Назад
О внедрении технологий искусственного интеллекта в отраслях и в социальной сфере: что закладываем в Стратегию развития ИИ 2030
Внедрение ИИ в отраслях экономики и социальной сфере стало темой шестой экспертной сессии рабочей группы «Искусственный интеллект» по актуализации Национальной стратегии развития искусственного интеллекта 2030
Обсуждение отраслевого внедрения ИИ началось с вопросов об источниках и качестве данных, необходимых для этого. Эксперты подняли вопрос о становлении в России полноценного рынка купли-продажи данных, для чего необходима «разумная» отмена регуляторных барьеров, сбор потребностей в конкретных дата-сетах и создание единого пространства данных под определенные задачи разработчиков ИИ. Важным вопросом по мнению экспертов также является повышение скорости открытия государственных данных для ИИ-разработчиков и отраслевых компаний, повышение общей культуры работы с данными, в том числе в части верификации данных и с синтетическими данными. В будущем всем участникам рынка данных нужна понятная система работы с этими данными, обеспечивающая режим благоприятствования развитию технологий и одновременно гарантирующая безопасность данных граждан и организаций.
В ходе обсуждения задач внедрения ИИ в отраслях, эксперты рассмотрели зарубежные инициативы отраслевого применения искусственного интеллекта — инициативы Китая (создание пилотных зон инноваций), Индии (реализация программ по закупке дронов), США (грантовая поддержка отраслей), Великобритании (реализация инвестиционных отраслевых программ), Австралии (поддержка ИИ-стартапов и исследовательских программ), Германии (инициатива «Проекты-маяки»), Эстонии (поддержка университетов и исследовательских центров), Европейского союза в целом (запуск программы Horizon Europe), Сингапура (инициатива «100 экспериментов»). В отношении России экспертами был очерчен основной круг проблем отраслевого внедрения ИИ, в том числе, сложности для отраслевых компаний в привлечении ИИ-специалистов по причине необходимости понимания ими отрасли и конкуренции со стороны технологических компаний, сложность оценки инвестиционной привлекательности проектов внедрения ИИ, неуверенность компаний в эффективности ИИ-решений. В качестве задач на ближайшее будущее экспертами были определены снижение рисков отраслевого внедрения ИИ за счет их распределения на государство (что обусловит инвестиционную привлекательность ИИ-проектов), увязка получения государственных субсидий с внедрением ИИ-решений, создание пилотных зон демонстрации последних ИИ-разработок для отраслей и результатов их внедрения, увеличение количества полигонов для обучения и апробации ИИ-систем, формирование качественных цифровых двойников объектов и процессов реального мира в целях обучения ИИ-систем, повышение информированности отраслевых компаний о российских ИИ-разработчиках, организация консультирования по отраслевому применению ИИ и формирование кейс-буков по лучшим практикам применения искусственного интеллекта в отраслях, разработка методики оценки эффективности внедрения ИИ-решения. В ходе дискуссии было высказано мнение, что идеальная ситуация складывается тогда, когда отраслевые компании не только внедряют ИИ-решения от компаний-разработчиков, но и разрабатывают собственные решения, в том числе благодаря взаимодействию с научным сообществом.
В ходе обсуждения задач внедрения ИИ в отраслях, эксперты рассмотрели зарубежные инициативы отраслевого применения искусственного интеллекта — инициативы Китая (создание пилотных зон инноваций), Индии (реализация программ по закупке дронов), США (грантовая поддержка отраслей), Великобритании (реализация инвестиционных отраслевых программ), Австралии (поддержка ИИ-стартапов и исследовательских программ), Германии (инициатива «Проекты-маяки»), Эстонии (поддержка университетов и исследовательских центров), Европейского союза в целом (запуск программы Horizon Europe), Сингапура (инициатива «100 экспериментов»). В отношении России экспертами был очерчен основной круг проблем отраслевого внедрения ИИ, в том числе, сложности для отраслевых компаний в привлечении ИИ-специалистов по причине необходимости понимания ими отрасли и конкуренции со стороны технологических компаний, сложность оценки инвестиционной привлекательности проектов внедрения ИИ, неуверенность компаний в эффективности ИИ-решений. В качестве задач на ближайшее будущее экспертами были определены снижение рисков отраслевого внедрения ИИ за счет их распределения на государство (что обусловит инвестиционную привлекательность ИИ-проектов), увязка получения государственных субсидий с внедрением ИИ-решений, создание пилотных зон демонстрации последних ИИ-разработок для отраслей и результатов их внедрения, увеличение количества полигонов для обучения и апробации ИИ-систем, формирование качественных цифровых двойников объектов и процессов реального мира в целях обучения ИИ-систем, повышение информированности отраслевых компаний о российских ИИ-разработчиках, организация консультирования по отраслевому применению ИИ и формирование кейс-буков по лучшим практикам применения искусственного интеллекта в отраслях, разработка методики оценки эффективности внедрения ИИ-решения. В ходе дискуссии было высказано мнение, что идеальная ситуация складывается тогда, когда отраслевые компании не только внедряют ИИ-решения от компаний-разработчиков, но и разрабатывают собственные решения, в том числе благодаря взаимодействию с научным сообществом.
Евгений Осадчук, заместитель директора по федеральным проектам направления «Цифровая трансформация отраслей» АНО «Цифровая экономика»:
«Безусловно задача всеобъемлющего внедрения технологий искусственного интеллекта в отраслях российской экономики сталкивается со множеством проблем. И одна из них — неготовность людей, причем неготовность отраслевых профессионалов — великолепно образованных, разносторонних и обладающих серьезным практическим опытом. В современном мире удивительно слышать о том, что если вы не понимаете, как ИИ-системы получают свои результаты, то такие системы нельзя применять ни в коем случае. Всё! Человеческий разум может понять, что происходит в системах с несколькими параметрами, но когда таких весов больше миллиона — тут наше понимание заканчивается. А ведь поколение наших родителей воспитано именно так — систему надо понимать и знать, как она работает, быть способным разобрать её до винтика и собрать вновь с новым качеством и свойствами. Однако сегодня, в отношении ИИ-моделей, это уже невозможно и такой взгляд тормозит применение ИИ-систем на практике. Можно попытаться исключить негативные результаты работы ИИ-моделей, более четко ставить им задачи, определять пределы их работы, но не интерпретировать и понять их „внутреннюю кухню“. На самом деле эта проблема столкновения существующего физико-математического мира и нарождающегося виртуального мира данных, порожденного информационными и усиленного цифровыми технологиями. Нужно объединение этих двух миров, нужны люди, которые смогут совместить их, объединить естественный и искусственный интеллекты».
Другие новости
