Искусственный интеллект доклад 2021
Обновлено: 05.07.2024
В последние годы на IT-рынке произошёл настоящий бум из-за искусственного интеллекта. И в этом нет ничего удивительного: современные вычислительные и нейросетевые технологии достигли уровня, позволяющего AI-системам решать весьма сложные для человека практические задачи, а разработчикам создавать инновационные сервисы.
В этой статье мы расскажем о том, как уже применяется ИИ в разных сферах и о самых перспективных технологиях будущего.
Медицина
Оптимизированная обработка данных о пациентах
Число больных по всему миру ежедневно растёт. Помочь обработать такое количество данных и автоматизировать информацию о пациентах по всему миру может искусственный интеллект. Один из примеров — созданный нейросетью сервис OLIVE — платформа для автоматизации задач здравоохранения (особенно актуально в пандемию коронавируса).
Создание медикаментов
Создание новых лекарств — трудоёмкий процесс, потому что медикам нужно проводить множество тестов для поиска правильной формулы. В этом им помогает ИИ. Atomwise — один из примеров технологии, которая позволяет обнаруживать новые молекулы. Она используется в создании новых лекарств от 27 болезней в сотрудничестве с Гарвардским и Стэнфордским университетами и фармацевтическими компаниями.
Диагностика рака
Патологи применяют ИИ для более точной диагностики рака. Данные о различных видах рака применяют для создания предиктивной модели. Например, для этого используют технологию PathAI.
Финансы
Деньги становятся цифровыми. Общая сумма электронных платежей на сегодняшний день составляет 4 триллионов долларов, и, по прогнозам, может составить более 8 триллионов к 2024 году.
Все данные о таких операциях будут обрабатываться нейросетями, что позволит улучшить финансовую индустрию к концу 2021 года. Например, сервис Dataminr уже собирает информацию из различных текстовых источников и представляет пользователю график важных событий, которые могут отразиться на его инвестициях.
Безопасность
Цифровые платежи имеют определённые риски. Например, в 2020 году россияне потеряли 2,5 миллиарда рублей из-за мошенников. Машинное обучение идеально подходит для борьбы с ними. Например, британская компания AimBrain, с помощью машинного обучения предотвращает кражу аккаунтов и обнаруживает аккаунты мошенников. Ждём похожий сервис и от российских разработчиков. 😉
Трейдинг
С помощью GAN можно получить датасеты изображений, лиц, персонажей мультфильмов, переводить изображения в текст и обратно, создавать 3D объекты и так далее. Областей применения GAN множество, но они могут принести не только пользу. Одно из последних применений GAN-приложений это дипфейки.
Дипфейки 2020 года отличаются от своих предшественников более высоким качеством — технология не стоит на месте. Вот несколько областей, в которых используются GAN:
Архитектура
Компания NVIDIA создала нейросеть GauGAN, которая превращает скетчи в реальные изображения. Программа помогает архитекторам собирать из чертежей проекты зданий, а геймдизайнерам — быстрее создавать локации для игр. Попробуйте сами и убедитесь! 😉
Индустрия моды
Например, российское модельное агентство Areola Models оцифровало 10 моделей — сегодня виртуальные копии девушек участвуют в съёмках по всему миру и работают 24 часа и 7 дней в неделю.
Журналистика
Астрофизика
Алгоритм GAN предлагается использовать в 2021 году и в астрофизике для того, чтобы избавляться от помех и шумов при съёмке космических объектов и получать качественные изображения.
Сегодня технология GAN остаётся предметом жарких споров: с одной стороны можно создавать полезные сервисы, а с другой дипфейки могут уничтожить чью-то репутацию. Например, так осенью 2020 в Италии пострадали тысячи женщин: появился бот, который мог соединять на картинке лицо любого человека и фейковое обнажённое тело. Также дипфейк-видео неоднократно использовались в политических или мошеннических целях. К примеру, у генерального директора британской энергетической компании мошенники смогли выманить 220 тысяч евро с помощью дипфейковой имитации голоса его руководителя.
