Дата поступления рукописи в редакцию: 11.08.2025
Дата принятия рукописи в печать: 01.10.2025
Актуальность исследования обусловлена мем, что в современных условиях наблюдается бурные качественные изменения и широкомасштабный рост применения мультиагентных систем на искусственном интеллекте во всех сферах деятельности, включая банковскую, что в значительной мере способствует формированию устойчивого развития банковской системы.
Исследование устойчивости банков с применением искусственного интеллекта имеет важное значение.
С развитием производственных мощностей компьютеров и возможностей компьютерных программ возникла потребность разделять искусственный интеллект на категории: слабый, сильный и супер-ИИ. Эти типы ИИ различаются между собой уровнем своего развития, поскольку каждый из них имеет особенности и возможности1 . Афонин В. считает, что использование классификации ИИ по видам позволяет наиболее полно выявить их функциональные возможности и вероятные сферы применения.
Выявление различий необходимо, чтобы разобраться, какие задачи могут быть решены такими системами, на что они способны и как наиболее эффективно их использовать. Поэтому важно научиться понимать, что такое слабый, сильный и супер-ИИ и в чем между ними разница (рис. 1).
«Слабый ИИ (Narrow AI)» представляет собой систему, разработанную для выполнения конкретных задач в некоторой ограниченной области. Он не имеет самосознания и не в состоянии делать обобщения знаний, чтобы решать проблемы, которые не предусмотрены в его алгоритмах. В условиях протекания динамичных технологических изменений применение слабого ИИ способствует тому, чтобы охватить множество сфер, где он справляется с решением узкоспециализированных задач, предусмотренных его алгоритмом, что позволяет ему справляться с обработкой больших объемов данных. Он способен выполнять действия быстрее и точнее человека, но его действия не могут выйти за пределы функций, заложенных в программе. Слабый ИИ способен обучаться, используя данные, которые в него загружаются, и его работа основана на использовании алгоритмов, позволяющих найти решения поставленных задач. В частности, слабый ИИ может выявлять закономерности в больших объемах данных, распознавать речь, осуществлять перевод текста с одного языка на другой, формировать контент в интернете, определять тональность текста, рассчитывать силу связи между признаками, проводить классификацию и формировать прогнозные значения рассматриваемых признаков. Примеры слабого ИИ: голосовые помощники, поисковые системы, навигационные приложения.