оценивающие предрасположенность человека к суициду, алкоголизму, анорексии и др. Помимо количественной оценки способностей, склонностей и предрасположенностей людей с помощью этих программ можно получать полезные рекомендации по их развитию, или наоборот – нивелированию.

Заключение

Следует отметить, что, не смотря на радужные перспективы развития искусственного интеллекта, обусловленные результатами современных исследований, его внедрение в жизнь социума предполагает решение довольно непростых организационных задач. По мнению авторов, решение этих задач должно, прежде всего, опираться на первоначальное внедрение ИИ в те сферы промышленности, где труд без использования методов ИИ влечет большой риск здоровью человека и где невозможно решение производственных задач без ИИ. Если для густонаселенных государств внедрение в жизнь социума ИИ не имеет возражений, то для стран с малой плотностью населения и огромными расстояниями между населенными пунктами повсеместное использование ИИ представляется проблематичным.

Источники

1. Фиговский О., Гумаров В. Инновационные системы: достижения и проблемы. Germany. Lambert AP,  2018. 456 c.

2. Фиговский О., Гумаров В. Инновационные системы: перспективы и прогнозы. Germany. Lambert AP,  2019. 530 c.

3. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей // Медицинская техника. 2013. № 3. с. 42-44.

4. Черепанов Ф.М. Методы повышения эффективности нейросетевых рекомендательных систем в условиях ограниченных объемов выборок со сложными корреляционными связями (на примере диагностики и прогнозирования сердечно-сосудистых заболеваний человека). Диссертация на соиск. уч. ст. канд. техн. наук. Пермь, 2019. URL: http://pstu.ru/files/2/file/adm/dissertacii/cherepanov/maket_itog.pdf

5. Конев С.В., Сичинава З.И. Ясницкий Л.Н. Применение нейросетевых технологий для диагностики неисправностей авиационных двигателей. Вестник Пермского университета. Серия: Математика. Механика. Информати-ка. 2005. № 2. С. 43-47.

6. Гладкий С.Л., Степанов Н.А., Ясницкий Л.Н. Интеллектуальное моделирование физических проблем. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2006. 200 с.

7. Ясницкий Л.Н., Иванов Д.В., Липатова Е.В. Нейросетевая система оценки вероятности банкротства банков // Бизнес-информатика. 2014. № 3. С. 49-56.

8. Ясницкий Л.Н. Интеллектуальные информационные технологии и систе-мы. Пермь: Пермский государственный университет, 2007. 271с.

9. Ясницкий Л.Н. О возможностях применения методов искусственного интеллекта в политологии // Вестник Пермского университета. Серия: Политология. 2008. № 2. С. 147–155

10. Ясницкий Л.Н., Петров А.М., Сичинава З.И. Технологии построения детектора лжи на основе аппарата искусственных нейронных сетей // Информационные технологии. – 2010. – № 11. – С. 66-70.

11. Ясницкий Л.Н., Ваулева С.В., Сафонова Д.Н., Черепанов Ф.М. Использование методов искусственного интеллекта в изучении личности серийных убийц // Криминологический журнал Байкальского государственного университета экономики и права. 2015. Т.9, №3. С. 423-430. DOI: 10.17150/1996-7756.2015.9(3).C. 423-430.

12. Ясницкий Л.Н., Внукова О.В., Черепанов Ф.М. Прогноз результатов олимпиады-2014 в мужском одиночном фигурном катании методами искусственного интеллекта // Современные проблемы науки и образования. – 2014. – № 1; URL: http://www.science-education.ru/115-11339.

13. Ясницкий Л.Н., Киросова А.В., Ратегова А.В., Черепанов Ф.М. Методика прогнозирования результатов спортивных состязаний на примере чемпионата мира-2015 по легкой атлетике // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2014. № 3. С. 90-97.

14. Ясницкий Л.Н., Абрамова Ю.С., Бабушкина С.Д. Возможности получения рекомендаций по улучшению результативности сборных команд, готовящихся к участию в чемпионате Европы по футболу Евро-2016 методом нейросетевого моделирования // Вестник спортивной науки. 2015. № 5. С. 15-20. URL: https://elibrary.ru/download/elibrary_26644435_18785989.pdf.

15. Ясницкий Л.Н., Михалева Ю.А., Черепанов Ф.М. Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом // International Journal of Unconventional Science. Журнал Формирующихся Направлений Науки. 2014. Вып. 6; URL: http://www.unconv-science.org/n6/yasnitsky/

16. Ясницкий Л.Н. Интеллектуальные системы : учебник. М.: Лаборатория знаний, 2016. 221 с. URL: https://cloud.mail.ru/public/5H3z/4LxCpisxw.

17. Ясницкий Л.Н., Порошина А.М., Тавафиев А.Ф. Нейросетевые технологии как инструмент для прогнозирования успешности предпринимательской деятельности // Российское предпринимательство. 2010. № 4(2). С. 8 – 13.

18. Ясницкий Л.Н., Кузнецов А.Г., Селезнева С.М., Солохина А.Д., Тюлькина Д.В., Черепанов Ф.М. Применение нейросетевых технологий в изучении акмеологического потенциала студентов вуза // Вестник Пермского уни-верситета. Серия: Математика. Механика. Информатика. 2014. № 4. С.120-126.

19. Ясницкий Л.Н., Грацилев В.И., Куляшова Ю.С., Черепанов Ф.М. Возможности моделирования предрасположенности к наркозависимости методами искусственного интеллекта. Вестник Пермского университета. Се-рия: Философия. Психология. Социология. 2015. № 1(21). С.61-71.