Новости
Мишустин: правительство проведет масштабную цифровую трансформацию в промышленности
Российские власти готовятся провести масштабную цифровую трансформацию в промышленности. Об этом заявил премьер-министр Михаил Мишустин, его слова приводит РИА Новости. Глава правительства указал, что после этого будет выпускаться не менее 70 процентов высокотехнологичной продукции.
Кроме того, добавил Мишустин, власти утвердили программу цифровой трансформации в социальной сфере. В ближайшее десятилетие предстоит реализовать четыре проекта. Будет создана Единая централизованная цифровая платформа, с ее помощью 80 процентов граждан смогут получать федеральную помощь без лишних справок уже к 2024 году.
Еще один проект — Единый контакт-центр, где можно будет получить всю нужную информацию по теме социальной защиты. Третий проект — электронный кадровый документооборот. Он, как ожидается, позволит упростить кадровые вопросы и расширить возможности для дистанционной занятости. Четвертый проект — портал «Работа в России», который поможет соискателям находить подходящие вакансии.
Ассоциация разработчиков и производителей электроники попросила Минцифры изменить опубликованные в октябре 2021 г. правила отбора сквозных проектов, АРПЭ хочет видеть в нем пункт, позволяющий отклонять заявки, в которых используются продукты на иностранных процессорах
Пентагон встревожен заявлениями российского лидера Владимира Путина о том, что Россия намерена активно разрабатывать оружие с технологиями искусственного интеллекта. Об этом в статье для National Interest пишет военный эксперт Питер Сучиу
Многие соискатели, обладающие ценными навыками, получают отказ от работодателей, опасающихся, что их речь будет невнятной. Устранение акцентного барьера может решить эту проблему.
В современном мультикультурном обществе акценты не должны быть проблемой. Однако оказывается, что они все еще являются таковыми из-за отсутствия согласованности. Три студента Стэнфорда столкнулись с этой проблемой, когда один из их друзей из-за своего акцента потерял работу в службе поддержки клиентов
В России подготовлен проект национального стандарта в области интернета вещей на базе французской технологии Sigfox. Ранее в России статус национальных стандартов в области интернета вещей уже получили технологии Nb-Fi и LoRaWanRu.
Основатель компании Diagnocat AI Владимир Александровский назвал качество врачей, которое дает им преимущество перед искусственным интеллектом (ИИ). Своим мнением он поделился с «Лентой.ру» в рамках проекта «КиберРеальность».
«В обозримом будущем искусственный интеллект — не более чем ассистент врача, который помогает избегать ошибок, правильно планировать лечение и даже, возможно, это лечение осуществлять. В современной медицине важны soft skills (гибкие навыки — прим. «Ленты.ру»), которые ИИ никак не заменит», — считает специалист.
По словам Александровского, до появления эмоционального ИИ, способного считывать страхи и чувства пациента, пройдет много времени.
«Врачебная профессия — одна из последних, которая когда-либо будет замещена машинным трудом», — убежден Александровский. Вместе с тем основатель Diagnocat AI уверен, что благодаря внедрению больших данных, ИИ и других цифровых технологий в медицине будущего будет полностью устранен человеческий фактор.
Diagnocat AI — сервис на основе искусственного интеллекта, который по томографическим снимкам определяет состояние зубов, создает диагностический отчет и подсказывает врачу лечение.
Проект «КиберРеальность» посвящен тому, как высокие технологии меняют жизнь россиян и человечества в целом. Он рассказывает о том, как разработки, которые еще несколько лет назад казались фантастическими, сегодня обеспечивают безопасность, помогают людям в быту, спасают жизни, расширяют горизонты людей с ограниченными возможностями и заботятся о пожилых.
Статьи
Александр Руднев — предприниматель, управляющий партнер компании OmniLine, эксперт в области автоматизации бизнес-процессов, маркетинга и клиентского сервиса.
