9.12.2018

Настоящее и будущее BIM-технологий в России

Денис Купцов, коммерческий директор, Игорь Ерохин, инженер-программист, Trimble Solutions Россия Всего через несколько лет из российских вузов выйдут специалисты, которые будут воспринимать технологии информационного моделирования (BIM) в строительстве как нечто естественное и необходимое. Сегодня BIM в России только набирает силу, а знания можно получить у нескольких экспертов. Сама же технология, как когда-то автомобиль, в России пока скорее роскошь, нежели средство ускоренного движения в реализации строительных проектов.   Что такое BIM? Аббревиатура BIM означает Building Information Modeling и с английского переводится как информационное моделирование зданий. По названию несложно догадаться, что технология BIM применяется в строительстве. Для более точного ответа на вопрос «Что такое BIM?» лучше вспомнить притчу о слепцах и слоне. Каждый из них ощупывал какую-то часть слона и говорил: это копье, змея, дерево, стена или веревка. И только зрячий мог увидеть слона целиком. BIM – технология информационного моделирования строений, которая делает всех участников процесса (от заказчиков до строителей) «зрячими», позволяет увидеть еще не построенный проект в мельчайших подробностях. По сути BIM – это создание строительной модели будущего объекта, которая хранит в себе физические характеристики, эксплуатационные свойства, способы возведения отдельных элементов и объекта в целом. Модель хранит всю информацию, которая может понадобиться специалистам в процессе проектирования, возведения и эксплуатации объекта. На […]

9.12.2018

Круглый стол - Искусственный интеллект диктует условия

По мере эволюционного развития научных знаний человек получал доступ к новым технологиям и возможностям. Появление машинного обучения, искусственного интеллекта, нейросетей специалисты связывают с технологической революцией. С помощью экспертов попытаемся выяснить, что стоит за этими технологиями, где они находят применение и как трансформируют наше представление о различных сферах деятельности. В круглом столе принимают участие Денис Афанасьев, генеральный директор CleverDATA (входит в группу компаний ЛАНИТ) Александр Казённов, руководитель корпоративной практики ДКИС ALP Group Андрей Шагалов, директор по качеству Artezio (входит в группу компаний ЛАНИТ)   Как соотносятся понятия «машинное обучение» и «искусственный интеллект»? Что общего между ними, в чем различия? Александр Казённов Искусственный интеллект, как я его понимаю, – нечто, что осознает себя как отдельную сущность или цифровой организм. По этой причине, по моему мнению, на текущем этапе нет настоящего искусственного интеллекта, а существуют только продвинутые алгоритмы машинного обучения разной степени сложности. Реализация ML при этом различна и хорошо описана в статье «Машинное обучение для людей» (https://vas3k.ru/blog/machine_learning/). Принято считать, что до недавнего времени появление новых технологий было следствием эволюционного развития науки. Возникновение технологий искусственного интеллекта – результат технологической революции? Так ли это, по вашему мнению? И если да, то каковы ее основные предпосылки? Александр Казённов Скорее, все в совокупности. Думаю, ни для […]

9.12.2018

Big Data, Artificial Intelligence и Machine Learning от Москвы до Сахалина

Алексей Сидорин, архитектор бизнес-решений компании «Крок» Обсуждение технологий искусственного интеллекта (Artificial Intelligence – AI) перешло от абстрактных прогнозов, теорий и фантастических предсказаний к прикладному применению. Проекты в этой области, включая кейсы с использованием Big Data, позволяют решать бизнес-задачи. В частности, компания «Крок» запускает проект под названием «Озера гипотез» или «Лаборатория данных» для комплекса аналитических задач. Концентрироваться на одной локальной проблеме с помощью создания целой инфраструктуры – непрактично и дорого. При грамотной работе с данными бизнес-заказчики получают пошаговый план достижения конкретных бизнес-метрик. Так, с помощью машинного обучения и технологии Big Data можно рассчитать, нужно ли открывать новые точки продаж, автоматизировать типовые процессы в компании, оптимизировать управление ИТ-инфраструктурой и строить систему видеоаналитики. Истории успешного внедрения инновационных технологий показывают диапазон практического применения AI и технологии Big Data в разных организациях – от государственных до торговых, в различных регионах страны – от Москвы до Сахалина. Умный помощник В начале автоматизации административных процессов в компании «Крок» речь не шла об искусственном интеллекте. Созданный чат-бот просто собирал информацию, необходимую для оформления заявки, и передавал ее ответственному сотруднику. Но со временем накопилось много типовых запросов, с которыми предстояло разобраться искусственному интеллекту. После их систематизации удалось автоматизировать оформление заявок для службы поддержки. Теперь бот умеет не только выполнять […]

9.12.2018

Искусственный интеллект и машинное обучение: тенденции и прогнозы развития  

Дмитрий Мартынов, официальный представитель Infor в России и СНГ По прогнозам аналитического агентства Gartner, к 2020 г. в 85% компаний будут реализованы пилотные проекты с использованием искусственного интеллекта (Artificial Intelligence – AI). Агентство IDC предсказывает, что в 2021 г. компании израсходуют на технологии когнитивных вычислений и искусственного интеллекта свыше 52 млрд долл. Среди отраслей, где влияние AI и связанных с ним технологий машинного обучения (Machine Learning – ML) будет особенно велико, ведущие аналитические компании Forrester, Gartner и McKinsey выделяют финансовый сектор, электроэнергетику, ритейл, машиностроение и тяжелую промышленность, здравоохранение, сферы высоких технологий и телекоммуникаций.   Решения на основе искусственного интеллекта постепенно входят в повседневную жизнь, кардинально меняя привычные действия и вещи. Уже сегодня миллионы людей используют возможности цифровых ассистентов – Siri, Google Now и Alexa. Беспилотный автомобиль теперь разрабатывает не только корпорация Google, но и такие автогиганты, как General Motors, Daimler, BMW, Ford. Развиваются технологии распознавания естественной речи, применяемые в сфере обслуживания клиентов.   При этом очевидно, что на горизонте ближайших пяти лет разработки с использованием AI и ML выведут на принципиально новый уровень автоматизацию бизнес-процессов в крупных и средних компаниях.   Что такое AI и ML? Согласно ИТ-глоссарию Gartner, искусственный интеллект – это технология, воспроизводящая поведение человека в плане обучения, […]

9.12.2018

Искусственный интеллект требуется везде, где нужен разум

 Владимир Крылов, консультант Artezio (входит в группу компаний ЛАНИТ), д. т. н., профессор   Искусственный интеллект (ИИ) уже сегодня применяется во многих сферах – от медицины и финансов до обороны и автопилотируемого транспорта. Если заглянуть в будущее, то можно предположить, что он станет ключевой технологией, на базе которой будут реализовываться самые эффективные проекты. С какими задачами способен справиться искусственный интеллект, при каких условиях и где он наиболее эффективен?     Как и зачем обучать ИИ?   При создании ИИ сегодня используются три основные методологии его обучения требуемым функциям: обучение с учителем, самообучение и обучение с подкреплением. Для каждой конкретной задачи эффективность ИИ достигается, если опираться на одну из упомянутых методологий. В тех сферах, где человек полностью понимает, как правильно выполнить те или иные действия, знает много примеров правильного решения, применяют обучение с учителем – «делай как я».   Когда, например, обучают робота для диагностики заболеваний, ему показывают массу данных о симптомах, анализах и правильно поставленные диагнозы. Он овладевает этими знаниями как истинными и зачастую может превзойти своего учителя благодаря тому, что обучился на таком количестве примеров, с которым ни один из врачей не в состоянии даже ознакомиться.   Плохо, если для обучения будут использоваться неверные диагнозы. Робот иногда их обнаруживает […]

