Artificial intelligence technologies: Classification, limitations, prospects and threats

Cover Page

Cite item

Full Text

Abstract

Introduction. Solving the problems of increasing labor productivity, creating transparency of key business processes, and creating new production facilities require not only new production technologies, but the organization of information processes, such as collection, storage, processing, analysis, and issuing responses to requests for information accompanying production processes. One of the most promising tools for solving these problems is AI technologies. Theoretical analysis. A classification of artificial intelligence technologies is presented, the following areas are highlighted: machine learning, natural language processing, computer vision, expert systems, advanced planning, speech recognition, robotics. The characteristics of the main technologies within the selected classification are given. To describe the limitations of the artificial intelligence development, the following levels of development limitation were used: physical implementation, safety of use, interaction with the environment, level of recognition, and the possibility of self-actualization. Prospects and risks are structured as sets of similar levels, complemented by a level of energy analysis. Conclusion. It has been revealed that to ensure the development of Society 5.0, it is necessary to create innovative platforms and mega-regional clusters for cooperation between authorities, entrepreneurs, and research centers in the field of artificial intelligence technologies.

About the authors

Irina Vladimirovna Veshneva

Saratov State University

410028, Russia, Saratov, Astrakhanskaya str., 83

References

  1. Искусственный интеллект // Министерство цифрового развития, связи и массовых коммуникаций. URL: https://digital.gov.ru/ru/activity/directions/1046/ (дата обращения: 24.03.2023).
  2. АНО «Цифровая экономика» изучила лучшие практики внедрения ИИ в российскую обрабатывающую промышленность. URL: https://data-economy.ru/news/tpost/zfbdovnco1-ano-tsifrovaya-ekonomikaizuchila-luchsh (дата обращения: 24.03.2023).
  3. The Socio-Economic Impact of AI in Healthcare. URL: https://www.medtecheurope.org/wp-content/uploads/2020/10/mte-ai_impact-in-healthcare_oct2020_report.pdf (дата обращения: 24.03.2023).
  4. Haseeb M., Mihardjo L. W., Gill A. R., Jermsittiparsert K. Economic impact of artificial intelligence: New look for the macroeconomic assessment in Asia-Pacifi c region // International Journal of Computftional Intelligence Systems. 2019. Vol. 12, iss. 2. P. 1295–1320. https://doi.org/10.2991/ijcis.d.191025.001
  5. Van Roy V. AI Watch – National strategies on Artificial Intelligence: A European perspective in 2019 // EUR 30102 EN, Publications Office of the European Union, Luxembourg, https://doi.org/10.2760/602843 , JRC119974
  6. Review of Artificial Intelligence and Machine Learning Technologies: Classifi cation, Restrictions, Opportunities and Challenges // Mathematics, MDPI. 2022. Vol. 10, iss. 15. P. 1–25. https://dx.doi.org/10.3390/math10152552
  7. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. М. : Радио и связь, 1992. 256 с.
  8. Ивахненко А. Г. Самообучающиеся системы с положительными обратными связями. Киев : Изд-во АН УССР, 1963. 330 с.
  9. Вешнева И. В., Сингатулин Р. А. Разработка информационно-образовательных комплексов системы дистанционного обучения с обратной связью на основе фотограмметрических методов и статусных функций. Часть 2 // Вестник Саратовского государственного технического университета. 2015. Т. 3, № 1 (80). С. 125–132. EDN: VKUGQB
  10. Вешнева И. В. Математические модели в системе управления качеством высшего образования с использованием методов нечеткой логики. Саратов : Саратовский источник, 2010. 186 с.
  11. Bolshakov A. A., Veshneva I. V. Assessment of the Effectiveness of Decision Support in the Application of the Information System for Monitoring the Process of Forming Competences Based on Status Functions // 2018 International Conference on Actual Problems of Electron Devices Engineering (APEDE). Saratov, Russia, 2018. P. 75–82. https://doi.org/10.1109/APEDE.2018.8542462
