Новый платформенный порядок: как интернет вещей помогает ИИ развиваться

Разработчики ИИ заявляют: мировая IT-индустрия исчерпала запас доступных в интернете данных для обучения искусственного интеллекта. Очевидно, их дефицит заставит отойти от привычного формата разработки. О том, как интернет вещей (IoT) может способствовать обучению ИИ-моделей и какое применение он уже находит в российских городах, рассказывает генеральный директор Softlogic.ai Денис Логинов

В январе 2025 года Илон Маск заявил: реальных данных для обучения ИИ-моделей практически не осталось, ИИ уперся в потолок. «Мы исчерпали практически весь накопленный объем человеческих знаний. Это произошло фактически в прошлом году», — заявил миллиардер во время трансляции беседы с председателем Stagwell Марком Пенном на платформе X. Таким образом, он присоединился к тем, кто считает, что необходимо искать другие решения для его обучения.

Многие специалисты в области ИИ считают, что решением проблемы исчерпаемости контента для ИИ-обучения могут стать так называемые «синтетические» данные, созданные в той или иной степени самими ИИ-моделями. Многие компании уже начали применять их для машинного обучения. По оценкам Gartner, 60% данных, использованных в ИИ-проектах 2024 года, уже были синтетическими. Однако остается открытым вопрос, насколько такой «синтез» способен улучшить качество ИИ, тем более — исключить ошибки генерируемого контента.

Эксперты высказывают опасения, что «искусственные данные» могут привести модели к коллапсу: генеративные алгоритмы станут «менее креативными и более предвзятыми», а значит, вовсе нефункциональными. Это полностью противоречит главной парадигме ИИ образца 2025 года — «перестать восхищать и начать зарабатывать». Без курса на практическое применение ИИ просто теряет смысл. Доверие к технологии будет снижаться, инвестиции — сокращаться, разработки — замедляться. Как следствие — начнется стагнация или даже деградация самого актуального сегодня направления технологического развития человечества.

Но, к счастью, страхи ИИ-стагнации сильно преувеличены. Да, объем контента, произведенного человечеством, конечен. Зато данные, которые предоставляет окружающий мир, открывают новые, самые радужные ИИ-перспективы.

С развитием технологий доступ к объективным «физическим» данным стал проще, их количество уже значительно превышает объем, который может обработать самый мощный компьютер. Такие данные повсюду: в природе, науке, на производстве, транспорте, в городском хозяйстве, общественной безопасности. Именно в их использовании — огромный потенциал и новый этап развития ИИ.

На самой заре цифровой трансформации, в начале 2000-х, корпорация Motorola пыталась внедрить концепцию Intelligence Everywhere. Она объединяла возможности интернета вещей (IoT) и искусственного интеллекта (AI) — то, что сегодня называется «искусственным интеллектом вещей» (AIoT). Однако в то время концепт оказался неосуществимым из-за недостаточного развития полупроводниковых технологий, сетей связи и программного обеспечения. Теперь умные устройства стали гораздо компактнее, доступнее и совершеннее. Их массово используют в повседневной жизни и работе. AIoT практически объединил интеллектуальные алгоритмы и устройства, которые способны взаимодействовать быстро и крайне эффективно.

С помощью специализированных нейросетей информацию обрабатывают теперь сами устройства сбора данных или компактные вычислители, расположенные с ними рядом. Они могут анализировать, структурировать и обобщать данные «на краю» большой интеллектуальной системы, передавая в центральный ЦОД только самые ценные, почти невесомые «жемчужины» информации. Такие пограничные вычисления (edge computing) радикально приближают обработку данных к их источникам — камерам, датчикам, умным колонкам, платежным терминалам, дронам, любым интеллектуальным девайсам и гаджетам.

Искусственный интеллект вещей позволил отказаться от отправки больших потоков данных на корпоративные серверы или в «облако». Устройство, используя встроенный ИИ, само справляется с поставленной задачей, обучаясь по ходу ее выполнения. Симбиоз IoT и AI, впервые позволил обойтись без загрузки терабайтов «мусорных» данных в гигантские дорогостоящие дата-центры.

В январе стало известно, что в 2025 году Минцифры планирует запустить федеральный сервис интеллектуальной обработки видеопотоков с камер наблюдения в регионах. Так значится в обновленном паспорте ведомственной программы цифровой трансформации на 2025-2026 годы. Для извлечения важнейшей оперативной информации сервис должен анализировать видео в реальном времени.

Примером эффективного внедрения AIoT можно назвать проекты, связанные с автоматизированным благоустройством в ряде российских городов. Интеллектуальные платформы анализируют потоки видеоданных, позволяют мгновенно выявлять несоответствия — от мусора на улицах до нарушений правил безопасности на промышленных объектах. Эта тема с каждым днем становится все более актуальной для самых разных регионов России. Местные администрации и бизнес проявляют высокий интерес к подобным системам. Кратно растет спрос на актуальную объективную информацию для решения самых разных задач. Чтобы выполнять их быстро, экономично и эффективно, приходится следить практически за всем происходящим вокруг.

К счастью, видеоданные для интеллектуального нейросетевого анализа получают теперь из огромного числа источников: городских и корпоративных систем видеонаблюдения, мобильных и стационарных автономных комплексов нейросетевого наблюдения, портативных видеорегистраторов, беспилотных летательных аппаратов (БПЛА), смартфонов, городских интерактивных панелей, касс, турникетов и пр.

Для принятия информированных управленческих решений требуется тщательная обработка и анализ разнообразных видеоданных, представление ценной информации в удобной форме на доступном цифровом носителе, допустим — дашборде. Перенос вычислений и аналитики в реальном времени прямо к фиксирующему устройству позволяет делать это гораздо более экономично и эффективно. В случае с камерами видеоряд мгновенно обрабатывают на месте, а в центр передают компактные файлы с отображением конкретных инцидентов. Это значительно снижает нагрузку на общие сети и центральные серверы, повышая при этом точность и оперативность реагирования.

Благодаря множеству встроенных ИИ-алгоритмов такая AIoT-платформа помогает руководителям принимать обоснованные решения быстро практически по любым вопросам. Подобная интегрированная система нейросетевого анализа существенно увеличивает эффективность и уровень безопасности, одновременно сокращая затраты в госучреждениях, бизнесе, социальной сфере и пр.

Базовые решения такого рода платформ ИИ вещей протестированы в более чем 40 регионах страны, а в 20 из них, включая Санкт-Петербург и Московскую область, — работают на постоянной основе. Они помогают наводить порядок, повысить безопасность, упрощая работу и сократив расходы на мониторинг гораздо более высокого технологического уровня.

AIoT заменил ручную обработку данных, исключив человеческие ошибки и сделав анализ намного точнее. Именно такой концепт превратил огромные потоки данных в четкую и понятную информацию о событиях и проблемах. Система сама находит закономерности и выявляет недочеты. Например, она может автоматически определить, что в каком-то районе накопилось большое количество старых покрышек и сравнить, есть ли такая проблема в других регионах. Руководители теперь видят картину не «со своей кочки». Искусственный интеллект вещей делает на 100% объективные выводы, основанные на данных, собираемых за тысячи километров — всей стране.

На предприятиях AIoT находит слабые места в процессах, сам предотвращает аварии, следит за техникой безопасности. В логистике — отслеживает грузы, маршруты, состояние транспорта. В бизнесе — помогает анализировать потоки клиентов и обеспечивать безопасность. В городах — контролирует дороги, парковки, уборку, заполненность мусорных контейнеров, другие параметры порядка и благоустройства.

Примером их эффективности можно привести мобильные комплексы умного видеонаблюдения в Московской области. Уже в 2023 году они позволили выписать более 4000 постановлений на сумму свыше 170 млн рублей, в среднем — около 14,5 млн рублей в месяц. Некоторые российские регионы специально внесли изменения в местные КоАП, установив штрафные санкции за нарушения в благоустройстве. Такие системы доказали кратно большую экономическую эффективность в сравнении с увеличением числа инспекторов для мониторинга традиционными методами.

Так что план, реализуемый Минцифры, отвечает вызовам времени. Платформенные AIoT-решения позволяют собрать и обработать данные с различных источников без посредников. Это дает возможность бизнесу и госструктурам видеть реальную картину происходящего, используя современные доступные, чисто российские ИИ-технологии.

Мнение редакции может не совпадать с точкой зрения автора

Источник: www.forbes.ru

Комментарии: