Историята на изкуствения интелект: от 50-те до днес

Историята на изкуствения интелект е дълго десетилетия пътешествие на мечтата за създаване на мислещи машини. Днес това пътешествие има особено значение за финансовите екипи: системите, които разчитат касови бележки, класифицират разходите и улавят съмнителните транзакции, не се появиха за една нощ. За да оценим правилно изкуствения интелект, който днес преобразява управлението на разходите и покупките, трябва да знаем откъде идва тази технология и накъде отива. В тази статия първо ще разгледаме ключовите повратни точки на изкуствения интелект в кратка хронология, а след това ще проследим как тази технология стигна до финансовите процеси — по-специално до управлението на разходите.

Как възникна идеята за изкуствен интелект?

Въпросът дали машините могат да мислят се връща към епохата, когато компютрите бяха с размерите на стая. През 1950 г. британският математик Алън Тюринг зададе вече станалия класически въпрос: „Могат ли машините да мислят?“ Този въпрос постави основата на понятието, което днес познаваме като тест на Тюринг: ако една машина може да води разговор достатъчно естествено, за да убеди човек-оценител, може да се приеме, че „мисли“.

Официалното раждане на областта обаче е Дартмутската конференция от 1956 г. Джон Маккарти, Марвин Мински и другите пионери от онова време обсъждаха тук идеята, че машините могат да се учат и да решават задачи; терминът „изкуствен интелект“ беше използван за първи път именно на тази конференция.

Първите надежди и зимите на изкуствения интелект

През двайсетте години след Дартмут първите програми, доказващи математически теореми и способни да водят разговор по прости шаблони, предизвикаха голям ентусиазъм. Някои изследователи прогнозираха, че машини, мислещи на човешко ниво, вече са съвсем близо. Реалността остана под очакванията.

Областта преживя два големи периода на застой, наречени „зими на изкуствения интелект“. През първия (1974–1980 г.) ограничената изчислителна мощ и недостигът на данни показаха, че обещанията не могат да бъдат изпълнени; финансирането беше прекратено. През 80-те години експертните системи, базирани на правила, станаха популярни в бизнеса: тези структури, кодиращи експертните знания във формата „ако е налице това условие, направи това“, работеха в определени области, но бяха трудни за поддръжка, негъвкави и скъпи. Когато границите им станаха ясни, дойде втората зима (1987–1993 г.).

Поуката от този период е валидна и днес: ръчно написаните правила не могат да догонят сложността на реалния свят. Същата поука, както ще видим по-нататък, ще се повтори едно към едно и в еволюцията на финансовия софтуер.

От машинното обучение към дълбокото обучение

От края на 90-те години насам настъпи тиха смяна на парадигмата: с машинното обучение системите започнаха сами да учат правилата от данните, вместо да ги получават готови от хората. Нарастващата изчислителна мощ, изобилието от данни, дошло с интернет, и напредъкът в изкуствените невронни мрежи направиха тази трансформация възможна. През 1997 г. победата на Deep Blue над световния шампион по шахмат Гари Каспаров стана символ на това, че машините могат да надминат човека в определени области.

2010-те години пък са ерата на дълбокото обучение. Многослойните изкуствени невронни мрежи, обучени с големи набори от данни, направиха пробив в разпознаването на изображения и обработката на естествен език: през 2012 г. моделите за дълбоко обучение изпревариха конкурентите в състезанията по разпознаване на изображения, през 2016 г. AlphaGo победи световния шампион по го, а публикуваната през 2017 г. архитектура „трансформър“ постави основата на днешните големи езикови модели. През 2020-те години генеративният изкуствен интелект — модели, които пишат текстове, създават изображения и обобщават документи — навлезе в ежедневния работен процес на милиони хора.

Навлизането на изкуствения интелект в управлението на финансите и разходите

Всеки етап от историята на изкуствения интелект намери своето съответствие във финансовия софтуер. Тази еволюция може да се прочете в три етапа.

Първи етап: контроли, базирани на правила

Първото поколение финансов софтуер работеше с ръчно написани правила, точно както експертните системи от 80-те: „ако разходът за храна надвиши тази сума, да отиде за одобрение“, „фактурата от тази категория да се осчетоводи по тази сметка“. Тези правила бяха полезни, но крехки. При промяна на политиката правилата трябваше да се обновяват едно по едно; всяко изключение, което не отговаряше на правило, се преглеждаше ръчно. Въвеждането на касовите бележки, изборът на категория и равнението оставаха изцяло на човека — бавен и склонен към грешки ред. Цената на това ръчно натоварване за компаниите разгледахме подробно в статията скритата времева цена на въвеждането на разходи.

Втори етап: машини, които четат документи

Машинното обучение и дълбокото обучение се насочиха към най-тежкото натоварване на финансовите екипи: обработката на документи. Благодарение на напредъка в разпознаването на изображения системите станаха способни да разчитат касови бележки и фактури от снимка; сумата, датата, доставчикът и данъчната информация се извличат за секунди и се вписват в правилните полета. Категоризирането също започна да се основава на закономерности, а не на правила: системата, учейки се от миналите разходи, сама поставя нов разход в правилната категория. С намаляването на ръчното въвеждане на данни намаляха както делът на грешките, така и времето, което служителите отделяха за деклариране на разходите.

Трети етап: откриване на аномалии и прогнозиране

Настоящият етап е този, в който машината не само чете и класифицира, но и забелязва отклоненията. Изкуственият интелект научава моделите на разходите на компанията и отбелязва необичайното: дублирани касови бележки, съмнителни декларации, попадащи през уикенда, разходи, повтарящи се точно под лимита на политиката. Тези сигнали, които ръчната извадкова проверка пропуска, правят възможно улавянето на риска от злоупотреба с разходи, преди да е нараснал. Същата способност за учене на закономерности гледа и напред: въз основа на минали данни могат да се прогнозират тенденциите в разходите и рано да се забелязват отклоненията от бюджета. Правилата също не изчезнаха; сега проверките на политиката за разходите, работейки заедно с учещите се системи, улавят аномалния разход още в момента на декларирането.

Masraff е платформа за управление на разходите, задвижвана от изкуствен интелект, която представлява най-новото звено от тази еволюция: от разчитането на касови бележки и фактури до интелигентното категоризиране, от проверката на политиките до отбелязването на аномалии — тя автоматизира процеса на разходите от край до край.

Често задавани въпроси (ЧЗВ)

Кога за първи път се появи изкуственият интелект?

Понятието беше официално въведено на Дартмутската конференция през 1956 г.; теоретичната му основа обаче се корени в труда на Алън Тюринг от 1950 г.

Каква е разликата между системите, базирани на правила, и учещите се системи?

При системите, базирани на правила, хората изписват всяко условие едно по едно; системата реагира само на дефинираните сценарии. Учещите се системи пък извличат закономерности от данните: те могат да вземат разумни решения и когато се сблъскат с нови, предварително недефинирани ситуации. Във финансовата сфера тази разлика е разликата между „контрол на фиксиран лимит“ и „самостоятелно разпознаване на необичаен разход“.

Как се използва изкуственият интелект в управлението на разходите?

В три основни области: автоматично разчитане на касови бележки и фактури от снимка, интелигентно категоризиране на разходите въз основа на минали данни и незабавно отбелязване на необичайни или несъответстващи на политиката разходи. Така ръчното натоварване намалява, грешките спадат, а финансовият екип може да се съсредоточи върху стратегията вместо върху контрола.

Ще замени ли изкуственият интелект финансовия екип?

Не; той поема повтарящите се задачи. Докато въвеждането на данни, съпоставянето и контролът от първо ниво преминават към машината, решенията, изискващи преценка — проектирането на политики, одобряването на изключения, бюджетната стратегия — остават на човека.

---

Дългото десетилетия развитие на изкуствения интелект днес достигна зрялост, способна осезаемо да облекчи вашите процеси на разходи. Ако искате да видите във вашата компания прехода от контроли, базирани на правила, към учещи се системи, свържете се с нас — нека заедно разгледаме какво промени изкуственият интелект в управлението на разходите.