9.12.2018

Реализация методов искусственного интеллекта на базе технологии больших данных

Татьяна Зобнина, ведущий разработчик систем машинного обучения, департамент систем автоматизации ИТ и процессов обслуживания, NAUMEN Большие объемы данных во многих отраслях помогают перенести методы машинного обучения из исследовательских лабораторий на реальное производство. Наиболее актуальные вопросы сегодня связаны не со сбором, хранением и передачей огромного количества данных, а с их пониманием, т. е. превращением данных в знания, выводы и действия.   Сегодня уже очевидно, что большие данные – это не маркетинговый ход. В 2005 г. объем всех данных составлял примерно 150 эксабайт, в 2010-м – 1200 эксабайт, а сейчас ежедневно создается 2,5 квинтиллиона байтов данных. Пользователи Twitter генерируют более 500 млн твитов каждый день, аналогичное количество изображений загружается в Facebook. В 2016 г. граф связей пользователей Facebook содержал более миллиарда узлов и свыше сотни миллиардов ребер-связей между пользователями. Объем Всемирной паутины, согласно индексу Google, превышает 45 млрд веб-страниц, а Google ежедневно выполняет несколько миллиардов поисковых запросов по всем страницам.   Потенциал Вместе с достижениями в области ИИ и машинного обучения большие данные могут привести в новым открытиям в различных областях знаний. Например, высокопроизводительные геномные эксперименты можно применять для персонализированной медицины, а исторические климатические данные – для понимания глобального потепления и прогнозирования погоды. Инструменты анализа снимков со спутников с помощью алгоритмов машинного […]

9.12.2018

Технологии машинного обучения и управление сложными системами

  Александр Герасимов, независимый эксперт Технологии машинного обучения и системы цифровых двойников придают новое качество имитационному моделированию, которое из умозрительных упражнений аналитиков превращается в один из инструментов контура управления. С помощью данного инструмента можно автоматически корректировать план, выбирая оптимальный в конкретный момент времени вариант, исполнять его с минимальным негативным влиянием человеческого фактора, анализировать обратную связь и корректировать алгоритм оптимизационного планирования. Ключевую роль в применении имитационного моделирования играют технологии Интернета вещей (IoT) и машинного обучения. Всплеск интереса к концепции искусственного интеллекта в целом и технологиям машинного обучения в частности (первые попытки их реализации относятся еще к 50-м годам прошлого века, в СССР, например, работы В.М. Глушкова[1]) непосредственно связан с феноменом цифровой трансформации «не-ИТ» отраслей экономики, таких как промышленность, транспорт, сельское хозяйство, финансы, торговля и др. Целесообразно дать определение этому феномену. Цифровизация – это переход к созданию добавленной стоимости с использованием все более изолированных от непосредственного участия человека производственных и бизнес-процессов, которым свойственна адаптивность (самооптимизация), основанная на использовании математических моделей, описывающих взаимосвязи метрик этих процессов, с преимущественно прямым получением первичных данных в местах их возникновения от устройств и датчиков IoT, что обеспечивает высокое качество данных (актуальность, релевантность, точность и полноту). Основа цифровизации – математические модели сквозных процессов производства и сбыта продукции (поэтому […]

9.12.2018

Алексей Лобов: «Ключевая задача – повышение надежности существующей системы гарантированного электропитания»  

Обеспечение электроэнергией ситуационных центров, стационарных и мобильных центров управления – одна из актуальных задач, особенно в условиях высокого спроса на электропитание. По некоторым данным, каждые пять лет потребление электроэнергии в сегменте центров обработки данных и схожих по функционалу с ними объектов удваивается. При решении этой задачи не обходится без выбора источников бесперебойного питания. О функциональных возможностях современных ИБП при проектировании сложных объектов, возможностях повышения надежности существующих систем гарантированного электропитания и требованиях, предъявляемых заказчиками, нашему корреспонденту рассказал директор по развитию бизнеса трехфазных ИБП компании СyberPower Алексей Лобов.   – В чем особенность энергообеспечения ситуационных центров? – Ситуационный центр (СЦ) – это программно-аппаратный комплекс, требующий качественного, а главное, бесперебойного электропитания. Системы, обеспечивающие СЦ резервным электропитанием, как правило, состоят из генератора и источников бесперебойного питания, к которым предъявляются высокие требования по эффективности, чтобы свести к минимуму затраты на потери электроэнергии и на утилизацию тепла, выделяемого самим оборудованием. Второе общее требование – снижение эксплуатационных затрат на содержание всей системы. И третье – надежность оборудования.   – Какие функциональные возможности современных источников бесперебойного питания пригодятся стационарным и мобильным центрам управления? – Поскольку для ситуационного центра важны надежность, универсальность оборудования и минимальные издержки при его эксплуатации, зачастую, заказчики применяют модульные источники бесперебойного питания. В этом особенно […]

9.12.2018

Нина Адамова: «СЦ переходят от информационного синтеза к анализу»

АО «Концерн «Автоматика» – это крупнейшее предприятие России по проблемам информационной безопасности, разработке и производству технических средств и систем засекреченной связи, защищенных информационно-телекоммуникационных систем, а также систем автоматизированного управления специального назначения. Одним из направлений деятельности концерна является создание и эксплуатация ситуационных центров различных уровней управления. О ключевых подходах АО «Концерн «Автоматика» в сегменте создания и развития ситуационных центров нам рассказала Нина Михайловна Адамова, руководитель проектов специального назначения АО «Концерн «Автоматика», Госкорпорация «Ростех».   – Какие тенденции в сегменте создания и развития ситуационных центров в нашей стране вы могли бы выделить? – Ситуационный центр (СЦ) как интеграционная платформа цифрового государственного управления должен объединить в единое информационное пространство информационные системы, ресурсы и информационно-аналитические модели по всем сферам и уровням управления в целях решения задач стратегического планирования, информационно-аналитической поддержки государственного управления. В качестве главной тенденции развития ситуационных центров нужно рассматривать переход от задач информационного синтеза к решению задач информационного анализа. Разрабатываемые в субъектах РФ программы цифрового развития экономики, концепции цифровой среды «умного региона», внедрение системы проектного управления должны быть увязаны в рамках единой архитектуры информационной системы на уровне ситуационного центра, позволяющего объединить информационные связи показателей, информационных ресурсов, моделей и систем. На наш взгляд, в тех субъектах, где уже приступили к созданию СЦ, программы […]

9.12.2018

Елена Новикова: «Ситуационные центры выйдут на новый уровень развития быстрее, чем мы рассчитываем»

Идея создания системы распределенных ситуационных центров, возникшая довольно давно, развивается волнообразно. Появление технологий больших данных, искусственного интеллекта, Интернета вещей придаст новый импульс ее реализации. Но к этому нужно быть готовым, поскольку перемены произойдут раньше, чем мы рассчитываем. Об этом в интервью корреспонденту журнала Connect рассказала генеральный директор компании «Полимедиа» Елена Новикова. – Елена Владимировна, какие тенденции в сегменте создания ситуационных центров вы бы выделили сегодня? – Первые разработки ситуационных центров появились еще в 1980-х гг., например, прообразом современных СЦ являлся центр Киберсин, созданный для правительства Альенде в Чили, а в России история СЦ начинается с центра по ликвидации последствий Чернобыльской катастрофы. Система ситуационных центров проектируется и создается в РФ уже более 15 лет, ее задачей является интеграция в единую систему СЦ регионов, правительства, министерств и ведомств. Сейчас многие объекты построены, многие еще проектируются, а какие-то находятся на стадии модернизации. Что касается тенденций, то очевиден интерес коммерческих компаний к созданию ситуационных центров, хотя еще недавно такие объекты проектировались преимущественно по заказу государственных структур. Среди других тенденций можно отметить применение современной предиктивной аналитики, использование возможностей больших данных, изучение применения технологий искусственного интеллекта. – В каких отраслях у коммерческих компаний появился спрос на использование возможностей ситуационных центров? – Нам поступают запросы от нефтегазовых […]