Важно помнить, что сама по себе GAN-технология не может расцениваться как хорошая или плохая — главный вопрос в том, будет человек использовать её как оружие или как инструмент.
Reinforcement learning (обучение с подкреплением)
RL — это область машинного обучения ИИ, где й изучается, как испытуемая система (агент) взаимодействует с окружением (средой) для получения максимального вознаграждения (отклика этой среды, то есть — подкрепления).
RL можно сравнить с дрессировкой пса. Представьте, что вы взяли себе щенка. Чтобы научить его чему-то, вам нужно использовать систему вознаграждений. Если пёс вас слушает — вы даёте ему вкусняшку. Также происходит и с машинным обучением.
Например, посмотрите как программисты из OpenAI, компании, основанной Илоном Маском, показали, как агенты играют в прятки.
Им не давали явных инструкций о том, как играть. После миллионов симуляций агенты научились взаимодействовать с окружающей средой самостоятельно:
- тот, кто прячется, научился строить маленькие форты и баррикады;
- тот, кто ищет, начал использовать пандусы чтобы забираться на стены и находить спрятавшихся.
Какой плюс от этой технологии? Именно с помощью неё можно обучать роботов, которые смогут кардинально изменить нашу жизнь.
Безопасность
Уже сегодня применяются устройства со специальными датчиками, которые оперативно обнаруживают пожароопасные ситуации и успешно предотвращают их.
Автомобили
Посмотрите пример академического проекта курса машинного обучения в Римском университете La Sapienza. В нём применяется нейронная сеть, которая использует RL, чтобы научиться водить машину, используя только три датчика на передней части автомобиля. Возможно через пару лет нам и машиной управлять не придётся — кто знает!
Что вы думаете по этому поводу? Принесут ли технологии искусственного интеллекта пользу или, может быть вы видите в них опасность?Делитесь своими мыслями в комментариях.
А если вы хотите изменить мир своим проектом, не забудьте выбрать подходящую инфраструктуру. Меняйте будущее вместе с нами!
В 2022 г. мы увидим всю многоликость искусственного интеллекта: в фокусе будут такие темы, как аппаратное обеспечение, периферия, MLOps, языковые модели, будущие архитектуры и этика, пишет на портале ZDNet обозреватель Джордж Анадиотис.
Nvidia продолжает доминировать в этой сфере. Компания была на рынке задолго до того, как рабочие нагрузки ИИ начали расти, и у нее хватило ума и рефлексов извлечь из этого выгоду, создав экосистему аппаратного и программного обеспечения. Ее прошлогодняя попытка по превращению Arm в часть этой экосистемы все еще находится под пристальным рассмотрением регуляторов. Однако Nvidia не осталась в стороне и в
На мероприятии Nvidia GTC в ноябре 2021 г. компания сделала ряд анонсов, который реализуют на аппаратном уровне фокусные направления развития ИИ — выводы и периферию. Были представлены улучшения Triton Inference Server, а также представлен A2 Tensor Core GPU, маломощный и занимающий мало места ускоритель для ИИ-вычислений на периферии, который, по утверждению Nvidia, обеспечивает в 20 раз большую производительность вычислений, чем CPU.
TinyML, искусство и наука создания моделей машинного обучения, достаточно экономных для работы на периферии, быстро растет и создает экосистему. Edge Impulse, стартап, который хочет сделать МО на периферии доступным для всех, только что объявил о финансировании серии B в размере 34 млн. долл. Периферийные приложения на подходе, и ИИ и его аппаратное обеспечение станут большой частью этого процесса.
То, что стало заметным в 2021 г. и будет с нами в ближайшие годы, — это так называемый MLOps — доведение машинного обучения до производственных операций. В уходящем году люди пытались дать названия различным явлениям, связанным с MLOps, нарезать область MLOps на кусочки, применить контроль версий данных и непрерывное МО, а также эквивалент разработки на основе тестирования для данных. Акцент смещается с блестящих новых моделей на, возможно, более рутинные, но практические аспекты, такие как качество данных и управление конвейером данных, и MLOps будет продолжать расти.
Другая вещь, которая, вероятно, будет продолжать расти как в плане размера, так и в плане количества, — это большие языковые модели (LLM). Некоторые люди считают, что LLM могут усваивать основные формы языка, будь то биология, химия или человеческий язык, и мы скоро увидим рост их необычных применений. Другие считают иначе. В любом случае, LLM распространяются.
Недавно EleutherAI, коллектив независимых исследователей ИИ, выложил в открытый доступ свою модель GPT-j с 6 млрд. параметров. Кроме того, теперь у нас есть большая европейская языковая модель от Aleph Alpha, свободно владеющая английским, немецким, французским, испанским и итальянским языками. Wudao — это китайская LLM, которая также является самой большой LLM с 1,75 трлн. параметров, а HyperCLOVA — это корейская LLM с 204 млрд. параметров. Кроме того, всегда есть другие, немного более старые/меньшие опенсорсные LLM, такие как GPT2 или BERT и его многочисленные вариации.
DeepMind и Google намекнули на революционные архитектуры для моделей ИИ — Perceiver и Pathways, соответственно. Pathways критикуют за довольно расплывчатые формулировки. Однако мы рискнем предположить, что она может быть основана на Perceiver. Но поскольку мы находимся на территории технологий будущего, было бы упущением не упомянуть о нейроалгоритмическом обосновании DeepMind — направлении исследований, обещающем объединить классические алгоритмы информатики с глубоким обучением.
Ни один экскурс в ИИ, каким бы сжатым он ни был, не будет полным без почетного упоминания этики ИИ. Она оставалась актуальной в 2021 г., и мы видели, как самые разные люди — от членов правительственных комиссии до практиков отрасли — пытаются по-своему решать эти вопросы. И не стоит забывать о продолжающемся буме применения ИИ в здравоохранении — области, в которой этика должна быть главным приоритетом — с ИИ или без него.
Спецпроекты
Обзор: Искусственный интеллект 2021
Технологии искусственного интеллекта в последние годы были на слуху, а эпидемия коронавируса придала их развитию дополнительное ускорение — на искусственный интеллект возлагаются большие надежды при разработке новых решений для диагностики и создания лекарственных средств. Рынок ИИ быстро растет и становится все более практическим, появляются реальные примеры использования искусственного интеллекта в самых разных сферах.
Вниз по кривой, ведущей вперед
Пандемия коронавируса, существенно изменив все сферы бизнеса, внесла коррективы и в планы компаний по развитию ИТ. Однако, как показал опрос 200 руководителей, проведенный аналитической компанией Gartner в конце 2020 г., 24% организаций, в которых работают респонденты, увеличили инвестиции в ИИ-решения, 42% — оставили их в прежнем объеме. Главные задачи ИИ на текущем этапе — сохранение клиентской базы, оптимизация затрат и увеличение выручки.
Hype Cycle в области искусственного интеллекта
Несмотря на быстрый рост рынка, группы лидеров на нем уже сформировались. В области облачных сервисов отрыв четверки — Amazon Web Services, Google, IBM и Microsoft очевиден и понятен — для того, чтобы оказывать облачные сервисы в сфере ИИ нужно, прежде всего, иметь большие облачные системы.
Лидеры рынка облачных сервисов для ИИ, 2020 и 2021 гг.
Источник: Gartner, 2021
Лидеры в области платформ работы с данными и машинного обучения, 2020 и 2021 гг.
Источник: Gartner, 2021
На программное обеспечение в 2020 г., по оценке IDC, пришлось 88% рынка ИИ, однако это самая медленно растущая категория (17,3% в год). Самый крупный сегмент — ИИ-приложения (50%), самый быстрорастущий — сегмент программных платформ (среднегодовой темп роста — 32,7%).