Он поделился рефлексией на тему технологического развития в России: пока одни разработки опережают весь мир, другие остаются в глухой пещере. Материал будет полезен собственникам, топ-менеджерам и ИТ-руководителям — всем, кто отвечает за стратегическое управление компанией.
За последнее десятилетие технология распознавания лиц сделала большой шаг вперёд — и в то же время стала предметом очень многих споров и обсуждений. В интернете можно найти огромное количество заметок и статей о том, как устроено распознавание лиц, зачем его внедряют и насколько хорошо или плохо оно работает. И, как это всегда и бывает, во всём этом объёме информации весьма непросто разобраться и отделить правду от досужих домыслов, особенно, если не обладать соответствующим бэкграундом. Скажем, один автор может утверждать, что сегодняшние нейросети умеют совершенно безошибочно определять нужного человека в большой толпе, другой — приводить примеры курьёзных ляпов искусственного интеллекта, а третий — раскрывать секретные способы гарантированно обмануть алгоритм распознавания.
А как же обстоят дела на практике? Чему вообще верить?
Здесь и далее речь идет про рынок промышленной автоматизации. Но если спроецировать все нижесказанное на другие рынки и отрасли, то аналогия будет очевидна.
Крупные Вендоры создают Экосистемы для Клиентов, из которой невозможно выйти. Экосистема требует такое количество инвестиций, что любая попытка перейти к другому Вендору приводит к колоссальным затратам ресурсов. Точнее так: вход для Клиента очень простой - это решение из коробки, но если клиент хочет переиспользовать и развивать свои решения, то это разработка решений, а решения потом невозможно перевести в другую Экосистему.
Чтобы обеспечить такую зависимость Вендоры глубоко влезают в бизнес-процессы компаний: создают вертикально интегрированный набор инструментов (системы), ключевая задача которых, попасть в цепочки создания ценности Клиента (ЦСЦК). Чем ближе к началу цепочки и глубже во взаимодействии, тем больше можно заработать на Клиенте, тем сложнее Клиенту будет отказаться от Вендора в будущем...
«Если ваши конкуренты применяют ИИ и они нашли способ, позволяющий им ускориться, то они оторвутся от вас очень быстро», — поделилась CTO компании IBM по data science и ИИ Дебора Лефф на сцене Transform 2019.
В другом докладе, «Что вообще такое — работать с ИИ?» Лефф и старший вице-президент Gap по данным и аналитике Крис Чапо углубились в рассуждения о том, почему многие компании по-прежнему зря тратят время или терпят поражение, пытаясь реализовать стратегии работы с ИИ. И всё это несмотря на то, что преимущество, которым обладали крупные компании перед мелкими, теперь исчезло, а парадигма полностью изменилась. Благодаря ИИ быстрые компании обгоняют по эффективности медленные, вне зависимости от их размера. А крошечные безымянные компании отбирают долю рынка у гигантов.
Но если понимание того, что ИИ действительно даёт конкурентное преимущество, есть у всех, то почему до стадии продакшена добирается всего 13% проектов data science, или почти каждый десятый?
Эффективное использование машинного обучения — сложная задача. Вам нужны данные. Вам нужен надёжный конвейер, поддерживающий потоки данных. И больше всего вам нужна высококачественная разметка. Поэтому чаще всего первая итерация моих проектов вообще не использует машинное обучение.
Обратиться через стол к коллеге с кратким вопросом. Взять и просто пройтись с кем-нибудь по коридору – обсудить возникшую идею. Знать, что все подключены к стабильному вайфаю. Вот лишь некоторые причины, по которым 26-летний Джеймс Роджерс предпочитает руководить командой из офиса, а не с кухни...
В очереди в кинотеатр я бросаю быстрый взгляд на часы. Человек позади меня замечает это и спрашивает, который час. Я смотрю на него в неожиданном замешательстве. За две секунды, прошедшие с тех пор, как я посмотрела на часы, я каким-то образом забыла, сколько времени. Мне приходится еще раз взглянуть на запястье, и только тогда я могу ответить на вопрос. Половина пятого, и да, это означает, что мы оба пропустим начало фильма.
Знакомый сценарий? Можете вспомнить случаи, когда вы искали факт, но почти мгновенно забывали полученную информацию? Если да, возможно, вы стали жертвой «эффекта Google». Психолог Ева Кроков разбиралась, почему мы не можем запомнить легкодоступную информацию.
Глубокое обучение – это часть машинного обучения на основе нейронных сетей. В наше время каждый слышал про нейронные сети, да, может, и не каждый знает, что это такое и что оно делает, но само название всем знакомо.
Многие устройства, существующие сейчас, имеют внутри себя нейронную сеть, которая решает ту или иную задачу системы. На самом деле, если разбираться глубже это достаточно сложная структура, напоминающая совокупность нейронов в человеческом мозге. Сама их идея заставила многих заняться этой отраслью, чтобы получить выдающиеся результаты. Поэтому к 2021 году нейросети применяются в различных областях нашей жизни. Кибербезопасность не стала исключением.
Метавселенная несет в себе «ужасающие опасности», и человечеству необходимо взять ее под контроль, пока не стало слишком поздно. Об этом заявил профессор Ливерпульского университета Хоупа доктор Дэвид Рид.
Эксперт в области искусственного интеллекта и пространственных вычислений призвал к срочным обсуждениям способов защиты пользователей метавселенной, прежде чем технология станет реальностью в ближайшие пять-десять лет.
Ах, ты моя прелесть. Как же на тебя не посмотреть, как на какашку?Давным-давно, в далёком-предалёком городе Харькове было мне 7 лет. В те времена я впервые в жизни увидел новое чудо техники - VHS плеер. В руках у меня была моя первая в жизни кассета. Мне было не очень важно, что я смотрел. Был важен сам факт того, что мне удастся посмотреть что-то в записи. Не зная, какая судьба мне уготована, я засунул кассету с намалёванной ручкой надписью: «Терминатор-2» в магнитофон. Говорят, что у детей то ещё воображение. И воображать они умеют лучше взрослых. Не знаю почему, но лучше всего я запомнил сцену, в которой Лос-Анджелес бомбардируют ядерными боеголовками. Я был в паническом ужасе, тихо сидел перед «видаком» и перематывал плёнку назад, чтобы ещё раз увидеть эти, казавшиеся тогда такими страшными кадры. После того, как я очухался, я начал спрашивать взрослых о том, что я только что видел, когда это произойдёт, и по чьей вине это случится. На меня фыркали и говорили, что беспокоиться не стоит. И были правы. Я повзрослел. «Терминатор-2» перестал быть просто страшным фильмом, и превратился в шедевр, который я помню с детства. А страх по поводу искусственного интеллекта перестал меня беспокоить, сменив себя страхом перед человеческим интеллектом
Искусственный интеллект (AI) и машинное обучение (ML) важны, когда у компании много данных и нужно упростить работу с ними или больше зарабатывать с их помощью. Такой сценарий актуален, к примеру, для маркетинга, IT- и банковской сфер.
В мире острый дефицит микросхем. Страдают все отрасли экономики. BMW даже начала выпускать автомобили без тачскрина. Но самое интересное, что дефицит острее всего проявляется не для новых модных микросхем, а для старых чипов по старой топологии.
Некоторые производители микроэлектроники специализируются на покупке старого, бывшего в использовании оборудования по дешёвке — и изготовлении простых микросхем по старым топологическим нормам. По приблизительным оценкам, на списанном, «бэушном» оборудовании изготовляется до трети (!) микросхем на рынке, пишет WSJ.
Более того, сейчас за этим оборудованием развернулась настоящая охота, потому что оно тоже в дефиците.