Верен идее соединить мир

SDG

Искусственный интеллект во благо

​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​5G BCKGROUNDERФото: Shutterstock.

Общий обзор

Перспективы ИИ


За последние годы программное обеспечение стало гораздо "умнее".

Происходящее в настоящее время распространение ИИ является результатом прогресса в области, известной как машинное обучение. Машинное обучение предусматривает использование алгоритмов, которые позволяют компьютерам учиться самостоятельно, просматривая данные и выполняя задания, основанные на примерах, а не полагаться на подробное программирование человеком[1].

Методом машинного обучения, именуемым глубинным обучением и работающим по образцу биологических нейронных сетей, обнаруживаются и запоминаются схемы в больших объемах данных. Системы глубинного обучения выполняют задания путем рассмотрения примеров, обычно без программирования, и превышают показатели традиционных алгоритмов машинного обучения[2].

Большие данные, представляющие собой чрезвычайно большие комплексы данных, которые можно анализировать с помощью вычислений для установления схем, тенденций и ассоциаций[3], вместе с мощью ИИ и вычислениями высокого уровня производят новые формы информации и знаний, имеющие огромную ценность для решения сложнейших задач человечества.​


Ниже приводятся несколько примеров того, как можно использовать ИИ во благо:

Производительность сельского хозяйства увеличивается благодаря 
цифровизации и анализу снимков, сделанных с дронов и спутников.

Проблемы


Перспективы ИИ огромны, но они и сопряжены с рисками.

Ряды данных и алгоритмы могут отражать или усиливать гендерную, расовую и идеологическую дискриминацию[4]. Если ряды данных (вводимые человеком) неполны или смещены, они могут привести к предвзятым выводам ИИ.

Люди все чаще используют технологии глубинного обучения для принятия решений​ о том, кто получит ссуду или рабочее место. Но действия алгоритмов глубинного обучения непрозрачны и не дают людям возможности понять, почему ИИ приходит к тем или иным ассоциациям или выводам, когда может произойти сбой и когда и как ИИ может воспроизводить предубеждение[5].

ИИ может усугублять неравенство, автоматизируя выполнение шаблонных задач и ликвидируя рабочие места.

У программного обеспечения, в том числе в сотовых телефонах, камерах наблюдения и электросетях, могут быть дефекты защиты[6]. Это может приводить к хищениям денег и идентичности или сбоям в работе интернета и электричества.

Прогресс в технологиях ИИ может также создавать новые угрозы международному миру и безопасности. Так, машинное обучение может использоваться для производства поддельных ("фейковых") видео- и аудиоматериалов с целью оказания влияния на выборы, выработку политики и государственное управление[7].

Решения: обеспечение использования ИИ во благо


Разработка и принятие соответствующих международных стандартов и наличие программного обеспечения с открытым исходным кодом обеспечат общий язык и инструмент для координации, которые будут способствовать участию многих независимых сторон в разработке приложений ИИ. Это может помочь донести преимущества разработок ИИ до всего мира, смягчая при этом воздействие его отрицательных сторон.

Крайне необходимо, чтобы широкий круг разнообразных заинтересованных сторон ориентировали проектирование, развитие и применение систем ИИ. Для получения точных и представительных выводов ИИ нужны точные и представляющие всё ряды данных. Наряду с этим требуется установить гарантии для содействия законному, этическому, конфиденциальному и безопасному использованию ИИ и больших данных.

Повышение прозрачности ИИ для обоснования принятия правовых или медицинских решений позволит людям понимать, почему ИИ приходит к тем или иным ассоциациям или выводам. Это, в свою очередь, будет стимулировать людей использовать свои знания, опыт и интуицию для подтверждения выводов или принятия решения, отличного от предложенного машиной. Машина анализирует и делает выводы гораздо быстрее и точнее, чем раньше, но правом ставить выводы машины под сомнение и принимать окончательные решения обладают люди.

Чтобы уравновесить воздействие ИИ на занятость и получить пользу от новых возможностей создания рабочих мест, которые предлагает ИИ, необходимо создать условия, способствующие приобретению цифровых навыков, будь то формальное образование или подготовка на рабочем месте. В частности, ИИ откроет перспективы занятости для людей, обладающих углубленными цифровыми навыками, необходимыми для создания ИКТ, управления ими, их испытаний и анализа.