На услуги в сфере ИИ в 2020 г. пришлось 7% выручки. Этот сегмент рос медленнее, чем рынок ИИ в целом (на 13% в 2020 г.), однако в ближайшие годы потребность в услугах вырастет и среднегодовой рост составит 18,4%. Эта категория, с свою очередь, делится на два сегмента: ИТ-услуги и бизнес-услуги. На первую категорию приходится 80% доходов от услуг и она будет расти быстрее, однако в 2024 г. произойдет перелом и темпы роста бизнес-услуг станут выше.
На рынок оборудования для искусственного интеллекта в 2020 г. пришлось около 5% выручки от ИИ. В дальнейшем она немного вырастет и в 2024 г. достигнет 5,5% ($30,5 млрд). Пятерку лидеров в сегменте серверов для ИИ составляют (по итогам 1 половины 2020 г.) Dell, HPE, Huawei, IBM, Inspur и Lenovo, на которых приходится 58% продаж. Тройка лидеров в сегменте хранилищ — Dell, NetApp и HPE (49% рынка в 1 полугодии 2020 г.).
Новая волна коронавируса, особенно индийского штамма Delta, может как сбросить прогнозы до уровня 2020 г., так и подстегнуть развитие средств ИИ в надежде широко внедрить соответствующие решения в медицинской сфере.
Сами игроки рынка ИИ считают, что влияние пандемии на развитие ИИ скорее положительное.
Основные потребители ИИ
Китай, как явствует и из заявлений американских властей, и из квадрантов Gartner — вторая страна по вниманию к развитию ИИ. А среди серверных компаний китайские даже преобладают.
ЦБ РФ: USD 91.75 EUR 102.91
В ходе прошедшего форума Russian Internet Week (RIW 20/21) эксперты рассказали об успехах искусственного интеллекта (ИИ), дали прогнозы на будущее, отметили существующие препятствия для развития ИИ.
Руководитель комитета по искусственному интеллекту АРПП "Отечественный софт", генеральный директор "Наносемантика" Станислав Ашманов представил доклад "Искусственный интеллект: успехи 2021 г. и прогнозы на 2022-2023 гг.".
"В открытом русскоязычном интернете на данный момент нет перечня результатов по ИИ. На английском их вдоволь, я постарался выступить "фильтром" и скомпоновать основные тренды. Разберу четыре основные темы - наука, кадры, практические проекты, политика", - дал вводную Станислав Ашманов, отметив из основных успехов ИИ анализ огромных объемов текста, а также, что ИИ берет не качеством, а количеством.
Докладчик начал с трендов в науке. Он отметил, что за последние два года появились нейросети типа "трансформер", умеющие генерировать текст, который сложно отличить от написанного человеком ( GPT -3) - похоже, что это главный тренд в 2022-2023 гг.; впечатляющие результаты в биологии и медицине (анализ белков, РНК, ДНК); поиск лекарств, предсказание результата химических реакций; Reinforcement Learning (обучение с подкреплением) продвигается за счет игр ( AlphaGo ), пока применений нет, снижаются требования к GPU .
"Также показало хорошие результаты в этом году обучение на малом количестве примеров за счет предобученных моделей; моделей, обученных на неразмеченных данных; псевдоразметки. И даже обучение без примеров. Кроме них - мультимодальные модели (текст + аудио + изображение), многоязыковые модели (для текстов и распознавания), генеративные сети ( GPT , дипфейки с наложением лиц, генерируются даже веб-сайты и код, но сложные математические задачи пока не даются)", - продолжил Станислав Ашманов.
Из остальных трендов он отметил, что NLP -модели побеждают человека в новых задачах ( SuperGlue ). Однако большие NLP -модели создаются только корпорациями и крупными институтами, так как требуют много GNU . Отмечается неравномерность данных для медицины (только определенные расы, возраста и т.д.), да и в медразработках ИИ заявления об эффективности преувеличены. Для 26% новых статей код выкладывают на Open Source . Падает количество статей, повышается количество автоматически сгенерированных статей и патентов для повышения цитируемости (особенно в Китае и США).
