Yapay zeka: nedir ve sıradan bir insan onu nasıl kullanabilir? Yönetimde yapay zeka kullanmanın artıları ve eksileri. Gerçek hayatta yapay zeka

Proje Yöneticisi ST Smartmerch, Sistem Teknolojileri Grubu, Maxim Archipenkov Eminim ki "artılar beklentilerden doğar".

Arkhipenkov, "Sinir ağları insanlardan farklı olarak duygulara sahip değil ve yorulmuyor" diyor. - İnsan faktörü ve kişinin karakteriyle ve düşük çalışma kapasitesiyle ilgili tüm hatalar ve sorunlar hariçtir - elbette makineyle ilgili. Sinir ağlarının bir performans eşiği yoktur: Bir kişi örneğin günde 100 parçanın kalitesini kontrol edebiliyorsa, sistem bunları sunucu kapasitesinin izin verdiği ölçüde kontrol edecektir. Sistemin ölçeklendirilmesi daha kolaydır: Aynı tesiste, kalite kontrol için 100 kişiyi bir odaya yerleştirmek zordur.

Pazarlama Direktörü CDNvideo Angelina Reshina ayrıca yapay zeka sistemlerinin temel avantajlarının "veri işleme hızı, sistemi eğitme ve insan kaynaklarından tasarruf etme yeteneği" olduğuna inanıyor.

Cezurity CEO'su Alexey Chaley Chaley, AI tabanlı ürünlerin niteliksel olarak farklı düzeyde görevleri yerine getirebildiğini vurguluyor: görüntüleri sınıflandırmak, metni çevirmek, dosyaları sınıflandırmak vb. ", diye belirtiyor Chaley.

“Mevcut olanın temel avantajları şu andaçözümler, bir kişinin buna katılımını en aza indirirken birçok faaliyet alanını otomatikleştirme imkanı ve kullanımının mümkün olduğu alanları genişletmektir. yazılım barındırma şirketi King Servers'ın kurucusu, insan emeği yerine diyor Vladimir Fomenko. "Şu anda yapay zeka, bir insanın çok fazla zaman harcayacağı ve makine öğrenimini kullanmayan geleneksel programların gerekli doğruluğu elde edemeyeceği büyük miktarda veriyi analiz etmede özellikle başarılı."

Meslektaşlarımla ve ALP Grubu kurumsal bilgi sistemleri departmanı yöneticisiyle aynı fikirdeyim Svetlana Gatsakova: “Yapay zeka teknolojilerinin yardımıyla, büyük miktarlardaki bilgilerin işlenmesinde hız ve otomasyon düzeyi önemli ölçüde artıyor, aynı zamanda kalite ve üretilebilirlik de artıyor. Şu tarihte: doğru tutum Yeni teknolojiler, veri kullanımının eksiksizliğini ve yönetim kararlarının verimliliğini ve kalitesini artırıyor.

Hawk House Integration'ın CEO'suna göre Alexandra Ivleva, “Yapay zeka teknolojisi, çeşitli mekanik faaliyetleri optimize etmek, rutin işlemleri otomatikleştirmek, tehlikeli endüstriler". Ivlev, "Robotiğin konveyör hatlarında doğru kullanımı, kesintisiz bir çalışmaya geçişe olanak tanıyor, işletme maliyetlerini optimize ediyor, ürün kalitesini artırıyor, ancak ciddi ve uzun bir devreye alma aşaması gerektiriyor" diyor. - Pek çok şirket bu tür teknolojilere büyük miktarda para yatırmayı göze alamaz, ancak gelecekte bu, üretim maliyetini önemli ölçüde azaltmayı mümkün kılacaktır. Makine öğrenimi teknolojilerinde de durum benzerdir: her proje için, zaman ve kaynak gerektiren bireysel algoritmalar kullanarak geniş bir veri örneğini analiz edin. Ancak otomasyonun devreye girmesiyle bu işlemler bir insanın yapabileceğinden daha hızlı ve daha ucuz bir şekilde gerçekleşecek.”

CROC İş Uygulamaları Direktörü, "Yapay zeka sistemlerinin kelimenin en geniş anlamıyla verimliliği artırmak için geliştirildiği gerçeğiyle başlayalım" diye anımsıyor Maksim Andreev. - Yeni fikirleri, yaklaşımları uygulamak için şirketlerin genellikle sıradan bir insanın aklında tutamayacağı çok sayıda faktörü hesaba katması gerekir. Yapay zekanın temel avantajlarından biri, bu kadar çeşitli sayıda faktörü gerçek zamanlı olarak hesaba katma yeteneğidir. Ayrıca bir algoritma, insandan farklı olarak yorulamaz veya bazı bilgileri kasıtlı olarak değiştiremez. Yani şirket yapay zekayı devreye sokarak bu faktörlerden kaynaklanan hata olasılığını en aza indiriyor. Ancak bunun bir dezavantajı var: Bir kişi ek ayrıntıları hesaba katabilirken, kötü ayarlanmış bir algoritma yanlış çalışmaya devam edecektir. Yapay zeka sistemlerinin bir diğer artısı ise tekrarlanabilirliktir. Örnek olarak, bir çalışanın eğitilmesinin bir yıl aldığı bir şirketteki herhangi bir iş sürecini ele alalım. Dolayısıyla 10 yeni çalışana ihtiyacımız varsa onları eğitmek için 10 adam-yıl harcayacağız. Algoritmalar açısından her şey daha basit ve çözümü ölçeklendirmenin maliyeti çok daha düşük.”

Auvix'te AV Çözümlerinin Geliştirilmesi ve Uygulanması Başkanı Alexander Pivovarov en bariz ve yüzeysel artıların artan verimlilik, azaltılmış rutin işlemler ve daha fazla kullanım kolaylığı olduğuna inanıyor. "Örneğin, toplantı odalarının rezervasyonunu ve programını görüntülemek için bir sistem gibi oldukça basit bir şeyi alırsanız, onu dikkatlice incelemeye başladığınızda, kullanım verimliliğini artırmak, aksama süresini azaltmak ve Pivovarov, "akıllı algoritmaların" kullanılmasının devam ettiğini vurguluyor.

"Araçlarından biri yapay zeka olan dijital dönüşümün asıl görevi, süreçlerin daha hızlı ve verimli çalışmasını, şirketlerin daha az harcayıp daha çok kazanmasını sağlamaktır" diyor CEO ABBYY Rusya Dmitri Şuşkin. - Örneğin, bankacılık sektöründeki müşterilerimizden biri, tüzel kişilere hesap açılmasına ilişkin belgelerin işlenmesini otomatikleştirdi. Akıllı sistem belgeleri kendisi yazar ve tanır, ardından onlardan bilgi çıkarır ve bunu bankacılık sisteminin gerekli alanlarına yükler. Sonuç olarak, belgelerden veri girmek 10 dakikadan kısa sürer; bu, manuel olarak girmekten 2,5 kat daha hızlıdır. Banka, 3 yıl içinde belge işlemede 270 milyon rubleden fazla tasarruf sağlayacağını hesapladı.

Plantronics iş geliştirme müdürüne göre Alexey Bogachev, “Yapay zeka sistemlerinin temel avantajlarından biri, bizim için mevcut olmayan bazı yeni malzemeleri elde edebilme yeteneğidir. Sıradan bir insan yalnızca bilgisine dayanarak sonuçlar çıkardığından, burada tamamen yol açabilecek daha derin bir analiz elde ediyoruz. beklenmedik sonuçlar. Bu şekilde belli bir alanda ilerleme kaydedebilirsiniz.”

FreshDoc.ru Document Constructor'ın CEO'su, "İnsan, kendisini evrimin tacı olarak görmeye alışkındır, ancak düzenli olarak sınırlamalarla karşı karşıyayız" diyor. Nikolai Patskov. - Örneğin, hipersonik uçaklar ses hızından 10 kat daha yüksek bir hızla uçuyor; bir insan pilot, akıllı elektroniklerin yardımı olmadan böyle bir makineyi kontrol edemez. İnsanın tepki ve karar verme hızı bu hızlarda çalışmaya yetmiyor. Yapay zeka bu sınırlamaların üstesinden gelmemize yardımcı olur. Yapay zeka, insanların daha hızlı tepki vermesini sağlar, hata yapmaya karşı koruma sağlar, onları rutin operasyonlardan ve kararlardan kurtarır. Bu tür sistemler, ulaşım, tahmin, borsada işlem yapma, danışmanlık ve belge taslağı hazırlama konularında bir insan uzmanının yerini etkili bir şekilde alabilir. "Akıllı çözümlerin" kullanımı aynı zamanda ürünün nihai maliyetini de etkiler: Sonuçta "robotların" maaş ödemesine gerek yoktur, hastalanmazlar, tatile çıkmazlar ve verimlilik düşüşüne maruz kalmazlar . Çok çeşitli görevlere yönelik akıllı çözümlerin geliştirilmesinde büyük bir potansiyel görüyoruz. Bu alanın geliştirilmesine katılım, Rus BT girişimcilerinin pazarı yönlendirmesine ve insani gelişmenin bilgi dalgasını "yürütmesine" olanak tanıyabilir."

Konica Minolta Business Solutions Rusya'nın iş geliştirme ve pazarlama direktörüne göre Zhamilya Kameneva elbette her şey çözümlerin sınıfına bağlıdır. Ancak çoğunlukla süreçleri optimize etmeyi ve otomatikleştirmeyi, hem maddi hem de manevi kaynakları, çalışma ve kişisel zamanı korumayı hedefliyorlar. Kameneva, "Basitçe söylemek gerekirse, onların görevi hayatımızı kolaylaştırmaktır" diye özetliyor.

