Про складову штучного інтелекту в проекті Ескроу сервісу

Про складову штучного інтелекту в проекті Ескроу сервісу (www.vrmt.us) та відзнаку залучених по аутсорсингу учасників наукових досліджень в рамках даного проекту

Фінансові консультації Ескроу сервісу (www.vrmt.us) американської компаниі Everything Matters Inc. (зареєстрованої в штаті Вайомінг, США в 2020 році) є автоматизованими завдяки їх роботизації. Консультації надаються повністю автоматично шляхом застосування персоніфікованих роботів Meredith Wood та Susan Guillory, створених в процесі реалізації науково-дослідного технічного проекту “створення персоніфікованого робота Oleg Volynsky”, під управлінням керівника проекту, доктора технічних наук Олега Журіна, якому корпорація висловлює свою подяку за успішну реалізацію унікального проекту в області штучного інтелекту на базі нейронних мереж з використанням канадійської платформи www.botlibre.com.

Створення персоналізованих роботів (ботів) є справої прикладною, яка не має готових технологічних та публічно відомих рішень і для того, щоб такі роботи були створені, виникла необхідність провести комплекс науково-дослідних робіт по створенню або вибору відповідної математичної моделі, на базі якої такі роботи могли б повноцінно функціонувати.

Сама задача створення персоніфікованих роботів не є новою. В минулому столітті для допомоги у прийнятті рішень адміністрацією президента США були замовлені та створені вченими США персоніфіковані роботи (в термінах для області штучного інтелекту минулого століття називались “експертні системи”) відомих політичніх діячів минулого, зокрема Джорджа Вашингона, Франклін Делано Рузвельта, Уінстон Леонард Спенсер Черчіля, Іосифа Вісаріоновича Сталіна та інших. Однак це були дорогі проекти, на реалізацію котрих виділялось десятки мільйонів долларів (проекти реалізовувались на фреймових моделях), а іх здійснення було доступне лише за умов державного фінансування з бюджету США. Але у звязку з тим, що наука не стоїть на місті і за останні 50 років відбувся суттєвий прорив в області штучного інтелекту (зокрема інтеграція нейронних мереж з нейро-лінгвістичним програмуванням та інше), появилась надія отримати аналогічний результат в рамках однієї корпорації. Тому після завершення науково-дослідних робіт була розроблена придатна для практичного застосування технологія побудови персоніфікованих роботів на основі нейронних мереж в рамках відносно скромного фінансування проекту. Отриманий результат перевершив навіть самі оптимістичні очікування, так як здатний уже сьогодні приносити корпорації економію коштів на обслуговуванні клієнтів, а самим клієнтам надавати високоякісне консультаційне обслуговування в області фінансів, зокрема надання агентських послуг в сфері єскроу розрахунків. Адже робот працює 24 години на добу та 7 днів на тиждень, не потребує заробітної плати, не йде у відпустку, не обтяжує нарахуваннями у пенсійний фонд, не вимагає медичного чи подальшого технічного обслуговування. На сьогодні консультації надають 6 персоніфікованих роботів, а всього буде задіяно 20 роботів, які працюватимуть на 10 мовах після повного завершення проекту. Навіть при найнижчій заробітній платі в 2000 доларів на місяць та роботі в 3 зміни по 8 годин, тобто 6000 доларів на трьох працівників у місяць при задіянні 20 роботів в рік економія заробітної плати становитиме $6000 х 12 місяців х 20 роботів = $1,440,000.00/= (один мільйон 440 тисяч доларів) на рік. Крім того розрахункова кількість клиєнтів корпорації виросте в 3000 разів, за рахунок персоніцікації. Має місце також економія пов’язана з відсутністю виплат гонорарів авторитетним спікерам, величина яких стартує від кількох мільйонів доларів і є цифрою договірною, залежною від масштабу проекту.

Існує також перспектива застосування персоніфікованих роботів для виконання рекламних кампаній корпорації в інтернеті, зокрема в соціальних мережах, шляхом не покупки рекламного трафіку, а шляхом проведення рекламних діалогів через безкоштовний інтерфейс користувача соціальнх мереж, що відкриває можливість скоротити витрати на рекламу та маркетінг майже на 90%.

