Dirbtinis intelektas jau valdo bankus  (0)

Dirbtinio intelekto metodai tik dabar pradedami plačiai taikyti verslo operacijų valdymo srityje. Dirbtinis intelektas apima platų tyrimų sričių spektrą: intelektualias mašinas (robotus), programinius robotus. Esminis tokių sistemų išskirtinumas yra gebėjimas samprotauti, kaupti ir išgauti žinias, atrasti tendencijas, mokytis ir adaptuotis prie naujų situacijų ar aplinkos.


Prisijunk prie technologijos.lt komandos!

Laisvas grafikas, uždarbis, daug įdomių veiklų. Patirtis nebūtina, reikia tik entuziazmo.

Sudomino? Užpildyk šią anketą!

Žmogus yra mąstanti būtybė, kuri gali mokytis iš aplinkos surenkamos informacijos, o vėliau sukauptas žinias pritaikyti įvairiose situacijose. Mokslininkai dešimtmečius tyrinėjo biologinių sistemų gebėjimus išgauti, kaupti ir pritaikyti žinias. Imituojant žmogaus smegenų veiklą, buvo sukurti dirbtiniai neuroniniai tinklai (angl. artificial neural networks).

Nagrinėjant biologinių organizmų elgseną, sukurti evoliucinių skaičiavimų algoritmai. Jų pagrindas yra natūralios atrankos principai – išlieka stipriausi. Paukščių ir skruzdžių elgsenos tyrimai leido sukurti spiečiaus intelekto algoritmus. Jie sėkmingai taikomi, kuriant programinius robotus, sugebančius automatizuoti sudėtingų problemų sprendimą – analizuoti esamą būseną, prognozuoti elgseną ir modeliuoti optimalius valdymo sprendimus. Šios sistemos per akimirksnį gali sumodeliuoti milijonus galimų sprendimų, vertinant įvairius aplinkos veiksnius. Žmonės to dažniausiai negali padaryti. Be to, jie yra linkę klysti. Su dabartinėmis kompiuterinių sistemų skaičiavimo galimybėmis intelektualūs programiniai robotai gali priimti geresnius sprendimus už žmogų. Tam tereikia 5 sistemos elementų: virtualios verslo modeliavimo ir imitavimo aplinkos; intelektualių komunikavimo technologijų; intelektualių prognozavimo modelių; intelektualių optimizavimo modelių ir intelektualios analizės modelių.

Naudojant komunikavimo technologijas, programiniai robotai realiu laiku susirenka verslo aplinkos duomenis. Jie gali būti pajungti į bankų sistemas, kad surinktų informaciją apie klientams suteiktas paslaugas. Pavyzdžiui, bankomatų išduodamus ir priimtus grynuosius pinigus arba klientų srautą bankų skyriuose ir jų pageidaujamų paslaugų apimtis. Pagal surinktus duomenis atliekama prognozė – nustatomas grynųjų pinigų poreikis kiekviename bankomate ar paslaugų poreikis kiekviename skyriuje. Intelektualios sistemos geba suformuoti adaptyvius bei lanksčius prognozavimo modelius pagal istorinius duomenis. Imituojama sistemos elgsena ir nustatomi faktoriai, lemiantys vienokį ar kitokį paslaugų apimčių svyravimą. Šios sistemos labai greitai išmoksta, kad didesnis pinigų poreikis yra prieš švenčių dienas, nustatomos atlyginimų mokėjimo dienos. Kiekvienam bankomatui ar banko skyriui sukuriamas individualus elgsenos prognozavimo modelis.

Kuomet žinome, kaip elgsis valdomi objektai, aktyvuojami intelektualūs optimizavimo algoritmai. Kiekvienas iš tokių algoritmų gali turėti apibrėžtą tikslo funkciją. Pavyzdžiui, sumažinti grynųjų pinigų valdymo kaštus užtikrinant, kad bankomatuose visuomet būtų reikiamas pinigų kiekis. Įgyvendinant šį tikslą, atliekamas įvairių sprendimų modeliavimas. Programiniai robotai modeliuoja sprendimus, kurie gali būti apriboti statinėmis ir dinaminėmis taisyklėmis. Intelektualios sistemos gali išmokti naujas taisykles ar jų kombinacijas, duodančias geriausią sprendimą. Tai vadinama gebėjimu samprotauti.

Panašius taisyklių rinkinius naudoja ir žmonės kasdieniniame gyvenime. Žinios sukaupiamos iš patirties, o vėliau gali būti pritaikomos. Programiniai agentai šioje srityje turi pranašumą, nes gali labai efektyviai spręsti konkrečias problemas, įvertinant visus galimus sprendimo variantus. Žmogus to dažniausiai padaryti negali. Sprendimų kokybė priklauso nuo žmogaus individualių gebėjimų taikyti įgytas žinias ir mokytis. Tuo tarpu programiniai robotai gali surasti pačius geriausius sprendimus, jeigu turi visą reikiamą informaciją. Sistema gali pasakyti, kada ir kiek pinigų reikia atvežti į kiekvieną bankomatą ir kaip suplanuoti pinigų paruošimo ir pristatymo grafiką, kad kaštai būtų mažiausi. Praktiniai tokių sistemų taikymai leidžia sutaupyti iki 40 procentų kaštų ir pagerinti paslaugų prieinamumą bankų sistemose.

Intelektualios verslo operacijų valdymo sistemos ilgainiui pakeis žmones ir leis efektyviau valdyti paslaugų sistemas. Taip automatizavus gamybą, buvo sumažintos žmogiškojo darbo apimtys. Per ateinančius dešimtmečius bus automatizuojamas operatyvinių sprendimų priėmimas. Verslo informacinėse sistemose šiuo metu sukaupta daugybė duomenų. Kiekvieną dieną jų kiekis dar labiau padidėja. Žmogus vargiai pajėgus tokį duomenų kiekį apdoroti. Pasitelkus intelektualius metodus, galime šiuos duomenis „įdarbinti“ geresniems verslo valdymo sprendimams priimti.

Paskaitoje bus kalbama apie intelektualias verslo operacijų valdymo sistemas (dirbtinį intelektą, didelių duomenų masyvų apdorojimą), skirtas valdyti bankomatų grynųjų pinigų srautus. Sistemas – programinius robotus, gebančius mokytis, adaptuotis ir priimti sprendimus, modeliuojant milijardus galimų sprendimo kombinacijų.

dr. Darius Dilijonas

Į Mokslo festivalio „Erdvėlaivis Žemė“ paskaitą „Ar dirbtinis intelektas gali priimti geresnius sprendimus už žmogų ir užtikrinti efektyvesnį bankų sistemų valdymą?“ kviečiame rugsėjo 12 d. 16 val. VU Kauno humanitarinio fakulteto 11 aud. (Muitinės g. 12, 4 korpusas) Kaune.

Pasidalinkite su draugais
Aut. teisės: delfi.lt
Autoriai: Darius Dilijonas
(5)
(2)
(3)

Komentarai (0)