Navicon Uluslararası İş Geliştirme Direktörü, "Öncelikle bu tür sistemler insan zihninde saklı olanı açığa çıkarmamıza olanak tanıyor" diyor Ilya Naroditsky. - Bir kişinin BI araçları ne kadar iyi olursa olsun, bazı durumlarda makine öğrenimi vazgeçilmezdir: örneğin, 1 milyon müşterinin banka hesaplarındaki operasyonların istatistiklerini 10 yıl boyunca işlemeniz gerekiyorsa. Zaten bugün, bir kişi için açık olmayan gizli kalıpların makine tarafından aranması, birçok şirketin bir iş stratejisi oluşturmasına ve yönetim karar destek sistemleri oluşturmasına olanak tanıyor. İkincisi, yapay zeka teknolojileri tüketicilerle her türlü iletişimin verimliliğini önemli ölçüde artırıyor. Yenilikçi teknolojiler Metin ve sesli mesajları anlayıp analiz edebilen, gelen taleplerin işlenme süresinin azaltılmasına yardımcı olan ve müşteri taleplerine eskisinden daha hızlı yanıt veren bir teknoloji. Üçüncüsü, bu tür sistemler şirket çalışanlarını rutin operasyonlar yapmaktan kurtarabilir, bu da onların stratejik sorunları çözmeye zaman ayırması anlamına gelir. önemli konular. Rutin görevleri çözmek için harcanan zaman, yaratıcı sorunları çözmek için kullanılabilir."

Atak Killer CEO'su, "Bu tür sistemler, izin verilen alanlarda bir kişinin karar almasını mümkün kılıyor" diyor. Rüstem Hayretdinov. - Eğer daha önceki otomatik sistemler sadece iyi tanımlanmış “eğer-o zaman” senaryoları çerçevesinde karar veriyorsa, bugünün ve yarının sistemleri de bulanık senaryolarla bile karar verebilecektir. belirli koşullar ve daha önce yalnızca bir kişinin yapabileceği yetersiz bilgiyle.

Acronis Geliştirme Direktörü Sergei Ulasen Ayrıca şunu da belirtiyor: Yapay zeka sistemleri, daha önce bir kişinin katılımını gerektiren birçok görevi çözüyor. Aynı zamanda, genellikle daha hızlı çalışırlar ve tahmin edilebilir bir sonuca ve iş kalitesine sahiptirler.

Preferentum'un (BT Grubu) CEO'su, "Yapay zeka teknolojileri gerçekten işe yarıyor ve iş süreçlerini iyileştirmeye yardımcı oluyor, en azından insan zekasını yaratıcılık rutininden kısmen kurtarıyor ve yeni bir şey yaratıyor" diye vurguluyor. Dmitry Romanov. - Ekonomik etkiyi değerlendirmek onlar için kolaydır. Makine öğrenimi yöntemlerini kullanan geniş bir sistem sınıfı için, çalışırken "daha akıllı" olma yetenekleri kesinlikle bir artıdır.

Vocord şirketinin pazarlama direktörüne göre Sergei Shcherbina Temel avantajları, yapay zekanın "kaotik" gerçeklere, kötü yapılandırılmış, sınıflandırılmamış veya eksik bilgilere dayanarak doğru tahminler yapmasıdır. “Onlara güvenerek temel olarak yeni seviye Basit, doğrusal kuralların işe yaramadığı durumlarda karar vermenin doğruluğu ve hızı, - diye devam ediyor Shcherbina. - Çok büyük veri dizileri sürekli olarak yenilenir, ancak sorunları kendi başlarına çözemezler; yapay zeka, bunları analiz etmek için tam da ihtiyaç duyulan şeydir. Yapay zekanın tıpta, küresel ve yerel ekonomik ve ekonomik analizlerde başarılı bir şekilde uygulanmasına ilişkin birçok örneği zaten biliyoruz. sosyal süreçler, mühendislik ve teknik sorunların çözümünde, yatırım kararlarının alınmasında, güvenlik sistemlerinde. Yapay zeka inovasyonu temelde daha fazla otomasyonu mümkün kılacak geniş aralık iş süreçleri. Böylece, video gözetimi ve güvenlik alanında ilk kez, bir operatörün katılımı olmadan potansiyel olarak tehlikeli olayların 7/24 tespit edilmesi ve aranan kişilerin tespit edilmesi garanti altına alınabilecek. Zaten yapay zekanın başarılı uygulamalarının pek çok örneği var.”

Shikari.do hizmetinin kurucu ortağına göre ana artı Vadim Şemarova Yapay zeka sistemlerinin eğitilebilir olmasıdır. “Örneğin, sistemin insanların bir şeyler satın almak istedikleri mesajlardan bir şeyler satmak istedikleri mesajlarını ayırt edebilmesini ya da mesajların konusunu belirlemesini istiyorsak, mesaj oluşturmamıza gerek yok. detaylı liste niyetleri, ruh hallerini, konuları vb. ifade eden kelimeler ve ifadeler. İhtiyacımız olan konularda çok sayıda örnek metin seçiyoruz, sistemi bu örnekler üzerinde "eğitiyoruz" ve ardından sistem, alışılmadık metinlerin özünü kendisi anlamaya başlıyor" diyor Shemarov.

Robotik ve Yapay Zeka Düzenleme Araştırma Merkezi Başkanı, Dentons'ta Kıdemli Ortak Andrey Neznamov ayrıca öğrenme olasılığının (denetimli öğrenme veya kendini geliştirme), genellikle "AI" olarak adlandırılan teknolojilerin ana artısı olarak adlandırılabileceğine inanmaktadır.

Bu sistemlerin uygulanmasındaki zorluklar nelerdir?

Kısaca özetlemek gerekirse, BT pazarı uzmanlarına göre yapay zeka teknolojilerinin temel avantajları, üretkenlik, otomasyon, verimlilik, analiz, öğrenme, karar verme, öngörülebilirlik ve öğrenmede yeni seviyelere ulaşmaktır. Ancak bu yeni bir yön olduğu için uzmanlar avantajlardan çok zorluklar görüyor. Neredeyse her konuşmacının zorluğunu dile getirdiğini söylemek yeterli.

"Bu tamamen yeni bir alan. Şu anda çözülen her görev, en saf haliyle RnD'dir: tanımlamanız, sistemleştirmeniz, bir çözüm bulmanız, bu çözümü uygulamanız ve uygulamanız gerekir, - diye vurguluyor Maxim Arkhipenkov. - Bu Yaratıcı süreç Hem doğrudan bu çözümün uygulama alanında - ister FMCG, uzay, tıp olsun, ister sinir ağı sistemlerinin uygulanması alanında yüksek düzeyde bilim ve yüksek uzmanlık gerektirir.

Alexander Pivovarov'a göre zorluk, "aldatmaca ile gerçek fayda arasında bir denge bulmak, bu teknolojileri tüketici için görünmez hale getirmenin zorluğu ve işlerinde hataların olmaması"dır.

Dmitry Karbasov, "bu projelerin temel zorluğunun, sonucun öngörülemezliğiyle ilgili olduğuna" inanıyor. Karbasov, "Diyelim ki bir CRM sistemi satın alırken, müşteri sistemin kendisine sunduğu işlevselliği ve bu işlevselliği nasıl kullanacağını açıkça anlıyor" diyor. - Bunlar süreçler, veri giriş formları, raporlama vb. Bir yapay zeka sistemini uygularken, projeyi uygulamadan sonucu tahmin etmek çok zordur, teknolojilerin ve algoritmaların açıklanması matematik eğitimi olmayan bir kişiye pratikte hiçbir şey söylemeyecektir ve pratik deneyime sahiptir ve müşteriler arasında böyle bir geçmişe sahip yalnızca birkaç üst düzey yönetici vardır. Metodolojisinde hata ayıkladığımız ve projelerin %99'unda kullandığımız pilot projelerin uygulanması yardımcı oluyor."

Maxim Andreev, "Kesinlikle pek çok zorluk var" diye düşünüyor. - Belki de en önemlisi, yapay zekayı eğitmek için yeterince büyük veri setlerinin bulunmamasıdır. Bunun için tarihsel verilere ihtiyaç vardır. Ne demek istediğimi açıklayayım: birincisi büyük şirket nakliye hizmetleri için satış tahmini yaptık - kargonun ağırlığını ve nakliye yönünü tahmin ettik. Hiçbir şekilde iyi bir tahmin doğruluğu elde edemedik, sorunun ne olduğunu anlamaya başladık ve şirkette depolanan geçmiş verilerde, ağırlığın ambalajla birlikte ve ambalajsız bir yerde dikkate alındığını öğrendik. Aynı zamanda bu faktörün izlenebileceği hiçbir işaret yoktur. Yani geçmişte bu bilginin bir rolü yoktu ama şimdi her şey değişti. Bu nedenle “talep üzerine” toplanabilecek tüm verilerin toplanması çok önemlidir. Veri toplama ve işleme teknolojileri sürekli gelişiyor ve şirketler, yapay zekayı eğitmek için mükemmel bir platform haline gelen Data Lake teknolojilerini halihazırda uygulayabiliyor. Diğer bir zorluk ise algoritmaların hala oldukça küçük olmasıdır. Bu nedenle firma tanıtımı öncesinde araştırma yapılması gerekmektedir. Bu, belirli koşullar altında, belirli veriler ve belirli iş süreçleri için maliyetleri şirkete sağladığı değeri aşmayacak yapay zeka oluşturmanın mümkün olup olmayacağını öğrenmemize olanak tanıyor."

Anna Plemyashova, asıl sorunun, doğru modeller oluşturmak için verilerin tamamen yokluğu veya yetersizliği olduğuna inanıyor. “Bu tür çözümlerin önemli altyapı yatırımları gerektirdiği sanayi kuruluşları için bu, gecikmiş bir ekonomik etkidir: Önce veri toplamaya ve biriktirmeye başlamalısınız, ardından akıllı sistemler kullanan çözümlere geçebilirsiniz. Plemyashova, geçişsel BI çözümleri ve gerçek zamanlı veri görselleştirmenin ekonomik faydaları daha da yakınlaştırmaya olanak sağladığını söylüyor. - Bir diğer zorluk ise akıllı sistemleri hayata geçirirken iş sürecini yeniden yapılandırma ihtiyacıdır. Yani böyle bir çözümü satın alıp onu vazoya çiçek koyar gibi ya da bilgisayardaki bir uygulamaya koymak yeterli değil. Bu kararı iş sürecine uygun hale getirmek gerekiyor: bazı operasyonları oluşturun, yeniden yapılandırın ve hatta iptal edin, insanları yeniden eğitin, personeli optimize edin.

Buna karşılık, verilerin toplanması ve hazırlanması büyük organizasyonel çabalar ve çoğunlukla veri analizine yardımcı olacak yeni yazılımların geliştirilmesini gerektiriyor."

Svetlana Gatsakova, zorlukların öncelikle "her bir spesifik AI teknolojisinin uygulanabilirlik sınırlarına ve tuzaklara yeterince dikkat edilmemesi" olduğuna inanıyor. Ve ayrıca "sonuçların zayıf yorumlanabilirliği (sonuçta, örneğin bir sinir ağı sonuçlarını açıklamıyor), eğitim ve test modelleri için homojen veri kümeleri oluşturmanın zorlukları." Diğer bir zorluk ise "verilere körü körüne inanmak ve yönetici sezgilerine ve ölçülmesi ve DDM süreçlerine entegre edilmesi zor olan faktörlere odaklanma eksikliğidir." Gatsakova'ya göre bu, “belirli bir Rus kuruluşları zorluklar". “Bu, güvenilir verilerin düşük kullanılabilirliğidir. dış dünya organizasyon ve bunun sonucunda içsel bilgilere kilitlenme riski, yani bir tür otistik organizasyona dönüşme riski. Ayrıca bu, DDM kültürünün (önde gelen Batılı şirketlerle karşılaştırıldığında) küçük bir nüfuzudur ve esas olarak Batılı işletme okullarının mezunlarıyla sınırlıdır.

Angelina Reshina, "Yapay zeka birçok sürecin otomatikleştirilmesine ve düşük vasıflı çalışanların değiştirilmesine yardımcı oluyor, ancak aynı zamanda iş maliyetleri elbette daha yüksek olan geliştiricilerin kontrolünü de gerektiriyor" diyor. “Sistemin öğrenmesinin kabul edilebilir sınırların dışına çıkmaması için kontrol edilmesi gerekiyor.”

Sergei Shcherbina'ya göre zorluklar, eski ekipman ve zayıf altyapı, eski donanım ve yazılım platformlarından kaynaklanıyor. sınırlı bütçelerÇok az kişi değişmeye istekli. Shcherbina, "İnsan faktörünün de etkisi var" diye vurguluyor. - Nitelikli personel sıkıntısının olması ve yetersiz seviye Liderlerin yeterlilikleri veya muhafazakarlıkları. Üstelik her şey "eski moda" şekilde işliyor gibi görünürken, bunun neden gerekli olduğunu ve modernizasyona neden para harcandığını herkes anlamıyor."

Andrey Sykulev, "Yapay zeka sistemleri oluşturmanın zorlukları arasında öncelikle personel sıkıntısına dikkat etmek gerekiyor" diyor. - Çok az uzman var, çünkü buradaki gereksinimler son derece yüksek: programlama becerilerine ek olarak, kişinin oldukça karmaşık bir matematik aparatına hakim olması ve konu alanlarında bilgi ve deneyime sahip olması gerekiyor. Çoğu zaman "durdurucu", veri kalitesinin düşük olması ve entegrasyon için altyapı eksikliğidir. Bir diğer önemli konu ise veri güvenliğidir, çünkü yapay zeka operasyonu için birleştirilen veriler saldırı hedefi haline gelebilir veya en hafif tabirle başka amaçlarla kullanılabilir."

Alexey Bogachev ayrıca ana zorluklardan birinin personel olduğuna inanıyor. “Yeni olan her şeyde olduğu gibi, sorun onunla nasıl çalışılacağıdır. Herhangi bir teknolojinin uygulanması gerektirdiğinden nitelikli uzmanlar ve bu çok genç yönü yani bunu anlayan insanları bulmak oldukça zor.”

Personel sorununun bir başka tarafı daha var. “Asıl zorluk, pek çok üst düzey iş liderinin yapay zekanın ne olduğunu anlamamasıdır. pratik kullanım, - Dmitry Karbasov'u hatırlıyor. - Evet, neredeyse hepsi yapay zekayı duymuştur, herkes yapay zekanın iş süreçlerini optimize etmeye, maliyetleri azaltmaya, belirli işlevleri daha verimli hale getirmeye (lojistik, tüketici davranışı analizi, üretim yükünü ve satış hacimlerini tahmin etme vb.) yardımcı olduğunu biliyor. Ancak müşterilerin çok azı, yapay zekanın olması gerektiği gibi çalışabilmesi için, bir iş görevinin ve onun iş açısından başarısına yönelik kriterlerin formüle edilmesinin gerekli olduğunu anlıyor. Başka bir deyişle müşteri, yapay zeka sistemini analiz etmek için hangi parametrelere talimat verilmesi gerektiğini ve yönetimsel kararlar verme açısından alınan verilerle nasıl başa çıkılacağını anlamalıdır.

“Uygulamanın temel zorluğu olarak benzer kararlar Nikolay Patskov, iki faktörün ayırt edilebileceğini söylüyor: insani ve teknolojik. - Birincisi, yapay zeka sistemleriyle etkileşime geçebilecek uzman sayısının az olması sorunu. Bu sorun yavaş yavaş çözülüyor, pazar bu tür uzmanların değerini anlıyor ve giderek daha fazla çalışan gelişen pazar için gerekli becerilere hakim oluyor. Teknolojik faktör, bilgi işlem gücünün eksikliğine bağlanabilir: şimdi yalnızca daha güçlü makinelerin ortaya çıkmasıyla hayata geçirebileceğimiz fikirleri yeniden geliştiriyoruz. Ancak üretkenlikte öngörülen büyüme göz önüne alındığında (önümüzdeki 10 yılda 1000 kat artış), teknolojilerin evrimsel gelişiminin en azından yavaşlamayacağına inanıyoruz.

Aleksey Chaley'e göre üç temel zorluk var: “Birincisi insanlar. Dünyada sınır bölgelerinde çalışabilen, aynı zamanda konu alanını (bizim durumumuzda virüs analizi) anlayan, matematik, istatistik ve makine öğrenimi konularında bilgili ve aynı zamanda nasıl yapılacağını bilen çok az insan var. en azından biraz programlamak. İkincisi eğitim verileridir. Bu verilerin bir yere götürülmesi ve ardından işaretlenmesi gerekir. Veri elde etmek çok zordur. Bu nedenle, araştırmacıların modelleri deneme fırsatı olmadığından yapay zeka gelişiminin ilerlemesi engelleniyor. Sadece yetenekli bir analist ve programcı olmak yeterli değildir; veriler olmadan yapay zeka alanında herhangi bir şey yaratmak imkansızdır. Üçüncüsü ise altyapı maliyeti. Altyapıya yapılan ilk yatırım oldukça önemli olabilir.”

Dmitry Shushkin, "Yapay zekanın iş sorunlarını iyi çözebilmesi için teknolojinin "özelleştirilmesi" gerektiğine inanıyor. - Tıpkı insanlar gibi herhangi bir makinenin de doğru kararlar verebilmesi için gerçek verilerle eğitilmesi gerekir. Böyle bir sistemi öğretmek için öncelikle büyük miktarda iyi etiketlenmiş verinin (örneğin finans, üretim, müşteri hizmetleri vb.) toplanması veya sentezlenmesi gerekir. Büyük bir işletmede, birçok şirket halihazırda akışlı veri giriş sistemlerini kullandığından, bu tür verileri hazırlamak ve toplamak daha kolaydır. Çeşitli türler belgeler, bu kurumsal bilgiler sıralanır ve yapılandırılır. Orta ve küçük işletmelerde bu tür dizilerin oluşturulmasına hâlâ daha az erişilebiliyor."

Zhamilya Kameneva, bu tür çözümlerin yüksek maliyetini, projelerin uzunluğunu ve uzun yatırım getirisini (minimum 2-5 yıl) ana zorluklardan biri olarak nitelendiriyor. Kameneva şöyle devam ediyor: "İkincisi, her yeni araçta olduğu gibi, bu teknolojilerin tüketicileri için bir pazar yaratmak için uzun ve özenli bir çalışma gerekiyor." "Ayrıca, piyasada yüksek vasıflı personel eksikliğine de dikkat çekmek isterim; ülkemizde yabancı satıcıların büyük çoğunluğu ve yalnızca birkaç bilimsel kurum yapay zeka sistemleriyle ilgileniyor."

Dmitry Romanov'a göre asıl zorluk şaşırtıcı bir şekilde psikolojiktir: “İnsanlar bir bilgisayardan mutlak doğruluk beklemeye alışkındır. Yapay zeka sistemlerinin olasılıksal bir çıktısı vardır. Hata yapabilirler, yanlış cevaplar verebilirler ve bu konuda insan gibidirler. Kullanıcılar bazen akıllı teknolojinin gücünü abartma eğiliminde oluyorlar.”

Vladimir Fomenko, birkaç yıl içinde bu teknolojinin yeni olmaktan çıkıp daha anlaşılır hale gelmesiyle birlikte uygulanmasında artık fazla zorluk yaşanmayacağından emin. “Yapay zeka sistemleri veya programları oluşturabilecek sistemler veya programlar olacak.”

Ancak Rüstem Khairetdinov, uygulamada herhangi bir zorluk olmadığına inanıyor - "hem matematik aparatı hem de yazılımda uygulanan algoritmalar ve bilgi işlem gücü bugün neredeyse "kutudan çıktığı haliyle" veya "buluttan" mevcut. “Zorluk daha ziyade problemin formüle edilmesinde, analiz için bir modelin inşasındadır. Yakında, artık veri bilimcileri olarak adlandırılan saf matematikçilerin, makine ve "temel prensipleri" hakkında bilgi sahibi olan diğer alanlardaki uzmanlardan (doktorlar, teknoloji uzmanları, güvenlik görevlileri, dilbilimciler vb.) daha az talep göreceği gerçeğiyle yüzleşeceğiz. "derin" öğrenme, - Khairetdinov'u vurguluyor.

Yapay zeka konusu 2017'de tartışma için en ilgi çekici konulardan biri haline geldi. BT pazarı katılımcıları arasında o kadar çok yorumcu vardı ve yorumlar o kadar ilginç ve ayrıntılıydı ki, CRN / RE'nin 2017 son sayısında tartışılması önerilen konuların tamamını tartışamadık. Bugün yapay zeka çözümlerinin artıları ve eksileri ile uygulanmasının zorluklarından bahsedeceğiz.

Günümüzde “yapay zeka sistemleri” olarak adlandırılan çözümlerin temel avantajları nelerdir?

