Цифровой постимпериализм. Время определяемого будущего

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.

К сожалению, Россия не в состоянии на сегодняшний день следовать этим принципам, поскольку на нашем отечественном ИКТ-рынке полностью доминируют иностранные компании, работающие под свои собственные интересы в условиях агрессивного подавления возможных конкурентов, включая Россию.

Таким образом, даже имея конструктивные планы развития и использования ИИ в России, задача для нашей страны далеко не простая с учетом отечественного статуса страны в мировом ландшафте ИКТ-технологий. И дело тут не только в теоретических построениях и программных средствах. Главный вопрос – сумеет ли Россия обеспечить себе национальную безопасность при тотальном внедрении ИИ во все сферы жизни с учетом конкурентного противодействия других стран, когда мы даже в высокотехнологичных секторах промышленности не можем с ними конкурировать и потеряли свои значимые позиции.

Фундаментальной базой для развития всех этих технологий является, как уже отмечалось, принципиальное понимание, что между информацией и знаниями существует огромная дистанция, и именно только знания могут определять истинною полезную деятельность в создаваемых и рекламируемых смарт-системах различного предназначения. Разрабатываемые модели позволяют определить сам динамический процесс их развития и его временные лаги.

Однако принципиальная проблема состоит в сопоставлении параметров в реализуемой модели с истинными показателями социально-экономической системы. Это чрезвычайно сложная задача, иногда не имеющиеся решения в своем общем виде и требующая сверхбольших вычислительных высокопроизводительных вычислений и объективных изначальных данных.

В этом и состоит искусство для применения предсказательного моделирования на основе научно-обоснованных и статистических методов с достоверными данными. Последнее часто затушевывается под адресный заказ властей и лукавые параметры, например, темпы роста. В частности, под индексы промышленного роста без учета абсолютных исходных цифр – иначе ничтожные начальные данные за какой-то год могут дать колоссальный рост в следующем году при их фактическом увеличении на мизер, а также с учетом того, что стоит в числителе и знаменателе для разных модификаций используемых индикаторов (на душу населения, например).

Кроме того, важно подчеркнуть, что развитие науки и трансформация научных достижений в инновации на конкурентном мировом рынке во многом зависит от нахождения соответствующих ниш, когда нужно реализовать принцип «перегнать, не догоняя». Такое скачкообразное развитие, по-видимому, единственный путь для современной России войти в состав передовых мировых держав. Об этом очень убедительно сказано в публикации[53].

Также полезно ознакомиться с материалами совместного заседания VIII форума регионов России и Беларуси на тему «Научно-техническое сотрудничество России и Беларуси в эпоху цифровизации», 4 июня 2021 года[54].

Один характерный пример. Откуда появилось мнение, что электромобиль является экологически чистым видом транспорта, на который надо переориентировать всю промышленность? Если взять всю технологическую цепочку от конструирования таких объектов до их утилизации (например, хотя бы, только в аккумуляторном фрагменте), то он окажется намного грязнее использования бензиновых двигателей, для которых постановка соответствующих фильтров очистки практически полностью снижает вредные выбросы, если при этом не заботиться о мощности двигателя.

Отметим и другие вопросы, связанные с электромобилями – от тотальных станций зарядки их аккумуляторов (чуть ли не в каждом дворе жилого дома) до источников откуда брать энергию для этого – все из тех же углеводородов…

В этом аспекте самая чистая энергетика – атомная энергетика, а не пропагандируемый сейчас блеф с «зеленой» энергетикой. Похожая картина была в свое время с паникой по поводу уменьшения озонового слоя Земли и расширяющейся озоновой «дырой» – за это даже присудили Нобелевскую премию, с тотальным стремлением к уничтожению, например, холодильных установок с фреоном. Бенефициары этого бизнес-проекта хорошо известны. Но сейчас озоновая дыра восстановилась, и никто уже не вспоминает о критическом состоянии озонового слоя. Нечто подобное сейчас происходит с «карбоновой» проблемой и потеплением климата, которые рассматриваются не в масштабе времени, характерном для природных явлений, а в масштабе жизни одного человека. То, что это очередной крупный бизнес-проект, позволяющий обогатиться (за счет использовании бюджетных средств) конкретным монополистическим структурам, не вызывает никаких сомнений. Достаточно привести один характерный график периодически сменяемого похолодания и потепления происходящих на земле за последние 2000 лет (рис. 1.3)[55].