Может ли Искусственный интеллект помочь эксперту в работе
На сессии «Строительная отрасль: прошлое, настоящее и будущее», которая проходила на международном форуме «Россия» обсуждалось как ИИ сможет изменить будущее эксперта. В своей речи заместитель начальника Главгосэкспертизы России Вадим Андропов подробно рассказал, что об этом думает.
Андропов подчеркнул, что использование нейросетей и искусственного интеллекта в экспертизе имеет смысл в случаях, когда требуется обработка больших объемов данных. Однако он отметил важность участия человека в процессе принятия решений, поскольку экспертный взгляд, опирающийся на опыт, остается необходимым.
Говоря о текущем состоянии дел в Главгосэкспертизе, Андропов отметил, что роботизация охватила 16 процессов в организации. Это включает в себя автоматизированный поиск резюме экспертов для замещения вакансий, рассылку платежных поручений по заключенным договорам, формирование отчетов о сверке с поставщиками и другие операции.
За долгую историю своего существования Главгосэкспертиза России накопила значительное количество данных. Если ранее они хранились в бумажном виде, то в настоящее время организация обладает обширным цифровым архивом. За последние годы количество файлов в формате XML увеличилось в 4,5 раза, а количество файлов с 3D-моделями и комплектами проектной документации в ГИС ЕГРЗ выросло в 8 раз.
Андропов выразил мнение, что технологии информационной визуализации и искусственного интеллекта играют ключевую роль в современном мире. Он предположил, что эти технологии будут развиваться и в будущем, однако отметил, что работники должны будут переучиваться, чтобы адаптироваться к изменениям. Тем не менее, он высказал мнение, что со временем появятся более простые в использовании технологии, основанные на генеративном искусственном интеллекте и естественном языке взаимодействия с машинами.
Кроме того, Андропов сообщил, что Главгосэкспертиза уже начала промышленное использование модуля предиктивной аналитики на базе искусственного интеллекта.
Эксперты Главгосэкспертизы уже активно осваивают работу с онтологиями, структурами данных, содержащими классы объектов, их связи и правила. Например, около 1500 видов замечаний были переведены в формат машинного обучения, а созданы библиотеки данных на основе 12 миллионов абзацев текста проектной документации. В ближайшем будущем планируется продолжить обучение нейросетей на более качественных данных.