Proje Yöneticisi ST Smartmerch, Sistem Teknolojileri Grubu, Maxim Archipenkov Eminim ki "artılar beklentilerden doğar".

Hosting şirketi King Servers'ın kurucusu, "Mevcut çözümlerin temel avantajları, birçok faaliyet alanını otomatikleştirirken buna insan katılımını en aza indirgemek ve insan emeği yerine yazılım kullanmanın mümkün olduğu alanları genişletmektir" diyor. Vladimir Fomenko. -Şu anda yapay zeka, bir kişinin çok fazla zaman harcayacağı ve makine öğrenimini kullanmayan geleneksel programların gerekli doğruluğu elde edemeyeceği büyük miktardaki verileri analiz etmede özellikle iyidir."

Meslektaşlarımla ve ALP Grubu kurumsal bilgi sistemleri departmanı yöneticisiyle aynı fikirdeyim Svetlana Gatsakova:“Yapay zeka teknolojilerinin yardımıyla, büyük miktarlardaki bilgilerin işlenmesinde hız ve otomasyon seviyesi önemli ölçüde artıyor, aynı zamanda kalite ve üretilebilirlik de artıyor. Yeni teknolojilere karşı doğru tutumla, veri kullanımının bütünlüğünün yanı sıra yönetim kararlarının verimliliği ve kalitesi de artar.

Hawk House Integration'ın CEO'suna göre Alexandra Ivleva,"Yapay zeka teknolojisi, çeşitli mekanik faaliyetleri optimize etmek, rutin işlemleri otomatikleştirmek ve tehlikeli endüstrilerde kullanmak için çok uygundur." Ivlev, "Robotiğin konveyör hatlarında doğru kullanımı, kesintisiz bir çalışmaya geçişe olanak tanıyor, işletme maliyetlerini optimize ediyor, ürün kalitesini artırıyor, ancak ciddi ve uzun bir devreye alma aşaması gerektiriyor" diyor. - Pek çok şirket bu tür teknolojilere büyük miktarda para yatırmayı göze alamaz, ancak gelecekte bu, üretim maliyetini önemli ölçüde azaltmayı mümkün kılacaktır. Makine öğrenimi teknolojilerinde de durum benzerdir: her proje için, zaman ve kaynak gerektiren bireysel algoritmalar kullanarak geniş bir veri örneğini analiz edin. Ancak otomasyonun devreye girmesiyle bu işlemler bir insanın yapabileceğinden daha hızlı ve daha ucuz bir şekilde gerçekleşecek.”

CROC İş Uygulamaları Direktörü, "Yapay zeka sistemlerinin kelimenin en geniş anlamıyla verimliliği artırmak için geliştirildiği gerçeğiyle başlayalım" diye anımsıyor Maxim Andreev. - Yeni fikirleri ve yaklaşımları uygulamak için şirketlerin genellikle sıradan bir insanın aklında tutamayacağı çok sayıda faktörü hesaba katması gerekir. Yapay zekanın temel avantajlarından biri, bu kadar çeşitli sayıda faktörü gerçek zamanlı olarak hesaba katma yeteneğidir. Ayrıca bir algoritma, insandan farklı olarak yorulamaz veya bazı bilgileri kasıtlı olarak değiştiremez. Yani şirket yapay zekayı devreye sokarak bu faktörlerden kaynaklanan hata olasılığını en aza indiriyor. Ancak bunun bir dezavantajı var: Bir kişi ek ayrıntıları hesaba katabilirken, kötü ayarlanmış bir algoritma yanlış çalışmaya devam edecektir. Yapay zeka sistemlerinin bir diğer artısı ise tekrarlanabilirliktir. Örnek olarak, bir çalışanın eğitilmesinin bir yıl aldığı bir şirketteki herhangi bir iş sürecini ele alalım. Dolayısıyla 10 yeni çalışana ihtiyacımız varsa onları eğitmek için 10 adam-yıl harcayacağız. Algoritmalar açısından her şey daha basit ve çözümü ölçeklendirmenin maliyeti çok daha düşük.”

ABBYY Rusya CEO'su, "Araçlarından biri yapay zeka olan dijital dönüşümün ana görevi, süreçlerin daha hızlı ve daha verimli çalışmasını, şirketlerin daha az harcayıp daha fazla kazanmasını sağlamaktır" diyor Dmitri Şuşkin. - Örneğin, bankacılık sektöründeki müşterilerimizden biri, tüzel kişilere hesap açılmasına ilişkin belgelerin işlenmesini otomatikleştirdi. Akıllı sistem belgeleri kendisi yazar ve tanır, ardından onlardan bilgi çıkarır ve bunu bankacılık sisteminin gerekli alanlarına yükler. Sonuç olarak, belgelerden veri girmek 10 dakikadan kısa sürer; bu, manuel olarak girmekten 2,5 kat daha hızlıdır. Banka, 3 yıl içinde belge işlemede 270 milyon rubleden fazla tasarruf sağlayacağını hesapladı.

Plantronics iş geliştirme müdürüne göre Alexey Bogachev,"Yapay zeka sistemlerinin temel avantajlarından biri, bizim için mevcut olmayan bazı yeni malzemeleri elde edebilme yeteneğidir. Sıradan bir insan yalnızca bilgisine dayanarak sonuçlar çıkardığından, burada tamamen beklenmedik sonuçlara yol açabilecek daha derin bir analiz elde ediyoruz. Bu şekilde belli bir alanda ilerleme kaydedebilirsiniz.”

FreshDoc.ru Document Constructor'ın CEO'su, "İnsan, kendisini evrimin tacı olarak görmeye alışkındır, ancak düzenli olarak sınırlamalarla karşı karşıyayız" diyor. Nikolai Patskov. - Örneğin, hipersonik uçaklar ses hızından 10 kat daha yüksek bir hızla uçuyor; bir insan pilot, akıllı elektroniklerin yardımı olmadan böyle bir makineyi kontrol edemez. İnsanın tepki ve karar verme hızı bu hızlarda çalışmaya yetmiyor. Yapay zeka bu sınırlamaları aşmamıza yardımcı oluyor. Yapay zeka, insanların daha hızlı tepki vermesini sağlar, hata yapmaya karşı koruma sağlar, onları rutin operasyonlardan ve kararlardan kurtarır. Bu tür sistemler, ulaşım, tahmin, borsada işlem yapma, danışmanlık ve belge taslağı hazırlama konularında bir insan uzmanının yerini etkili bir şekilde alabilir. "Akıllı çözümlerin" kullanımı aynı zamanda ürünün nihai maliyetini de etkiler: Sonuçta "robotların" maaş ödemesine gerek yoktur, hastalanmazlar, tatile çıkmazlar ve verimlilik düşüşüne maruz kalmazlar . Çok çeşitli görevlere yönelik akıllı çözümlerin geliştirilmesinde büyük bir potansiyel görüyoruz. Bu alanın geliştirilmesine katılım, Rus BT girişimcilerinin pazarı yönlendirmesine ve insani gelişmenin bilgi dalgasını "yürütmesine" olanak tanıyabilir."

Navicon Uluslararası İş Geliştirme Direktörü, "Öncelikle bu tür sistemler insan zihninde saklı olanı açığa çıkarmamıza olanak tanıyor" diyor Ilya Naroditsky. - Bir kişinin BI araçları ne kadar iyi olursa olsun, bazı durumlarda makine öğrenimi vazgeçilmezdir: örneğin, 1 milyon müşterinin banka hesaplarındaki operasyonların istatistiklerini 10 yıl boyunca işlemeniz gerekiyorsa. Zaten bugün, bir kişi için açık olmayan gizli kalıpların makine tarafından aranması, birçok şirketin bir iş stratejisi oluşturmasına ve yönetim karar destek sistemleri oluşturmasına olanak tanıyor. İkincisi, yapay zeka teknolojileri tüketicilerle her türlü iletişimin verimliliğini önemli ölçüde artırıyor. Yazılı ve sesli mesajları anlayıp analiz edebilen yenilikçi teknolojiler, gelen taleplerin işlem süresinin azaltılmasına ve müşteri taleplerine eskisinden daha hızlı yanıt verilmesine yardımcı oluyor. Üçüncüsü, bu tür sistemler şirket çalışanlarını rutin operasyonlar yapmaktan kurtarabilir, bu da onların stratejik açıdan önemli sorunları çözmeye zaman ayırması anlamına gelir. Rutin görevleri çözmek için harcanan zaman, yaratıcı sorunları çözmek için kullanılabilir."

Atak Killer CEO'su, "Bu tür sistemler, izin verilen alanlarda bir kişinin karar almasını mümkün kılıyor" diyor. Rüstem Hayretdinov. “Önceden otomatikleştirilmiş sistemler yalnızca iyi tanımlanmış “eğer-o zaman” senaryoları çerçevesinde kararlar alırken, bugünün ve yarının sistemleri, önceden yalnızca bir kişinin yapabileceği, muğlak olarak tanımlanmış koşullar altında ve yetersiz bilgiyle karar verebilecektir. kişi."

Preferentum'un (BT Grubu) CEO'su, "Yapay zeka teknolojileri gerçekten işe yarıyor ve iş süreçlerini iyileştirmeye yardımcı oluyor, en azından insan zekasını yaratıcılık rutininden kısmen kurtarıyor ve yeni bir şey yaratıyor" diye vurguluyor. Dimitri Romanov.- Ekonomik etkiyi değerlendirmek onlar için kolaydır. Makine öğrenimi yöntemlerini kullanan geniş bir sistem sınıfı için, çalışırken "daha akıllı" olma yetenekleri kesinlikle bir artıdır.