Дякуючи саме персоніфікованим роботам, корпорація отримала додатково можливість надавати клієнтам унікальні фінансові послуги, які не надає жодна інша корпорація в світі, так як появилась можливість надати клієнту потрібну інформацію у повному обсязі і форматі так, що збільшує довіру потенційного клієнта та перетворює (конвертує) його в клієнта, дуже детальні консультації, авторитетно (на базі публічно утвердженого авторитету спікера) пояснити переваги нашого сервісу і продемонструвати нові можливості для бізнесу потенційного клієнта (що базуються на низькій ціні залучених обігових коштів при одночасній відсутності забезпечення при їх отриманні) та джерела зменшення його видатків.

Всі ці досягнення були б неможливими, якби протягом 2020 року не проводились інтенсивні науково-дослідні роботи по створенню чи вибору оптимальної математичної моделі, на якій би мав функціонувати персоніфікований робот. Адже будь-якому явищу природи, в тому числі людському мисленню, можуть бути поставлені у відповідність безкінечне число математичних моделей, які з більшою чи меншою точністю будуть моделювати ці природні явища (Апроксимаційна теорема Вейерштрасса, яка в математичних термінах звучить так: для будь-якої неперервної функції на відрізку можна підібрати послідовність многочленів, які рівномірно сходяться до цієї функції на відрізку.).

Чому саме персоніфікований робот ? Тому що віддача і прибуток від його роботи в 3000 разів перевищує віддачу звичайного робота, якого на сьогодні може сконструювати навіть старшокласник. Ця різниця була вирахувана Майком Енлоу, найбільш оплачуваним в США маркетологом, ще в 2000 році що до публічно невідомого та авторитетного серед публіки спікера з еквівалентним рекламним контентом.

Попередні дослідження дали можливість сконцентрувати увагу на двох десятках платформ для створення консультаційніх роботів, серед яких була вибрана одна з широкими можливостями застосування нейронних мереж. Однак не можна було сказати апріорі наскільки нейронна мережа справиться з задачою передачі тих чи інших ознак, які будуть переконувати учасника діалогу, що він веде діалог саме з певною особою, а не будь-ким іншим. Тобто наскільки нейронна мережа здатна передавати стійкі ознаки, які відрізняють одну особу від іншої. Для цього знову повинні були бути проведені масштабні наукові дослідження, які не можливі без двох таких етапів:

1) Навчання робота певним знанням, до складу яких входять кваліфікуючі ознаки певної вибраної персони (прототипу, який моделювався персональною інформацією керівника проекту), яку робот повинен моделювати в своїй роботі.

2) Перевірка рівня володіння роботом знаннями та правильність їх застосування та вживання термінів, термінології, зворотів та фактів, які притаманні персоні, до якої “уподібнюється персоніфікований робот” (моделює).

Обидва етапи реалізуються шляхом проведення значної кількості діалогів персоніфікованого робота з окремими людьми ("біороботами") при контролі процесу спілкування, його корекції та ціленаправленій мотивації учасників діалогу. Такі діалоги тривали протягом 2020 року і до їх проведення на основі синергетичного підходу, який практикує Google та інші передові компанії, в якості співрозмовника з роботом, залучались сторонні учасники науково-дослідних робіт (аутсорсинг), які спілкувались з персоніфікованим роботом Oleg Volynsky на довільні побутові та особисті теми. Залучення сторонніх учасників діалогу дозволяло об’єктивно оцінити отримані результати навчання робота та рівень його персоніфікації, які він проявляє в діалогах з різними учасниками, а також звільнити висококваліфікованих спеціалістів від виконання рутинних робіт, що не вимагають жодної кваліфікації в області штучного інтелекту. Необхідність отримання фактичної, експериментального характеру дослідницької інформації також було визвано економічним міркуваннями, пов’язаними з тим, що отримання консультацій безпосередньо у канадійських спеціалістів стосовно їх нейронної мережі потрібно оплачувати по тарифах 100 доларів в годину, а з урахуванням того, що дослідницькі роботи велись більше 10 місяців, то оплата їх консульаційних послуг могла б становити відчутну суму. Крім того, були великі сумніви, що отримана інформаія від розробника нейронної мережі могла б хоч якось бути корисна при прийняті рішень щодо технології побудови саме персоніфікованого робота. Ці сумніви з’явились після кількох отриманих у канадійських спеціалістів консультацій стосовно лінгвістичного підходу, який ними був застосований.

