Алгоритмы искусственного интеллекта во внутреннем контроле организации

Чугунов В.П.

Выпускник группы CISO-10

Школы IT-менеджмента

РАНХиГС при Президенте РФ

В настоящее время человечеству постоянно приходится сталкиваться с потребностью в обработке и анализе больших и сверхбольших объемов информации, а это сильно затруднительно при использовании традиционных подходов.Поэтому для решения такого класса задач применяют методы машинного обучения.

Для таких меняющихся и быстро развивающихся отраслей народного хозяйства, как производство, оказание услуг, торговля и так далее способность корпоративной информационной системы к совершенствованию становится важным условием для создания и эффективного внедрения новых подходов управления и анализа во всех структурных подразделениях организации.

Потребность в анализе и прогнозировании может возникать в различных аспектах жизнедеятельности человека:в медицине и промышленности, энергетике, экономике, а также других областях.

Машинное обучение представляет собойнаправление в области искусственного интеллекта, которое призвано описывать алгоритмы формированияспособных к обучению моделей, а также эти модели.

Другими словами, под машинным обучением можно понимать формирование и применение компьютерных информационных систем, которые способны не просто обработать поступившую на вход информацию, но по мере работы системы получать новый опыт. Поэтому чем дольше эксплуатируется такая системаинтеллектуального анализа и обучения, тем эффективнее она работает.

Машинное обучениеотносится к мультидисциплинарной области, сформировавшейся и развивающейся на основе таких наук как прикладная статистика, теория баз данных, методы искусственного интеллекта, распознавание образов.

Именно поэтому в системах машинного обучения присутствует большое множество алгоритмов и методов интеллектуального анализа данных. Многие из подобных систем объединяют в себе несколько алгоритмов одновременно. Однако в каждой отдельной системе присутствует ключевой компонент (алгоритм),на который, в основном, делается ставка при анализе данных.

Одним из самых популярных способов решения задач машинного обучения являются алгоритмы «деревьев решений».

Целью аттестационной работы является обзор предметной области интеллектуального анализа данных и формирование предложений по использованию программной системы и алгоритма анализа информации во внутреннем контроле организации.

Объектом исследования являются алгоритмы искусственного интеллекта.

Предметом исследования является применение алгоритмов искусственного интеллекта во внутреннем контроле организации.

Для достижения поставленной цели требуется решить такие задачи:

·        Рассмотреть понятие интеллектуальной обработки данных и машинного обучения

·        Выполнить формирование предложений по использованию алгоритма искусственного интеллекта во внутреннем контроле организации

·        Выполнить экономическое обоснование предложенных решений

В рамках данной аттестационной работыбыл предложен механизм использования искусственного интеллекта для задачи оптимизации финансовых затрат типового предприятия в части организации командировок работников.

Для этого вначале были рассмотрены основные понятия и определения интеллектуального анализа данных и машинного обучения.

При формировании предложений по использованию ИИ была составлена структурная схема предлагаемой системы.

При совершении финансовых операций система задействует алгоритм искусственного интеллекта для проверки правильности и обоснованности финансовых затрат работника.

При работе система ИИ должна выдать работникусвой вердикт:

·        Оплата разрешена и целесообразна

·        Оплата неэффективна и запрещена

Задачи такого типа относятся к задачам классификации. Поэтому в качестве класса алгоритмов предложены алгоритмы на основе решающих деревьев.

Представлено описание идеи данных алгоритмов, которая заключается в том, чтобы осуществлять процесс деления исходных данные на группы, пока не будут получены однородные (или почти однородные) их множества.

Также был выполнен обзор и выбор современных платформ машинного обучения.  В качестве инструмента для анализа данных предложено использовать RapidMiner, потому что в нем реализована мощная поддержка алгоритмов ИИ на основе деревьев решений (и не только их), имеется дружественный интуитивно понятный интерфейс пользователя, а также имеется возможность написания собственных модулей на Java, R, Python, что дает возможность организовать взаимодействие подсистемы ИИ с прокси-сервером и базой данных 1С для формирования сбора, обработки и сохранения результатов.