Vocord şirketinin pazarlama direktörüne göre Sergei Shcherbina, Başlıca avantajları, yapay zekanın "kaotik" gerçeklere, kötü yapılandırılmış, sınıflandırılmamış veya eksik bilgilere dayanarak doğru tahminler yapmasıdır. Shcherbina şöyle devam ediyor: "Onlara güvenerek, basit, doğrusal kuralların işe yaramadığı durumlarda temelde yeni bir doğruluk düzeyi ve karar verme hızı elde ediyoruz." - Çok büyük veri dizileri sürekli olarak yenilenir, ancak sorunları kendi başlarına çözemezler; yapay zeka, bunları analiz etmek için tam da ihtiyaç duyulan şeydir. Yapay zekanın tıpta, küresel ve yerel ekonomik ve sosyal süreçlerin analizinde, mühendislik ve teknik sorunların çözümünde, yatırım kararlarının alınmasında ve güvenlik sistemlerinde başarılı bir şekilde uygulanmasının birçok örneğini zaten biliyoruz. Yapay zeka alanındaki yenilikler, temelde daha geniş bir yelpazedeki iş süreçlerinin otomatikleştirilmesini mümkün kılacaktır. Böylece, video gözetimi ve güvenlik alanında ilk kez, bir operatörün katılımı olmadan potansiyel olarak tehlikeli olayların 7/24 tespit edilmesi ve aranan kişilerin tespit edilmesi garanti altına alınabilecek. Zaten yapay zekanın başarılı uygulamalarının pek çok örneği var.”

Shikari.do hizmetinin kurucu ortağına göre ana artı Vadim Şemarova, Yapay zeka sistemlerinin eğitilebilir olmasıdır. “Örneğin, sistemin insanların bir şeyler satın almak istedikleri mesajlardan bir şeyler satmak istedikleri mesajlardan ayırt edebilmesini veya mesajların konusunu belirleyebilmesini istiyorsak, detaylı bir kelime ve kelime listesi derlememize gerek yok. niyetleri ifade eden ifadeler. , ruh hali, tema vb. İhtiyacımız olan konularda çok sayıda örnek metin seçiyoruz, sistemi bu örnekler üzerinde "eğitiyoruz" ve ardından sistem, alışılmadık metinlerin özünü kendisi anlamaya başlıyor" diyor Shemarov.

Bu sistemlerin uygulanmasındaki zorluklar nelerdir?

"Bu tamamen yeni bir alan. Şu anda çözülen her görev, en saf haliyle RnD'dir: tanımlamanız, sistemleştirmeniz, bir çözüm bulmanız, bu çözümü uygulamanız ve uygulamanız gerekir, - diye vurguluyor Maxim Arkhipenkov. "Bu, hem doğrudan bu çözümün uygulama alanında (ister FMCG, uzay, tıp, ister sinir ağı sistemlerinin uygulanması alanında) yüksek düzeyde bilim ve uzmanlık gerektiren yaratıcı bir süreçtir."

Maxim Andreev, "Kesinlikle pek çok zorluk var" diye düşünüyor. - Belki de en önemlisi, yapay zekayı eğitmek için yeterince büyük veri setlerinin bulunmamasıdır. Bunun için tarihsel verilere ihtiyaç vardır. Ne demek istediğimi açıklayayım: Büyük bir şirket için nakliye hizmetlerine yönelik bir satış tahmini yaptık - kargonun ağırlığını ve nakliye yönünü tahmin ettik. Hiçbir şekilde iyi bir tahmin doğruluğu elde edemedik, sorunun ne olduğunu anlamaya başladık ve şirkette depolanan geçmiş verilerde, ağırlığın ambalajla birlikte ve ambalajsız bir yerde dikkate alındığını öğrendik. Aynı zamanda bu faktörün izlenebileceği hiçbir işaret yoktur. Yani geçmişte bu bilginin bir rolü yoktu ama şimdi her şey değişti. Bu nedenle “talep üzerine” toplanabilecek tüm verilerin toplanması çok önemlidir. Veri toplama ve işleme teknolojileri sürekli gelişiyor ve şirketler, yapay zekayı eğitmek için mükemmel bir platform haline gelen Data Lake teknolojilerini halihazırda uygulayabiliyor. Diğer bir zorluk ise algoritmaların hala oldukça küçük olmasıdır. Bu nedenle firma tanıtımı öncesinde araştırma yapılması gerekmektedir. Bu, belirli koşullar altında, belirli veriler ve belirli iş süreçleri için maliyetleri şirkete sağladığı değeri aşmayacak yapay zeka oluşturmanın mümkün olup olmayacağını öğrenmemize olanak tanıyor."

Sergey Ulasen, "Bu sistemler verilere ve büyük verilere dayanıyor" diye hatırlatıyor. - Modelleri eğitmek için önemli bilgi işlem kaynaklarına ihtiyaç duyulur ve büyük verileri depolamak için uygun bir altyapı gerekir. Bu nedenle yapay zeka sistemlerinin uygulanması, donanıma önemli bir yatırım yapılmasını gerektirir.
Buna karşılık, verilerin toplanması ve hazırlanması büyük organizasyonel çabalar ve çoğunlukla veri analizine yardımcı olacak yeni yazılımların geliştirilmesini gerektiriyor."

Svetlana Gatsakova, zorlukların öncelikle "her bir spesifik AI teknolojisinin uygulanabilirlik sınırlarına ve tuzaklara yeterince dikkat edilmemesi" olduğuna inanıyor. Ve ayrıca "sonuçların zayıf yorumlanabilirliği (sonuçta, örneğin bir sinir ağı sonuçlarını açıklamıyor), eğitim ve test modelleri için homojen veri kümeleri oluşturmanın zorlukları." Diğer bir zorluk ise "verilere körü körüne inanmak ve yöneticinin sezgilerine ve ölçülmesi ve DDM* süreçlerine entegre edilmesi zor olan faktörlere dikkat edilmemesidir." Gatsakova'ya göre bunun üzerine "Rus örgütlerine özgü karmaşıklıklar" bindiriliyor. “Bu, kurumun dış dünyasına ilişkin güvenilir verinin az bulunması ve bunun sonucunda içsel bilgilerden soyutlanma, yani bir nevi otistik organizasyona dönüşme riskinin ortaya çıkmasıdır. Ayrıca bu, DDM kültürünün (önde gelen Batılı şirketlerle karşılaştırıldığında) küçük bir nüfuzudur ve esas olarak Batılı işletme okullarının mezunlarıyla sınırlıdır.

Sergey Shcherbina'ya göre zorluklar, eski ekipmanlarda ve zayıf altyapıda, zor ekonomik zamanlarda ve sınırlı bütçelerde çok az kişinin değiştirmeye cesaret edebildiği eski donanım ve yazılım platformlarında yatıyor. Shcherbina, "İnsan faktörünün de etkisi var" diye vurguluyor. - Burada kalifiye personel sıkıntısı var, yeterlilik düzeyi yetersiz veya liderlerin muhafazakarlığı var. Üstelik her şey "eski moda" şekilde işliyor gibi görünürken, bunun neden gerekli olduğunu ve modernizasyona neden para harcandığını herkes anlamıyor."

Alexey Bogachev ayrıca ana zorluklardan birinin personel olduğuna inanıyor. “Yeni olan her şeyde olduğu gibi, sorun onunla nasıl çalışılacağıdır. Herhangi bir teknolojinin uygulamalı olarak uygulanması nitelikli uzmanlar gerektirdiğinden ve bu çok genç bir yönelim olduğundan, bunu anlayacak insanları bulmak oldukça zordur.”

Personel sorununun bir başka tarafı daha var. Dmitry Karbasov, "Asıl zorluk, işletmelerin üst düzey yöneticilerinin çoğunun yapay zekanın ne olduğunu ve pratik uygulamasının ne olduğunu anlamamasıdır" diye hatırlıyor. - Evet, neredeyse hepsi yapay zekayı duymuştur, herkes yapay zekanın iş süreçlerini optimize etmeye, maliyetleri azaltmaya, belirli işlevleri daha verimli hale getirmeye (lojistik, tüketici davranışı analizi, üretim yükünü ve satış hacimlerini tahmin etme vb.) yardımcı olduğunu biliyor. Ancak müşterilerin çok azı, yapay zekanın olması gerektiği gibi çalışabilmesi için, bir iş görevinin ve onun iş açısından başarısına yönelik kriterlerin formüle edilmesinin gerekli olduğunu anlıyor. Başka bir deyişle müşteri, yapay zeka sistemini analiz etmek için hangi parametrelere talimat verilmesi gerektiğini ve yönetimsel kararlar verme açısından alınan verilerle nasıl başa çıkılacağını anlamalıdır.

Nikolai Patskov, "Bu tür çözümlerin uygulanmasındaki temel zorluk olarak iki faktör öne çıkarılabilir: insani ve teknolojik". - Birincisi, yapay zeka sistemleriyle etkileşime geçebilecek uzman sayısının az olması sorunu. Bu sorun yavaş yavaş çözülüyor, pazar bu tür uzmanların değerini anlıyor ve giderek daha fazla çalışan gelişen pazar için gerekli becerilere hakim oluyor. Teknolojik faktör, bilgi işlem gücünün eksikliğine bağlanabilir: şimdi yalnızca daha güçlü makinelerin ortaya çıkmasıyla hayata geçirebileceğimiz fikirleri yeniden geliştiriyoruz. Ancak üretkenlikte öngörülen büyüme göz önüne alındığında (önümüzdeki 10 yılda 1000 kat artış), teknolojilerin evrimsel gelişiminin en azından yavaşlamayacağına inanıyoruz.

Aleksey Chaley'e göre üç temel zorluk var: “Birincisi insanlar . Dünyada sınır bölgelerinde çalışabilen, aynı zamanda konu alanını (bizim durumumuzda virüs analizi) anlayan, matematik, istatistik ve makine öğrenimi konularında bilgili ve aynı zamanda nasıl yapılacağını bilen çok az insan var. en azından biraz programlamak. İkincisi ise eğitim verileridir. . Bu verilerin bir yere götürülmesi ve ardından işaretlenmesi gerekir. Veri elde etmek çok zordur. Bu nedenle, araştırmacıların modelleri deneme fırsatı olmadığından yapay zeka gelişiminin ilerlemesi engelleniyor. Sadece yetenekli bir analist ve programcı olmak yeterli değildir; veriler olmadan yapay zeka alanında herhangi bir şey yaratmak imkansızdır. Üçüncüsü ise altyapı maliyeti. Altyapıya yapılan ilk yatırım oldukça önemli olabilir.”