  12. Заставь машину думать: как развивают искусственный интеллект у роботов // РБК. URL: https://trends.rbc.ru/trends/innovation/5d6520ea9a79474acef15b63 (дата обращения: 24.03.2023)
  13. Islas-Cota E., Gutierrez-Garcia J. O., Acosta C. O., Rodríguez L. F. A systematic review of intelligent assistants // Future Generation Computer Systems. 2022. Vol. 128. P. 45–62. https://doi.org/10.1016/j.future.2021.09.035
  14. Krinkin K., Shichkina Y., Ignatyev A. Co-evolutionary hybrid intelligence // 2021 5th Scientific School Dynamics of Complex Networks and their Applications (DCNA). Kaliningrad, Russian Federation. 2021. P. 112–115, https://doi.org/10.1109/DCNA53427.2021.9587002
  15. Созданный в США робот пообещал уничтожить человечество. URL: https://rg.ru/2016/03/22/robotpoobeshchal-unichtozhit-chelovechestvo.html (дата обращения: 24.03.2023).
  16. Veshneva I. V., Bolshakov A. A. Construction of Digital Twins of Socio-Economic Systems Using Mathematical Models Based on Status Functions // Society 5.0: HumanCentered Society Challenges and Solutions. Cham : Springer, 2022. P. 129–141. https://doi.org/10.1007/978-3-030-95112-2_11
  17. Bolshakov A., Veshneva I., Lushin D. Mathematical Model of Integration of Cyber-Physical Systems for Solving Problems of Increasing the Competitiveness of the Regions of the Russian Federation // Society 5.0: Cyberspace for Advanced Human-Centered Society. Cham : Springer Verlag, 2021. P. 129–139. https://doi.org/10.1007/978-3-030-63563-3_11
  18. Veshneva I., Chernyshova G., Bolshakov A. Regional Competitiveness Research Based on Digital Models Using Kolmogorov-Chapman Equations // Society 5.0: Cyberspace for Advanced Human-Centered Society. Cham : Springer Verlag, 2021. P. 141–154. https://doi.org/10.1007/978-3-030-63563-3_12
  19. Перспективы развития // РОССЕТИ. Стратегический отчет. URL: http://rosseti14.kerrygun.ru/strategicreport/prospects-of-development (дата обращения: 24.03.2023).
  20. Investment in Artificial Intelligence Solutions Will Accelerate as Businesses Seek Insights, Efficiency, and Innovation, According to a New IDC Spending Guide // International Data Corporation. 2021. URL: https://idc.com/getdoc.jsp?containerId=prUS48191221 (дата обращения: 24.03.2023).
  21. Княгинин В. Н., Липецкая М. С., Санатов Д. В., Васеев И. Е., Годунова Е. А., Семенова М. А., Харитонов М. А., Холоднова Е. М. Искусственный интеллект в промышленности. Экспертно-аналитический доклад. URL: https://csr-nw.ru/upload/iblock/3db/Доклад%20по%20ИИ%20в%20промышленности_финал.pdf (дата обращения: 24.03.2023).
  22. Чернышова Г. Ю., Вешнева И. В., Роках Г. Е. Моделирование динамики рисков региональной конкурентоспособности // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2022. Т. 22, вып. 1. С. 42−52. https://doi.org/10.18500/1994-2540-2022-22-1-42-52
  23. Samuelson P., Scotchmer S. The Law and Economics of Reverse Engineering // The Yale Law Journal. 2002. Vol. 111, no. 7. P. 1575−1663. https://doi.org/10.2307/797533
  24. Shenkar O., Oded Shenkar, Yadong Luo. International business. Hoboken, N. J. : Wiley, 2004. 513, [217] р.
  25. Strubell E., Ganesh A., McCallum A. Energy and Policy Considerations for Deep Learning in NLP // Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. Florence, Italy, 2019. P. 3645–3650. URL: https://arxiv.org/pdf/1906.02243.pdf (дата обращения: 24.03.2023).
  26. Сбер представил открытый инструмент для оценки углеродного следа моделей ИИ // Lenta.Ru. URL: https://lenta.ru/news/2022/06/17/openinstr/ (дата обращения: 24.03.2023).
  27. Широковских С. А. Возможности, ограничения и вероятные угрозы устойчивому развитию высокотехнологических компаний азиатского региона вследствие выхода из-под контроля искусственного интеллекта и нейросетей // Экономика Центральной Азии. 2020. Т. 4, № 4. С. 385−394. https://doi.org/10.18334/asia.4.4.111626

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».