"Самый больной вопрос - кадры. Сейчас кадры утекают в крупные корпорации на большую зарплату, приходится брать студентов второго-четвертого курсов на работу, они забрасывают учебу, и мы знаем, что через два года они уйдут в тот же Сбербанк. Данная ситуация повсеместна - в США, Европе, Китае все понимают, что основное "бутылочное горлышко" - не вычислительные мощности и регуляторные барьеры, а кадры, которых дико не хватает. И из-за этого ИИ чрезвычайно дорого разрабатывать. Зарплаты за два года выросли в полтора-два раза. Людей из других сфер затягивает в ИИ", - отметил Станислав Ашманов, добавив, что в следующем году зарплаты могут вырасти еще в полтора раза.
Основные кадровые тренды: бурный рост в Бразилии и Индии; ИИ - мужская тема (лишь 15% статей - с соавторами-женщинами); Китай вышел на первое место по статьям в наиболее рецензируемых журналах, при этом PhD в нем выпускают в два раза больше, чем в США, и 84% из них остаются работать дома, в основном в Huawei (но стоит быть осторожными с этими показателями, так как их любят завышать). Остальные тренды: корпорации делают лаборатории и совместные статьи в основном с крупными университетами; исследования по ИИ требуют мощностей, корпорации их дают, но крупные ЦОДы - в крупных университетах; "утечка мозгов" - из науки кадры перетекают в корпорации ( Google / DeepMind , Amazon , Microsoft ), по несколько десятков крупных ученых в год; В России ИИ только стартовал, пока нет результатов, запланированы действия для улучшения ситуации с кадрами; 88% авторов статей получали финансирование от корпораций.
"Говоря о практических результатах, темы, которые привлекали внимание в 2021 г., - поиск новых лекарств, лучшее назначение лечения с помощью ИИ. В медицине - неструктурированные, "шумные" данные. Факт: искусственный интеллект - уже не наука, а скорее ремесло. Во многом стало понятно, как решать задачи, появились стандартные пути решения. Большие ожидания на следующие два года: предприятия будут внедрять технологии безопасности - поведение человека со станком, с конвейерной лентой и т.д. Помимо этого, большие результаты в животноводческой среде. Важно: компании стали фокусироваться на данных, а не на самих моделях", - перешел к практическим результатам Игорь Ашманов.
Кроме того, важной проблемой спикер назвал нехватку чипов, из-за чего США и Европа хотят занизить зависимость от производителей чипов в Китае. Остальные тренды практических проектов: кибербезопасность на базе ИИ; важность платформ для работы с данными ( MLflow , Databricks ); беспилотный транспорт, а также железо для него (лидары); Китай - абсолютный лидер по умным городам (но США близко).
" Apple позволила себе автоматически анализировать данные на смартфонах пользователей. Похоже, это будет общее правило - все, что на смартфоне, может быть проанализировано ИИ. И если что-то не так, о тебе сообщат или, в лучшем случае, контент будет удален. В мире уже существует 182 "единорога" - компании, которые за короткий срок вышли на капитализацию $1 млрд, их суммарные показатели - $1,3 трлн. Раунды увеличиваются - стартапы матереют. В основном инвестируют в стартапы, разрабатывающие ПО для крупных корпораций, а также в направление финтеха, транспорта, здоровья", - замечает Станислав Ашманов.
Из по литических трендов Станислав Ашманов отмечает, что 73% из 524 опрошенных в США ученых - против военных применений ИИ, а также "нетолерантность" ИИ, который может допустить "некорректные" высказывания по поводу расы или пола. В России эта проблема не стоит. Однако Израиль использует рои дронов, контролируемые ИИ; в США активно ведутся разработки военного ИИ, ЕС недалеко от них по данным показателям. Появился новый термин - AI Alaingment (корректное встраивание ИИ в нашу жизнь). В ЕС регулирует искусственный интеллект The AI Act , в России принят Кодекс этики ИИ, присоединение добровольное. Важно, чтобы правила были приняты внутри корпораций, но, по прогнозу спикера, в 2022 г. на этот счет ничего толком не изменится.
