Искусственный интеллект на стройке. Мировая практика и российская перспектива

Использование ИИ сейчас модная тема в самых разных отраслях. Пока что внедрение ИИ в строительство находится на ранней стадии, тем не менее интерес есть. Развиваются такие направления, как использование роботов и дронов на стройке, предиктивная аналитика и др. О практике и перспективах применения ИИ в строительстве рассказывает Кирилл Поляков, сооснователь цифровой платформы для управления стройкой Pragmacore.

Мировая практика использования ИИ в строительстве
Уровень проникновения ИИ в строительной отрасли намного ниже, чем в наиболее передовых в технологическом направлении секторах (например, финансовом). Однако рост есть: по некоторым прогнозам, мировой рынок ИИ в строительстве в период с 2022 по 2031 год будет расти на 34% в год и расширится с чуть менее $500 млн в 2021-м до $8,6 млрд в 2031 году.

Одно из перспективных и довольно простых способов применения ИИ в строительстве — использование роботов и дронов. Уже довольно многие компании используют беспилотники для контроля за процессом строительства или создания 3D-моделей. Есть и другие варианты использования дронов в строительстве: так, швейцарская компания Tinamu стала применять беспилотники для более быстрой и точной оценки запасов строительных материалов. Такие беспилотники оснащены ИИ-системой, которая делает съемку запасов на складе или в другом месте, самостоятельно анализирует эти данные и выдает точный результат. Причем, в отличие от использования традиционных методов оценки запасов, беспилотники могут быстро и просто проводить такую оценку ежедневно.

А вот несколько примеров использования на стройке роботов. В Китае при строительстве дамбы на реке Янцзы роботы собирали эту конструкцию из крупных элементов. Еще один пример — робот, которого использовали в Швейцарии для строительства стены из камней неправильной формы. Такой робот ориентируется по созданной с помощью лидаров карте местности, разработчики обучают основанную на ИИ модель, в результате чего робот «учится» находить камни нужно формы и устанавливать их, строя стену. Пока что такого робота тестируют, а не полноценно применяют в строительстве, тем не менее это интересные разработки.

Еще одно перспективное направление — предиктивная аналитика. Это прогнозирование на основе big data с использованием ИИ. Системы предиктивной аналитики на основании больших массивов данных выдают вероятные сценарии по длительности стройки, стоимости, возможным рискам и т.д. Все это позволяет компаниям лучше планировать процесс и снижать издержки.

ИИ на российских стройках
Уровень внедрения технологий ИИ в российской строительной отрасли пока низкий. Многие компании уже заинтересовались этим направлением, однако для полноценного использования ИИ нужна большая предварительная работа. Особенно если мы говорим не про точечные решения, такие как дроны на стройке, а про комплексный сбор и анализ данных.
В этом случае компаниям зачастую нужно масштабно перестроить принципы своей работы. Сначала сделать так, чтобы все процессы в работе были достаточно простыми, понятными и легко переводимыми в цифровой вид. Дальше — собственно цифровизация, в результате которой у вас должны быть базы данных, в которых в структурированном цифровом виде будет вся информация о работе компании.
Только на следующем этапе возможно переходить к применению ИИ для анализа этих данных, выстраивания сценариев и т.д. Сейчас многие российские строительные компании уже поняли, что им нужно провести такую цифровизацию.

Тем не менее решения на основе ИИ на российском рынке есть. Вот один из них — в прошлом году компания «Дом.РФ» сообщила о запуске основанного на ИИ инструмента, который помогает определить ликвидность будущих строительных объектов, их стоимость, возможные риски. В этом случае нейронные сети оценивают все эти параметры на основе широкого набора данных: динамики продаж Росреестра, стоимости строительных материалов, информации об инфраструктуре вокруг этой новостройки и др. В «Дом.РФ» говорят, что при использовании этого инструмента девелоперы смогут более эффективно выделять инвестиции и планировать строительство.

У «Самолета» есть и другие проекты с применением ИИ — например, система предиктивной аналитики.
В нашу платформу Pragmacore также добавлен модуль предиктивной аналитики. Основная его цель — делать более точные прогнозы по длительности строительства, а также избегать простоев. Такой инструмент анализирует десятки разных факторов — возможные изменения погоды, снижение числа работников на стройке, перебои с поставками материалов и др. — и выстраивает несколько сценариев, оценивая вероятность каждого из них. Соответственно руководство стройки может более точно оценить реальную длительность строительства и принимать решения исходя из этих данных.
Еще одна возможность, которую дает предиктивная аналитика, — оценка, какие работы вы можете осуществить прямо сейчас. С помощью ИИ-инструмента можно определять открытые и доступные фронты работ. Например, вы не можете выполнять какие-то работы из-за задержки поставок какого-то материала. Подобная система позволяет увидеть, для каких еще работ есть все необходимое — проектная документация, рабочие, материалы — и приступить к ним, не дожидаясь завершения предыдущего этапа.
Перспективы применения и развития ИИ на российских стройках
Искусственный интеллект может решить или по крайней мере смягчить некоторые хронические проблемы, свойственные для российского строительства. Одна из важнейших проблем — высокие избыточные расходы и простои. В некоторых случаях потери достигают миллионов рублей в день.
Такие избыточные расходы связаны с теми сложностями, которые уже были перечислены: часто не отлажены процессы, есть много непредвиденных обстоятельств, таких как изменение погоды или перебои с поставками. Применение ИИ позволяет более эффективно наладить работу и снизить избыточные расходы.

источник - здесь (https://digitaldeveloper-ru.turbopages.org/turbo/digitaldeveloper.ru/s/blog/tpost/c40czrfm31-iskusstvennii-intellekt-na-stroike-mirov)

ИИ и BIM в реконструкции аэропортов

Аэропорты уже давно перестали быть просто транзитными пунктами для путешествий. В наши дни они стали примерами достижений в области инновационных технологий и эффективной логистики. Ключ к трансформации простого здания в современный транспортный узел лежит в интеграции в архитектуру передовых технологий, таких как искусственный интеллект (ИИ) и информационное моделирование зданий (BIM).

Искусственный интеллект и BIM помогают проектировщикам и архитекторам комплексных транспортных узлов по всему миру. В каждом отдельном случае применяемые технологии и услуги чётко направлены на потребности местных жителей и наиболее частых гостей страны: в Токио постарались снизить количество живых контактов со служащими аэропорта, а в Дохе предоставили возможность ещё раз насладиться высококлассным сервисом перед отлётом. Так что, где бы вы не находились, знайте: ИИ и BIM точно помогут вам удовлетворить самые главные потребности.

Эти инструменты не только меняют подход к проектированию и управлению аэропортами, но и устанавливают новые стандарты для инфраструктуры аэропортов будущего. Как именно эти технологии помогают трансформировать до неузнаваемости самые крупные аэропорты мира? Разбираемся в этой статье.

подробнее - здесь (https://pro-tim.ru/blog/ii-i-bim-v-rekonstruktsii-aeroportov/)

Что такое YandexGPT 3

YandexGPT 3 — новая линейка генеративных моделей Яндекса. Она лучше решает сложные задачи и следует заданному формату ответа, поэтому особенно хорошо подходит для применения в ИТ-продуктах и для других бизнес-задач.
Первая модель линейки — YandexGPT 3 Pro — уже доступна на сайте Yandex Cloud. Компании могут дообучать её на собственных примерах.

подробнее - здесь (https://ya.ru/ai/gpt-3)

Нейросеть на стройке. Как ИИ помогает в строительстве и ЖКХ

По оценке Национального центра развития ИИ, около 3% строительных компаний используют технологии на основе искусственного интеллекта в своей работе, благодаря чему в 2021 году они дополнительно заработали 2,1 млрд рублей. В сфере ЖКХ и развития городской среды таких компаний 6% и экономический эффект от применения технологий в 2021 году здесь составил 400 млн рублей. Минстрой в начале 2023 года прогнозировал, что «прирост в строительной области за счёт использования решений на основе искусственного интеллекта (ИИ) может достигнуть 2,5% внутреннего валового продукта в год».

ИИ уже на текущем этапе развития технологий помогает строительной отрасли генерировать дополнительные доходы. И в процесс модернизации вовлекается всё больше игроков рынка.
«Отрасли строительства и ЖКХ уже сегодня сталкиваются с рядом вызовов, которые можно решить с помощью ИИ, — отмечает Кирилл Поляков, сооснователь цифровой облачной платформы для мониторинга, контроля и управления инвестиционно-строительными проектами Pragmacore. — Например, рост населения и уровня городской застройки приводят к увеличению количества проектов, которые необходимо реализовывать быстро и эффективно. В этом контексте ИИ может помочь оптимизировать процессы, снизить затраты и риски».

Как ИИ повышает эффективность строительного бизнеса и компаний из сферы ЖКХ: разбираем с экспертами Альянса в сфере ИИ.

ИИ в строительстве
«Строительство как одна из самых консервативных отраслей экономики всегда с настороженностью относится ко всем нововведениям. Тем не менее ИИ тут уже прижился и применяется в решении таких прикладных задач, как мониторинг хода строительства (обработка фото- и видеоданных с дронов), учёт рабочей силы на площадке, контроль перемещения персонала и материалов, соблюдение техники безопасности», — говорит Борис Хапачёв, генеральный директор компании «Проптех», основатель двух ИТ-стартапов для строительства — экосистемы PropTech.OnLine и решения по «умному» мониторингу бетона PropTech.SMC. По его мнению, наибольший эффект уже виден в маркетинге и продажах — там, где надо работать с большим объёмом неструктурированной информации, в коммуникации с клиентами (в чатах и с голосовыми ботами). На подходе, по мнению Хапачева, следующее направление применения — специализированные ИИ-ассистенты для различных специалистов, от инженера до генерального директора.

«В среднесрочной перспективе ждём появления „роботов“ на площадке, — говорит Хапачёв. — Например, роботизированных кранов, экскаваторов и бульдозеров, самосвалов и бетономешалок с автопилотом. Эксперименты и пилотирование технологий уже идут на отечественных площадках».

Группа компаний «Самолёт» уже тестирует робособак для сканирования строительного объекта. Задачи — контроль соответствия построенного объекта проекту, соблюдение техники безопасности на площадках, проведение различных измерений. С помощью технологии машинного обучения робот самостоятельно ориентируется на местности, свободно передвигается по разным поверхностям. Робособака ускоряет решение многих задач в строительстве. Так, на создание 3D-модели объекта площадью 2000 «квадратов» у неё уйдёт всего 12 минут, тогда как у геодезиста — до 72 часов. Кроме того, отклонение в 3D-модели будет составлять не более 2 сантиметров.

Приоритетные направления применения ИИ в строительстве

Мониторинг строительных объектов и рабочих
Проблема. Низкая производительность строительных работ из-за несоблюдения рабочими регламента, срыва сроков, несвоевременного информирования руководства.
Решение:
отслеживание прогресса строительства, поступления материалов, объёмов ресурсов дронами и камерами видеонаблюдения;
фиксация времени простоя рабочих, сверка с закреплённым графиком путём анализа информации с носимых устройств и стационарных камер.
Результат: рост производительности на 30%.

Прогнозирование рисков и автоматизация типовых операций
Проблема. При ручном проектировании приходится каждый раз заново осуществлять типовые операции, что повышает вероятность ошибки и затраты времени. Также отсутствие автоматизированных технологий не позволяет учесть все факторы риска при долгосрочном планировании.
Решение:
внедрение ИИ в системы планирования и управления: разработка сметы, критический анализ, выявление рисков на основе исходных данных, прогнозирование и т. д.;
применение модулей искусственного интеллекта в типовом проектировании: разработка инженерных сетей, описание элементов, проверка соответствия строительным нормам, выгрузка информации и т. д.
Результат: рост производительности на 20%, снижение издержек на 10%, сокращение времени проектирования на 40%.

Применение автономной техники
Проблема. Для управления сложной строительной техникой требуется комплектация штата высококвалифицированных рабочих, что вызывает трудности из-за нехватки кадров на рынке труда.
Решение:
освоение автономной строительной техники, способной выполнять сложные операции круглосуточно и без перерывов, облегчая труд рабочих и повышая эффективность строительных работ.
Результат: снижение эксплуатационных расходов на 50%, повышение скорости возведения зданий на 50%.
Источник: Альянс в сфере ИИ
На 30% может вырасти производительность после внедрения ИИ на стройке

К основным сдерживающим факторам применения ИИ в строительстве и ЖКХ эксперты относят:

- отсутствие понимания необходимости внедрения технологии;
- недостаток информации об искусственном интеллекте;
- несовместимость с используемым оборудованием;
- недостаток квалифицированных кадров.

«Применение ИИ позволит ускорить проектирование, улучшить контроль, повысить производительность,
уменьшить потери и, как итог, снизить себестоимость строительства, — подытоживает Борис Хапачёв. — Но надо понимать, что это эволюционные изменения, а не революционные. ИИ — это всего лишь новый инструмент, которым ещё надо научиться пользоваться».
На 40% сокращает ИИ период проектирования в строительстве

ИИ в ЖКХ
Жилищно-коммунальное хозяйство развивается в соответствии с концепцией «умного города». Главные задачи — моментальное выявление неисправностей и сокращение до минимума периодов аварийного простоя.

Приоритетные направления применения ИИ в ЖКХ

Обнаружение утечек, выявление отклонений в потреблении воды и мошеннических действий
Проблема. Регулярные потери ресурсов из-за протечек в системе водоснабжения и мошеннических действий повышают расходы на эксплуатацию, снижают износоустойчивость инфраструктуры и её защищённость.
Решение:
использование виброакустических датчиков для своевременного выявления протечек в системе;
выявление отклонений на основе предыдущего опыта с помощью нейросетей;
анализ данных с целью обнаружения мошеннических действий и аномалий в потреблении водных ресурсов.
Результат: сокращение потерь воды на 20%, сокращение расходов на ТО и ремонт на 10%, повышение доходов на 10%.

Создание цифровых двойников
Проблема. Подбор параметров и регулирование положений запорной арматуры выполняются неэффективно, что приводит к увеличению расходов и снижению прибыли.
Решение:
внедрение ИИ в системы планирования и управления: реализация цифрового двойника коммунальной инфраструктуры, который силами искусственного интеллекта подберёт оптимальные параметры для котельных, трубопроводов, тепловых сетей и т. д. В режиме реального времени.сметы, критический анализ, выявление рисков на основе исходных данных, прогнозирование и т. д.;
Результат: снижение эксплуатационных расходов на 20%, снижение убытков от аварий на 50%.

Прогнозирование электропотребления
Проблема. Предприятия подают заявку на объёмы электропотребления заранее, что приводит к штрафам при несоблюдении установленных лимитов (как в меньшую, так и в большую сторону).
Решение:
внедрение ИИ-модели прогнозирования, позволяющей с учётом разных переменных факторов сформировать корректную заявку.
Результат: снижение штрафов на 20%.
На 50% снижаются убытки от аварий в ЖКХ при внедрении ИИ

«Применение технологий информационного моделирования в связке с ИИ позволяет автоматизировать процессы закупок, контроля проектных решений, исправлений ошибок перехода на строительную площадку», — отмечает Николай Козак, директор по ИТ и цифровой трансформации ДОМ.РФ. Также эксперт видит огромные перспективы применения ИИ в бюджетировании и планировании проекта, в динамичном пересчёте на основе подготовленных размеченных данных с предшествующих и уже реализованных объектов, классификаторов и справочников.

источник - здесь (https://sber.pro/digital/publication/nejroset-na-strojke-kak-ii-pomogaet-v-stroitelstve-i-zh-kh/)

Выходцы из ПИКа создали робота-проектировщика BIM-GPT, который уже пилотируют вместе со «Страной Девелопмент»

Директор по развитию бизнеса в НТЦ «Платформа» Петр Манин (ранее работал директором Autodesk в России/СНГ, а также техдиром Центра цифрового моделирования в Росатоме) показал нам презентацию нового продукта, который заменяет классические САПР/BIM системы.

Директор компании НТЦ «Платформа» — экс-директор по IT и цифровизации девелопмента и проектирования ПИК Андрей Нагнибедов. Ну и команда соответственно. В составе, в том числе Сергей Кривой, многократно показывавший продукты для проектирования ПИК на наших эфирах.

Роботизированное решение BIM-GPT принимает параметры на вход, сам создает BIM-модель и документацию для стадий П и РД c минимальным участием человека. Планируется, что оно сможет проектировать многоэтажный дом за 1 день, а также автоматизирует до 80% задач проектирования.

Источник: здесь (https://xn--b1agapfwapgcl.xn--p1ai/vyhodcy-iz-pika-sozdali-robota-proektirovshhika-bim-gpt-kotoryj-uzhe-pilotirujut-vmeste-so-stranoj-development/)

Применение ИИ в BIM

Функционал современных BIM/ТИМ‑систем также использует возможности искусственного интеллекта. Например, рекомендации по оптимизации архитектуры, конструкций, трассировок сетей и технологических/производственных линий, поиск геометрических и параметрических коллизий между системами, разделами, элементами и т.д., автоматический анализ проектных решений (информационной модели) на соответствие нормативным требованиям и стандартам. Отчеты, правила и требования поступают инженеру-проектировщику в режиме реального времени, а значит он может работать эффективнее, быстрее, высвобождая время на принятие более сложных и взвешенных решений.

ИИ может автоматически генерировать 3D‑модели зданий и сооружений на основе чертежей и существующих данных о проекте, анализировать разные варианты проектных решений и материалов, выбирая наиболее эффективные и экономически выгодные, следить за ходом строительных работ, выявлять отклонения от графика и предлагать меры для их устранения, а также прогнозировать оценки стоимости капитальных вложений по проекту еще до начала строительства. Все это приводит к минимизации ошибок, которые чаще всего обусловлены человеческим фактором. Это, в свою очередь, позволяет снизить риски срыва сроков и выхода за рамки бюджета.

С преимуществами, которые дает применение ИИ, невозможно спорить. То, что в будущем он станет необходимостью во всех сферах промышленности, — лишь вопрос времени. Но для того, чтобы как можно больше компаний могли внедрять эти технологии, необходима поддержка государства.

источник - здесь (https://pro-tim.ru/blog/kak-iskusstvennyy-intellekt-sovershenstvuet-metallurgiyu/)

Искусственный интеллект (ИИ) в тенденциях строительного рынка

Число строительных компаний, использующих в работе искусственный интеллект (ИИ или AI, artificial intelligence), растет в России с каждым годом. ИИ помогает зарабатывать дополнительные доходы – согласно прогнозу Минстроя, прирост в строительной области за счет использования решений на основе ИИ может достигнуть 2,5% ВВП в год. Исследователи считают, что перспективы ИИ в строительстве глобальны, однако практика его применения пока небольшая.

Можно выделить два основных направления применения ИИ в строительстве: «умный» анализ данных и использование робототехники. Из устройств, работающих без непосредственного участия человека, наибольшее распространение получили дроны, спектр возможностей которых постоянно расширяется. В первую очередь, они являются поставщиками в реальном времени всей информации со стройплощадки, а также осуществляют измерения, отслеживают движение и использование техники, поступление материалов, контролируют меры безопасности на критических участках и многое другое.

Одна из областей «умного» анализа данных, в которой ИИ нет равных – предиктивная аналитика, построенная на обработке больших массивов данных и формировании на их основе прогнозов. Первым шагом здесь является выявление проблемных зон, дальнейшими – их анализ и прогнозирование решений, тоже посредством ИИ-технологий. Получается модель, позволяющая определить, как множество различных факторов влияет на процесс строительства, какой объем инвестиций потребуется и как он будет окупаться.

Грамотное применение ИИ при планировании и проектировании строительства дает возможность увидеть более полную картину проекта, учесть риски и избежать ошибок.

Традиционно в сфере строительства существуют систематически возникающие и сложно регулируемые проблемы. К решению некоторых из них можно успешно подключать ИИ.

Варианты решения проблем с помощью ИИ:

Проблема №1: Рабочие нарушают нормы на стройке. Используют материалы не по назначению. Присутствует подмена, расхищение материалов и инструментов.

Решение: Использование дронов и камер для отслеживания хода строительства, времени работы сотрудников, поставки и применения материалов, инструментов.


Проблема №2: Операторам тяжелой техники сложно справляться с управлением. Сроки выполнения работы и количество ошибок из-за этого сильно увеличиваются.

Решение: Использование автономных строительных машин и механизмов, способных работать непрерывно с минимальным участием оператора.


Проблема №3: В процессе планирования строительства сложно учесть все риски и множество факторов. Ошибки в планировании приводят к существенным сдвигам сроков и экстренным крупным расходам.

Решение: Внедрение систем автоматизации, обрабатывающих поступающую от ИИ информацию для ее дальнейшего использования в создании смет, анализе и прогнозировании. Интеграция ИИ с различными программными продуктами для улучшения процессов проектирования и моделирования.

Как искусственный интеллект меняет строительную отрасль

Изменения, связанные с применением ИИ в строительстве, пока сложно назвать повсеместными, но их начало положено и развитие происходит интенсивно. ИИ проникает во все этапы строительства – от проектирования до контроля над стройкой. Перечислим основные задачи в области строительства, решению которых эффективно помогает ИИ:

1. Прогнозирование рисков и автоматизация типовых операций путем внедрения ИИ в системы планирования, проектирования и управления.
2. Мониторинг хода строительства путем обработки фото- и видеоданных с дронов и камер наблюдения.
3. Контроль перемещения рабочих и материалов, соблюдения техники безопасности.
4. Использование автономной строительной техники.
5. Использование чат-ботов и голосовых ботов в коммуникации с клиентами.
6. Контроль соответствия построенного объекта проекту посредством создания 6D-моделей строящихся объектов.
7. Учет трудозатрат на объекте в специализированных программных решениях.
8. Осуществление предпродажных виртуальных туров по цифровым двойникам зданий.

источник - здесь (https://1solution.ru/events/articles/ai-v-stroitelstve-tendentsii-problemy-i-perspektivy-razvitiya-tekhnologiy-obzor-resheniy/?ysclid=m24l2dy18z879370427&utm_referrer=https%3A%2F%2Fyandex.ru%2F)

Куда ведет цифровая трансформация государства?
Данные, доверие и развитие – три основы для движения вперед

ПАВЕЛ ГОЛОСОВ
директор Института общественных наук РАНХиГС (Президентская академия)

Мир научился производить огромное количество данных, которые прирастают ежегодно почти на четверть, и не собирается на этом останавливаться. В эпоху, когда взаимодействие людей, компаний, государств построено на цифровой коммуникации, особое место в этой иерархии занимает вопрос доверия как к самой коммуникационной среде, так и к данным в ней. Цифровая трансформация для государства становится способом лучше понимать то, как устроены все компоненты действительности в модели измеримости и возможности доверенного принятия решений на перспективу с разным фокусным расстоянием.

Принято полагать, что доверие граждан к системам, применяющим искусственный интеллект, прямо пропорционально уровню их доверия к государственным социальным институтам. Пять лет назад, в октябре 2019 г., указом Владимира Путина была утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 г. Она приводит показателем роста спроса на технологии ИИ увеличение числа предприятий (в том числе организаций социальной сферы и государственных органов), которые в качестве механизмов, стимулирующих повышение эффективности своей деятельности, применяют цифровизацию процессов.

В профильных документах планирования можно встретить индикаторы по уровню проникновения высокоскоростного интернета в населенные пункты или наличию вычислительных средств в школах по стране. Это, безусловно, важные инфраструктурные элементы, позволяющие с должным откликом повышать цифровую зрелость государства. Нельзя не сказать и о ключевых держателях цифровых сервисов для наших граждан – ФНС, МВД, портале госуслуг, иных акторах цифрового пространства. Преуспели и банки – предлагая пользование цифровыми продуктами, они накапливают знания о нас, непрерывно обогащая их дозволенными способами. И вот уже профилирование заемщика проходит точно, риски снижаются, позволяя говорить о дополнительных доходах, исчисляемых уже сотнями миллиардов рублей в год.

Последний из описанных эффектов стал возможен благодаря анализу, который происходит там, где применяются методы машинного обучения, или, используя более распространенный и общий термин, – уже упомянутый ИИ. Всего несколько лет назад, когда было положено начало активной цифровой трансформации государственного управления, только самый смелый исследователь мог представить влияние интеллектуальных методов на формирование цифрового контента, принятие решений и как таковой образ будущего, который явно стал более цифровым после марта 2023 г., когда стало явным понятие «большой языковой модели» и мир увидел обновленный и массово доступный сервис ChatGPT. Вскоре возник термин «промт-инженерия», теперь этому учат – и не только в вузах. Уже сегодня интеллектуальные технологии, завернутые в новые вычислительные мощности, позволяют цифровым лидерам, которые, кстати, не всегда дружественны нам, лучше прогнозировать и даже создавать версию нового мира, который, возможно, слишком виртуален и слишком трансгуманен.

Итак, что же дает человеку и бизнесу цифровая трансформация государства? Она призвана приносить снижение стоимости доверия, повышать индивидуализацию сервисов и удобство пользования (в том числе за счет исключения избыточных запросов и пр.), давать возможность самостоятельно управлять видимостью собственных данных, обеспечивать тот уровень безопасности, который присущ «аналоговому» миру, обеспечивать проактивность. Бизнес, работая на единых цифровых платформах, снижает риски, в том числе для банков, поэтому для доверенных акторов могут снижаться ставки по кредитам. Так, например, уже делают в Китае. И тогда цифровые платформы становятся инструментом трансграничного взаимодействия, установления нового уровня открытости и доверия. По крайней мере, в одном из допустимых сценариев, например, для стран группы БРИКС.

Так что же будет беспокоить нас в самом ближайшем будущем? Вопросы увеличения количества объектов непрерывного управления. Цифровые двойники, включая промышленность, интернет вещей, которые уже облепили нас, развитие беспилотных систем и систем безопасности – лишь часть новой цифровой инфраструктуры, требующей согласованного управления, активного развития энергетики и, кроме того, измерения сопутствующих индикаторов этого самого развития. И на них один ответ – цифровая трансформация государства.

Из цифровой трансформации системы государственного управления вытекает переход от понимания управления как исполнения функций к управлению как сети взаимосвязей государства и граждан. Произведение реформы, которая базируется на внедрении цифровых решений, и формирует «новое государственное управление». Стоит отметить, что исследователи все еще не пришли к единому выводу о возможных результатах реформирования системы государственного управления с применением цифровых платформ, изучение этого фактора продолжается и по сей день. А на пути формирования «цифрового правительства» становится кадровый дефицит в области компетентных специалистов, обладающих не только необходимыми «мягкими» навыками, но и компетенциями в разрезе информационных технологий, интернета вещей, искусственного интеллекта и т. д. Но применение подобных технологий необходимо при формировании качественной системы государственного управления, особенно учитывая новые требования, которые информационная реальность предъявляет к навыкам современных государственных служащих, от опережающего уровня познаний которых во многом зависит жизнь страны.

С каждым днем цифровая трансформация будет становиться все более и более заметной для каждого гражданина. Существует даже предположение, что цифровизация процессов сделает возможным отказ от субъективных решений на уровне отдельных служащих и улучшит качество предоставления услуг посредством снижения издержек. Цифровая трансформация в государственном управлении это не просто вывод некоторых государственных услуг на автоматизированный и оптимизированный уровень, что, безусловно, позволит ускорить многие процессы. Это целостное повышение качества всей системы госуправления посредством комплексного внедрения современных информационно-коммуникационных и интеллектуальных систем.

источник - здесь (https://www.vedomosti.ru/25/tsifrovoe_gosudarstvo/articles/2024/07/01/1047284-kuda-vedet-tsifrovaya-transformatsiya-gosudarstva)

Как меняется строительная отрасль с приходом искусственного интеллекта?

Последние несколько лет в технологии для строительства вкладываются значительные средства. Огромная часть этих инвестиций идет на оцифровку различных аспектов рабочего процесса строительства. Модели BIM изменили подход к проектированию зданий, процессы управления проектами и проблемами переместились в облако, оперативное управление также приобретает более «сенсорный» и автоматизированный характер. С увеличением объема доступных данных приложения на основе искусственного интеллекта находят все большее применение в строительной отрасли.

Генеративное проектирование
Генеративное проектирование представляет собой процесс поиска форм, имитирующий аналогичный процесс в ходе естественной эволюции. Специалисты по компьютерным технологиям нашли способы усовершенствовать процесс проектирования зданий. Обычно он начинается с четкой постановки проектной задачи, после чего исследуются многочисленные варианты решения, пока не будет найден наиболее оптимальный.

Ежедневно на строительных площадках делается множество снимков и видеозаписей. Каждый строитель носит с собой смартфон с камерой, и стало практически обычным делом фиксировать с его помощью каждую возникшую проблему. Все чаще используются дроны, позволяющие делать снимки с воздуха и выполнять более сложные задачи, такие как оценка хода реализации работ. Кроме того, все большую популярность приобретают экшен-камеры и умные шлемы. В большинстве случаев технологии пока не в состоянии справиться с подобным изобилием фотоснимков, а достойное решение для управления фотографиями и их использования в аналитике пока не изобретено.

ИИ применяется в строительной отрасли все чаще: разгружает сотрудников от рутинных механических задач, обрабатывает большие объемы информации и формирует аналитику.
Кроме того, ИИ повышает безопасность на стройке: «умные» камеры контролируют работу строителей и оборудования, а датчики при необходимости быстро отключают технику. Все это ускоряет процессы, делает строительство более эффективным и экономичным. Но контроль безопасности данных, с которыми взаимодействуют и которые генерируют нейросети, — один из самых больных вопросов для бизнеса во всем мире.

 Какие проблемы ИИ особенно актуальны

Кибератаки: нейросети работают с закрытыми документами и персональной информацией пользователей, и эти данные могут представлять интерес для хакеров. Получив несанкционированный доступ к такой информации, «цифровые преступники» используют ее в любых противозаконных целях.

Использование big data злоумышленниками: даже если данные хорошо защищены от хакеров, это не исключает их неправомерного использования самими разработчиками. Кроме того, конфиденциальная информация может попасть в руки третьих лиц, которые далее будут продавать их в даркнете лицам четвертым.

Отсутствие нормативной базы: законодательство и национальные стандарты для искусственного интеллекта еще очень несовершенны, они только разрабатываются. Из-за этого возникает путаница с правами, качеством данных и их эксплуатацией.

«Отравление» данных возникает, когда в модель машинного обучения попадает ложная информация, и в результате нейросеть начинает генерировать неправильные и даже опасные решения.

Человеческий фактор: ИИ по-прежнему работает в одной команде с человеком, и это правильный подход. Но он может приводить к ошибкам, если за дело берутся некомпетентные или недобросовестные сотрудники.

источник - здесь (https://blogs.forbes.ru/2024/07/05/iskusstvennyj-intellekt-v-stroitelstve-kak-izbezhat-vosstanija-mashin/)

________
там же перечислены методы борьбы

Искусственный интеллект становится неотъемлемой частью энергетического комплекса

Совершенствование технологий искусственного интеллекта — одна из основных задач национальной стратегии развития России до 2030 года. Внедрение «умных» систем происходит в разных отраслях промышленности, в том числе и в энергетике. В крупных энергосистемах уже сейчас невозможно обойтись без ИИ и список проектов в сфере искусственного интеллекта на отечественном рынке энергетики ежегодно обновляется.

Особой популярностью пользуются рекомендательно-прогностические системы, позволяющие составлять точные прогнозы уровня загрузки и объемов выработки электроэнергии солнечных, ветряных и топливных электростанций. AI-технологии также применяются для прогнозирования спроса и цен на рынке электроэнергии. «Умные» системы предоставляют информацию о загруженности сети и интенсивности использования электрических устройств, что позволяет равномерно распределять нагрузку в периоды пикового потребления.

Искусственный интеллект активно внедряется и в сфере генерации «зеленой» энергии. Например, на нескольких российских АЭС запущен проект по оценке с помощью машинного зрения правильности применения сотрудниками средств индивидуальной защиты. В ядерной энергетике также внедряются проекты по контролю генерирующего оборудования — мониторинг эффективности работы турбогенераторов, выявление дефектов и трещин в реакторах, управление рисками.

Однако основным направлением применения ИИ в энергетике остается взаимодействие с конечным потребителем. Сейчас на отечественном рынке уже действует «робот-оператор», помогающий сообщать гражданам об изменениях тарифов, задолженностях, плановых отключениях электроэнергии, аварийных работах, а также собирать и анализировать обратную связь.

На данный момент в развитие подобных проектов российские энергетические компании вкладывают только 3-7 % своих бюджетов. Однако интерес к сфере искусственного интеллекта с каждым годом растет, и по прогнозам экспертов в ближайшие пять лет уровень инвестиций может вырасти еще на 10-15 %. При этом совокупный экономический эффект от внедрения проектов ИИ в ТЭК к 2025 году может составить более 530 миллиардов рублей.

Развитие искусственного интеллекта позволит существенно снизить потенциальные потери электроэнергии, благодаря чему энергетикам за пять лет удастся сэкономить около 180 миллиардов рублей. Кроме того, ИИ помогает сократить затраты на ремонт и восстановление систем после аварий, оценивать риски возникновения поломок, оптимизировать расходы на модернизацию техники. В перспективе большинство задач по анализу, планированию и принятию решений будут решаться с помощью искусственного интеллекта.

Источник - здесь (https://www.elec.ru/news/2022/02/25/iskusstvennyj-intellekt-stanovitsya-neotemlemoj-ch.html)

ЧТО ТАКОЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И КАК ОН РАБОТАЕТ?

Говоря простым языком, ИИ - это вид программного обеспечения, содержащий множество алгоритмов и математических формул, которые могут выполнять задачи, традиционно выполняемые человеком, за долю времени. Например, такая трудоемкая задача, как организация или анализ информации, может быть возложена на ИИ для преобразования большого массива данных в небольшой список задач или полезных идей.  Принцип работы ИИ будет зависеть от поставленной перед ним задачи, но в основе своей программа получает информацию до тех пор, пока не сможет сделать выводы о реальных условиях на основе этих данных.
Например, если ИИ обучить различным аспектам строительства и предоставить ему фотографии строительных работ, он сможет научиться различать разные строительные материалы и понимать, как правильно их устанавливать. Чем больше информации поступает в ИИ, тем более интеллектуальным он становится. Такая неограниченная способность к обучению упрощает простые операции и позволяет понять макротенденции с высоты птичьего полета за несколько месяцев или лет, которые даже опытные наблюдатели могут не заметить.
Цифровые строительные решения, такие как новое оборудование с поддержкой WiFi-технологий и устройства IoT, создают огромное количество данных, которые можно обрабатывать для поиска новых эффективных решений. Их также можно использовать для выявления несоответствий в условиях строительства, предотвращая дорогостоящие ошибки.

Вот четыре популярные области применения технологий искусственного интеллекта в строительстве:
1. ОПТИМИЗАЦИЯ УПРАВЛЕНИЯ ПРОЕКТАМИ
2. ПОВЫШЕНИЕ БЕЗОПАСНОСТИ
3. УСТРАНЕНИЕ ПОВТОРЯЮЩИХСЯ ЗАДАЧ
4. РЕВОЛЮЦИОННЫЙ АНАЛИЗ ДАННЫХ

подробнее - здесь (https://ngcm-ru.turbopages.org/turbo/ngcm.ru/s/blog/ii_v_strioitelstve/)

Эксперты – об искусственном интеллекте в строительстве

видео - здесь (https://rutube.ru/video/ec8a4b532ce5f5e31e5b6d87af9a2b07/)

Цели использования и внедрения ИИ в строительстве.

Базовые цели внедрения ИИ в строительной отрасли должны однозначно и безусловно отражать как очевидное повышение эффективности государственного управления, так и качественному повышению благосостояния и обеспеченностью услугами граждан в рамках задач строительной отрасли! Среди прочих, считаем следующие цели приоритетными для строительной отрасли:

     1. Резкое, на протяжении ближайших 10 лет, качественное снижение стоимости владения и стоимости эксплуатации ОКС. Переход от парадигмы дешевого строительства к парадигме дешевого содержания и владения. Высвобождение средств от экономии на содержании в целях расширения базы объектов недвижимости и роста их качества. Здесь вопросы использования ИИ просто чрезвычайно важны, поскольку экономия от затрат на эксплуатацию ведет не просто к созданию дополнительных источников инвестиций, но и к обогащению населения, а значит росту инвестиционной активности нации в целом.

      2. Значительное качественное изменение уровня обеспеченности населения объектами недвижимости. Цифровой показатель: количество кв. м. жилья на человека, стоимость содержания 1 кв. м. жилья, количество торговых, медицинских, образовательных, спортивно-рекреационных, санаторно-курортных площадей на 1 гражданина страны (зданий), количество объектов инфраструктуры (км дорог, точек сервиса, точек заправки, прочих сооружений и т.п.) на 1 гражданина страны. Рост обеспеченности при снижении стоимости 1 кв. м. на человека.

      3. Системное повышение уровня безопасности и защищенности граждан во всех аспектах создания, изменения и использования объектов капитального строительства. Цифровые показатели по направлениям безопасности, безопасность труда, создания и изменения, безопасность проживания и пребывания, безопасность использования, безопасность влияния на будущие поколения, экологическая безопасность, ресурсная безопасность, энергетическая, военная безопасность, антитеррористическая и т.п. комплексная безопасность зданий и сооружений. Рост безопасности при снижении стоимости её обеспечения на человека.

         Все прочие цели, так или иначе, являются или подцелями трёх главных, или производными от них направлениями деятельности, в т.ч. снижение энергетической себестоимости строительства, снижение доли добавленной себестоимости к строительной, снижение прироста стоимости материалов и ресурсов за отчетный период и т.п. Создание системы балансирования бюджета страны на основе агрегирования затрат на эксплуатацию с использованием ИИ – одна из приоритетных задач. Многие прекрасно понимают основной макроэкономический разрыв: чем больше строишь за счет бюджета, тем дороже обходится содержание государственных активов, тем больше требуется налогов, тем быстрее падает предпринимательская активность и уровень жизни населения. Эта коллизия ведет к падению многих экономически развитых держав и спасение здесь может быть только в точном гибком расчете потребностей и возможностей страны и населения в целом. А для этого и требуется ИИ.

         С другой стороны, сама цель внедрения ИИ предполагает резкое повышение эффективности системы управления объектами капитального строительства с учетом концепции непрерывной экономической целесообразности эксплуатации и минимизации затрат на содержание. Эта же причина требует при моделировании объектов капитального строительства искать не самое лучшее решение стартовый CAPEX-min, а минимизацию затрат на возможный реинжиниринг строительных объектов в будущем, поскольку строительство гибких трансформеров - это и есть решение по качественному снижению затрат на эксплуатацию. Здесь роль ИИ трудно переоценить.

         Наконец, есть направления ИИ, которые уже сейчас могут приносить реальную выгоду, при относительно невысоком уровне затрат, в том числе:

      1. Программные роботы (RPA). Позволяют заменить людей в рутинной работе, там, где не требуется принятие решений.

      2. Автоматически собираемые базы данных и их ИИ-идентификация на основе алгоритмов классификации. В крупных строительных проектах тысячи классифицируемых позиций, а, с учетом изменений, объем работы увеличивается кратно.

      3. Цифровые помощники (DA). Тому же проектировщику требуется знать содержание сотен нормативных документов, да еще и отслеживать их изменения.

      4. Цифровые переводчики. В крупных проектах зачастую приходится общаться и вести документацию на нескольких языках.

      5. Системы распознавания текстов, изображений и их привязка с действующим документам проектов или сопоставление с набором данных ИМ.

источник - здесь (https://ardexpert.ru/article/27078)

Камни преткновения

Стоит отметить некоторые ограничивающие факторы для успешной разработки и применения систем искусственного интеллекта в строительстве. Уже сейчас в строительной отрасли есть достаточно много компаний-поставщиков отдельных автоматизированных решений в строительной отрасли, от процесса проектирования, до логистики и планирования, но часто эти информационные системы несовместимы друг с другом, что является ограничением для создания эффективных систем машинного обучения и искусственного интеллекта. Потенциал решений на основе искусственного интеллекта может быть реализован только через интеграцию всех источников разнородных данных. Для этого необходимо создание единой платформы для агрегации, хранения и доступа к данным из всех информационных систем строительных компаний.

Естественным ограничивающим фактором для применения искусственного интеллекта в строительстве является сложность и уникальность каждого строительного объекта. Искусственный интеллект не является моделью естественного человеческого интеллекта, поэтому искусственный интеллект помогает людям, но не заменяет их, особенно в строительстве, где каждый проект уникален и зависит от многих внешних факторов, учесть которые и оперативно обрабатывать сложно даже самой совершенной информационной системе.

Дополнительным ограничивающим фактором для внедрения искусственного интеллекта является стоимость. Использование автономных транспортных средств и робототехники может увеличить количество сданных в эксплуатацию строительных объектов, но цена их при этом будет выше. Капитальные вложения в оборудование нового поколения, наряду с инвестициями в разработку систем управления на основе искусственного интеллекта, представляют собой крупные авансовые инвестиции для компаний, что может оказаться нецелесообразным для многих компаний в отрасли, которые тратят только 1% дохода на совершенствование технологического процесса строительства. Таким образом, преимущества от внедрения систем искусственного интеллекта в будущем смогут получить только достаточно крупные и развитые строительные компании.

Несмотря на упомянутые ограничения, машинное обучение и искусственный интеллект обладают неограниченным потенциалом применения в строительной отрасли. Внедрение автономной строительной техники, роботов и систем генеративного проектирования позволит повысить эффективность строительства, безопасность и качество. Вместе с тем, для реализации в строительстве потенциала больших данных через алгоритмы машинного обучения и искусственного интеллекта необходимо накопление критической массы данных по различным строительным проектам и интеграция различных информационных систем строительных компаний. Но без четкого бизнес-обоснования рентабельности и инвестиций, проекты цифровой трансформации могут стать неэффективны в использовании времени и ресурсов, что может послужить разочарованию, увеличить скептицизм в отношении больших данных и машинного обучения.

источник - здесь (https://arendator-ru.turbopages.org/turbo/arendator.ru/s/articles/162070-kak_tehnologii_ii_ispolzuyutsya_v_proektirovanii_i_stroitelstve/)

Нейросеть GigaChat помогает подбирать жилье на «Домклик»

На платформе «Домклик» появилась новая опция подбора объектов недвижимости с помощью нейросетевой модели GigaChat. Об этом сообщила пресс-служба «Сбера».

«Чтобы воспользоваться новой функцией, нужно набрать в поисковой строке на главной странице текстовый запрос, например, "найти квартиру" и перейти во вкладку "Подобрать недвижимость с нейросетью". Еще один вариант - зайти сразу в чат поддержки и оттуда запустить ассистента», — говорится в сообщении.

GigaChat находит наиболее подходящие варианты недвижимости в течение нескольких секунд. Число запросов к нейросети не ограничено, обращение можно неоднократно переформулировать. GigaChat поможет сориентироваться в предложениях квартир в новостройках и на вторичном рынке, в вариациях комнат, таунхаусов, домов, нежилой недвижимости, земельных участков и гаражей.

Новая функция доступна авторизованным пользователям «Домклик».

источник - здесь (https://stroimprosto-msk.ru/news/gigachat-pomogaet-podbirat-zhile/)

спрогнозировали, что по итогам текущего года российский рынок инженерного софта может увеличиться на 20%, до 50 млрд руб. Среди драйверов роста — увеличение строительного и машиностроительного рынка, опережающий рост ВВП, расширенная господдержка, цели по импортозамещению и реализация крупных инфраструктурных проектов. В перспективе до 2030 года рынок будет расти в среднем на 16% в год и составит 74 млрд руб., считают аналитики.

Среднегодовые темпы роста совокупной выручки российских разработчиков и поставщиков инженерного ПО и ИТ-услуг составят 18%, к 2030 году их выручка достигнет 69 млрд руб. Доля отечественных компаний на рынке составит 93%.

Показатели по сегментам:

- с 2023 по 2030 год сегмент систем автоматизированного проектирования будет увеличиваться в среднем на 12% ежегодно и в 2030 году составит 44 млрд руб. 94% рынка будут занимать российские компании;
- в 2023 году сектор технологии автоматизированного моделирования составил 2,9 млрд руб., к концу текущего года он вырастет до 4,4 млрд руб. При этом компании продолжают использовать иностранное ПО;
- к 2030 году в сегменте СОД (среда общих данных) прогнозируется рост в среднем на 12% ежегодно, до 9,3 млрд руб.

По мнению генерального директора компании «Базис» Давида Мартиросова, иностранные инженерные продукты все еще занимают значительную долю в объеме используемых в России — около 50–60% у крупного бизнеса и 20–30% у госкомпаний. Он считает, что рост рынка сдерживают три фактора: инертность компаний, нехватка специалистов и большое количество мелких игроков.

источник - здесь (https://ict.moscow/news/strategy-partners-rynok-inzhenernogo-po-v-2024-godu-vyrastet-na-20-i-sostavit-50-mlrd-rub/)

В отдаленных населенных пунктах Приамурья начали работать "Цифровые ФАПы"

В 5 фельдшерско-акушерских пунктах (ФАП) в отдаленных населённых пунктах Амурской области: с. Ивановка, с. Тамбовка, г. Шимановск, с. Передовое, с. Троицкое появились современные аппаратно-программные комплексы мобильной диагностики "Цифровой ФАП" от "СберМедИИ" (входит в индустрию здоровья Сбера).

"Цифровой ФАП" представляет собой мобильную лабораторию, собранную в удобном кейсе, которая помогает фельдшерам проводить обследование пациентов даже при отсутствии связи в отдаленном населенном пункте. Аппаратно-программный комплекс покрывает до 80% проводимых обследований во время первого этапа диспансеризации.

Комплекс включает в себя приборы для измерения уровня артериального давления, температуры, пульса, кардиограммы, исследования уровня сахара и холестерина в крови. Искусственный интеллект обрабатывает данные ЭКГ, определяет амплитудно-временные параметры пациента, по которым врач формирует заключение. Результаты проведенных обследований автоматически загружаются в систему и вносятся в электронную медицинскую карту пациента. Встроенный в комплекс сервис на базе искусственного интеллекта цифровой помощник врача "ТОП-3" по жалобам пациента предлагает три наиболее вероятных предварительных диагноза.

"В рамках партнерства со Сбербанком мы активно внедряем мобильные комплексы диагностического оборудования в ФАПы Амурской области. Это позволяет обеспечить доступ к специализированной медицинской помощи в отдалённых и труднодоступных населённых пунктах. Диагностический комплекс с технологиями искусственного интеллекта помогает своевременно заподозрить у пациента возможные патологии и не допустить развития заболеваний. Кроме этого, аппаратно-программный комплекс является отличным помощником для фельдшера, работающего на дому или осуществляющего оказание медицинской помощи маломобильным амурчанам", - сообщил заместитель министра здравоохранения Амурской области Игорь Богомаз.

"Использование мобильного диагностического оборудования и сервисов на базе AI в работе первичного звена здравоохранения снижает риски развития патологий, помогает выявить ранние признаки серьезных болезней, предупредить возникновение осложнений уже имеющихся заболеваний и уменьшает показатели смертности. Анализ ЭКГ с помощью AI повышает точность и качество диагностики, увеличивает скорость обработки результатов исследований, от чего нередко может зависеть жизнь человека. Мы уверены, что технологии искусственного интеллекта позволят повысить качество оказания медицинской помощи по всей стране", - отметила директор департамента по продуктам "СберМедИИ" Елена Соколова.

источник - здесь (https://www.comnews.ru/content/234739/2024-08-14/2024-w33/1011/otdalennykh-naselennykh-punktakh-priamurya-nachali-rabotat-cifrovye-fapy)

Нейросеть выявляет инциденты на стройках Подмосковья

За год подмосковная ИИ-система контроля и мониторинга за состоянием строящихся объектов выявила более 1,5 тыс. нарушений. Об этом сообщили в пресс-службе Министерства государственного управления, информационных технологий и связи региона.

"Использование ИИ-технологий значительно повышает эффективность управления проектами в сфере строительства. Нейросеть в режиме реального времени отслеживает соблюдение условий безопасности и ход работ на стройплощадках, оперативно выявляет отклонения от плана. Все это способствует завершению стройки в срок и без инцидентов", — прокомментировала министр государственного управления, информационных технологий и связи Московской области Надежда Куртяник.

На 391 объекте капитального строительства в Московской области искусственный интеллект анализирует видеопоток с камер системы "Безопасный регион" и по заданным параметрам выявляет инциденты. Нейросеть обучена с точностью 92% распознавать 22 класса данных, в числе которых увеличение этажности здания, наличие или отсутствие на площадке строителей или техники, безнадзорные животные, задымления и пожары на территории объектов и др.

За год работы ИИ-технология выявила более 1,5 тыс. нарушений. Наиболее распространенными среди них стали случаи отсутствия рабочих на стройплощадке в течение пяти дней: таких инцидентов было зафиксировано порядка 360. Также нейросеть успешно определяла отсутствие прогресса в строительстве в течение месяца — более 150 случаев. Кроме того, было зафиксировано 146 случаев отсутствия необходимой рабочей техники на площадке.

источник - здесь (https://www.comnews.ru/content/235834/2024-10-21/2024-w43/1011/neyroset-vyyavlyaet-incidenty-stroykakh-podmoskovya)

Нейросети привлекли к земельному мониторингу

Исследователи из МФТИ адаптировали нейросети, работающие с данными беспилотников с лазерными радарами, для государственного мониторинга земель. По оценке Центра научной коммуникации МФТИ, это позволит перевести рутинные процессы в автоматический режим при земельном планировании.

В ходе эксперимента физики использовали алгоритм PointNext, который предназначен для обработки данных с лазерных радаров (лидаров). Лидар посылает лазерные импульсы на обследуемый участок, отслеживает время их возвращение и определяет расстояние до объекта, формируя трехмерный точечный массив. Нейросеть сличает положение точек и составляет трехмерную карту местности.

В результате обучения система научилась распознавать объекты с точностью 99,98%.
Ученые предполагают, что разработка поможет:

- выявить незаконное строительстве,
- произвести контроль нарушений на стройплощадке,
- проследить за соблюдением этажности и отступов от границ земельных участков.

источник - здесь (https://stroimprosto-msk.ru/news/nejroseti-privlekli-k-zemelnomu-monitoringu/)

Варианты использования ИИ в сфере проектирования

1.Проектные решения

1.1. Отверстия/шахты
Формирование вариантов расположения и габаритов отверстий и шахт на начальном этапе проектирования.

1.2. Варианты проектных решений на основании критериев

Предложение вариантов проектных решений на основании критериев (планировки, расположение зданий, инженерных систем и т.д).

2.Моделирование

2.1. Замена элементов модели

Подбор с помощью ИИ вариантов для замены элементов модели на основании анализа данных на рынке, габаритов элемента, атрибутивной составляющей элемента, возможности соединения с другими элементами модели.

Подбор и замена материалов с учётом цен и наличия на рынке;
Подбор и замена производителей с учётом цен и наличия на рынке.

2.2. Заполнение параметров

Мэпинг параметров элементов с требуемыми параметрами;(сопоставление параметров на основании названия, единиц измерения, значений)
Сравнение и мэпинг ФОП;
(сопоставление параметров в различных файлах общих параметров)
Заполнение значений параметров (классификатор, другое);
(заполнение значений параметров на основании заранее обученной модели ИИ)
Переформатирование заполненного значения в требуемый формат с целью формирования однотипных данных, чтобы передавать информацию в расчет объемов, сметы и другие BIM-сценарии.

2.3. Привязка элементов к уровням

Проверка корректности отметок и умная перепривязка;
(Проверка корректности отметки от уровня на основании значения высоты расположения элемента.
Запись правильной отметки в нужный параметр или предложение по привязке к уровню.
Автоматическая перепривязка элемента, исключающая сдвиги или ошибки соединения элементов в модели)
Предложение/проверка высоты расположения элемента исходя из Национальных стандартов проектирования.
(На основании Национальных стандартов проектирования формируется рекомендуется высота расположения элементов (потолков, инженерных систем и т.п.))

2.4. Системы

Заполнение/проверка корректности заполнения типа системы/имени системы исходя из именований подсоединенных элементов, элементов рядом.

2.5. Рабочие наборы

Предложение по разбивке на рабочие наборы исходя из количества элементов, связанных файлов, заполненных атрибутов элементов и т.д.

2.6. Создание семейств
Создание геометрии на основании чертежей в каталоге производителя и фото;
Создание и заполнение параметров на основании каталогов производителей и анализа аналогичных семейств;
Связка размеров с параметрами на основании каталогов производителей и анализа аналогичных семейств;
Составление таблиц выбора на основании каталогов производителей и анализа аналогичных семейств.

3. Выпуск документации

3.1. Оформление

Проверка орфографии;
Маркировка элементов на чертежах, разнос марок на основании чертежей аналогичных дисциплин, анализа атрибутов элементов, свободного места на листе, требований к оформлению;
Создание видов/листов/спецификаций на основании дисциплины и раздела на основании чертежей аналогичных дисциплин, анализа атрибутов элементов, требований к оформлению и разбивке спецификаций по разделу;
Формирование ПЗ на основании ПЗ аналогичных дисциплин, анализа атрибутов и расположения элементов модели, требований к оформлению ПЗ и содержанию информации по разделу.

4.Проверка

4.1. Коллизии

Приоритизация коллизий;
(Назначение приоритета элементами, участвующим в коллизии на основании дисциплины, габаритов, атрибутов элемента, анализа аналогичных ситуаций)
Разводка коллизий на основании приоритетов, габаритов;
(Предложение варианта устранения коллизий на основании приоритета, анализа аналогичных ситуаций)
Расстановка зон для расположения инженерных систем на начальном этапе проектирование расстановка зон, где могут проходить инженерные системы на основании помещений, анализа аналогичных решений.

4.2.Проверка качества

Проверка наполненности проекта на основании национальных стандартов по проектированию, анализа аналогичных проектов, атрибутов в элементах модели;
Проверка достаточности элементов/систем на основании национальных стандартов по проектированию, анализа аналогичных проектов, атрибутов в элементах модели;
Проверка достаточности листов/спецификаций на основании национальных стандартов по проектированию, анализа аналогичных проектов, атрибутов в элементах модели;
Проверка проектных решений и предложения по замене на основании национальных стандартов по проектированию, анализа аналогичных проектов, атрибутов в элементах модели.

5.Среда общих данных

Проверка корректности расположения файлов и предложение по загрузке в нужную папку на основании форматов файлов, шифров, наименования, ключевых слов;
Контроль наименования и автоматическое предложение корректного имени на основании форматов файлов, шифров, наименования, ключевых слов;
Ролевая модель с доступами исходя из должности сотрудника. Распределение прав доступа к файлам в системе на основании должности сотрудника, регламентов, обязанностей.

6.Аналитика

6.1.Презентации, отчёты

Формирование отчётов на основании проанализированных данных; (Анализ средней цены по рынку)
Анализ работы подрядчиков;
(Аналитика на основании критериев)
Формирование презентаций по определенным критериям.

6.2.Экспорт с проверкой

Экспорт скорректированной аналитической модели.
(Анализ модели и корректировка на основании критериев)

6.3.Уведомления

Предложения на основании аналитики ИИ.
(Уведомление пользователей на основании ошибок, триггерных событий)

6.4.Аналитика для выявления неэффективных моделей поведения и предложения вариантов для улучшения (процессов, управления, сроков)

Аналитика ошибок на основании лучших практик и причинно-следственных связей.

7.Обучение

7.1.Создание инструкций и регламентов

Формирование текстовых регламентов на основании ошибок пользователей, лучших практик и причинно-следственных связей, вопросов пользователей:

На основании действий/ошибок пользователей;
Вопрос-ответ (виртуальный ассистент).

7.2.Обучение пользователей

Формирование индивидуального плана обучения на основании анализа ошибок и вопросов конкретного пользователя.

8.Скрипты

8.1.Проверка корректности написания кода

8.2.Формирование скриптов/плагинов под запрос

Получился 41 вариант использования ИИ в сфере проектирования. Для реализации потребуется обучение ИИ.

Как обучать ИИ?

Есть несколько вариантов обучения ИИ: с учителем (на вход подаётся информация с определенной связкой от учителя), без учителя (ИИ самостоятельно формирует связи), на основе поощрения/наказания (человек говорит, когда ИИ ведет себя правильно/неправильно).

Что анализирует ИИ?

Атрибуты элемента модели, такие как наименования, единицы измерения, список параметров.
Устанавливает связи с кодом по классификатору.
Какой результат?

ИИ может проверить правильность заполнения кода по классификатору.
ИИ может предложить значение для заполнения кода по классификатору для элемента.

Плюсы и минусы применения ИИ в проектировании

Использование ИИ в проектировании имеет как преимущества, так и недостатки.

ИИ способен анализировать большой объем информации в короткий промежуток времени. Это позволяет находить наиболее эффективные и инновационные проектные решения, снизить вероятность ошибок на стройке. Всё перечисленное сокращает затраты и время на проектирование, а также повышает качество выпускаемой документации. Ни к этому ли мы стремимся?

Типичная ситуация в проектировании: сроки горят, людей не хватает, качество проектирования падает, люди перерабатывают. Применение ИИ решает проблему ограниченности ресурсов и повышает производительность компании. Более того, инженеры-проектировщики могут сосредоточиться на более сложных и творческих задачах за счёт передачи времязатратных задач ИИ.

источник - здесь (https://dzen.ru/a/ZBX3muoYKy8PhhOv?ysclid=m2zwfu41pk311836339)

VK планирует запустить собственную систему защиты от DDoS-атак на основе искусственного интеллекта

Холдинг VK намерен внедрить в большинство продуктов компании, среди которых «VK Видео», ОК, «Дзен», Mail и другие, собственную систему защиты от DDoS-атак и бот-активности. Решение будет построено на основе искусственного интеллекта. Ранее эти сервисы защищались комплексом решений, включая продукты ИБ-вендоров.

По словам представителя VK, ИИ-модели обучены на обезличенных и обобщенных данных о поведении пользователей каждого сервиса компании. Ожидается, что они позволят выявлять на ранних стадиях вредоносный трафик, в том числе тот, который не отличается от органического. Кроме того, система должна будет определять программы-парсеры, брутфорсеры и другую активность.

Заместитель генерального директора ГК «Гарда» Рустэм Хайретдинов отметил, что в случае с VK специфика атак заключается в том, что злоумышленники «не заливают сервис трафиком», а делают много незаметных в общем трафике операций, каждая из которых выглядит как легитимная. По его мнению, «такое решение вряд ли выйдет на рынок, поскольку изначально разрабатывается для конкретной платформы, ее адаптация может стоить соизмеримо с разработкой новой».

Вице-президент по стратегии и инновациям МТС Евгений Черешнев рассказал, что борьба с DDoS-атаками обычно не требует ИИ, поскольку «это больше вопрос системной логики управления потоками данных и доступных серверных мощностей». При этом для защиты от ботов без применения ИИ не обойтись, и использование таких инструментов выглядит закономерным, считает он.

источник - здесь (https://ict.moscow/news/vk-planiruet-zapustit-sobstvennuiu-sistemu-zashchity-ot-ddos-atak-na-osnove-iskusstvennogo-intellekta/)

Нейро́нная сеть (также иску́сственная нейро́нная сеть, ИНС, или просто нейросе́ть) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы.

1. С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа;
2. С точки зрения математики, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации;
3. С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники;
4. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма;
5. С точки зрения искусственного интеллекта, ИНС является основой философского течения коннекционизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными и выходными данными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумлённых», частично искажённых данных.

источник - здесь (https://ru.m.wikipedia.org/wiki/Нейронная_сеть)

Росреестр внедрил ИИ для регистрации сделок с недвижимостью в 83 регионах России

Росреестр внедрил систему искусственного интеллекта для регистрации сделок с недвижимостью в 83 регионах страны, сообщают РИА Новости Недвижимость со ссылкой на слова главы ведомства Олег Скуфинский на XXV Международном жилищном конгрессе. В Москве планируется начать использование новой технологии до конца текущего года.
По словам Скуфинского, система представляет собой цифрового помощника регистратора под названием "Ева". Уже в 83 регионах этот помощник помогает автоматизировать процесс регистрации сделок с недвижимостью, а в столице его запуск запланирован на ближайшие месяцы.
Цифровой помощник значительно ускоряет процесс правовой экспертизы документов. Если ранее государственным регистраторам на проверку документации требовалось в среднем 30-40 минут, то с помощью "Евы" анализ документов занимает всего 15 секунд. Этот новый подход позволит повысить эффективность работы Росреестра и ускорить обработку сделок с недвижимостью по всей стране.

источник - здесь (https://geoinfo.ru/product/sluzhba-novostej-geoinfo/rosreestr-vnedril-ii-dlya-registracii-sdelok-s-nedvizhimostyu-v-83-regionah-rossii-53890.shtml)

Искусственный интеллект в архитектурно-градостроительном проектировании

книга - здесь (https://marhi.ru/AMIT/2023/4kvart23/PDF/20_vlasova.pdf)

Искусственный интеллект (AI), машинное обучение (ML), предиктивная аналитика (Predictive Analytics)

Обработка данных информационной базы, датчиков с оборудования, голоса и изображений (включая потоковое видео), неструктурированных данных методами машинного обучения — алгоритмами, способными самостоятельно обучаться на исторических данных информационной системы и других источниках данных, обобщать их и строить правила для обработки новой информации.

Решения фирмы «1С» включают прикладной функционал, использующий взаимодействие с сервисами машинного обучения, ряд решений включает поставляемые модели для возможности развертывания на инфраструктуре предприятия. С использованием машинного обучения реализованы различные кейсы: распознавание первичных документов, прогнозирование продаж, голосовой ввод данных для работы с процессами и документами, прогнозирование отказов оборудования и многие другие.

подробнее - здесь (https://solutions.1c.ru/digital/ai-ml-pa/)

Microsoft внедрила ИИ в Блокнот и Paint для пользователей из шести стран

Microsoft значительно усовершенствовала текстовый редактор «Блокнот», добавив в него новые функции, работающие с помощью искусственного интеллекта (ИИ). Эта информация была опубликована изданием The Verge. Новые возможности уже стали доступны участникам бета-тестирования в программе Windows Insider. В частности, функция под названием Rewrite позволяет переписывать выбранные фрагменты текста в соответствии с заданными параметрами, такими как сокращение, удлинение или изменение стиля повествования.

Для использования данной функции требуется выделить текст, щелкнуть правой кнопкой мыши и выбрать опцию «Переписать» из выпадающего меню. После этого пользователю необходимо ввести свой запрос в появившемся диалоговом окне. Система предложит три альтернативных варианта текста. Следует отметить, что для работы эта опция требует активного подключения к интернету, так как запросы обрабатываются на облачных серверах компании. На данный момент функция доступна для пользователей находящихся в США, Франции, Великобритании, Канаде, Италии и Германии.

Параллельно с этим обновлениям, Microsoft также усовершенствовала графический редактор Paint. Новая функция Generative Fill позволяет добавлять на изображения дополнительные объекты на основе введенного запроса.

В начале октября стало известно, что редактор WordPad был исключен из последней версии Windows 11. Как пояснили специалисты из Digital Trends, это связано с устареванием программы и решением компании удалить её из системы.

источник - здесь (https://m.dzen.ru/news/story/d8357629-e8ed-5da7-a97d-3f7f51b0af79?lang=ru&fan=1&t=1731004275&persistent_id=3034187436&cl4url=7934a6981bc7f2c0c13e57bb5d5ce34d&story=b56a3ae7-b982-5289-94a7-2236412a8be4)

ПАРАМЕТРИЗАЦИЯ VS ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: СОПЕРНИКИ ИЛИ СОЮЗНИКИ

Роль искусственного интеллекта в проектировании: возможно ли его применение, для чего и в каких пределах

Компания «Топ Системы» в рамках популяризации темы о PLM-решениях и инженерном ПО среди различной аудитории запустила проект "Просто о сложном" на РБК, в котором во время интервью с экспертами обсуждаются тренды в области PLM и CAD-систем и вопросы развития самого комплекса T-FLEX PLM в соответствии с этими трендами и с учетом текущей ситуации в отечественной промышленности. Представляем вам мнение эксперта по теме "Параметризация vs искусственный интеллект": возможно ли его применение, для чего и в каких пределах – ответы на эти вопросы дает Богдан Ключников.

источник - здесь (https://tflex.ru/about/publications/detail/index.php?ID=5304)

«Т-Банк» запустил первого в России телефонного ИИ-секретаря для глухих и слабослышащих


«Т-Банк» запустил первого в России телефонного ИИ-секретаря для глухих и слабослышащих клиентов. Секретарь позволяет пользователям с частичной или полной потерей слуха поддерживать общение с собеседником по телефону без посторонней помощи благодаря технологиям искусственного интеллекта. Новый ИИ-помощник бесплатный и доступен клиентам «Т-Банка» с любым мобильным оператором на территории всей страны. Об этом CNews сообщили представители «Т-Банка».

Миссия нового «Секретаря» — убрать барьер в общении по телефону у глухих и слабослышащих пользователей. Он обучен принимать входящие звонки, в том числе с неизвестных номеров, оперативно переводить аудиозапись в текст и отправлять пользователю расшифровку звонка. Благодаря этому клиенты «Т-Банка» с полной или частичной потерей слуха могут самостоятельно общаться не только в мессенджерах, но и по телефону. Также ИИ-секретарь предупреждает абонента об особенностях слуха у собеседника и предлагает альтернативные способы связи с ним.

Новый «Секретарь» разработан Центром искусственного интеллекта «Т-Банка» на базе технологий трех платформ. С помощью «T-Bank VoiceKit» — одной из ведущих на рынке систем распознавания и синтеза речи — он умеет распознавать речь и быстро переводить аудиозапись в текстовое сообщение. А технологии «Т-Мобайла» и антифрод-технологии «Т-Защиты» позволяют «Секретарю» блокировать нежелательные спам-звонки и звонки телефонных мошенников.

В разработке «Секретаря» принимали участие профильные эксперты и DEAFON — сервис для глухих и слабослышащих с поддержкой на жестовом языке. Совместно со специалистами были разработаны скрипты ответов Секретаря и проведены многочисленные тесты.

Максим Исаев, советник президента общероссийской общественной организации инвалидов «Всероссийское общество глухих» (ОООИ ВОГ) по техническим средствам реабилитации: «Создание первого в России ИИ-секретаря для глухих и слабослышащих людей — важный шаг в направлении цифровой доступности и социальной интеграции людей с нарушениями слуха. Особенно ценно, что при разработке сервиса были привлечены профильные эксперты, а бесплатность сервиса и его доступность для клиентов любых операторов делает это решение действительно инклюзивным. Мы надеемся, что появление такого сервиса станет примером для других компаний и будет способствовать созданию более доступной среды для глухих и слабослышащих граждан России. ВОГ готово к дальнейшему сотрудничеству с «Т-Банком» для совершенствования этой важной технологии».

Секретарь работает на территории всей страны, а подключить его можно бесплатно к любому номеру, даже если абонент не клиент «Т-Мобайла». Для этого нужно зайти в мобильное приложение «Т-Банка», написать в чат поддержки фразу «Секретарь для глухих» и следовать видеоинструкции. Для удобства пользователей инструкция записана на русском жестовом языке — на ней глухой клиент «Т-Банка» рассказывает, как работает «Секретарь», а также пошагово описывает способ его активации.

источник - здесь (https://www.cnews.ru/news/line/2024-11-08_t-bank_zapustil_pervogo)

В Тюмени к системе распознавания лиц подключили 452 дорожные видеокамеры

В Тюмени для повышения безопасности запустили пилотный проект по подключению дорожных видеокамер к системе распознавания лиц с помощью искусственного интеллекта.
Внедрением занимается Единый центр хранения и обработки данных систем видеонаблюдения Тюменской области (ИС ЕЦХД).
К модулю подключены 452 видеокамеры на тюменских дорогах из 6140.
Отмечается, что число камер с распознаванием лиц будет корректироваться с учетом потребности полицейских и сотрудников РУФСБ.

источник - здесь (https://m.dzen.ru/news/story/e490c13a-5697-5f15-bdfd-1e2223ceb85d?lang=ru&fan=1&t=1730968440&persistent_id=3036160550&cl4url=8200e6054d553f540915761e5d5522cc&story=442c9373-8070-59b7-9a7a-abf66e54a6c6)

Риски использования нейросетей в строительстве

Вытеснение живых специалистов нейросетями и снижение квалификации архитекторов

В целом нет задач, которые может выполнить человек и не может искусственная нейронная сеть, считает главный конструктор Самолета Михаил Дубко. Когда искусственный интеллект будет применяться, он начнет вытеснять живых специалистов, поясняет он. «С оттоком кадров из проектирования кратно уменьшится общий уровень квалификации на проектах, что приведет к очень непредсказуемым последствиям», — опасается Дубко.

Искусственный интеллект — хороший инструмент для избавления от рутины и освобождения времени для более интеллектуальных задач. Но когда специалисты начинают активно работать с нейросетями, они превращаются в операторов системы, «быстро перестают быть специалистами» и «не могут ответить на простейшие вопросы», согласен руководитель управления развития и инноваций продукта Самолета Вячеслав Морозов.

источник - здесь (https://proshegovorya.ru/kak-iskusstvennyj-intellekt-pomogaet-proektirovat-goroda-i-zamenit-li-on-arhitektorov/?ysclid=m3axyykuso263991178)

YandexGPT — нейросеть семейства GPT от компании «Яндекс», которая может создавать и перерабатывать тексты, предлагать новые идеи и учитывать контекст беседы с пользователем.

Для обучения YandexGPT используется датасет, включающий в себя информацию из книг, журналов, газет и других открытых источников из интернета. Нейросеть может ошибаться в фактах и фантазировать, однако по мере обучения будет выдавать всё более точные ответы.

В феврале 2023 года «Яндекс» сообщил, что разрабатывает собственную версию генеративной нейросети ChatGPT в рамках развития языковой модели из семейства YaLM (Yet another Language Model).Проект получил предварительное название YaLM 2.0, которое впоследствии поменяли на YandexGPT.
17 мая компания представила нейросеть под названием YandexGPT (YaGPT), добавив в своего виртуального ассистента «Алису» специальный навык, позволяющий взаимодействовать с новой языковой модель.
5 июня 2023 года в пресс-службе «Яндекса» сообщили, что нейросеть научилась запоминать контекст беседы и задавать уточняющие вопросы.
15 июня 2023 года «Яндекс» добавил языковую модель YandexGPT в приложение для генерации изображений «Шедеврум». Благодаря этому его пользователи получили возможность создавать содержательные посты с текстом, заголовком и подходящей по смыслу иллюстрацией.
27 июня в «Яндексе» сообщили, что нейросеть научилась тезисно пересказывать статьи из интернета. Функция работает с русскоязычными текстами и статьями из интернета объёмом до 30 тысяч знаков.
В июле 2023 года нейросеть YandexGPT стала доступна бизнесу для создания виртуальных ассистентов и чат-ботов, а также генерирования и структурирования текстовой информации.
7 сентября 2023 года «Яндекс» представил на конференции Practical ML Conf новую версию языковой модели — YandexGPT 2. По сравнению с предыдущей она способна решать больше видов задач, при этом качество её ответов улучшилось. По утверждению разработчиков, YandexGPT 2 отвечает на запросы пользователей лучше первой версии нейросети в 67 % случаев.
14 сентября 2023 года «Яндекс» начал тестировать YandexGPT для создания быстрых ответов на запросы в «Поиске». Нейросеть в режиме реального времени находит несколько самых подходящих источников по запросу пользователя, делает краткую выжимку каждого из них, а затем выбирает наиболее полезный ответ из получившихся. Он отображается под поисковой строкой вместе со ссылкой на источник.
С 6 октября 2023 года YandexGPT может создавать краткие пересказы русскоязычных видеороликов в интернете. Она обобщает видео длиной от двух минут до четырёх часов, в которых есть речь.
В декабре 2023 года Яндекс Казахстан открыл доступ к YandexGPT API для казахстанских компаний.
28 марта 2024 года Yandex запустил третье поколение нейросетей YandexGPT. Первая версия — YandexGPT 3 Pro предназначена для бизнеса и доступна пользователям Yandex Cloud. По словам разработчиков, на тестах YandexGPT 3 Pro в среднем отвечает лучше, чем YandexGPT 2 в 67 % случаев, а при работе с простыми пользовательскими запросами её результаты оказались выше на 69 %.
28 мая 2024 года вышло третье поколение облегчённой версии нейросети YandexGPT Lite.
24 октября 2024 года появилось четвёртое поколение нейросети — YandexGPT 4, включающее облегчённую модель Lite и мощную Pro.
16 апреля 2024 года Яндекс представил сервис «Нейро», он объединяет в себе возможности традиционных поисковых технологий и больших языковых генеративных моделей. В «Нейро» пользователь может задать системе любой вопрос простыми словами, YandexGPT 3 проанализирует поисковую выдачу Яндекса по запросу и объединит найденную информацию в одном сообщении со ссылками на источники. Взаимодействие с сервисом ведется в формате диалога, заданный ранее вопрос можно уточнить, а так же его можно дополнить картинкой.

Обучение проходит в несколько этапов:
1. Pretraining. Модель учит структуру языка и запоминает факты о мире. Ей подаются в обучение терабайты текста из интернета, книг и других общедоступных источников, отобранные с помощью поисковых моделей «Яндекса» и разбитые на небольшие фрагменты (токены).
2. Fine-tuning. Эксперты оптимизируют миллиарды параметров модели, собирая большой датасет из сотен тысяч примеров максимально разнообразных задач с хорошими ответами.
Созданием качественных обучающих примеров занимаются AI-тренеры «Яндекса». Это эксперты широкого круга гуманитарных профессий: журналисты, педагоги, филологи, редакторы, социологи, психологи, филологи. «Яндекс» стал первой в России компанией, которая начала нанимать и обучать таких специалистов.
3. Продуктовые доработки. Модели придают «человеческий характер», чтобы она могла отвечать на вопросы о себе и была более живой в общении.
Для обучения YandexGPT используются суперкомпьютеры «Яндекса».

В октябре 2023 года YandexGPT 2 смогла сдать ЕГЭ по литературе на 55 баллов.  При этом минимальный порог, необходимый для поступления в вуз, — 40 баллов. Это первый случай в России, когда искусственный интеллект успешно справился с ЕГЭ, ответив не только на вопросы тестов, но и выполнив творческие задания.

источник - здесь (https://ru.m.wikipedia.org/wiki/YandexGPT)

Искусственный мир победил: информация, сфабрикованная нейросетями, неотличима от правдивой

Целые цивилизации, в культурном коде которых присутствует различие правды и лжи, оказались под угрозой

В 2023-м мир ощутит на себе новую напасть: что-то вроде пандемии, однако выводящей из строя не иммунитет и не легкие...

По словам Кай-Фу Ли, который обратился к своим коллегам, разработчикам искусственного разума, мир стоит на краю пропасти, с которого мы вот-вот полетим в пучину неконтролируемой простыми людьми лжи, льющейся с экранов компьютеров и телевизоров.

Итак, представьте, что телезвезды, которым вы безмерно доверяли, вдруг начали говорить... не то чтобы сразу противоположное, но вы вдруг заметили в их речах определенный крен «влево» или «вправо».

Но мало кто догадается, что человек, который вещает им из компьютера или из телевизора, не их кумир, а всего лишь его бот, дипфейк — реалистичная подмена видеоматериала, созданная с помощью нейросети. Такой же подменой могут стать фото и аудиоматериалы.

Подтверждением того, что риск пострадать от роботов очень велик, стало недавнее обращение членов Союза дикторов России в Госдуму с просьбой ограничить на законодательном уровне синтез человеческого голоса с помощью технологий искусственного интеллекта. Ведь это на полном серьезе грозит им уже в ближайшем будущем безработицей.

Вернемся к одному из мастеров таких синтетических образов, Кай-Фу Ли. По его словам, технология AICG (генерация контента с помощью ИИ) наступает на человечество семимильными шагами, обучаясь на так называемых «больших данных», которые включают в себя множество языков, изображений, звуков, видео, 3D-изображений. Если дипфейки, сделанные на основе такого контента, будут внедрены в поисковые системы, онлайн-магазины, рекламную продукцию, мы окажемся предельно уязвимыми перед алгоритмической пропагандой. Многие цивилизации мира, в культурном коде которых лежит различие правды и лжи, могут быть разрушены.

— У людей и без того уже ослабляется иммунитет критического мышления, — говорит кандидат технических наук, эксперт в сфере высоких технологий Сергей Карелов. — Мы все сидим в Интернете: по бизнесу, по развлечениям, по покупкам, где программа AICG может генерировать любой контент: тексты, стихи, песни, романы, любые изображения, в любом стиле. Этот контент становится неотличимым от контента, который создают люди, какими бы талантливыми они не были.

По словам Карелова, подобными фейками нас потчуют давно: сотни, тысячи случаев с явной (шутливой) или скрытой подменой Тома Круза, Майка Тайсона, президента Обамы...

оказалось, что сегодняшняя проблема заключается в том, что программисты научились обрамлять видеоконтент настолько аргументированными, логически выстроенными текстами, что, если раньше у кого-то и возникали сомнения, сегодня искусственный разум может гораздо легче убеждать, что перед нами подлинник.

Ложь может быть выставлена за правду в любых, даже самых, казалось бы, безнадежных случаях.

— Возьмем, к примеру, версию о плоской Земле, — приводит пример эксперт из IT-сферы. — Простому человеку написать об этом аргументированный текст со множеством ссылок на «достоверные» источники будет очень сложно. ИИ же не побрезгует ничем и за счет скоростных возможностей обработки сотен нужных материалов, статей в считаные часы выведет любую нужную теорию. Не будет хватать заключения ученых — он сфабрикует и их.

вся беда нашего нынешнего положения в том, что мы не просто погружаемся в мир неразличимости правды от лжи, а в том, что не видно даже теоретического способа, как это преодолеть.

А может, выход знают в Федеральном исследовательском центре «Информатика и управление» РАН? Вот что нам ответил на это заведующий лабораторией, кандидат технических наук Владимир Арлазаров:

— Есть замечательный американский фильм 1997 года, называется «Плутовство». Нас сейчас пытаются заставить жить, подчиняясь технологиям, показанным в этом фильме. Многие пытаются формировать нашу реальность различного рода фейками. И часть этих фейков создается с использованием искусственного интеллекта. Технологии дают возможность создавать дипфейки, которые на практике применяют для мошенничества, вымогательства и создания дезинформации. Необходимо ввести законодательное регулирование, чтобы обезопасить граждан от преступлений с применением дипфейков. С другой стороны, гражданам, прежде чем верить на слово, надо хорошо подумать. И быть максимально внимательными. Не верить небылицам. Как заявил в свое время президент США Эндрю Джексон: «Вечная бдительность народа — вот цена свободы».

Бдительность, законодательное регулирование — это, конечно, хорошо, но есть один нюанс. В частности, тот же китайский гуру искусственного разума пишет, что, поскольку в AICG-технологиях могут быть заинтересованы и промышленные корпорации, и политики, решение проблемы заходит в тупик. По мнению китайского знатока ИИ, у него есть надежда только на коллег, мировое сообщество разработчиков искусственного разума — оно что-нибудь должно придумать в самое ближайшее время. Так же в свое время сообщество ученых, в которое входил Альберт Эйнштейн, обратилось к разработчикам ядерного оружия с призывом предотвратить ядерную войну. Благодаря паритету в ядерном потенциале, которого мы достигли благодаря СССР, риск ядерной войны снизился за счет возникшей взаимной угрозы уничтожения ядерных держав.

Учитывая то, что хорошую подделку отличить от подлинника становится все сложнее, Китай недавно предпринял попытку взять фейки под свой контроль. 16 января правительство Поднебесной приняло закон, обязывающий помечать фейки, сделанные при помощи искусственного интеллекта, чем-то вроде водяного знака на купюрах.

Мы попросили высказать свой взгляд на потенциальные случаи обмана пользователей интернет- и ТВ-контента при помощи искусственного интеллекта ведущего российского специалиста в области многопроцессорных вычислительных и управляющих систем, профессора, академика РАН Игоря Каляева.

— Игорь Анатольевич, как возникла технология дипфейка?

— Дипфейк является «побочной» ветвью развития методов глубокого машинного обучения. Эта технология появилась сравнительно недавно, в 2017 году. В ее основе лежит так называемая генеративно-состязательная нейронная сеть, которая состоит из двух сетей, соревнующихся между собой. Одна сеть генерирует изображения, а другая пытается определить, подменные они или нет. После этого обе сети учатся на полученных результатах, в результате чего с каждым циклом изображение становится все более реалистичным. Изначально, по задумке авторов, данная технология создавалась для различного рода развлекательных и рекламных целей. Здесь можно привести примеры рекламных роликов с «ожившими» Одри Хепберн или Леонидом Куравлевым в роли Жоржа Милославского в рекламе одного из российских банков. Но, как часто бывает, хорошее начинание постепенно превращается в страшное оружие.

— Что плохого успел натворить искусственный интеллект?

— В первую очередь данную технологию стали использовать мошенники для того, чтобы выманивать деньги у доверчивых людей. Например, в 2022 году злоумышленники запустили трансляцию на YouTube с поддельными образами известных предпринимателей — Илона Маска и Виталика Бутерина (сооснователя криптовалюты Ethereum), в которой они рекламировали выгодные инвестиции в криптовалюту. Пользуясь репутацией этих известных бизнесменов, мошенники похищали криптовалюту доверчивых пользователей и таким способом смогли заработать около двух миллионов долларов.

Еще один известный пример мошеннического использования технологии дипфейк — это создание поддельного видеоролика с Олегом Тиньковым, образ которого злоумышленники использовали для похищения персональных данных пользователей. В фейковом видео Олег Тиньков обещал подарить бонусы тому, кто откроет инвестиционный счет в банке, для чего нужно было перейти по ссылке и ввести свои персональные данные. Разумеется, никто из тех, кто попался на этот фейк, никаких бонусов не получил, зато их персональные данные достались мошенникам.

И это было только относительно безобидное начало, дальше — хуже. Дипфейки все чаще стали использоваться, например, в качестве шантажа известных людей, когда создаются поддельные порноролики с их участием, которые потом выставляются на всеобщее обозрение, если «клиент» не заплатил мошенникам.

Но все это цветочки по сравнению с дипфейками с участием мировых политических лидеров, которые могут быть использованы для разжигания различного рода конфликтов между государствами и даже мировых войн. Причем чем известнее личность, тем проще создать очень реалистичный дипфейк с ее участием, поскольку в Интернете находится множество ее изображений и видеофайлов, которые можно использовать для обучения нейронных сетей, задействованных в создании дипфейка.

— Есть ли у вас предложения по борьбе с таким злом?

— Для распознавания ложного контента в настоящее время также используются технологии ИИ. При этом, как правило, с их помощью выявляются различного рода проколы в деталях синтезированного изображения, которые незаметны для глаза человека, но на их основе можно уверенно сказать, что это дипфейк. Например: несоответствие частоты моргания или различающихся по цвету глаз человека, неправильное отражение внешних предметов на их оболочке, различного рода неестественные искажения мимики лица, несоответствие теней и т.д. Однако все эти методы вряд ли останутся успешными в далекой перспективе, поскольку создатели дипфейков тоже учатся на своих ошибках, и с каждым разом количество таких проколов уменьшается.

Например, если распознавание дипфейков первого поколения с помощью таких технологий осуществлялось практически в 100% случаев, то современные дипфейки, так называемого второго поколения, распознаются уже всего лишь с вероятностью 15–30%. И есть большое опасение, что следующее их поколение распознать с помощью подобных технических средств станет просто невозможно.

— Что же делать?

— В настоящее время начинают задумываться о законодательных мерах наказания за распространение дипфейков, в том числе вплоть до уголовной ответственности. Безусловно, это надо сделать, но, к сожалению, это вряд ли решит проблему, поскольку поймать за руку создателей и распространителей ложных фотографий и видео крайне сложно.

Кроме того, когда поддельный контент уже вброшен в медиа- или интернет-пространство и начал стремительно распространяться по нему, тратить много времени на его распознавание и отрицание зачастую уже абсолютно бесполезно, поскольку негативные последствия от этого контента могут произойти существенно быстрее.

Как мне кажется, более реалистичный путь — это не борьба с самими дипфейками, а, наоборот, защита подлинного контента. Например, подлинный, проверенный контент можно снабжать какими-то встроенными знаками или голографическими символами, аналогично тому, как защищаются от подделок банкноты. Тогда с помощью специальных средств можно будет сразу же отличить реальный контент от дипфейка.

Главное при таком подходе, чтобы такие знаки было очень сложно подделать злоумышленникам с использованием обычных вычислительных средств или для этого надо было бы затратить очень много времени. Однако как это сделать, а главное, как не позволить злоумышленникам обойти потом эту защиту, — это пока что большой вопрос. Но над этим надо начинать работать уже сейчас.

источник - здесь (https://www.mk.ru/science/2023/02/05/iskusstvennyy-mir-pobedil-informaciya-sfabrikovannaya-neyrosetyami-neotlichima-ot-pravdivoy.html)

В Новосибирске разработали систему на основе ИИ для помощи в обучении слепых

Компания «Сигма», резидент новосибирского технопарка «Академпарк», разработала систему помощи педагогам, работающим с незрячими и слабовидящими учениками.
Система использует искусственный интеллект (ИИ) для визуализации движения пальцев в виде тепловой карты, облегчая контроль над процессом обучения.
По словам исполнительного директора компании Маргариты Фроловой, система представляет собой комплекс с камерой, которая фиксирует перемещения рук ученика.
В 2025 году разработчики планируют начать сотрудничество со Всероссийским обществом слепых.

источник - здесь (https://m.dzen.ru/news/story/954f88e4-2320-5e3d-80b5-182cc3a3a7b0?lang=ru&fan=1&t=1730970518&persistent_id=3036560346&cl4url=83b7f92c7edc2ca7b5ff67b104e6e2bd&story=00c5f3a3-a853-5daa-93f1-1d15cd7e5d6a)

В РКН напомнили о ежегодных учениях для проверки устойчивости Рунета

Учения по отключению от зарубежного интернета проводятся в России ежегодно и не влияют на доступ к сети отечественных пользователей, сообщил РБК представитель Роскомнадзора.
Отмечается, что график проведения учений утверждает Минцифры РФ по согласованию с ФСБ и Роскомнадзором.
Как пояснил регулятор, в ходе учений совместно с операторами связи выявляется эффективность работы ключевой замещающей инфраструктуры в случае преднамеренного отключения извне российского сегмента интернета.
Однако в Роскомнадзоре заверили, что данные мероприятия никак не скажутся на доступе обычных пользователей к сети.

источник - здесь (https://m.dzen.ru/news/story/7a77520a-5a6e-5fb0-a876-98e008f961b7?lang=ru&fan=1&t=1731595452&tt=true&persistent_id=3055762872&cl4url=ff38ed7401c6a6c1c6220c3cff08bcde&story=7ea09ad9-66d7-5878-bb24-2312b09c749b)

Цифровой контроль землепользования в Москве: результаты и перспективы

Иван Бобров, начальник Госинспекции по недвижимости
В Москве с начала года цифровые технологии позволили выявить более 2,5 тыс. признаков нарушений в земельно-имущественной сфере. Об этом сообщил Иван Бобров на V Всероссийском форуме контрольных органов.

Госинспекция по недвижимости совместно со столичным Департаментом информационных технологий использует цифровые технологии и искусственный интеллект для контроля землепользования. Показатели автоматизированного контроля и выявления нарушений превышают 90%. В ходе дистанционного мониторинга было проанализировано 29 тыс. земельных участков. Нейросети и автоматизированные алгоритмы обработали более 3,3 млн снимков с камер городского видеонаблюдения, квадрокоптеров и других источников.

«Подключенная к системе столичного видеонаблюдения нейросеть умеет распознавать строительные площадки, летние кафе и захламление территорий строительными отходами. Видеокамеры обеспечивают круглосуточный мониторинг в любую погоду, в том числе в труднодоступных местах. Это также позволяет специалистам дистанционно подтверждать факт устранения нарушений», — отметил Алексей Корников, начальник управления городского видеонаблюдения Департамента информационных технологий Москвы.

Иван Бобров подчеркнул, что автоматизированные системы помогают предотвращать нарушения, минимизируя необходимость проведения стандартных контрольно-надзорных мероприятий. Ежедневно данные с более чем 180 000 стационарных камер городского видеонаблюдения и 42 квадрокоптеров, покрывающих 82% территории столицы, поступают и анализируются в автоматизированной системе ГИН.

Для взаимодействия с горожанами инспекция использует чат-боты «Свободный доступ» и «Самострой.net».

источник - здесь (https://stroimprosto-msk.ru/news/cifrovoj-kontrol-zemlepolzovaniya-v-moskve/)

ВТБ Онлайн научился сканировать электросчетчики и вносить показания за клиента

ВТБ совместно с компанией Smart Engines первым среди банков внедрил функцию сканирования счетчиков прямо на смартфоне. Она упрощает для клиентов рутинный процесс внесения показаний и дальнейшую оплату счета. Теперь вместо того, чтобы заполнять показания вручную, пользователь сможет получить их автоматически с функцией сканера.

Технология не зависит от условий съемки, таких как освещённость, проективные искажения, поворот или наклон счётчика. Нейросеть позволяет без приближения камеры распознавать данные счетчиков различных типов и моделей, при сканировании также возможно использование фонарика. Функционал успешно работает и в режиме видеопотока и на отдельных фотографиях.

«Оплата коммунальных услуг и передача показаний – это рутинный процесс, который обычно у всех отнимает часть времени за счет ручного переноса показаний на бумагу или в заметки телефона. Автоматическое сканирование показаний счетчика в банковском приложении поможет вносить данные за секунды и не опасаться за точность их передачи», – прокомментировал Ростислав Яныкин, старший вице-президент, руководитель департамента транзакционного розничного бизнеса ВТБ.

Для оплаты нужно в разделе «Платежи» ВТБ Онлайн выбрать категорию «Коммунальные платежи» — «Мосэнергосбыт», ввести лицевой счет или отсканировать QR-код с квитанции. Далее необходимо при передаче показаний открыть сканер и навести камеру на счетчик — данные заполнятся автоматически. Пользователю остается только подтвердить их корректность и передать поставщику услуг для дальнейшей оплаты.

Функция доступна в приложении ВТБ Онлайн на Аndroid v.18.25 в период подачи показаний – с 15 по 26 число каждого месяца, с возможностью дальнейшей оплаты без комиссии.
Ранее в приложение было интегрировано решение Smart Engines для распознавания QR-кодов на платежных квитанциях. Ежемесячно этой функцией пользуются более 5 миллионов клиентов банка. Для оплаты квитанций, на которых нет QR-кода, в приложение добавлена опция автоматического ввода ИНН, КПП, БИК и номера расчетного банковского счета.

источник - здесь (https://m.asninfo.ru/techmats/558-vtb-onlayn-nauchilsya-skanirovat-elektroschetchiki-i-vnosit-pokazaniya-za-kliyenta)

Нейросети для озвучки текста на русском языке: 8 программ с бесплатными опциями

Конечно, нейросети не заменят профессиональную живую озвучку, но помогут в несложных задачах. Почти во всех сервисах можно найти приятный голос, который не похож на типичного робота.

Бесплатные нейросети для озвучки текста
ElevenLabs
Narakeet
Robivox
Murf
Voicer
Freetts
Apihost
Zvukogram

подробнее - здесь (https://journal.tinkoff.ru/list/neuro-voice/)

Компании тратят на ИИ 15% бюджета на цифровизацию — исследование

Организации, использующие технологии искусственного интеллекта (ИИ), тратят на них порядка 15% общего объема затрат на цифровые технологии. Таковы результаты исследования, проведенного Институтом статистических исследований и экономики знаний НИУ ВШЭ (ИСИЭЗ НИУ ВШЭ) среди более чем 2,3 тыс. организаций.

Структура затрат на ИИ:

1. Приобретение машин и оборудования — 32%.
2. Покупка, аренда, разработка и доработка ПО — 17% (из них почти половина — траты на готовые продукты).
3. Прочие траты — 51%.

На российскую продукцию приходится 18% расходов на машины, оборудование и ПО для внедрения ИИ. При этом доля отечественного ПО составляет 67% в затратах на программное обеспечение.

Источники финансирования внедрения ИИ:

1. Собственные средства организаций — 51%.
2. Заемные средства — 22%,
3. Государство — 22 % (федеральный бюджет —18%, региональные и местные — 4%)
4. Прочие привлеченные средства — 5%.

Государство финансирует проекты в области ИИ только в 13% опрошенных организаций. При этом крупные организации получают поддержку преимущественно из федерального бюджета (67%), а средние и малые предприятия — из региональных и местных бюджетов (59% и 86% соответственно).

источник - здесь (https://stroimprosto-msk.ru/news/kompanii-tratyat-na-ii-15-byudzheta/)

«Яндекс» запускает ИИ-помощника для школьников, студентов и преподавателей

Компания «Яндекс» объявила о запуске новых образовательных продуктов на базе YandexGPT, об этом заявили в пресс-релизе разработчики ИТ-компании.

Среди новинок - ИИ-помощник по математике для школьников и платформа с ИИ-инструментами, ориентированная на студентов, преподавателей и авторов Education Technology (EdTech)-компаний. EdTech-компаний представляют собой инновационные решения в сфере образования, потому что они охватывают разработку и внедрение оборудования и устройств (планшетов, школьных досок), разработку программных комплексов (авиационных, медицинских и других специализированных 3D- симуляторов). Огромный процент EdTech – это интернет-образование, в которое комплексно входят не только интерактивные ИТ-сервисы, но и информационные платформы, которые еще называют информационным бизнесом.

«Яндекс» внедряет ИИ-помощники для школ и университетов в 2025 году
Эти решения будут способствовать изучению учебного материала, подготовке к занятиям, тестам и экзаменам, а также выполнению рутинных заданий. Как заявила директор «Яндекс Образования» Дарья Козлова, развитие ИИ-помощников станет приоритетом в 2025 г. Исследования показывают, что школьники и их родители считают математику одним из самых сложных предметов наряду с русским и иностранными языками. Половина родителей помогает детям с заданиями или проверяет их. Козлова отметила, что игровая форма обучения от ИИ-помощника сделает учебный процесс для школьников интереснее и позволит родителям тратить меньше времени на помощь и проверку заданий.

Начало новой линейки ознаменует запуск ИИ-помощника «Яндекс Учебника» по математике для учеников пятых–восьмых классов. ИТ-сервис будет поддерживать обучение, предлагая наводящие вопросы и помогая с освоением школьной программы. С 13 ноября 2024 г. открыта регистрация на тестирование демоверсии, а с 1 декабря доступ к системе будет предоставлен более чем шести миллионам школьников.

В дальнейшем планируется создание ИТ-платформы образовательных помощников на основе ИИ. Она позволит студентам персонализировать образовательный процесс, осваивать современные технологии и навыки, вести диалог с ИИ и получать разъяснения сложных тем. Преподаватели и авторы смогут использовать платформу для диагностики компетенций и улучшения учебных материалов. ИТ-платформа в России будет доступна для регистрации и создания персонального ИИ-помощника, работающего в текстовом и аудиоформатах. Первое тестирование системы пройдет в ряде университетов в начале 2025 г. с дальнейшим расширением функционала.

Другой проект от «Яндекс»

В ноябре прошлого года «Яндекс Образование» разработало ИИ-помощника для подготовки к единому государственному экзамену (ЕГЭ) по информатике и генеративные подсказки для студентов «Практикума». В сотрудничестве с Национальным исследовательским университетом «Высшей школы экономики» (НИУ ВШЭ) компания «Яндекс» запускала пилотный проект по использованию YandexGPT в написании дипломных работ и предлагала гайд по промтингу для преподавателей.

С помощью ИТ-платформы школьники готовятся к профильному экзамену в своем темпе, используя материалы от методистов ИТ-компании, объяснения от нейросети и встроенный редактор кода. Школьники решают актуальные тренировочные варианты заданий от Федерального института педагогических измерений (ФИПИ) и смогут в любой момент проверить свой уровень готовности к экзамену. ИИ-помощник объясняет ученику незнакомый термин и выдает необходимую для решения теорию в виде понятных видеороликов и текстовых подсказок логики решения. ИТ-сервис предназначен только для подготовки к ЕГЭ и не поможет списать готовые ответы на экзамене.

ИИ-помощник в «Яндекс» разработали ведущие специалисты Ит-компании и учителя, которые тренировали нейронную сеть, отвечая на десятки тысяч вопросов по информатике. Также нейросеть обучалась распознавать неверные решения на реальных ответах школьников. Сервис можно использовать и для занятий в школе и с репетитором, и для самостоятельной подготовки к ЕГЭ.

Популярность препаратов ИИ-инструментов доказана - 85% выпускников, сдававших ЕГЭ по информатике в 2024 г., воспользовались ИИ-помощником, более 12 тыс. студентов «Практикума» обратились за разъяснением ошибок, а половина студентов НИУ ВШЭ, использовавших нейросети, получили «отлично» за дипломные работы.

источник здесь (https://corp.cnews.ru/news/top/2024-11-13_yandeks_vnedryaet_ii-pomoshchniki)

В Подмосковье к поиску нарушителей парковки подключили нейросеть

В Московской области искусственный интеллект через видеокамеры системы "Безопасный регион" фиксирует запаркованность у контейнерных площадок.

"Автомобили, припаркованные около контейнерных площадок, создают неудобства для жителей и перегораживают путь мусоровозам. Теперь такие нарушения отслеживаются с помощью нейросети. ИИ-технология способна фиксировать транспортное средство и определять его госномер. К проекту уже подключено почти 400 видеокамер", – рассказала министр государственного управления, информационных технологий и связи Подмосковья Надежда Куртяник.

Искусственный интеллект ежедневно анализирует видеопоток с камер системы "Безопасный регион" и выявляет автомобили, припаркованные рядом с контейнерными площадками. На основе полученных данных автоматически формируется задание на проверку. Если ответственный исполнитель подтверждает нарушение, то в отношении автовладельца составляется протокол об административном правонарушении.

Проект был запущен в июне 2024 года. Благодаря искусственному интеллекту выявлено свыше 1,5 тыс. нарушений правил парковки и вынесено более 100 постановлений об административных правонарушениях на сумму 620 тыс. рублей.

источник - здесь (https://www.comnews.ru/content/235966/2024-10-28/2024-w44/1011/podmoskove-k-poisku-narushiteley-parkovki-podklyuchili-neyroset)