Dmitry Shushkin, "Yapay zekanın iş sorunlarını iyi çözebilmesi için teknolojinin "özelleştirilmesi" gerektiğine inanıyor. - Tıpkı insanlar gibi herhangi bir makinenin de doğru kararlar verebilmesi için gerçek verilerle eğitilmesi gerekir. Böyle bir sistemi öğretmek için öncelikle büyük miktarda iyi etiketlenmiş verinin (örneğin finans, üretim, müşteri hizmetleri vb.) toplanması veya sentezlenmesi gerekir. Büyük bir işletmede, bu tür verileri hazırlamak ve toplamak daha kolaydır, çünkü birçok şirket zaten çeşitli belge türlerinden akışlı veri giriş sistemleri kullandığından, bu kurumsal bilgiler kolaylaştırılmış ve yapılandırılmıştır. Orta ve küçük işletmelerde bu tür dizilerin oluşturulmasına hâlâ daha az erişilebiliyor."

* DDM (İngilizce Dijital Teşhis İzleme) - SFP alıcı-vericisinin (SFP + ve XFP'nin yanı sıra) performans parametrelerinin dijital kontrolünün bir işlevi. Gerilim, modül sıcaklığı, ön akım ve lazer gücü (TX), alınan sinyal seviyesi (RX) gibi parametreleri gerçek zamanlı olarak izlemenizi sağlar.

Yapay zeka dünyayı köleleştirebilecek ve bizi işlerimizden mahrum bırakabilecek bir şey. Öte yandan hayatımızı önemli ölçüde kolaylaştırabilir. sinir ağları ve yapay zeka giderek daha fazla popülerlik kazanan bir konudur. Ve şaşılacak bir şey yok. Bir nesnenin var olduğu gerçeği insandan daha akıllı, zaten farklı ölçeklerde bir duygu fırtınasına neden oluyor. Bugün yapay zeka hakkında ilginizi çeken her şeye bakacağız: nedir, nasıl kullanılır? sıradan insan nasıl geliştirildiğiyle ilgili.

Bugün YouTube'da arabaların yakında sürücüye ihtiyaç duymayacağı gerçeğini anlatan bir video izledim. Asla çarpmamanız gereken nesneleri belirlemede oldukça iyi olan modeller zaten geliştirildi. Bu arabaların yapamayacağı tek şey park etmek. Bu hala bir kişiye ihtiyaç duyuyor. Ama bu çok küçük bir şey. Bir otopark görevlisi koyun, bu işi o halletsin.

Ve sistem çok akıllı. Gelecekte nasıl olacağını hayal etmekten korkuyorum: Arabaya "bir restorana git" dedim ve o da uzaklaştı. Hangi bölgede olduğunu bilmeseniz bile yine de olmanız gereken yerde olacaksınız. Muhteşem.

Yapay zeka hakkında genel bilgiler

Yapay zeka, insan nöronunun matematiksel bir modeli olan sinir ağlarına dayanmaktadır. Çalışma prensibini ayrıntılı olarak ele almak için merkezi sinir sisteminin anatomisine biraz girmeniz gerekir. Hücrelerimizin her biri akson ve dendritlerden oluşur. Birincisi ikincisine sinapslarla bağlanır. Belirli bir uyarılma eşiğinin aşılması durumunda nöron etkinleştirilir (yani, ona belirli bir değerden biraz daha fazla voltaj uygulanırsa). Sonuç olarak, bir sonraki nörona aktarılan bir sinyal ortaya çıkar ve bu böyle devam eder.

Dendritler, tabiri caizse, bilginin giriş portudur. Diyelim ki bir video izliyorsunuz. Bilgi nörona girer, orada işlenir ve akson yoluyla uyarılma eşiğinin aşılması şartıyla diğerine gider. Bu anlaşılması kolay, çok basitleştirilmiş bir modeldir. Aslında her şey çok daha karmaşık ama konu için geçerli değil.

Sinir ağı, belirli koşullara göre doğru kararı vermenizi sağlayan bir modeldir.

Yapay nöronun tanımı

Yapay zekanın nasıl çalıştığını daha detaylı anlatalım. Yapay bir nöronda durum yaklaşık olarak aynıdır. Bir giriş katmanı ve bir çıkış katmanı vardır. Doğrudan nöronun toplayıcı adı verilen gövdesi vardır ve görevi, uyarılma eşiğinin aşılıp aşılmadığını kontrol etmek ve bu koşulun doğru olması durumunda bir sonraki yapay nörona sinyal vermektir.

Giriş katmanı analiz edilen özellikleri alır. Bir stand-up sanatçısına abone olup olmayacağımıza karar veren bir program oluşturmak istediğimizi hayal edelim. Bunun için ihtiyacımız olduğunu varsayalım:

Mizah anlayışı. Bu kaliteye sahip olmayan bir stand-up sanatçısının listeye giremeyeceği açıktır.
İstihbarat. Keşke bana biraz daha fikir verseydi.

Bu işaretler toplayıcıya beslenir. Sinir ağları dilinde bir nöronun uyarılma eşiğine aktivasyon fonksiyonu denir. Eğer üstesinden gelinmişse, çıkış katmanına bir sinyal gider. Çözüm bu. Her özelliğin önem düzeyini belirlemek için ağırlıklandırma faktörlerini kullanabiliriz. Bu, yapay zekayı belirli bir kullanıcının görevleri için özelleştirmek amacıyla yapılır. Diyelim ki “haklı” etkisini deneyimlememiz bizim için daha önemli. Yani bir stand-up komedyeninin zekası, mizah anlayışından daha büyük bir ağırlık katsayısına sahiptir.

Bu sistem getirilmediği takdirde abone olup olmama kararı ancak stand-up sanatçısının dinleyicinin kahkahasından kaynaklanan titreşimlerden evi sallayacak şekilde şaka yapması ve ayrıca teşekkür etmesi halinde verilecektir. Videoda kanepeden kalkmadan uzayın nasıl keşfedileceği fikri icat edildi.

Uygulamada nasıl çalışıyor? Ölçünün ağırlık faktörüyle çarpılmasıyla ağırlıklı bir değer oluşturulur. Örneğin, zeka bizim için daha önemliyse, bu özelliğe 0,6 ve mizah için - 0,4 katsayısı atanır. Toplamın hala birlik olması gerektiğini görüyoruz. Sonuçta bilgisayar yalnızca iki olası değeri görür; 0 veya 1.

Bilgisayardaki giriş verileri yalnızca sayı biçiminde gelir. Zekanın IQ cinsinden ölçüldüğünü ve mizahın programcının kendi ölçeğine göre ölçüldüğünü varsayalım. Bu durumda, giriş verilerini aynı ölçekte ifade edilecek şekilde normalleştirmeniz gerekir. Ayrıntılara girmeyeceğiz çünkü yalnızca yapay zekanın ne olduğuna dair genel bir fikre ihtiyacımız var. Daha sonra sinir ağının eğitilmesi gerekiyor. Bu katsayı seçimi kullanılarak yapılır. Yani istenilen sonucu elde etmek için bu katsayıları seçmeniz gerekir.

Yapay zeka uygulamaları

Yapay zekanın kapsamı çok geniştir ve insanın hayal edebileceği her yerde kullanılabilir. İşte halihazırda başarıyla kullanıldığı bazı alanlar.

İlaç. Yapay zekanın bu alandaki avantajı, büyük miktarda bilgiyi ezberleme ve işleme yeteneğidir; bu sayede yalnızca doktorlara tavsiyelerde bulunan uygulamaların değil, aynı zamanda belirtilerin ortaya çıktığı erken evrelerde hastalıkları tespit edebilen programların da ortaya çıkması sayesinde henüz tezahür etmedi. Örneğin Face2Gene uygulaması yüzü tarayarak 3.500 farklı genetik hastalığı tespit edebiliyor.
Sanayi ve Tarım. Bu alanlarda yapay zeka o kadar gelişti ki, yakında bir insan tamamen gereksiz hale gelecek. Böylece LG, 2023 yılında mal alımından bitmiş ürünlerin boşaltılmasına kadar tüm aşamaların kesinlikle yapay zeka tarafından gerçekleştirileceği bir fabrika açacak. Ve evet, kalite kontrolü de ilgili yazılım tarafından gerçekleştirilecektir. Ve zaten 2021'de fabrikaların bu teknolojiye kısmi geçişi olacak. Kırsal endüstride yapay zeka, bitkilerin durumunu, nem seviyelerini, besinler toprakta. Üstelik bitkilere zarar vermeden yabani otları tespit edip çıkarabiliyor.
Yol trafiği. Zaten trafik sıkışıklığını önlemek için yapay zeka kullanılıyor. Bunu yapmak için trafik ışıklarından gerçek zamanlı bilgi topluyor, arabalar arasındaki mesafeyi, mevcut kazaları analiz ediyor ve trafik durumunu iyileştirmek için analiz ediyor. Birçok ülkede benzer sistemler halihazırda uygulanıyor. Bu alandaki bir diğer yapay zeka alanı da yukarıdaki örnekte anlatıldığı gibi sürücüsüz otomobillerdir.
Akıllı ev. Evet, yapay zeka zaten insan yaşamında uygulanabiliyor. Örneğin sabah sizi uyandırıp perdeleri iterek odayı temizleyebilir. Güneş ışığı. Uyandığınızda zaten bir fincan içmiş olacaksınız kokulu kahve, tam uyanmanız için zamanında pişirildi. Yakın gelecekte buzdolabı kendi başına yemek sipariş etmeyi öğrenecek ve çalışmanın kapısını kapattığınızda alarm hemen açılacaktır. Sıcaklığı kişiye göre ayarlayan akıllı pillerin tüm rahatlığını da yakın gelecekte hissetmek mümkün. Çok rahat.
Ve son olarak listemizin son maddesi akıllı çevirmenler. Orada yapay zeka çoğu zaman işlevlerini yerine getiremeyecek düzeye ulaştı. bir erkekten daha kötü. Bir öğrencinin bir makaleyi yabancı dilden kendi diline çevirdiği, yazdırdığı ve değiştirmeden teslim ettiği ve 5 aldığı durumlar vardır. Tabii ki, henüz bu şekilde deneme yapmamak daha iyidir. Evet ve bir kişinin üniversiteye gittiği hiçbir bilgi olmayacak.

Yapay zekanın gelişme olasılığı

Yapay zekanın gelişimi için çeşitli senaryolar vardır. Birincisi kötümser. Er ya da geç yapay zeka o kadar mükemmel olacak ki ne kandırılabilir ne de hacklenebilir. Ancak bir kişiye karşı agresif bir şekilde kurulabilir. Ruhsuz bir makine kendinin farkına varır varmaz, aslında çok daha becerikli bir insana dönüşecektir. Ve eğer Tanrı korusun, bir şekilde bu cihazla çatışırsa, sonuçları çok üzücü olacaktır.