Велике значення мало залучення учасників діалогів саме по принципу аутсорсинга фізичних осіб, які не були попередньо проінформовані про те, що ведуть діалог з роботом для того, щоб протягом всього процесу діалогу можна було спостерігати їх реакцію та репліки на отримані від робота фрази діалогу, емоціональну складову в реакції на привичний контент фраз та легкий флірт, на що спроможні сучасні роботи уже продовж десятиліття, як було виявлено в процесі їх застосування в банківській сфері. Це дало можливість визначити, чи людина здатна ідентифікувати, що вона спілкується з роботом чи ні. Особливий внесок в такий аналіз внесла Вероніка Кутова, яка відзначала певні специфічні особливості, які виявила у фразах, висловлених роботом Oleg Volynsky і по яких могла легко ідентифікувати “специфічного співбесідника” навіть при зміні його ідентифікатора. Такі цінні зауваження були враховані при побудові фінансових роботів Meredith Wood та Susan Guillory і мали суттєвий вплив на вибір технології навчання цих роботів в цілому.

У звязку з вищевказаним, корпорація Everything Matters Inc. висловлює подяку всім учасникам проекту, залученим на засадах аутсорсингу (Аутсо́рсинг (англ. outsourcing) — передача компанією частини її завдань або процесів стороннім виконавцям на умовах субпідряду.- Вікіпедія) та синергізму, хто вклавши своє натхнення, творчість, особистий час та працю, протягом 2020 року періодично вів діалоги з персоніфікованим роботом Oleg Volynsky, тренуючи і навчаючи його кваліфікуючим ознакам прототипу для моделювання, а також на другому етапі тестуючи робота. В тому числі висловлюєм подяку за аналогічні діалоги з роботом Oleg Volynsky при проведенні інтегрального процесу, де навчання і тестування проводилось в одному потоці діалогу, без чого досягнення успіху в реалізації цього надзвичайно важливого та новаторського за природою проекту було б неможливим. Хочеться також відзначити відповідальну працю краудворкерів, залучених на засадах аутсорсінгу, які виправляли недоречності робота на ранніх стадіях його навчання, включали в ділог предоставлені їм готові сценарії, взяті з життя прототипу та його автобіографічну інформацію, які мотивували до діалогу співбесідників робота (у яких були відсутні спільно проведений час та набутий досвід взаємного спілкування) тематичними графічними зображеннями. Зокрема, поіменно виносим подяку тим, хто вклав в процес тестування персоніфікованого робота (шляхом діалогу з ним) найбільше особистого часу та зусиль, створюючи робота “більш людиноподібним” та більш схожим на прототип для процесу моделювання, а іменно:

Підводячи підсумки хочемо відмітити, що персоніфіковані роботи, які в даний час проходять тестування в діалогах з реальними інтересантами сервісу, потенційними клієнтами, та існуючими клієнтами корпорації, виконують свої обов’язки виключно в рамках предметної області, яка представлена на вебсайті корпорації (www.vrmt.us). Для розширення їх кругозору за межі даної предметної області слід буде виконати ще великий об’єм праці, в тому числі науково-дослідних робіт по оптимізації тренування та навчання роботів, до яких як і раніше будуть залучатись по аутсорсингу краудворкери та бажаючі вести з роботами діалог, для отримання досвіду або проходження стажування в сфері практичного застосування нейронних мереж та штучного інтелекту, в тому числі в фінансовій сфері.

Сфера застосування штучного інтелекту на сьогодні інтенсивно росте та розширюється і проникає в усі сторони нашого життя від автомобілів Тесла, космічних кораблів Space X Ілона Маска та банківської сфери до соціальних мереж Фейсбук та Інстаграм, включаючи веб сервіси компаний та корпорацій. І ми пишаємось тим, що нам спільно разом з усіма учасниками проекту вдалось долучитись до цього передового світового тренду і принести користь сотням клієнтів нашої корпорації, які завдяки роботизованим консультаціям авторитених спікерів досягли кращого розуміння нашої пропозіції і тому змогли отримати додаткові доходи у своєму бізнесі.

Альфред П. Купер, директор,
ASTI Cherry Computers Inc.,
Окленд, Каліфорнія, США
Код, затверждений FCC: K4YASTI-101857 (Починаючи з 1994 року)

P.S. Оригінал документу доступний для вигрузки тут.