"Из других политических и общественных трендов - в ЮАР выдан патент за авторством ИИ (метод соединения контейнеров для пищи). Прорывные проекты по ИИ финансируются DARPA - вкладываются десятки миллиардов долларов в исследования, которые могут и не принести результата, финансы даются на три-пять лет. Корпорации работают с военными ( Microsoft , Google ), идет гонка вооружений", - заключил Станислав Ашманов.
Далее гендиректор "Нейросемантика" перешел к прогнозам на 2022-2023 гг. На его взгляд, основными стали предположения, что "трансформеры" станут главным инструментом для компьютерного зрения; коммодизация дорогих технологий (распознавание лиц, речи и т.д.); проникновение ИИ в промышленность; разработка ИИ - это ремесло, как разработка мобильного приложения; AIOps важнее AI ; больше внимания данным, а не алгоритмам; разработчики ИИ продолжат дорожать; этика ИИ в 2022 г. в России никак не будет учитываться; крепкий рост использования речевых технологий - подешевели распознавание речи, чат-боты, синтез речи, и их внедряют не только в колл-центры. В заключение он отметил, что прорывные научные результаты - не в России, и, по его мнению, "в ближайшие пару лет ничего не изменится, будем использовать чужие архитектуры, датасеты, фреймворки и пользоваться разработками Facebook и Google ".
Дру гие прогнозы из выступления Станислава Ашманова - отток кадров из маленьких корпораций в большие и из РФ в США продолжится; технология нейропроцессоров будет буксовать; платформы "без разработчиков" - NoCode и LowCode ; самообучаемые алгоритмы AutoML ; продолжится разработка утилит, помогающих сотрудникам (в том числе RPA ); военные применения ИИ участятся; AI и IoT наконец-то заработают вместе; прорывы - в биологии и медицине; AI будет взаимодействовать с метавселенными. Отдельно он отмечает, что станут дешевы и доступны для мошенников дипфейки, а генеративный контент распространится постепенно (пример - ИИ может написать рассказ в духе Пелевина), станет очень широко генерироваться, и "мы взвоем от количества контента".
"Радует, что наконец-то технология развивается, но пока еще зависит от человека, который имеет возможность "нажать кнопочку" и запустить процесс. Стоит напрягаться, когда не нужно нажимать на кнопочку - само будет происходить", - прокомментировал этот доклад модератор дискуссии руководитель проектного направления РАЭК Дмитрий Захарченко.
Техн ология ИИ - стратегически важное для нашей страны и перспективное для общества направление. В этом году в портфеле платформы "Россия - страна возможностей" появился новый проект - серия хакатонов и лекций по ИИ, который реализуется в рамках федерального проекта "Искусственный интеллект". Цели - поиск, развитие и поддержка молодых перспективных специалистов, желающих создавать продукт и сервисы с использованием ИИ, повышение уровня обеспечения рынка ИИ квалифицированными кадрами, формирование и развитие сообщества ИИ, популяризация данной тематики.
"Мы провели в этом году уже более 10 мероприятий из серии "хакатоны и лекции по ИИ" в городах России. Несмотря на то что проект молод, более 1000 участников из более чем 30 регионов страны объединились вокруг него - большой отклик. Помимо хакатонов, проходили лекции по ИИ с целью привлечь максимальное внимание к этой теме. Одна из особенностей проекта - участники хакатона решают реальные прикладные задачи государства и бизнеса. Результаты разработки используются для дальнейшего практического применения. 10 хакатонов успешно состоялись, показали свою востребованность, ценность. Кроме того, они задали высокую планку для последующих 106 мероприятий, которые планируется реализовать в ближайшие три года. Главная цель проекта - утоление кадрового голода, мы хотели помочь талантливым специалистам из регионов проявить себя. Продемонстрировать свои силы, повысить интерес среди молодежи к ИТ-профессиям в целом и к ИИ в частности. Наши участники после каждого хакатона получали предложения о работе и приглашения на стажировки - самый главный эффект от проведения конкурса. На следующий год мы запланировали сразу 36 хакатонов по ИИ, среди которых 25 региональных, восемь окружных и три международных", - сказал заместитель генерального директора президентской платформы "Россия - страна возможностей" (РСВ) Алексей Агафонов.
