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