Искусственный интеллект во благо

• ​В последнее время искусственный интеллект (ИИ) развивается все более стремительными темпами. Машины с искусственным интеллектом способны сортировать и интерпретировать большие объемы данных из различных источников для выполнения широкого круга задач.
  
• Так, способность ИИ анализировать изображения с высоким разрешением, получаемые со спутников, беспилотных летательных аппаратов (дронов), или медицинскую сканограмму может улучшить реагирование на гуманитарные чрезвычайные ситуации, повысить производительность сельского хозяйства, помочь врачам диагностировать рак кожи и другие заболевания.
  
• Вместе с тем преобразующая сила ИИ создает и проблемы: от вопросов прозрачности, доверия и безопасности до проблем ликвидации рабочих мест и усугубления неравенства.
  
• Когда ИИ используется во благо, при обеспечении его безопасности и пользы для всех, он может значительно ускорить достижение всех 17 Целей Организации Объединенных Наций в области устойчивого развития (ЦУР).
  
  

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.

• Совершенствование сбора, обработки и распространения медицинских данных и информации может улучшить ​ диагностику и лечение пациентов, в особенности в сельских и отдаленных районах. Более точная информация о климате и природных условиях может также помочь правительствам точнее прогнозировать вспышки малярии, контролировать распространение этого заболевания и эффективнее использовать медицинские ресурсы.
  
• ИИ может применяться для оценки способности учащихся к обучению и помогать вырабатывать у них уверенность при освоении предметов.
• ИИ различными способами может помогать людям с ограниченными возможностями или особыми потребностями. ИИ все лучше осуществляет перевод текста в речь и речи в текст, и поэтому может помогать людям с нарушениями зрения или слуха в использовании информационно-коммуникационных технологий (ИКТ).
• ИИ уже помогает создавать "умные" устойчивые города.
• Анализ данных об изменении климата и моделирование климата с помощью ИИ дают возможность прогнозировать связанные с климатом проблемы и бедствия.
• С помощью распознавания схем можно отслеживать миграцию морской фауны, ее концентрацию в глубинах и рыболовство для укрепления устойчивых морских экосистем и борьбы с незаконным выловом рыбы.
  

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].

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.​

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. ​