İkinci senaryo iyimser ama sonunun kötü olmayacağı da kesin değil. Makineler insan için her şeyi yapacak. Ve bu gerçekleşse bile, insanların sandalyeden bile kalkamayacak kadar büyük yağ parçalarına dönüştüğü "Wall-E" adlı çizgi film gibi bir şey ortaya çıkacak. Düşmeleri durumunda bir tür robot onları yerlerine geri getiriyor.

Üçüncü senaryo da kötümser. İnsanlık, belirleyen ve karar veren bir makine yaratmaya karar verebilir. küresel sorunlar insanlık. Ve bir dizi değişkeni analiz ettikten sonra robotun, tüm sorunlarından kişinin kendisinin sorumlu olduğuna karar vermesi oldukça olasıdır. Ve elbette davayı, yani insanları yok etmeye yönelik bir programı olacaktır.

Dördüncü senaryo, yalnızca montaj hattı üretiminde değil, aynı zamanda oldukça "akıllı" mesleklerde de yavaş yavaş kendini göstermeye başlayan teknolojik işsizliktir. Yani, dünya bankalarının çoğunda yalnızca birkaç tüccar kaldı ve piyasa analizi ile ilgili geri kalan tüm çalışmalar ve hatta para birimlerinin veya menkul kıymetlerin alım veya satımına yönelik karlı işlemlerin sonuçlandırılması robotlar tarafından gerçekleştiriliyor. Evet, bu şu anda oluyor.

Yalnızca yapay zekaya hizmet eden kişilerin, yani programcıların talep göreceği bir dönem gelecek. Ve sonra ikincisi gereksiz olacak çünkü yapay zeka kendi kendine öğrenme konusunda o kadar iyi olacak ki programcının kendisi bile kodunda ne olduğunu bilemeyecek. Yapay zeka tüm hızıyla gelişiyor ve er ya da geç bu senaryolardan biri pekâlâ gerçekleşebilir.

Yapay zeka için birçok olasılık var. Böyle bir duruma düşmemeleri için yaratılışına sorumlu bir yaklaşım benimsememiz gerekiyor. Büyük bir sayı AI'yı kontrolden çıkarmak için. “Yapay zeka” ve “bilinç” kavramları uyumlu hale geldiği anda bu maddeyi kontrol edemeyeceğiz. Yapılması gereken asgari şey müzakere etmektir.

Yapay zeka ile doğal arasındaki fark

Yapay zeka ve insanlar aslında çok farklı. Yalnızca düşünme yeteneğiyle birleşirler ama bu aynı zamanda farklı şekillerde de gerçekleştirilir. Peki bunları nasıl karşılaştırırsınız? en iyi fikir- bunları yapay zekanın insanın geçmişine göre avantajları ve var olan eksiklikler şeklinde sunmak şu an. Zamanla eksi sayısının giderek azalacağı akılda tutulmalıdır. Yapay zekanın faydaları:

Bilgileri anında hatırlama ve muazzam miktarda bilgiyi işleyebilme yeteneği mümkün olan en kısa sürede. Herhangi bir bilginin kişinin kafasına tamamen yerleşmesi ve unutulmaması için gerekli bilgilerin 3-4 gün tekrarlanması ve ardından en az 1,5 ayda bir en azından dolaylı olarak hafızada tazelenmesi gerekir. biçim. Yapay zeka bir kez ve sonsuza kadar hatırlayacak.
Niceliksel verilerin inanılmaz derecede hızlı işlenmesi. Bir adam iki tane koyana kadar iki basamaklı sayılar, bilgisayar zaten ekonomik durumu analiz edecek ve grafikte para birimini satın almanın en iyi olduğu noktayı verecektir. Ve sonra kendisi bu anlaşmayı sonuçlandıracak ve zamanında piyasadan çıkacak ve sahibine kâr bırakacak. Bu kadar zengin niceliksel bilgiyi işlemek bir tüccarın gücünün ötesindedir.

Yapay zekanın dezavantajları:

Yapay zeka henüz yüksek kaliteli bilgiyi işleyemiyor ancak bu sadece zaman meselesi. Herhangi bir niteliksel bilgi matematiksel bir model biçiminde ifade edilebilir. Yukarıda bir örneği zaten gördünüz - tam teşekküllü bir nörondan bile daha iyi çalışabilen yapay bir nöron. Bu, geçen yüzyılın 40'lı yıllarında keşfedilen yaygın bir matematiksel formüldür. Ancak bu keşif şimdiden dünyayı değiştirdi.
Yapay zeka hala bocalayabilir. Bu nedenle, o kadar mükemmel olmasa da, ona "bakacak" bir kişiye hâlâ ihtiyaç vardır. Ancak birkaç on yıl içinde yapay zeka, hatalarını görmeyi ve düzeltmeyi öğrenebilir ve artık bir kişiye ihtiyaç duyulmaz. Son zamanlarda, hedefi kendisi seçecek, fark edilmeden ona giden en uygun rotayı bulacak yüksek hassasiyetli bir silahın icat edildiği haberi manşetlerde yer aldı. Eğer bu silaha nükleer savaş başlığı takarsanız ve aniden hatalı bir başlangıç yaparsa, tüm insanlığı yok edebilir. Yalnızca Soğuk Savaş sırasında, elektroniklerin nükleer bir merminin fırlatılmasıyla ilgili yanlış sinyal verdiği, ancak bu yalnızca bir hava durumu anormalliği olduğu durumları hatırlayın. Eğer karar o zaman yapay zeka tarafından verilmiş olsaydı bu yazıyı okuyor olmazdınız.

Gerçek hayatta yapay zeka

Yapay zeka henüz gelişiyor ve tüm tezahürleri şu anda bile insanlar için mevcut değil. Ancak yine de herkesin kullanabileceği yapay zeka örnekleri mevcut:

Çeşitli eğlence uygulamaları, örneğin maskelerle.
iPhone X ve daha eski sürümlerde FaceID. Akıllı telefonunuzun kilidini yüzünüzle açmanıza olanak tanıyan bir özellik. Kendi kendine öğrenen özel algoritmalar, bir kişiyi tarayarak farklı taraflar ve bir kişiyi tanımlamanıza olanak tanıyan benzersiz bir oyuncu kadrosu oluşturulur.
Pazarlamada yapay zeka. Bir şey satmanız gerekiyorsa içeriğe dayalı reklamcılık sistemleri tam olarak buna ihtiyacı olan kişiyi bulur. Sitelerin sizi çok iyi tanıdığını, ilginizi çekebilecek reklamları verdiklerini kendiniz de fark edebilirsiniz.
Akıllı telefonlarda sanal asistanlar. Burada konuşma tanımadan başlayıp hazır bir çözümün sunulmasına kadar her şey yapay zeka aracılığıyla uygulanıyor.
Web sitelerindeki sohbet robotları. Genellikle bunlar, müşterinin ihtiyaç duyduğu bilgileri doğrudan siteden alabilen çok akıllı programlardır.
Örneğin kamerayı yönelttiğiniz nesneyi tespit edip size sunabilen artırılmış gerçeklik uygulamaları detaylı bilgiüzerinde incelemelerle başlayıp iletişim bilgileriyle bitiyor.

Ve her yıl bunun gibi daha fazla fırsat olacak.

sonuçlar

Yapay zekanın olası başlıca avantajlarından biri, kişinin potansiyel olarak zekasını artırabilmesidir. Zamanla yetenekleri bizimkinden kat kat fazla olan ruhsuz makinelerle rekabet etmek zorunda kalacağız. Bu nedenle onlara tamamen güvenmemize gerek yok, kendimizi geliştirmemiz gerekiyor. Bu siteyi okuduğunuza göre harika bir arkadaşsınız. Burada kişisel gelişimle ilgili birçok materyal okuyabilir ve biyolojik sinir ağınızı yükseltebilirsiniz.

Bu makale yapay zekaya ayrılacak, robotik hakkında da konuşacağımızı hemen not ediyoruz, çünkü geleceğin dünyasında bu iki kavramı ayırmak en azından garip.

Yapay zeka hakkındaki görüşler büyük farklılıklar gösteriyor. Ve her ne kadar bize kesin bir ölüm getireceğine yaygın olarak inanılsa da, dünya çapında yüzlerce bilim adamı onu icat etmeye çalışmaktan vazgeçmiyor. Sanki terminatör bize hiçbir şey öğretmemiş gibi.

Demir parçaları bizi fethetmemiş olsa da yapay zekanın artılarının ve eksilerinin neler olduğunu anlamaya çalışalım.

Yapay zekanın eksileri

İlk dezavantajı çökmelerdir. Seti kaydırma zorlu görevler Yapay zeka konusunda her makinenin arızalanabileceğini unutmayın. Küçük bir hesaplama hatası kartopu Birbirini takip eden çok sayıda problemin oluşmasına neden olur. Ayrıca makine tarafından işlenecek önemli verilerin kaybolmasına da neden olabilir. Sonuçta operasyonların ve veritabanlarının çoğunu kontrol edecek.

İkinci dezavantaj ise yüzleşmedir. Mantıksal süreçlerin sürekli iyileştirilmesi, yapay zekayı insanlıktan da ayırabilir. Agresif etki kendi çıkarları doğrultusunda bir devlet bile tehlikeli ve öngörülemeyen sonuçlara neden olabilir. Küresel modern makine kendi çıkarları doğrultusunda hareket etmeye başlarsa ne olacak? Yapay zeka bir kişinin tehdit ya da engel olduğuna karar verdiğinde, insanların yok olması an meselesi olacak. Tüm endüstrilerin ve cihazların kontrolü, kişiyi potansiyel bir tehditle karşı karşıya bırakıyor.

Üçüncü dezavantaj değiştirmedir. Yapay zeka insanların yerini almaya başladıkça çeşitli alanlar, Tüm Daha fazla insan işten çıkacak. Fabrika üretimi, çok sayıda yerde istihdamın temelidir ve bu sınır değildir. İnsan emeğinin yerini robotik zekanın alma derecesini hayal etmek hala zor, ancak sonuçlarının sıradan insanların lehine olması pek olası değil. Ve herkes kazansa bile, mutlu bir varoluşun keyifli aylaklığı daha da zararlı olabilir.

Yapay zekanın avantajları

İlk faydası öğrenmektir. Yapay zeka, çeşitli mekanik faaliyetler için en uygun olanıdır. Uzayın, okyanusun derinliklerinin veya dünyanın çekirdeğinin güvenli bir şekilde incelenmesi ne insanlar ne de geleneksel makineler için uygun değildir. İstihbarat ise sağlığa zarar verme tehdidi olmadan duruma uyum sağlayabilir. Yapay zekanın yardımıyla yapılacak her türlü deney ve test, bir insanın yapabileceğinden çok daha hızlı ve daha ucuz gerçekleşecek.

İkinci artı iştir. Artık dünyada tek bir üretim tam otomatik değil çünkü makine eylemlerinin sonucunu değerlendiremiyor. Yapay zihin, dünya çapındaki yüzlerce fabrikayı, durmadan ve ara vermeden kolayca yönetmekle kalmıyor, aynı zamanda kalite değerlendirmesini de kontrol edebiliyor. Bu, üretim maliyetini önemli ölçüde azaltacaktır. Ölüm ve yaralanma tehlikesinin yüksek olduğu tehlikeli ve tehlikeli tesislerde de çalışma yapılması mümkün olacaktır.

Yani daha çok eksileri var. Sonuçta yapay zeka şu anda bile bazen bizi satrançta veya oyunlarda yenebiliyor. Ancak intikam alma fırsatımız her zaman vardır. ve birleşmeliyiz tüm dünya böyle bir şans olmayacak.

ANTRENMAN ÖNCESİ BESLENME

Egzersiz öncesi beslenme, vücudun enerji rezervlerini mümkün olduğu kadar uzun süre sağlam tutmak için alternatif enerji substratlarının (çoğunlukla karbonhidratlar) tüketimine dayanır. Doğru beslenme eğitim başlamadan önce harika yol enerji seviyelerini ve oyunlarını yenileyin önemli rol eğitimin etkinliğini arttırmak. Besin tüketmek gerekiyor Antrenmandan 60-90 dakika önce (metabolizma ve besin miktarına bağlı olarak). Yiyecekler gram içermelidir: 25-40 protein, 70-90 karbonhidrat ve en fazla 15 yağ.

Karbonhidratlar

Glikojen depoları yoğun dönemlerde büyük talep görüyor kuvvet antrenmanı. Glikojen karaciğerde ve kaslarda depolanan bir şekerdir. Anaerobik egzersiz kan doygunluğu anlamına gelmediğinden büyük miktar oksijen, daha sonra vücut yağları parçalayamaz ve bunları ana yakıt kaynağı olarak kullanamaz. Bunun yerine vücut, hem kaslarda depolanan hem de karaciğer tarafından kana sağlanan şeker depolarını kullanmak zorundadır.

Antrenman öncesi öğünlerinizin çoğu karmaşık karbonhidratlardan oluşmalıdır. Kompleks karbonhidratların glisemik indeksi (GI) düşüktür. GI, karbonhidratların kan şekeri düzeyleri üzerindeki anlık etkisinin bir ölçüsüdür. Basit karbonhidratların sindirimi daha kolaydır ve bu nedenle kan şekeri seviyeleri üzerinde anında etki gösterirler, bu da onların yüksek GI'ye sahip oldukları anlamına gelir. Tersine, daha karmaşık karbonhidratların sindirimi daha uzun sürer ve bu nedenle glikoz seviyeleri üzerinde daha az etkiye sahiptir ve daha düşük bir GI'ye sahiptir.

Peki tüm bunlar neden önemli ve bunların tüketiminin amacı nedir? Düşük GI (kompleks) karbonhidratlar uzun bir süre boyunca parçalanır ve parçalanma ürünleri ( basit karbonhidratlar Bölünmüş kompleksten oluşan) uzun süre stabil bir şekilde kana salınır. Bu, enerji ve performansın iniş çıkışlarını önler ve antrenmanın son aşamalarında anabolik durumun korunmasına yardımcı olur.

Genel bir kural olarak, antrenman öncesi öğünler tahıllardan oluşmalıdır. yulaf ezmesi, kahverengi pirinç, tam tahıllı ekmek, tatlı patates, makarnalık makarna, baklagiller, fındık.

Sincaplar

Proteinler kasların yapı taşları olarak bilinir. Vücutta üretilemeyen ve gıda veya takviyelerden (Esansiyel Amino Asitler) gelmesi gereken 9 amino asitten oluşan daha küçük birimlerden oluşurlar. Tüm esansiyel amino asitleri içeren proteinlere tam proteinler denir. Tüm hayvansal ürünler (et, yumurta, süt ürünleri) tam proteindir ve antrenman öncesi ve sonrası diyete eklenmelidir.

Protein Kaynakları:

Et (sığır eti, hindi, tavuk)

Balık (somon, ton balığı)

Yumurtalar

Günlük

Fındık

Antrenman öncesi diğer bir strateji de, kasların besinlere karşı en hassas olduğu dönem olduğundan, çalıştırılan kaslara artan kan akışından yararlanmaktır.

Amino asit eksikliği her zaman protein sentezi için sınırlayıcı bir faktör olmuştur, bu nedenle egzersiz öncesi diyetinize proteini dahil ederek, amino asitlerin kas dokularına daha hızlı iletilmesine katkıda bulunacaksınız.

Antrenmandan önce diyette yağ varlığından kaçınmaya çalışın. Yağlar sindirim sürecini büyük ölçüde yavaşlatır. İnsan vücudu, ihtiyaç duyan organlara kan akışını arttırdığı için, ağır bir sindirim durumunda, yüklü bir mide, kasların önüne geçer ve bu iyi bir şey değildir. Dolayısıyla karbonhidrat ve protein kaynaklarınızla birlikte aldığınız o gram yağ oldukça yeterli olacaktır.

Antrenman öncesi yemek örneği

Tavuk göğsü - 200 gr. (45 gr. b.)

Kahverengi pirinç - 300 gr. bitmiş ürün (65 gr. ug.)

Tam tahıllı ekmek - bir parça 50 gr. (20 gr. ug. + 7 gr. b.)

Meyve Suyu - 300-500 ml

Yulaf ezmesi - 300 gr. (60 gr. ug. + 10 gr. b.)

Yağsız süzme peynir - 200 gr. (44 gr. b.)

Yeşil muz - 1 adet (30 gr. ug.)

Su - 300-500 ml

ANTRENMAN ÖNCESİ TAKVİYELER

Yani, sağlıklı bir öğünle iyi bir yemek yediniz, glikojen depolarını yenilemek için vücudunuza karbonhidrat eklediniz ve bir miktar tam protein sağladınız. Artık antrenmanın etkinliğini artırmak için vücuda derhal takviye şeklinde ek besinler sağlamanız gerekiyor. Spor Beslenmesi hızlı bir şekilde emilir, bu nedenle antrenmandan 15-30 dakika önce ayırın. Aşağıda bazı popüler egzersiz öncesi takviyelerin bir listesi bulunmaktadır:

Peynir altı suyu proteini- belki de hem antrenmandan önce hem de sonra en önemli takviye. Antrenman sırasında kas hücrelerine mümkün olan en kısa sürede iletilecek olan protein ve dallı zincirli amino asitleri sağlar.

Kreatin - kas hacmini ve enerjisini artırır ve kaslardaki suyu tutarak iyi sıvı alımına katkıda bulunur. Güvenli bir takviyedir.

BCAA'lar şüphesiz herhangi bir vücut geliştirme diyetinde gerekli olan amino asitlerdir. Kas büyümesini ve iyileşmesini desteklerler. Ancak bunların kullanımına duyulan ihtiyaç şüpheli olabilir. Sonuçta, protein tozları (özellikle izole edilmiş değil, peynir altı suyu proteini konsantresi) zaten mükemmel bir amino asit setine sahiptir. Bu nedenle BCAA kullanmanın hiçbir anlamı olmayacaktır ve peynir altı suyu proteininizin üzerindeki etiketi önceden görmek daha iyi olacaktır.

NO2 – nitrik oksit, kan damarlarını genişleterek kaslara daha fazla kan gitmesini sağlar. Bu, kaslara daha fazla besin verilebileceği anlamına gelir.

Kafein vücuda enerji sağlayan ve konsantre olmaya yardımcı olan mükemmel bir uyarıcıdır. Kafein, kreatinin tersi yönde çalışır (birincisi idrar söktürücü görevi görür, ikincisi sıvıyı depolar), bu yüzden birini seçmelisiniz.

Lökik hardal - kanda optimal insülin seviyesini koruyan ve uygun koşullar yaratan bir besin kompleksi maksimum büyüme kas dokusu.

Nano Vapor - özel biyolojik olarak aktif bileşiklerden oluşan bir kompleks, kas hücrelerinin anabolizmasını uyarır ve katabolik etkiyi önler.

Antrenman öncesi shake örneği

Peynir altı suyu proteini – 2 kaşık (yaklaşık 40-50 gr. b.)

Kreatin - 5 gr.

BCAA - 5-10 gr. (proteinin bileşimine bağlı olarak yalnızca BCAA veya yalnızca protein alın)

NO2 - 2 kapsül

Su - 500 ml

nano buhar - 2 kaşık (50 gr.)

Lökik Hardal - 1 Porsiyon (6 Kapsül)

Su - 300 ml

Popüler

Kadın vücut geliştiriciler - onlara ne oldu?

« Dünyada her zevke uygun birçok farklı spor var. Hemen hemen hepsinin hem erkek hem de kadın temsilcileri var. Biri... »

Rusya'da kadın tenisinin beş umudu

« Dünyanın en iyi kadın tenisçileri, tüm nesillerin eşit olduğu standart sporculardır. TOP yalnızca seçilmiş birkaçını içerir. Kızlar ve... »

Milyonlarca Kişinin Kilo Vermesine Yardımcı Olan Fitness Divaları

« Spor yaşam tarzına yönelik moda, Instagram fanatizmiyle birleşti. İnternetteki yeni bir fenomen, sözde fitoniler veya fitness divalarıdır. Neredeyse her şey... »