Необходимо прилагать усилия для защиты безопасности, конфиденциальности, идентичности, денежных средств и имущества конечных пользователей с целью решения связанных с ИИ проблем безопасности в таких различных областях, как электронные финансы, электронное государственное управление, "умные" устойчивые города и соединенные автомобили.​

Вклад МСЭ в ИИ во благо


Содействие стимулирующей политике и регулированию

Как специализированное учреждение Организации Объединенных Наций в области информационно-коммуникационных технологий МСЭ объединяет заинтересованные стороны, представляющие правительства, отрасли, академические организации и группы гражданского общества со всего мира, чтобы лучше понять возникающую область – ИИ во благо.

Опираясь на успех первого проведенного МСЭ Всемирного саммита "ИИ во благо", Саммит 2019 года привлек более 30 учреждений системы ООН и другие заинтересованные стороны глобального масштаба для определения  стратегий обеспечения того, чтобы технологии ИИ развивались надежным, безопасным и всеохватывающим образом, при справедливом доступе к их преимуществам. На Саммите было представлено много инновационных предложений по проектам "ИИ во благо" по расширению и совершенствованию здравоохранения, мониторинга сельского хозяйства и биоразнообразия с использованием получаемых со спутников изображений, развития "умных" городов и доверия к ИИ.

МСЭ поддерживает хранилище данных по ИИ, в которое каждый, работающий в сфере искусственного интеллекта, может представить важную информацию о том, как применять ИИ во благо. Это единственное глобальное хранилище данных, в котором определяются связанные с ИИ проекты, исследовательские инициативы, научно-исследовательские центры и организации, которые ставят перед собой задачу ускорить достижение 17 Целей Организации Объединенных Наций в области устойчивого развития (ЦУР).

МСЭ регулярно проводит встречи глав регуляторных органов в области ИКТ из разных стран мира для обмена мнениями и информацией по ИИ и другим актуальным вопросам регулирования, решения проблем управления и укрепления сотрудничества для использования ИИ во благо.


Установление стандартов

При продвижении вперед международные стандарты – технические спецификации и требования, которые ИИ и другие технологии должны выполнять, чтобы работать удовлетворительно, – могут помочь избежать связанных с ИИ рисков, делая машинное обучение этическим, предсказуемым, надежным и эффективным.

ИИ и машинному обучению уделяется все больше внимания в программе работы МСЭ по стандартизации в таких областях, как оркестровка сетей и управление сетями, кодирование мультимедиа, оценка качества услуг, эксплуатационные аспекты предоставления услуг и управление электросвязью, кабельные сети, цифровое здравоохранение, экологическая эффективность и автономное вождение. 

Открытые платформы, способствующие развитию различных аспектов ИИ и машинного обучения 

Оперативная группа МСЭ по машинному обучению для будущих сетей, включая 5G, определяет требования к машинному обучению, касающиеся интерфейсов, протоколов, алгоритмов, форматов данных и сетевых архитектур. 

Оперативная группа МСЭ "Экологическая эффективность для ИИ и других возникающих технологий" занимается проведением сравнительного анализа на основе передового опыта и описанием подходов к разработке стандартной схемы оценки экологических аспектов внедрения появляющихся технологий. 

Оперативная группа МСЭ по ИИ для здравоохранения, руководство которой осуществляется МСЭ в тесном сотрудничестве с ВОЗ, работает над созданием структуры и соответствующих процессов для эталонного тестирования решений "ИИ для здравоохранения". 

Оперативная группа МСЭ "ИИ для автономного и ассистированного вождения" занимается разработкой международных стандартов в целях мониторинга и оценки поведенческих характеристик "водителей-ИИ", управляющих автоматическими транспортными средствами. 

Глобальная инициатива по общим ресурсам ИИ и данных, учрежденная в январе 2020 года, направлена на содействие приобретению глобального масштаба проектами "ИИ во благо". Инициатива будет предлагать набор ресурсов для осуществления новых проектов в области ИИ, соответствующих ЦУР, и их быстрого масштабирования​. 

Как стандарты МСЭ связаны с ИИ и машинным обучением?  

Компании в сфере ИКТ, участвующие в сетевом бизнесе, внедряют ИИ и машинное обучение в рамках инноваций, направленных на оптимизацию сетевых операций и повышение энергоэффективности и экономической эффективности. В новых стандартах МСЭ описываются структура обработки данных для создания возможности машинного обучения в сетях 5G и будущих сетях (МСЭ-Т Y.3172), структура оценки уровней интеллекта в разных частях сети (МСЭ-Т Y.3173) и структура обработки данных для обеспечения возможности машинного обучения (МСЭ-Т Y.3174). Основу для этих стандартов МСЭ предоставила Оперативная группа МСЭ по машинному обучению для будущих сетей, включая 5G*.

С учетом этих стандартов машинного обучения для 5G были также подготовлены вклады, представленные на Глобальный конкурс МСЭ по ИИ и машинному обучению для 5G. Участники этого конкурса знакомятся с новыми партнерами и получают доступ к новым инструментам и ресурсам данных для достижения целей, поставленных в формулировках проблем, представленных компаниями и академическими организациями со всего мира. Выдающиеся решения будут продемонстрированы и победители определены во время Большого финала конкурса (Grand Challenge Finale), который будет проведен в виртуальном формате​ 15–17 декабря 2020 года. 

ИИ и машинное обучение играют важную роль в кодировании мультимедиа  области стандартов МСЭ, известной благодаря стандартам сжатия видеоизображений, за которые МСЭ получил премию "Прайм-тайм Эмми" (МСЭ-Т H.264 "Усовершенствованное кодирование видеосигнала", МСЭ-Т H.265 "Высокоэффективное кодирование видеоизображений" и МСЭ-Т H.266 "Универсальное кодирование видеосигнала"). МСЭ была также создана новая Группа Докладчика по Вопросу 5/16 "Мультимедийные приложения с искусственным интеллектом". 

ИИ и машинное обучение широко используются при разработке моделей для оценки качества речи, звука и изображения, например в стандартах МСЭ по контролю качества потоковой передачи аудиовизуальной информации, таких как МСЭ-Т P.1203 (постепенная загрузка и адаптивная потоковая передача аудиовизуальных данных) и МСЭ-Т P.1204 (услуги потоковой передачи видеоданных с разрешением до 4K).

В новых разработанных МСЭ стандартах оценки качества рассматриваются интеллектуальный анализ и диагностика сетей (МСЭ-Т E.475), а также создание и тестирование эксплуатационных показателей моделей на базе машинного обучения для оценки влияния сети передачи на качество речи голосовых услуг 4G (МСЭ-Т P.565).

Другие известные новые стандарты МСЭ, относящиеся к ИИ и машинному обучению, касаются экологической устойчивости, кабельных сетей, а также эксплуатационных аспектов предоставления услуг и управления электросвязью. 

В новом стандарте МСЭ определена система управления инфраструктурой центров обработки данных (DCIM) на основе технологий больших данных и ИИ (МСЭ-Т L.1305), которая способствует сокращению потребления энергии, необходимой для контроля температуры в центре обработки данных.

Новый стандарт МСЭ предназначен для платформы кабельных сетей премиум-класса, которая обеспечит отрасли возможность предоставлять более совершенные мультимедийные услуги (МСЭ-Т J.1600). Это первый стандарт из новой серии стандартов МСЭ для кабельных сетей с поддержкой ИИ.

ИИ является одним из пяти компонентов новой структуры "умной" эксплуатации, управления сетью и технического обслуживания инфраструктуры (МСЭ-Т M.3041​). Новые стандарты МСЭ, разрабатываемые в этой области, будут касаться управления электросвязью и функционирования электросвязи с использованием ИИ, энергосбережения для сетей радиодоступа 5G с использованием ИИ и роботизированного интеллектуального контроля сетей электросвязи. ​


[1] https://www.wired.com/story/guide-artificial-intelligence/
[2] https://www.wired.com/story/new-theory-deep-learning/
[3] https://en.oxforddictionaries.com/definition/big_data
[4] https://www.wired.com/story/machines-taught-by-photos-learn-a-sexist-view-of-women/
[5] https://www.technologyreview.com/s/604087/the-dark-secret-at-the-heart-of-ai
[6] https://www.wired.com/story/as-artificial-intelligence-advances-here-are-five-projects-for-2018/
[7] https://maliciousaireport.com/

Последнее обновление: октябрь 2020 года