Директор РАЭК Сергей Плуготаренко сказал, что проект масштабный и интересный, он позволяет не столько прощупать то, какие задачи могут быть поставлены и решены при помощи ИИ, но и по всей России можно составить ландшафт заинтересованных групп населения, у которых, во-первых , есть сообщества (или могут организоваться, например, на базе вузов, ключевых компаний), во-вторых, отношение местных властей к тому, что технологии развиваются и могут решать определенные задачи, в-третьих, как федеральные органы власти могут ставить задачи.
Он рассказал, что берется город, постановщик задачи, команда РСВ работает с задачей, обозначается боль, которую надо решить, создается датасет, на основании которого нужно обучать системы решению задач, далее формируются команды на платформе, собирают и решают задачи за 48 часов, плотно взаимодействуя с кейсодержателем, экспертами, трекерами и др. Из примеров Сергей Плуготаренко выделил "ИИ для оценки образовательных программ" (Нижний Новгород), "Качественная еда для всех" (Калининград), "Прогнозирование развития природных катастроф" (Ставрополь), "Антикоррупционная экспертиза нормативно-правовых актов" (Великий Новгород), "ИИ на страже водных биологических ресурсов" (Ростов-на-Дону), "Поиск надежных благотворительных организаций" (Пермь), лекции по ИИ от МТС, "Яндекса", Intel , Huawei , агрохолдинга "Степь" и др. Спикер отметил, что на данный момент отработано 14 кейсов в 10 городах, более 1000 участников. В следующем году планируется разобрать более 50 кейсов и задействовать 7500 специалистов ИИ.
Начальник отдела специальных проектов ДИТ Москвы Елизавета Терентьева представила доклад "ИИ в умном городе", в котором рассказала, какие технологии ИИ уже используются и какие будут использованы в 2022 г.
"Цифровая Москва сегодня - это 618,6 тыс. занятых в столичных компаниях ИКТ-специалистов по итогам 2020 г., это около 70% ИТ-отрасли России. Также в городе доля ИКТ составляет 6% от ВРП, объем отрасли составил 4,4 трлн руб. (из них ИТ - 1,4 трлн; интернет - 1,47 трлн; связь - 1,53 трлн). Каждая пятая вакансия на рынке труда Москвы открыта для специалистов в области информационных технологий и связи. 31 Гб мобильного интернет-трафика потребляет одно домохозяйство в Москве, причем стоимость 1Гб - 74 руб. Средняя зарплата опытных программистов с учетом премий и налогов составила 223 тыс. руб. в месяц в 2020 г., что на 11% больше, чем в 2019 г. 14% студентов обучались по ИТ-программам в 2020/2021 учебном году", - привела статистические данные Елизавета Терентьева.
Она также сказала, что в Москве ежегодно реализуется более 100 проектов в сфере цифровой трансформации, как известные населению (электронная медкарта, электронный дневник школьника), так и направленные на внутреннюю цифровизацию. И отметила цифровой сервис mos . ru - "городскую экосистему", которой пользуются 14,4 млн жителей, им предоставляется более 380 цифровых услуг и сервисов, приводятся данные, что в 50 млн визитов в месяц за 2020 г., что на уровне мировых мегаполисов.
"Иску сственный интеллект - драйвер развития экономики и государства. Цель - удобнее, комфортнее и безопаснее делать жизнь горожан. Сегодня в Москве внедряется более 70 решений на основе ИИ в сферах цифровых технологий и инноваций, экономики, безопасности, здравоохранения и образования, транспорта, ЖКХ, строительства. Очевидный пример - робот в общегородском контакт-центре, который ищет ответ в базе и отвечает, за январь-октябрь 2021 г. им обработано более 21 млн звонков, из которых 11 млн - без привлечения оператора. Принципиальная позиция Москвы - технологии помогают оптимизировать работу и освобождать ресурс экспертов для взаимодействия с людьми и решения более сложных задач" - добавила Елизавета Терентьева .
Читайте также: