Электромобили становятся все более популярными, при этом инфраструктура, необходимая для их обслуживания, не успевает за ними. Одна из самых больших проблем заключается в том, что на рынке просто не хватает электриков для обслуживания всех станций.

По оценкам Министерства энергетики США, по состоянию на начало октября в стране вышли из строя около 4000 общественных зарядных станций и 7000 портов по всей стране. Это более 6%, при этом эксперты полагают, что оценки правительства могут быть заниженными.

Быстрый рост добычи металлов для "зеленой энергетики" отравляет запасы продовольствия и воды

В докладе говорится, что более 23 миллионов человек в настоящее время страдают от токсичных побочных продуктов шахт. Приблизительно 63 000 квадратных миль пойм и 297 800 миль рек в настоящее время загрязнены из-за агрессивных операций по добыче полезных ископаемых, связанных с использованием "зеленой энергии". На этих предприятиях часто используется детский труд для добычи редкоземельных элементов, необходимых для производства iPhone, солнечных батарей, ветряных турбин и аккумуляторов для электромобилей.

Эта новая волна загрязнения уже затронула около 16 миллионов акров сельскохозяйственных угодий, включая 5,72 миллиона голов домашнего скота. Последствия загрязнения тяжелыми металлами носят не только региональный характер; зараженные продовольственные культуры распространяются по всему миру и в конечном итоге незаметно отравляют ничего не подозревающее население.

"Быстрый рост мировой добычи металлов имеет решающее значение, если мир хочет осуществить переход к зеленой энергетике", - предупредил Крис Томас, зоолог из Университета Линкольна, который отслеживает угрозы глобальному водоснабжению. Исследовательская группа Томаса разработала новую базу данных, подтвержденную результатами полевых испытаний. В базе данных отображены сотни квадратных миль рек и пойм, загрязненных в результате промышленных горнодобывающих процессов.

Brighteon.TV

Используя свои гидрологические модели, исследователи обнаружили, что число людей, подвергшихся загрязнению в результате долгосрочного сброса отходов горнодобывающей промышленности в реки, примерно в 50 раз превышает число людей, непосредственно затронутых прорывами дамб хвостохранилища. Хвостохранилище представляет собой насыпь из побочных продуктов переработки земли, сбрасываемых из шахты. После отделения руды от пустой породы хвосты остаются в жидкой, шламовой или твердой форме. Эти высокотоксичные и потенциально радиоактивные частицы попадают в дамбу хвостохранилища. Со временем тяжелые металлы выщелачиваются из шлама и попадают в окружающую среду.

Неустойчивое будущее "зеленой энергетики" грозит увеличением загрязнения тяжелыми металлами.

Исследователи обнаружили системный экологический ущерб от исторической добычи полезных ископаемых, которая, по словам исследователей, "наиболее проблематична в Западной Европе". Исследователи выявили 159 735 заброшенных шахт и подсчитали, что они исторически были крупнейшим источником загрязнения во всем мире.

В отчете также анализируются 22 609 действующих шахт, 11 587 хранилищ отходов горнодобывающей промышленности и 257 хранилищ, которые сознательно вышли из строя и в настоящее время просачиваются в окружающую среду. Согласно моделям Томаса, Северная Америка является регионом, наиболее пострадавшим от горнодобывающих отходов действующих шахт: 123 280 миль загрязненных речных систем и примерно 10,7 миллионов акров загрязненных пойм. Южная Америка в настоящее время содержит 50 766 миль загрязненных рек и более 9,5 миллионов акров испорченных пойм. В Азии около 37 842 миль рек загрязнены шахтами, а около 8,3 миллиона акров поймы загрязнены отходами тяжелых металлов.

Инициатива экологических решений Массачусетского технологического института обнаружила, что технологии "зеленой энергетики", такие как ветряные турбины и электромобили, часто требуют большего количества добытых полезных ископаемых, чем требует нынешняя инфраструктура ископаемого топлива. Например, ветряная электростанция требует в девять раз больше полезных ископаемых, чем традиционная газовая электростанция. По данным исследовательской группы университета Массачусетского технологического института, для электромобиля требуется в шесть раз больше металлических и минеральных материалов, чем для традиционного автомобиля с двигателем внутреннего сгорания.

Если бы странам было поручено перейти к будущему с "чистым нулевым выбросом углерода" к 2040 году, тогда загрязнение от горнодобывающей промышленности было бы во много раз больше, чем нынешнее загрязнение, вызванное угольными электростанциями, операциями по гидроразрыву и тому подобным. Массовая добыча полезных ископаемых, необходимая для "зеленой энергетики", не представляет собой более устойчивое будущее.

Чтобы узнать больше о влиянии этого загрязнения, посетите HeavyMetals.News .

Источники включают:

Наука.орг

DailyMail.co.uk

Climate.MIT.edu

www.naturalnews.com/2023-10-02-green-energy-mining-polluting-rivers-farmland-unsustainable-pace.html

Морская ветроэнергетика находится в беде как внутри страны, так и за рубежом, поскольку она не оправдывает ожиданий в качестве надежного источника "зеленой энергии".

Стоимость крупнейшего в мире разработчика морских ветряных электростанций, датской энергетической компании Orsted, упала на 31 процент после объявления в прошлом месяце об убытках в размере 2,3 миллиарда долларов США. Компания, являющаяся ключевым игроком на американском рынке, испытывает трудности из-за высоких процентных ставок и задержек поставок, а также отсутствия новых налоговых льгот.

Генеральный директор Мэдс Ниппер выступил с предупреждением инвесторам во время телеконференции, предупредив: "Ситуация с морской ветроэнергетикой в ​​США серьезная".

Другие энергетические компании, которые пытались построить морские ветряные электростанции в Америке, также столкнулись с трудностями, и это привело к серьезным сомнениям относительно будущего морской ветроэнергетики .

Президент Джо Байден считал, что морская ветроэнергетика является хорошим способом решения проблемы изменения климата, а его администрация поставила цель развернуть морскую ветроэнергетику мощностью 30 000 мегаватт всего за семь лет с нынешнего уровня в 41 мегаватт. Было введено несколько субсидий, чтобы помочь компаниям в их усилиях по декарбонизации энергетики и стимулированию внутреннего производства. Однако этих субсидий и благоприятного регулирования оказалось недостаточно, чтобы удержать отрасль на плаву.

Одной из основных проблем является инфляция. Поначалу американская морская ветроэнергетика отставала от своих европейских конкурентов, поскольку субсидии и регулирование, связанные с этой отраслью, вводились в действие медленно. Однако как только ситуация изменилась, несколько застройщиков раскрыли амбициозные планы морских ветряных электростанций, многие из которых были расположены у восточного побережья.

Brighteon.TV

Однако пандемия и связанные с ней проблемы с цепочкой поставок привели к увеличению затрат на оборудование и рабочую силу, что сделало проекты, находившиеся в разработке, значительно более дорогостоящими, чем первоначально предполагалось. Хотя многие компании, возможно, заняли агрессивный подход к участию в торгах на ранних проектах, чтобы закрепиться на рынке, растущие затраты в конечном итоге заставили их пересмотреть свое решение.

Повышение процентных ставок и недостаточные субсидии влияют на оффшорную ветроэнергетику

Кроме того, повышение процентных ставок, осуществленное ФРС, чтобы помочь сдержать инфляцию, еще больше ухудшило ситуацию, поскольку многие контракты по проектам морской ветроэнергетики не предусматривали каких-либо механизмов, позволяющих корректировать ставки в случае роста процентных ставок или затрат. В результате некоторые разработчики обнаружили, что разумнее заплатить штраф, необходимый для выхода из контракта, вместо того, чтобы продолжать реализацию своих планов и бороться с потенциальными потерями. Пара разработчиков оффшорной ветроэнергетики в Массачусетсе была среди тех, кто пошел по этому пути, платя комиссию за расторжение сделок, которые могли бы обеспечить достаточно энергии для питания более миллиона домов.

Со своей стороны, ранее этим летом Орстед сообщил регулирующим органам коммунальных предприятий, что они не смогут реализовать планы по строительству проекта мощностью 924 МВт, если их соглашение не будет пересмотрено с учетом влияния инфляции.

Еще одна проблема - недостаточность субсидий. В то время как солнечные батареи и аккумуляторы электромобилей выиграли от таких инициатив, как Закон о снижении инфляции, морская ветроэнергетика не получила такого же уровня помощи, а разработчики жалуются, что бонусные стимулы, необходимые им для продвижения своих проектов, слишком сложно получить.

Между тем, недавно было объявлено, что никакие новые морские ветряные электростанции в Великобритании не будут развиваться после того, как ни одно из предприятий, которые надеялись построить там крупные морские ветряные электростанции, не участвовало в недавно проведенном правительством Великобритании ежегодном аукционе, на котором заключаются контракты на создание возобновляемых источников энергии. электроэнергию по установленным ценам на 15 лет. Компании, которые в противном случае могли бы принять участие, заявили, что цена аукциона была необоснованной, учитывая тот факт, что затраты в этом секторе выросли на 40 процентов из-за инфляции во всех их цепочках поставок.

Некоторые эксперты заявили, что неспособность аукциона обеспечить безопасность морских ветряных электростанций является самым значительным провалом политики страны в области чистой энергетики почти за десятилетие.

Источники для этой статьи включают:

ZeroHedge.com

Reuters.com

www.naturalnews.com/2023-09-14-biggest-offshore-wind-farm-industry-in-trouble.html

Нам сказали, что они станут одним из ключевых аспектов "чистого, зеленого" будущего, но электромобили (EV) быстро теряют свой блеск - и вот почему.

Видите ли, афера с электромобилями была поспешно задумана крайне левыми, которые настолько оторваны от реальности, что фактически верят, что можно просто прекратить использование земного ископаемого топлива в какой-то произвольный график времени, не имея ничего, что могло бы его заменить.

Более того, "зеленым" энтузиастам, похоже, не хватает знаний, необходимых для того, чтобы увидеть, что не существует работоспособной инфраструктуры, позволяющей даже использовать электромобили в качестве полной замены автомобилей с двигателями внутреннего сгорания.

"Массовый переход от автомобилей с двигателями внутреннего сгорания (ДВС) к электромобилям в любом случае был не более чем галлюцинацией демократов и защитников окружающей среды", - говорит доктор Рон Росс, доктор философии.

"Это была самая непродуманная цель государственной политики в современной истории. Переходный период должен был оказаться неудачным. Он пронизан многочисленными убийцами сделок. Это все равно, что иметь дюжину смертельных заболеваний одновременно".

(По теме: Узнайте больше о том, почему электромобили с самого начала были мошенничеством .)

Когда карточный домик электромобилей наконец рухнет, будут потеряны ТРИЛЛИОНЫ долларов.

В статье, которую он написал для Climate Change Dispatch, которую также подхватил Climate Depot, Росс очень подробно объясняет, что необходимо создать, чтобы создать возможность того, что общенациональный парк, состоящий из 100 процентов электромобилей, будет работать.

Во-первых, производство энергии и расширение сети должны будут увеличиться как минимум вдвое, и очень быстро. Учитывая произвольные сроки, установленные зелеными, одним из самых важных из которых является Повестка дня на период до 2030 года, такое быстрое расширение просто невозможно.

Brighteon.TV

Есть причина, по которой никогда не проводилось никаких рыночных исследований или технико-экономических обоснований перехода на электромобили. Если бы это было так, результаты показали бы то, что мы все видим сейчас в режиме реального времени: что электромобили - это безнадежное дело.

"Медовый месяц электромобилей закончился", - утверждает Росс. "Не ожидайте, что сам брак продлится намного дольше".

Еще одна вещь, которую зеленые никогда не принимали во внимание, - это длительное время зарядки электромобилей. В то время как автомобиль, работающий на бензине, можно заправить бензином на любой из десятков тысяч заправочных станций, которые разбросаны по всей территории Соединенных Штатов, зарядка электромобилей занимает несколько часов - при условии, что вы вообще сможете найти зарядное устройство.

Например, человек с электромобилем, живущий в Калифорнии, не смог бы проехать даже через Аризону, не говоря уже о том, чтобы проехать весь Техас, если бы он, скажем, отправился в путешествие во Флориду.

"Неужели они действительно верили, что каждый будет терпеть часы, потраченные на зарядку своих автомобилей, а не минуты, к которым они привыкли?" - спрашивает Росс.

Данные о продажах ясно показывают, что американское общество просто не заинтересовано - либо из-за стоимости, либо из-за непрактичности - в покупке электромобиля. Черт возьми, даже у компаний по прокату автомобилей возникают проблемы с тем, чтобы убедить своих клиентов арендовать электромобиль на день или два, не говоря уже о его покупке.

Несмотря на это, производители автомобилей продолжают наращивать производство электромобилей. Это означает, что со временем появятся кладбища электромобилей, полные непроданных электромобилей, что приведет к неисчислимым миллиардам долларов убытков и серьезным экономическим последствиям.

"Мы тратим триллионы на сфабрикованную мечту, и все ради воображаемых выплат в десятилетиях будущего", - пишет Росс.

"Когда карточный домик электромобилей рухнет, какой будет реакция? Обычно для нормальных людей это должно быть время сожаления, переосмысления и смирения... Было бы хорошо, если бы истинно верующие демократы/экологи извлекли что-то из Разгром EV".

В электромобилях нет ничего чистого или экологичного. Узнайте больше на GreenTyranny.news .

Источники для этой статьи включают:

ClimateDepot.com

NaturalNews.com

www.naturalnews.com/2023-09-15-ev-house-cards-collapsing-honeymoon-over-divorce.html

ТОП-7 аналогов ChatGpt

ChatGPT - это чат-бот от компании OpenAI, который основан на искусственном интеллекте. Решение использует модель обработки естественного языка, позволяющая ему писать тексты так, как это делал бы реальный человек.

На сегодняшний момент существует несколько аналогичных ChatGPT моделей и технологий, которые также предоставляют текстовую генерацию и обработку естественного языка (Natural Language Processing, NLP). Вот некоторые из них:

BERT - это решение, разработанное Google. Оно обучается на больших объемах текста, способно понимать контекст и семантику. BERT применяется в различных приложениях NLP, включая чат-боты и поисковые системы. Сервис может решить множество задач: от ответов на вопросы до машинного перевода.

Еще один проект компании OpenAI - это предшественник ChatGPT, который имеет схожие функции. GPT-3 также способен генерировать текст, отвечать на вопросы и выполнять другие задачи NLP.

Модель, представленная Google Research, применяет унифицированный подход к обработке текста. Вся задача формулируется "текст в текст", что делает ее очень гибкой и мощной.

Проект XLNet сочетает в себе идеи из GPT и BERT, предлагая более сложную архитектуру, которая учитывает обратные связи в обоих направлениях (слева направо и справа налево) при генерации текста. Эту модель можно адаптировать под любую поставленную задачу обработки текста.

Примером Chatbots на основе правил и машинного обучения являются Dialogflow от Google и Rasa. Такие чат-боты и виртуальные ассистенты создаются с использованием правил и методов машинного обучения, не используя глубокие нейронные сети.

Научное сообщество работает над разработкой новых архитектур и моделей, использующих трансформеры и различные доработки для решения разнообразных задач NLP.

Это продукт от Microsoft, разработанный на основе GPT-3, который предоставляет возможность создавать чат-ботов и виртуальных ассистентов.

Описанные выше модели и технологии могут быть использованы для создания чат-ботов, виртуальных ассистентов, систем автоматического ответа на вопросы и других приложений, требующих обработки текста и генерации текста на естественном языке.

Когда полиция заподозрила Дэнни Кайло, жителя штата Орегон, в выращивании каннабиса у себя дома, она отправилась к нему с тепловизионным прибором, чтобы просканировать его. В доме были обнаружены "горячие карманы", которые были использованы для получения ордера на обыск и последующего ареста Кайло.

К счастью, решением Верховного суда, принятым 5 против 4, сканирование было признано незаконным обыском в соответствии с Четвертой поправкой, требующей ордера, который полиция не получила. Очко в пользу конфиденциальности, но в распоряжении правительства скоро появится гораздо более спорный и опасный инструмент для наблюдения за тем, что происходит внутри вашего дома.

В отличие от тепловизора, это устройство уже находится в вашем доме - и именно вы его туда поместили.

Как это работает

WiFi - это электромагнитные волны в диапазонах 2,4 и 5 ГГц. Это то же самое, что и свет, который вы видите, только он может проникать сквозь стены благодаря гораздо большей длине волны. Как и свет (и эхолокация), эти волны отражаются от различных поверхностей и при правильной реконструкции могут быть использованы для создания изображения.

Разработка этой технологии началась, по крайней мере, в июле 2005 года, когда на симпозиуме IEEE исследователи заявили о создании сверхширокополосной короткоимпульсной радиолокационной системы высокого разрешения, работающей на частоте около 10 ГГц. Она предназначалась для военных и полицейских, обеспечивая им "повышенную осведомленность о ситуации".

Несколько лет спустя, в 2008 году, исследователи из Калифорнийского университета в Санта-Барбаре создали первоначальный подход к формированию изображений с помощью WiFi, который они представили на IEEE ACC 2009. Через год они продемонстрировали осуществимость этого подхода.

Гонка началась

Почувствовав потенциал этой новой технологии наблюдения, начали подключаться и другие исследователи. Поначалу дело продвигалось медленно, но в 2017 году двое исследователей из Германии продемонстрировали возможность получения WiFi-изображений с помощью методов, заимствованных из области голографии. По словам Филиппа Холла, студента и ведущего автора исследования, который работал над созданием нового метода вместе с Фридеманом Райнхардом из Технического университета Мюнхена, "за последние два года произошёл взрыв методов пассивной визуализации через Wi-Fi".

В то время эта технология позволяла различать лишь грубые очертания предметов. "Если на столе стоит чашка кофе, вы можете увидеть, что там что-то есть, но не сможете разглядеть форму, - говорит Холл, - но вы можете разглядеть форму человека или собаки на диване. В общем, любой объект размером более 4 см".

Началась полемика

В 2018 г. сотрудники Университета Калифорнии в Санта-Барбаре опубликовали работу под названием "Et Tu Alexa?", в которой рассмотрели потенциальные угрозы этой новой технологии. Они рассмотрели проблему состязательного зондирования WiFi и риск для частной жизни в результате повсеместного развертывания беспроводных устройств, которые могут быть использованы для отслеживания вашего точного физического местоположения, передвижения и других физиологических свойств.

К счастью, они также предлагают некоторые контрмеры для защиты от таких атак, позволяющие снизить количество и качество перехватываемых злоумышленником сигналов WiFi, такие как геозонирование и ограничение скорости. Однако эти методы не столь эффективны с IoT-устройствами (устройствами Интернета вещей) из-за частоты, с которой они осуществляют передачи.

Прорыв

До этого момента для достижения достойного разрешения изображения необходимо было использовать частоты выше, чем у коммерческого WiFi (2,4 и 5 ГГц). Все изменилось в феврале 2019 года, когда группа специалистов из Мичиганского государственного университета опубликовала в журнале IEEE Access статью, в которой описала, как они смогли использовать сигналы на частоте 5,5 ГГц, соответствующей протоколу WiFi 802.11n/ac, для создания двухмерного изображения двух отражающих сфер и отражающей X-образной мишени, сделав вывод: "Полная двухмерная съемка возможна путем захвата сигналов WiFi, присутствующих в типичных средах".

Добавление искусственного интеллекта и переход к трехмерному изображению

На выставке MobiCom 2020 исследователи из Университета Буффало " rel="nofollow">представили свою технологию WiPose, которую называют "первой системой построения трехмерной позы человека с помощью коммерческих WiFi-устройств". Эта система использует технологию двухмерной визуализации, о которой говорилось ранее, для построения трёхмерного аватара человека, которого она снимает. Система использует модель глубокого обучения, которая кодирует предварительные знания о человеческих скелетах в процессе построения трехмерной модели.

В 2019 году бывший подрядчик DARPA Рэй Лю выпустил свой первый коммерческий продукт в области WiFi зондирования. Компания заявила, что "сделает мир безопаснее, здоровее и умнее", а первоначальное военное и правоохранительное применение, о котором говорилось при создании этой технологии в 2005 году, было отброшено. Компания утверждает, что технология настолько точна, что может определять ваше дыхание, используя только стандартные сигналы WiFi.

В блоге компании 2021 года Лю рассказывает о разработке нового протокола WiFi IEEE 802.11bf, который призван стандартизировать визуализацию WiFi для всех устройств, что облегчит таким компаниям, как его, использование совместимых беспроводных сетей. Лю был избран президентом IEEE на 2022 год, а разработка нового стандарта продолжается по сей день.

Были внесены дальнейшие усовершенствования в саму технологию формирования изображений. В конце 2021 г. в IEEE была представлена ещё одна статья, в которой исследователи рассказали о том, как им удалось добиться высокого разрешения изображений при использовании коммерческих сигналов WiFi с помощью формирования луча в протоколе 802.11n/ac.

Готовность к производству

Идеальная система формирования изображений с помощью WiFi, возможно, только что была представлена миру в декабре 2022 года, когда исследователи из Университета Карнеги-Меллона объединили новейшие технологии WiFi-сенсинга (WiFi-зондирования) с механизмом оценки формы человека, известным как DensePose.

(Левый столбец) DensePose на основе изображения (Правый столбец) DensePose на основе Wi-Fi.

DensePose - это технология, которая разрабатывалась компанией Meta/Facebook начиная с 2018 года. Она очень похожа на рассмотренную нами ранее систему WiPose и направлена на "отображение всех человеческих пикселей RGB-изображения на 3D-поверхность человеческого тела".

Исследователи модифицировали DensePose таким образом, чтобы вместо получения RGB-изображения она была совместима с изображениями, получаемыми с помощью современных технологий WiFi-сенсинга (зондирования). Полученная система "может определять позу человека в помещении, основываясь исключительно на сигналах WiFi, проходящих через окружающую среду".

Новые глаза Большого Брата

Показательно, что эта технология была предложена не для военных и полицейских нужд, а для обеспечения безопасности людей в их собственных домах. Очевидно, что истинное назначение этой технологии - правоохранительные органы, военные и разведывательные службы. Мы уже живем в условиях массового цифрового наблюдения и если вы не верите, что эта технология не будет включена в их планы по отслеживанию всех ваших действий, то вы просто не обращали на это внимания.

Помимо установки камер видеонаблюдения в жилых помещениях каждого человека, эта технология предлагает всеобъемлющий и в высшей степени скрытный способ установить наблюдение в каждой комнате вашего дома и на рабочем месте. Действительно, это может стать нормой. Поскольку почти треть представителей поколения Z выступает за установку государственных камер наблюдения в вашем доме, этот менее навязчивый метод может просто найти еще более широкую поддержку у масс с промытыми мозгами. Можно будет знать, где вы находитесь в доме и что именно вы делаете, от сидения на унитазе до занятий любовью.

Мы уже видели, как легко спецслужбы могут получить секретный ордер на слежку за любым человеком, представляющим особый интерес. Мы также видели, как легко человек становится объектом слежки.

Вполне возможно, что однажды ваш WiFi-роутер и точки доступа будут передавать изображения спецслужбам, которым не понравились ваши посты в социальных сетях, а вооруженные бандиты будут ждать удобного момента для совершения своего следующего налета.


Первоисточник: bombthrower.com

Источник перевода: newsstreet.ru

Больше интересных статей, которые я не успеваю переводить, но которые можно почитать через онлайн-перевод, можно найти здесь: t.me/murrrzio

19 сентября. /ТАСС/. Правительство РФ признало использование виртуальных мобильных номеров (DEF-номеров) угрозой безопасности в сфере связи и интернета, сервисы по их выдаче после 1 сентября 2024 года планируется блокировать. Соответствующее постановление кабмина, имеющееся в распоряжении ТАСС, вносит изменения в Правила централизованного управления сетью связи общего пользования.

Документ вступит в силу с 1 сентября 2024 года. Согласно постановлению, перечень угроз в этой сфере теперь дополнен пунктом о предоставлении доступа к онлайн-ресурсам и мессенджерам пользователям без их идентификации.

В настоящее время для регистрации в соцсетях и мессенджерах, в том числе в Telegram, пользователь должен предоставить номер мобильного телефона, который при необходимости позволяет идентифицировать его владельца. При этом злоумышленники зачастую используют при регистрации не реальные, а виртуальные DEF-номера, которые принадлежат иностранным операторам связи, сдаются в аренду и никак не привязаны к персональным данным конкретного человека.

Временный номер позволяет создать временный же аккаунт, с помощью которого злоумышленник может размещать противоправную информацию и совершать мошеннические действия.

Программа собирает данные с помощью встроенного в смартфон гироскопа и сопоставляет информацию о столкновении автомобиля. Если удара не было, то гироскоп и акселерометр его просто не зафиксируют, поэтому алгоритм не даст возможность подстроить ДТП. Эксперты считают, что софт сможет упростить работу по выявлению злоумышленников, пытающихся таким образом получить деньги со страховой компании, но для обучения алгоритма понадобится время. Также потребуются значительные человеческие ресурсы, чтобы контролировать работу ПО.

Алгоритм на страже

В России создали систему противодействия фейковым ДТП, рассказали "Известиям" в НТИ "Автонет". Алгоритм работает следующим образом: программа собирает данные с помощью встроенного в смартфон гироскопа, после чего сопоставляет информацию о столкновении автомобиля. Если удара не было, то гироскоп и акселерометр их просто не зафиксируют, а значит, подстроить аварию не получится, рассказали "Известиям" разработчики ПО.

Суть мошенничества состоит в том, что автовладельцы, которые попали в аварию, пытаются оформить страховку каско постфактум. Алгоритм, созданный разработчиками, используется в приложении Simble (онлайн-сервис по страхованию автомобилей).

- Система определяет попытки мошенничества на этапе регистрации пользователя в приложении. Она анализирует данные об истории страхования, аварийности и другие факторы. Перечисленная выше информация поступает в нее как из внешних источников (баз страховых компаний), так и накапливается самостоятельно, - сказал директор по развитию Simble Василий Калужин.

За последний месяц ИИ удалось предотвратить более 150 фейковых ДТП.

В настоящий момент авторы алгоритма ведут переговоры о его применении в приложениях других страховых компаний. В частности, возможность внедрения такой системы изучают "ВСК страхование", "ТИТ страхование" и "АльфаСтрахование". "Известия" направили запросы в эти организации.

- Безусловно, регулятор необходим, так как случаев, когда люди имитировали ДТП и пытались на этом заработать, огромное множество. Например, в начале года был владелец Bentley, который подстраивал аварии, но его поймали правоохранительные органы, - рассказал автомобильный эксперт и майор ГИБДД в отставке Виктор Кондрашин.

По мнению члена общественного совета при ГУ МВД России по Москве Петра Шкуматова, целесообразность использования ИИ при оформлении каско зависит еще и от того, во сколько обойдется разработка данной системы. Ее стоимость должна исчисляться долями процента от суммы конкретного продукта, добавил он.

"Известия" отправили запросы в "СОГАЗ", Союз автостраховщиков России и Всероссийский союз страховщиков и попросили оценить разработку.

В пресс-службе "Росгосстраха" сообщили, что у них есть свои методики, алгоритмы и наработки, позволяющие выявлять недобросовестные или мошеннические действия в сфере автострахования, в частности сфальсифицированные ДТП, но какие конкретно, не уточнили.Трудности обучения

Эксперты считают, что на этапе обучения ИИ неизбежны ошибки, и на первых порах необходимо вручную контролировать работу алгоритма.

- Надо смотреть, как будет работать эта система, в нынешнем виде совершенно непонятно, как именно она будет сортировать людей. Под удар могут попасть добропорядочные граждане, которых буквально заставят проходить дополнительные проверки, - рассказал "Известиям" Виктор Кондрашин.

Сами страховые компании могут посмотреть всю необходимую историю ДТП, их количества, тяжести повреждений и так далее. И очевидно, что если человек каждый месяц попадает в аварию и просит компенсаций, то явно что-то не так, добавил эксперт.

Сама идея подобного приложения правильная, она поможет страховым компаниям в выявлении мошенников в этой сфере, полагает генеральный директор TelecomDaily Денис Кусков. Это позволит страховым компаниям автоматизировать процесс выявления злоумышленников уже на этапе регистрации в приложении и упростит работу людям.

- Но несмотря на все преимущества, автоматизацию процесса и упрощение работы людей, любой искусственный интеллект или алгоритм нужно обучать. Это достаточно долгий и трудоемкий процесс, - сообщил Денис Кусков.

Кроме того, если ИИ по ошибке решит, что пытающийся зарегистрироваться в приложении человек - злоумышленник, то страховая компания потеряет прибыль. А убирать лжемошенника уже придется в ручном режиме, для чего в итоге всё равно нужно привлекать человеческие ресурсы, сказал он.

- Бороться со злоумышленниками при оформлении каско пытаются уже много лет, и это получается с переменным успехом. Любую систему, которая обещает улучшение каких-либо показателей, в том числе в борьбе с мошенничеством, необходимо тестировать перед тем, как запускать ее для массовой аудитории, - констатировал аналитик Mobile Research Group Эльдар Муртазин.

Если софт работает так, как заявляют о нем разработчики, то это, безусловно, хорошее изобретение. Но если приложением не будут пользоваться, то в нем нет никакого смысла, поскольку ИИ не будет обучаться и не сможет совершенствоваться, отметил ведущий авторубрики на телеканале "Россия" Иван Зенкевич.

Такие системы должны быть не частными, а государственными, так как государство располагает гораздо большим массивом данных о гражданах, нежели любая частная организация, резюмировал Петр Шкуматов.

Ученые из лаборатории исследований искусственного интеллекта (ИИ) Tinkoff Research открыли новый алгоритм для обучения ИИ. Новый метод, названный SAC-RND[1], обучает роботов в 20 раз быстрее и на 10% качественнее всех существующих аналогов - такие результаты показало тестирование метода на робототехнических симуляторах.

Обучение искусственного интеллекта - процесс, требующий больших ресурсов: прежде всего, вычислительных мощностей, финансовых затрат и времени. Его оптимизация позволит ускорить развитие всех областей, в которых используются ИИ-агенты, например робототехники.

SAC-RND может повысить безопасность беспилотных автомобилей, упростить логистические цепочки, ускорить доставку и работу складов, оптимизировать процессы горения на энергетических объектах и сократить выбросы вредных веществ в окружающую среду. Открытие не только улучшает работу узкоспециализированных роботов, но и приближает ученых к созданию универсального робота, способного в одиночку выполнять любые задачи.

Результаты исследования были признаны мировым научным сообществом и представлены на Международной конференции по машинному обучению (ICML)[2], которая в этом году прошла в 40-й раз в Гонолулу, Гавайи, с 23 по 29 июля. Это одна из трех крупнейших конференций в мире, оказывающих наибольшее влияние на исследования в сфере машинного обучения и искусственного интеллекта.

Суть открытия

Сегодня одно из наиболее перспективных видов обучения ИИ - обучение с подкреплением (RL)[3], вдохновленное процессами человеческого обучения и отличающееся высоким уровнем эффективности. RL позволяет роботам учиться методом проб и ошибок, адаптироваться в сложных средах и изменять поведение на ходу. Обучение с подкреплением может использоваться во всех сферах: от регулирования пробок на дорогах до рекомендаций в социальных сетях, которые предлагают пользователю контент, основанный на его предпочтениях.

Ранее считалось, что использование случайных нейросетей (алгоритмов для последовательного и автоматического принятия решений, RND) не подходит для офлайн-обучения роботов с подкреплением. Изучив прежние работы, связанные с использованием RND, исследователи из Tinkoff Research обнаружили недостатки в проведенных экспериментах и полученных выводах.

При использовании метода RND участвуют две нейросети - случайная и основная, которая пытается предсказать поведение первой. Важное свойство каждой нейросети - ее глубина: количество слоев, из которых она состоит. У основной сети не должно быть меньше слоев, чем у случайной, иначе она не сможет смоделировать ее поведение, что приведет к нестабильности или невозможности обучения. В Tinkoff Research обнаружили, что в предыдущих работах на тему использования случайных нейросетей в обучении с подкреплением размер случайной сети составлял четыре слоя, а размер основной - два.

Использование неправильных размеров сетей привело научное сообщество к ошибочному выводу, что метод RND не умеет дискриминировать (классифицировать) данные - отличать действия, которые были в датасете, от тех, что там не было. Исследователи из Tinkoff Research исправили глубины сетей, сделав их эквивалентными, и быстро обнаружили, что при таких настройках методу удается различать данные.

Следующим шагом стала оптимизация метода. Роботы научились приходить к эффективным решениям благодаря использованию механизма слияния, основанного на модуляции сигналов и их линейном отображении. В предыдущих работах на тему RND сигналы не подвергались дополнительной обработке.

В России появится система распознавания такси, каршеринга и спецтранспортра, сообщил генеральный директор российского разработчика систем распознавания лиц NtechLab Сергей Сучков.

Ранее компания выпускала систему распознавания лиц, которая, в частности, используется в Москве на городских камерах, а также была задействована при проведении Чемпионата мира по футболу в Катаре.

"Мы выпустили крупнейшее за два года обновление продукта FindFace Multi, - сказал он. - В обновленном продукте добавилась функция распознания спецтранспорта, такси и каршеринга".

Эта функция может широко применяться, например, на промышленных объектах и на объектах критической инфраструктуры и внедряться в "умные" шлагбаумы, которые автоматически смогут запускать транспортные средства на территорию дворов и других объектов. "В настоящий момент NtechLab ведет переговоры о тестировании обновления FindFace Multi с двумя промышленными предприятиями в России и одной из крупнейших строительных компаний в Центральной Азии", - отметил Сучков.

Кроме того, новая система может получить широкое применение на объектах критической инфраструктуры и заменить иностранное ПО: при помощи видео с камер наблюдения в реальном времени можно следить за ношением средств индивидуальной защиты - касок и жилетов, а также осуществлять контроль периметра критической инфраструктуры.

Как пояснили ТАСС в компании, в системе появилась функция контроля пересечения линий - если посторонний оказывается на территории объекта, то оператор получает тревожное оповещение.

"В настоящий момент до 50% объектов используют иностранное программное обеспечение и устройства. За год на действующей инфраструктуре можно полностью перейти на отечественные системы видеоаналитики - более точные, чем большинство иностранных аналогов", - подчеркнул Сучков, добавив, что компания планирует в ближайшие три года занять не менее 10% рынка систем видеоаналитики для промышленной безопасности и критической инфраструктуры.

NtechLab была основана в 2015 году и разрабатывает технологии распознавания лиц и силуэтов людей, а также транспортных средств и номерных знаков. Продукты компании используются в более чем 30 регионах России и 30 странах. Штаб-квартира NtechLab расположена в Москве.

GPT-4 - самая продвинутая на данный момент модель искусственного интеллекта. Ее можно использовать для широкого спектра задач, в том числе для поиска актуальной информации с указанием ее источников

Спустя четыре месяца после выпуска языковой модели GPT-4 ее разработчик, компания OpenAI, объявил, что система станет доступной для встраивания в разные приложения.

Сначала воспользоваться моделью ИИ смогут избранные разработчики сервисов, но в дальнейшем ее откроют для всех желающих через API (аппаратно-программный интерфейс).

Однако GPT-4 уже доступна всем обычным пользователям, которые могут опробовать ее возможности. "РБК Тренды" объясняют, в чем преимущества системы и как получить к ней доступ.

Что такое GPT-4

GPT-4 (Generative Pre-trained Transformer 4) - это большая мультимодальная модель ИИ, которая способна обрабатывать запросы в виде картинок и текста, а затем выдавать текстовые ответы. OpenAI представила ее в марте 2023 года. GPT-4 работает на "уровне человека" в различных профессиональных и академических тестах, утверждают разработчики модели. В среднем она набирает в этих тестах 88% и более.

GPT-4 обучали, используя программы состязательного тестирования, а также ChatGPT, что привело к улучшению ее управляемости. Модель по сравнению с предшественником GPT-3.5 на 82% реже отвечает на запросы о запрещенном контенте и на 40% чаще генерирует корректные ответы. "Разница проявляется, когда сложность задачи достигает достаточного порога, - GPT-4 более надежен, креативен и способен обрабатывать гораздо более тонкие инструкции, чем GPT-3.5", - заявляет OpenAI. Кроме того, в запросе к нейросети теперь можно задавать стиль ответа, а также назначать ей роль.

Тем не менее модель по-прежнему "галлюцинирует" и иногда ошибается в суждениях. В одном примере чат-бот назвал Элвиса Пресли "сыном актера".

GPT-4 способна суммировать текст (Фото: openai.com)

Несмотря на это, в мае исследователи Microsoft выпустили документ под названием "Искры общего искусственного интеллекта: ранние эксперименты с GPT-4". Они заявили, что GPT-4 демонстрирует ранние признаки ОИИ (AGI, общего искусственного интеллекта), то есть его возможности находятся на уровне человека или даже превышают его.

Возможности GPT-4
По сравнению со своими предшественниками GPT-4 обладает целым рядом преимуществ:

- мультимодальностью. Нейросеть принимает запросы в виде текстов, изображений и видео, а также способна работать с документами, на которых есть текст с фото, диаграммы или скриншоты. При этом она научилась решать более сложные задачи, в том числе химические или математические. Все ответы GPT-4 выдает на естественном языке, в виде программного кода, формул и т.д.;

GPT-4 может анализировать графики (Фото: datacamp.com)

- точностью работы с изображениями. ИИ распознает картинки так же точно, как и текстовую информацию, опознает их содержимое и видит детали. Например, GPT-4 можно спросить, что смешного в конкретном меме, и модель объяснит суть шутки;

- большим объемом памяти. Нейросеть запоминает гораздо больше контекста (до 25 тыс. слов). Это позволяет вести с ней длинные диалоги, ссылаясь на контекст;
возможностью играть разные роли. Автор запроса может попросить нейросеть выступить в качестве редактора текста или разработчика мобильного приложения. От роли будет зависеть стиль ответа GPT-4. Также стало проще моделировать запросы к ней. Кроме того, нейросеть теперь знает различные языковые диалекты.

Как пользоваться GPT-4 в России

На сайте ChatGPT доступ к последней версии с GPT-4 можно получить только при наличии платной подписки. Однако существуют обходные пути, которые позволяют опробовать языковую модель даже тем, кто никогда не использовал ChatGPT.

"Умный" поисковик Microsoft Bing

Bing от Microsoft - это поисковик со встроенным чат-ботом на базе GPT-4, который адаптировали для поиска в интернете. В нем можно вести диалог, писать код, генерировать картинки, а сами чаты можно экспортировать в различных форматах. Кроме того, при генерации ответов модель дает ссылки на источники, что удобно для проверки этой информации.

Поисковик доступен в России, но, чтобы пользоваться им, потребуется VPN. Чтобы включить чат-бот Bing от Microsoft, нужно:

- установить последнюю версию браузера Microsoft Edge;
- включить VPN (Hola VPN, Browsec или другой);
- в настройках аккаунта Microsoft изменить регион (выбрать США или другую страну);
- на сайте Bing.com или в приложении войти в свой аккаунт Microsoft и перейти в раздел "Чат";
- выбрать режим работы: творческий, сбалансированный или точный.

Поскольку бот работает скорее как поисковый ассистент, для получения более подробного ответа нужно попросить его уточнить информацию. Также в чате есть вкладка "Создать", где есть шаблоны деловых писем, идей для блога и т.д., но она пока доступна только в режиме предпросмотра.

Чат-бот в Telegram

Опробовать возможности GPT-4 можно и в ChatGPT-ботах в Telegram. Плюс такого метода в том, что он не требует регистрации или дополнительных настроек, а сами боты работают бесплатно.

Примеры использования GPT-4

Редакция "РБК Трендов" опробовала возможности GPT-4, и вот что получилось.

- Опиши краткую историю открытий в физике за последние десять лет.

- Вот краткая история открытий в физике за последние десять лет:

В 2015 году были впервые обнаружены гравитационные волны - колебания пространства-времени, предсказанные Альбертом Эйнштейном в 1916 году. Они возникают при столкновении массивных объектов, таких как черные дыры или нейтронные звезды. Это открытие открыло новый способ "слышать" космос и изучать гравитацию и происхождение элементов.

В 2012 году был обнаружен бозон Хиггса - элементарная частица, которая объясняет, почему другие частицы имеют массу. Его существование было предсказано в 1964 году в рамках Стандартной модели физики элементарных частиц, но его поиск занял десятилетия и требовал использования Большого адронного коллайдера - самого мощного ускорителя частиц в мире.

В 2016 году была создана квантовая сверхпроводимость при комнатной температуре - явление, при котором материал не имеет сопротивления электрическому току. Ранее это явление наблюдалось только при очень низких температурах, близких к абсолютному нулю. Квантовая сверхпроводимость может иметь революционные последствия для энергетики, транспорта и вычислений.

В 2018 году была сделана первая фотография черной дыры - объекта с такой сильной гравитацией, что даже свет не может из него вырваться. Для этого потребовалось объединить данные с восьми радиотелескопов, расположенных по всему миру, и создать виртуальный телескоп размером с Землю. Фотография показала тень черной дыры на фоне излучения, которое она искривляет.

В 2020 году было обнаружено новое состояние материи - топологический изолятор. Это материал, который проводит электричество только по своей поверхности, а не по объему. Такие материалы могут иметь уникальные свойства, такие как квантовый эффект Холла или квантовый спиновый эффект. Они также могут быть полезны для создания квантовых компьютеров и других устройств.

- Сформируй топ из десяти самых популярных песен в мире, опираясь на данные поиска за последние пять лет.

- Вот топ из десяти самых популярных песен в мире, основанный на данных поиска за последние пять лет:

Shape of You - Ed Sheeran;

Despacito - Luis Fonsi и Daddy Yankee feat Justin Bieber;

Blinding Lights - The Weeknd;

Dance Monkey - Tones and I;

Old Town Road - Lil Nas X feat Billy Ray Cyrus;

Bad Guy - Billie Eilish;

Rockstar - Post Malone feat 21 Savage;

Someone You Loved - Lewis Capaldi;

Senorita - Shawn Mendes feat Camila Cabello;

Sunflower - Post Malone feat Swae Lee.

- Какими инструментами должен владеть цифровой художник в 2023 году?

- Цифровой художник в 2023 году должен владеть разными инструментами, которые помогают ему создавать качественные и оригинальные иллюстрации для разных целей и платформ. Вот некоторые из них:

Adobe Photoshop: это одна из самых популярных и мощных программ для редактирования и создания растровой графики. Она предлагает широкий выбор инструментов, фильтров, кистей и эффектов, которые позволяют художнику реализовать любую идею. Photoshop также поддерживает работу со слоями, масками, векторами и 3D-объектами. Однако Photoshop может быть сложным для новичков и требует высоких системных требований.

Vectornator: это бесплатное приложение для создания векторной графики на iPad, iPhone и Mac. Оно имеет интуитивный интерфейс, который адаптируется под разные устройства и поддерживает Apple Pencil. Vectornator позволяет художнику создавать логотипы, иконки, иллюстрации, макеты и другие векторные изображения с помощью разных инструментов, таких как карандаш, кисть, фигуры, текст и т.д. Vectornator также поддерживает импорт и экспорт файлов в разных форматах, включая SVG, PDF, PNG и AI.

Autodesk Sketchbook: это профессиональное приложение для рисования и скетчинга на разных устройствах, включая Windows, Mac, Android и iOS. Оно имеет простой и удобный интерфейс, который не отвлекает от творческого процесса. Autodesk Sketchbook предоставляет художнику доступ более чем к 190 кистям, которые имитируют разные материалы и техники рисования. Также в приложении есть инструменты для работы с перспективой, симметрией, градиентами и т.д. Autodesk Sketchbook поддерживает работу со слоями, масками, режимами наложения и другими функциями растровой графики.

Обновлено 14.07.2023
Мария Решетникова

Как работают искусственный интеллект, машинное и глубокое обучение

Что значат эти понятия, в чем разница между ними, и в каких случаях уместно применять каждое?

Об авторе: Андрей Беляев, технический директор (CTO) исследовательской компании Neurodata Lab.

Умные дома, самоуправляемые автомобили, роботы-помощники... Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

В чем разница между этими названиями?

Все задачи, которые может решать человек или компьютер, можно условно разделить на две категории: рутинные и нерутинные.

К рутинным задачам можно отнести те, где достаточно просто найти универсальный путь решения: например, сложение чисел или измерение температуры воздуха.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

Получается, что машинное обучение - это обучение ИИ

Искусственный интеллект - это название не какого-то отдельного алгоритма, но скорее группы методов, которыми пользуются для решения различного рода задач. Алгоритмы, которые используют подходы с обучением, являются лишь одной из подгрупп всего того множества алгоритмов, что принято называть искусственным интеллектом.

Машинное обучение - это подход, при котором алгоритм "учится" решать задачу. Один из самых простых примеров алгоритма, использующего машинное обучение, это классификация фотографий на те, где изображены кошки и те, где есть собаки:

Допустим, есть несколько тысяч фотографий кошек и несколько тысяч - собак. Эти данные можно загрузить в алгоритм и заставить его "учиться" отличать кошек от собак, "ругая" за ошибки в классификации и "поощряя" за правильные ответы. В зависимости от количества и качества вводных данных, а также от сложности используемого алгоритма после некоторого количества итераций с "наказанием" и "поощрением", получается обученный алгоритм, которой с разным качеством умеет отличать кошек и собак.

Применяя методы машинного обучения, эти же алгоритмы можно "натренировать" и для выполнения более сложных задач - таких как поиск людей на кадре, определение пола и возраста человека и т.д.

Такие алгоритмы можно научить решать задачи любой сложности?

В теории - да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример - автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

Однако научить автомобиль принимать решения в чрезвычайных ситуациях гораздо сложнее: проблема в том, что и самому человеку трудно понять, как именно надо поступать в том или ином экстренном случае. Поэтому человек не может показать алгоритмам примеры хорошего и плохого поведения для таких случаев.

А что насчет глубокого обучения? Чем оно отличается от машинного?

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и "ругают" его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Нейронные сети? Как те, что в мозгу у человека?

Такое сравнение действительно часто используется. Нейронная сеть - это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или структуры нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов - например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую искусственную нейронную сеть.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

Некоторое количество идей, используемых в нейросетях, разработчики почерпнули из знаний об устройстве человеческого мозга. Одни из самых частых задач для нейросетей - это задачи, связанные с работой с изображениями. Для таких задач используют специальный тип нейросетей, внутри которых есть так называемые сверточные слои.

Если говорить упрощенно, смысл этой сверточной нейронной сети в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

А как происходит процесс обучения?

Процесс обучения алгоритма во многом напоминает процесс обучения человека. Как мы совершаем ошибки и учимся на них (например, что не стоит засовывать руку в кипящую воду), так и алгоритмы, использующие машинное обучение, совершают ошибки, за что получают штраф.

Как работает нейросеть? В качестве примера можно рассмотреть процесс обучения нейросети распознаванию лиц. Чтобы корректно обучить любую нейросеть, нужно сделать две вещи: собрать достаточное количество данных и определить, за что мы будем ее штрафовать. Применительно к этой задаче необходимо собрать несколько десятков фотографий лиц для каждого из людей, которых надо определить, и штрафовать нейросеть за то, что предсказанный ею человек не совпадает с человеком на фотографии.

Что значит "поощрять" и "штрафовать" нейросеть?

С математической точки зрения нейросеть - это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица - это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети - это когда мы ее просто не штрафуем.

График зависимости между длительностью обучения (горизонтальная ось) и конечной ошибкой (вертикальная ось). Чем дольше мы учим нейросеть, тем меньше ошибка.

Во всех примерах вы рассказываете про конкретные задачи. А можно ли нейросеть научить думать, как человек?

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Обновлено 29.09.2020

"Думаю, мы будем использовать публичные твиты, разумеется, не затрагивая ничего частного, для обучения, как поступают все остальные", - заявил Маск в пятницу в ходе прямой трансляции на странице в Twitter. Он подчеркнул, что другие компании "нелегально используют" публикации в соцсети для обучения моделей ИИ, но не пояснил, о каких именно компаниях идет речь.

Как отметил Маск, xAI будет стремиться к созданию "максимально любознательного и стремящегося к правде" искусственного интеллекта, что, по его мнению, является "наиболее безопасным подходом". При этом он в негативном ключе отозвался о моделях ИИ, которые выдают "политкорректные и вводящие в заблуждение" результаты. "На мой взгляд, основная цель xAI - создать хороший искусственный интеллект, который будет преследовать цель понять вселенную", - заявил предприниматель. При этом он отметил, что выступает за регулирование сферы искусственного интеллекта.

По словам Маска, xAI будет тесно сотрудничать с также принадлежащей ему компанией по производству электромобилей Tesla. Как подчеркнул предприниматель, они будут приносить "взаимную выгоду". Он не исключил, что разработки в сфере ИИ будут применены для улучшения системы автопилота Tesla.

В марте Маск зарегистрировал в Неваде компанию xAI, а ранее на текущей неделе официально объявил о ее создании. Одновременно начал работу сайт компании, на котором уточняется, что в ней будут работать бывшие сотрудники Google, Microsoft, а также других корпораций из технологической сферы. Маск неоднократно называл искусственный интеллект одновременно и перспективной, и опасной технологией.

Президент России Владимир Путин предложил в течение года подготовить новый национальный проект по формированию "экономики данных".

"Предлагаю в течение года подготовить новый национальный проект на период до 2030 года. А именно, нацпроект по формированию экономики данных. Подчеркну, речь не только о том, чтобы консолидировать существующие инструменты поддержки развития цифровой экономики, искусственного интеллекта и высокотехнологичных проектов, включая дорожные карты по развитию квантовых технологий, которые сегодня компании с госучастием пытаются осуществить на практике. Нужно выстроить и именно целостный механизм создания и повсеместного внедрения передовых разработок", - сказал глава государства на первом Форуме будущих технологий "Вычисления и связь. Квантовый мир".

По словам президента РФ, новый нацпроект должен "коснуться всех этапов и уровней работы". "Первое - это сбор данных, имею в виду в том числе высокочувствительные датчики, включая квантовые сенсоры, которые радикально повышают точность позиционирования объектов, позволяют обнаружить заболевания на самых ранних стадиях, применяются в других передовых областях - например, в системах спутниковой и наземной связи", - пояснил Путин.

Кроме того, среди задач нового нацпроекта - развитие систем связи текущего и нового поколений. По словам Путина, это "критически необходимо" в робототехнике, системе беспилотного транспорта и автоматизации городской среды. Также глава государства обозначил важность развития суверенных отечественных облачных платформ и центров обработки данных и работу над технологиями квантовых коммуникаций.

Президент отметил и работу над суверенными национальными стандартами и протоколами работы с данными. "Такие стандарты необходимы для надежной обработки и хранения данных, в том числе персональной информации граждан. Для применения технологий квантовой криптографии, для кибербезопасности, защиты от атак", - пояснил он. Кроме того, в нацпроект предполагается включить развитие алгоритмов обработки и анализа данных, в том числе решения в области искусственного интеллекта.

"Наличие таких национальных инструментов гарантирует суверенность данных, существенно уменьшает зависимость от иностранных поставщиков и повысит контроль над критической инфраструктурой. <...> Подчеркну, работа по всем перечисленным направлениям должна быть нацелена на системное изменение всех отраслей экономики, социальной сферы, государственного управления, качества жизни людей на всей территории нашей страны", - отметил глава государства.

SpaceX Илона Маска приняла на работу 14-летнего Кайрена Квази. Он присоединится к команде разработчиков, которые создают программное обеспечение для спутников Starlink. Ранее Кайрен стажировался в компании Intel и специализирующейся на кибербезопасности Blackbird.AI, пишет Business Insider.

Парень совсем недавно окончил Университет Санта-Клары, где изучал информатику и инженерию. Он стал самым молодым выпускником в истории вуза. Да и вообще Кайрен с самого детства обладал впечатляющими способностями и даже попал в список людей с самым развитым интеллектом.

Чтобы начать работу в SpaceX, он вместе с мамой планирует переехать в город Редмонд в штате Вашингтон, сообщает The Seattle Times. Там парень станет частью команды разработчиков, которые создают программное обеспечение для спутников Starlink.

"Я присоединюсь к самой крутой компании на планете. Это одна из редких компаний, которая не использовала мой возраст в качестве показателя зрелости и способностей", - написал Кайрен в посте на LinkedIn.

Ранее он стажировался в Intel, где занимался исследованиями в сфере искусственного интеллекта, а в прошлом году прошел стажировку в компании Blackbird.AI, которая специализируется на кибербезопасности.

Создатель Stable Diffusion уверен, что ИИ перевернёт наш привычный мир с ног на голову.

Эмад Мостак, основатель и генеральный директор компании Stability AI предсказывает, что искусственный интеллект полностью изменит наш мир в ближайшем будущем.

В недавнем интервью Мостак рассказал о текущем состоянии индустрии ИИ, а также о своём видении по её развитию. Он признал, что сложно прогнозировать дальше, чем на пять лет вперед, однако заявил, что "через пять лет программистов уже не будет". По крайней мере, в классическом понимании этой профессии.

Будущее для "человеческих кодеров" не слишком радужное, считает Мостак. Его аргументы подтверждаются данными с GitHub, которые показывают, что "41% всего кода сейчас генерируется ИИ". И эта тенденция явно лишь будет набирать обороты в будущем.

Мостак прогнозирует революционные изменения в нашем общении и доступе к информации. "К концу следующего года, я думаю, у нас будет ChatGPT прямо в мобильном телефоне, без интернета". С ИИ-моделями, полностью работающими на мобильных устройствах, оффлайн, наше общение может претерпеть радикальные преобразования.

На фоне быстрого развития в области ИИ опасения относительно его потенциального влияния на мир лишь усиливаются. Мостак заявляет, что в Stability AI решают эту проблему, создавая персонализированные модели. Цель разработчиков - дать каждому человеку, компании или культуре возможность иметь персонализированную ИИ-систему, которая отражает их собственные повествования и уникальные взгляды.

Децентрализация ИИ является ключевым элементом их стратегии, объясняет Мостак. Он уверен, что технология ИИ должна приносить пользу людям, а не работать против них. Однако неизбежно возникают опасения по поводу сохранения рабочих мест.

В этом отношении Эмад Мостак рисует другую картину. Он подходит к революции ИИ с оптимизмом и видит искусственный интеллект как инструмент, который повышает человеческий потенциал, а не угрозу, которая уничтожает его. "Люди - это люди. Принесите им информацию, которая обладает наибольшей ценностью, и вы измените мир", - подытожил Мостак.

В Австралии специалисты по кибербезопасности создали чат-бот Apate на основе искусственного интеллекта (ИИ), который может помочь в борьбе с телефонными мошенниками. Бот способен имитировать человеческий голос и вести диалог с мошенником до 40 минут. Разработка оригинальная, но уже не первая - тем более что проблема телефонного мошенничества распространена во всем мире. Так, уже несколько похожих технологических решений были представлены в России, где число попыток телефонного мошенничества в отношении граждан к середине июня 2023 года достигло 8,6 млн в сутки против 5 млн годом ранее. Как искусственный интеллект защищает абонентов, может ли он обернуться против них и что нужно знать пользователям, чтобы не попасться на уловки злоумышленников, - в материале "Известий".

Австралийские инновации

В процессе создания ИИ-бота разработчики Apate использовали схожую с ChatGPT технологию. Способность бота клонировать человеческий голос должна помочь ввести мошенников в заблуждение. Разработчики отмечают, что Apate будет отнимать у мошенников время, благодаря чему число их жертв существенно сократится. Создатели надеются, что их сервис в конечном счете приведет к разрушению подобной бизнес-схемы мошенничества. Apateопирается на передовую модель разговорного ИИ и может создать ответ, основанный на изначальной реплике мошенника. Затем этот ответ преобразуется в реалистичную человеческую речь с использованием современных методов искусственного интеллекта для клонирования голоса с модуляцией эмоций.

В Apate есть несколько персонажей, у каждого из которых своя история, включающая в себя адрес, имя и другие аспекты фиктивной "личной жизни". В дальнейшем разработчики планируют искать добровольцев для создания дополнительных голосов и персонажей, в перспективе ожидается не менее 20 личностей. Создатели выявили этапы, по которым работают злоумышленники, с помощью анализа данных. Основываясь на этой информации, они прописали определенные сценарии для чат-бота, которые он использует в диалоге с мошенником.

Российские сервисы

Похожим по функциям российским сервисом можно считать телефонного секретаря от "Тинькофф". Сервис записывает непринятые пользователем звонки и расшифровывает их в формате текста. Кроме того, телефонный секретарь может вести диалог с мошенником. Так, на предложение медицинских услуг секретарь может ответить: "Спасибо, но я никогда ничем не болею. Только за курс рубля болею, но это точно не к вам".

Сейчас существует множество сервисов для определения номера телефона, что помогает обеспечить безопасность пользователя. В Kaspersky Who Calls для выявления потенциальных мошеннических и спам-номеров используется комплекс различных технологий, в том числе несколько моделей машинного обучения, которые на основе анонимизированной статистики звонков и отзывов пользователей помогают с высокой точностью категоризировать номера. Об этом "Известиям" рассказал аналитик Kaspersky Who Calls Владимир Григорьев.

Руководитель VS Robotics Дмитрий Теплицкий считает, что голосовые помощники работают хорошо, но они скорее ограждают человека от нежелательной коммуникации. Однако, если абонент получит звонок и начнет диалог, опытные мошенники могут или добиться своего, или как минимум получить от абонента дополнительную информацию, которая может быть использована в дальнейшем.

- Для "СберМобайл" мы разработали решение "Аура" - защита от мошенничества, которое помогает предотвращать попытки мошенничества в процессе разговора, предупреждая о возможной угрозе, - поделился эксперт.

Этот сервис в процессе разговора "слушает" реплики собеседника, если тот представляется сотрудником банка или представителем правоохранительных органов. Каждую фразу "Аура" пропускает через себя, до тех пор, пока не будет достигнуто определенное пороговое значение ключевых слов. Как только сервис выявляет паттерны схожести с мошенническими действиями, абоненту приходит уведомление в защищенный канал. Далее воспроизводится звуковой сигнал и следует голосовое сообщение: "Возможно, звонок является мошенническим".

Клин клином

Ведущий исследователь данных в "Лаборатории Касперского" Владислав Тушканов рассказал, что сервисы на основе машинного обучения, например, генеративных нейросетей, могут автоматизировать многие рутинные задачи и помогать людям в разных областях.

- Технологии в подавляющем большинстве не плохие и не хорошие, они даже могут быть специально спроектированы так, чтобы не играть на руку злоумышленникам. Например, ChatGPT откажется помогать в написании мошеннических писем, если ее попросить это сделать, а нейросети, генерирующие изображения, должны блокировать генерацию "взрослого" контента, - заключил эксперт.

В данный момент существует риск развития ИИ-сервисов, направленных на помощь мошенникам. Однако с развитием технологий ИИ также разрабатываются системы и алгоритмы для обнаружения случаев мошенничества и борьбы с ними. Об этом рассказал "Известиям" аналитик отдела анализа и оценки цифровых угроз Infosecurity a Softline Company Максим Грязев. Контроль над рынком ИИ-сервисов можно осуществить через законодательство и систему верификации и лицензирования. По словам эксперта, это позволит предотвратить незаконное использование ИИ и обеспечить безопасность пользователей.

Управляющий RTM Group, эксперт в области кибербезопасности и права в ИТ Евгений Царев придерживается такого же мнения.

В данный момент существует риск развития ИИ-сервисов, направленных на помощь мошенникам. Однако с развитием технологий ИИ также разрабатываются системы и алгоритмы для обнаружения случаев мошенничества и борьбы с ними. Об этом рассказал "Известиям" аналитик отдела анализа и оценки цифровых угроз Infosecurity a Softline Company Максим Грязев. Контроль над рынком ИИ-сервисов можно осуществить через законодательство и систему верификации и лицензирования. По словам эксперта, это позволит предотвратить незаконное использование ИИ и обеспечить безопасность пользователей.

Управляющий RTM Group, эксперт в области кибербезопасности и права в ИТ Евгений Царев придерживается такого же мнения.

- Все полученные от пользователя личные данные, такие как номер телефона, имя, фотографии, хранятся исключительно в зашифрованном виде. Поэтому даже в маловероятном случае взлома злоумышленники всё равно получат только шифры, - отметил эксперт.

Мошеннические схемы

Депутат Московской областной думы, основатель группы компаний "Центр городских инициатив" Сергей Маликов рассказал "Известиям", что самой популярной схемой обмана являются поддельные звонки из правоохранительных органов. В таких ситуациях пользователи часто не расценивают звонок как мошеннический и выдают все свои персональные данные. На человека оказывается большое эмоциональное давление, которое может повлечь за собой потерю бдительности. По словам эксперта, в случае, если банковские данные все-таки попали в руки злоумышленников, следует сразу же заблокировать карты.

Телефонные мошенники действуют по заранее подготовленным сценариям: родственник в беде, сотрудник банка, должностное лицо и т.д. Иногда злоумышленники представляются работниками правоохранительных органов и сообщают собеседнику о заведенном на него деле. В процессе разговора они могут попросить собеседника перейти по ссылке, скачать приложение, а также запросить персональные и банковские данные. В последнее время для мошеннических звонков используют не только мобильную связь, но и популярные мессенджеры.

Цифровая гигиена

У каждой мошеннической схемы есть свои особенности, но, как правило, все угрозы можно разделить на несколько категорий в зависимости от целей и используемых методов. Так как новые схемы появляются регулярно, нужно быть готовым к неожиданностям и осторожно относиться к просьбам от посторонних людей. Руководитель группы защиты инфраструктурных ИТ "Газинформсервис" Сергей Полунин считает, что для того, чтобы обезопасить себя от кибермошенничества, для начала стоит ознакомиться с базовыми правилами цифровой гигиены.

- Если пользователь начнет интересоваться этим вопросом, он довольно быстро найдет огромное количество статей по разным аспектам информационной безопасности для любого уровня подготовки. Есть довольно хорошо сформулированные правила по разным темам: беспроводные сети, хранение данных, работа с мобильным телефоном и так далее, - отметил эксперт.

Для того чтобы защититься от мошеннических действий, необходимо ограждать себя от "случайных связей" как в реальном, так и в виртуальном пространстве. Важно проявить настороженность, если собеседник интересуется персональной информацией, даже если является знакомым. Об этом в беседе с "Известиями" сообщил преподаватель факультета игровой индустрии и киберспорта университета "Синергия" Алексей Ермаков. По словам эксперта, необходимо всегда внимательно относиться к написанию названий сайтов, адресов и имен отправителей, так как несоответствие в один знак будет означать уже другого респондента. Для того чтобы оградить себя от телефонных мошенников, прежде всего не стоит отвечать на звонки с незнакомых номеров, также можно установить сервисы по определению номеров. И ни в коем случае не сообщать свои персональные данные во время телефонного разговора с неизвестными абонентами.

Оборудование, сконструированное, изготовленное и испытанное во всех технологических режимах, специфических для энергоснабжения центров обработки данных, было представлено участникам рынка на Х ежегодной конференции и выставке Data Center Design Engineering (DCDE), состоявшейся в Москве в последних числах мая. Эти электростанции имеют мощностной ряд от 1800 кВт до 2700 кВт с максимальным напряжением до 10 кВ и могут перекрыть любые возможные на сегодня запросы.

Двигатели, на базе которых собираются электростанции для ЦОДов, производит китайская компания Yuchai, одна из самых крупных двигателестроительных компаний в мире. Годовая производственная мощность всех заводов группы компаний Yuchai составляет более восьмисот тысяч двигателей, а общие активы - более сорока одного миллиарда юаней. Все производство и поставки полностью контролируются правительством Китайской народной республики.

Эффективность электростанций на базе двигателей Yuchai подтверждена на практике: "НГ-Энерго" в настоящий момент выполняет крупный заказ для одной из ведущих российских компаний, специализирующихся на создании и развитии ЦОДов: на днях заказчику была отгружена очередная партия оборудования, состоящая из шести блочно-модульных дизель-генераторных электростанций "Энерго-Д2000/10,5ЮН30" на базе двигателей Yuchai. По условиям договора компания поставит заказчику 33 электростанции.

В дальнейшем номенклатура используемого оборудования будет расширяться. "Сейчас мы рассматриваем в качестве потенциальных партнеров сразу нескольких китайских производителей генерирующего оборудования, - говорит генеральный директор компании "НГ-Энерго" Андрей Рудской. - В условиях, когда западные производители прекратили сотрудничество с Россией, обратиться к нашим восточным партнерам было решением оправданным и резонным. Китай сегодня представляет собой одну из мощнейших экономик мира и располагает технологиями, как минимум, сравнимыми с европейскими и американскими. Мы в полной мере оценили их, проведя все необходимые испытания. Недавно мы приняли решение об открытии представительства нашей компании в Китае. То есть сейчас можно сказать, мы активно начинаем "говорить по-китайски"".

Рост числа центров обработки данных в России, включая дата-центры в регионах, представляет собой развивающийся рынок. Использование технологий распределенной генерации позволяет обеспечить бесперебойность питания ЦОДов, что является гарантией одного из аспектов информационной безопасности. Приступая к освоению этого рынка, "НГ-Энерго" становится одним из пионеров российской распределенной генерации, располагающим универсальным предложением, в полной мере соответствующим открывшейся перспективе.

Главным событием 2023 года, который еще не пересек своего экватора, многие уже называют стремительный рывок технологий искусственного интеллекта (ИИ). Нейросети преподнесли не только приятные сюрпризы. Например, оказалось, что в отличие от обычных компьютерных программ, они могут как ошибиться, так и обмануть умышленно. В этом убедился "Эксперт", поэкспериментировав с нейросетью.

Если вашему сайту не помогают изменения на основе анализа внутренних данных, возможно, стоит обратить внимание на более совершенные аналитические системы, чтобы понять, реален ли ваш трафик. Если вы начнете подстраивать свои страницы под запросы ботов, то это может привести к пустой трате ресурсов.

Защита от DDoS-атак

DDoS-ботнеты - одна из самых опасных форм бот-трафика. DDoS-ботнет - это группа подключенных к интернету устройств, зараженных вредоносным ПО и удаленно управляемых без ведома их владельцев. С точки зрения хакера, ботнет-устройства - это взаимосвязанные ресурсы, используемые практически для любых целей, но наиболее опасной из них является DDoS-атака.

Любое отдельное устройство ботнета может быть использовано несколькими злоумышленниками, каждый из которых задействует его для разных форм атак одновременно. Например, хакер может использовать компьютер, зараженный вредоносным ПО, чтобы получить быстрый доступ к сайту в рамках DDoS-атаки. Тем временем, фактический владелец компьютера может использовать его для онлайн-покупок, даже не подозревая о происходящем.

DDoS-атаки становятся все более частыми и могут нагружать сервер сайта запросами с целью сделать его полностью недоступным - это приводит к значительным простоям и потере конверсий для коммерческих сайтов.

К счастью, в сети можно найти защиту от DDoS-атак - например, Liquid Web предлагает различные уровни защиты от DDoS-атак в зависимости от ваших потребностей.

Имейте в виду потенциальных злоумышленников

Многие владельцы сайтов предпочитают использовать ПО, чтобы защитить сайт от вредоносных программ и вирусов, но такой подход не всегда может обеспечить защиту от неопознанных угроз, которые могут проникнуть в вашу систему. Чтобы полностью защитить свои серверы от плохого трафика, важно рассмотреть возможность использования дополнительных возможностей - например, системы обнаружения вторжений.

ПО Threat Stack может собирать, отслеживать и анализировать телеметрию безопасности в серверных средах с целью обнаружения аномалий и оценки угроз.

Защитные меры также могут помочь компаниям соответствовать стандартам безопасности, в том числе требованиям PCI DSS, SOC 2 и HIPAA/HITECH.

Понимание бот-трафика для обеспечения безопасности и соответствия требованиям

Так как число плохих ботов увеличивается, компаниям необходимо уметь идентифицировать бот-трафик, чтобы лучше понимать свои показатели и предотвращать проникновение ботов в свои системы. При правильном соблюдении нормативных требований можно избежать разрушительных угроз и злонамеренных действий киберпреступников.

Ваш сайт должен быть вашей гордостью и радостью, и вы можете быть уверены, что не потеряете над ним контроль, если примете нужные меры.

Статьи по теме:

• 5 аналитических инструментов для отслеживания бот-трафика

ChatGPT оказалась способна помогать в создании вирусов с полиморфным (меняющимся) кодом, которые могут не обнаруживаться современными антивирусными системами. Такой способ ее использования продемонстрировали эксперты по кибербезопасности. Хакеры тоже регулярно обращаются к ней за помощью - некоторым из них она пишет вредоносное ПО с нуля. Microsoft вливает в эту нейросеть большие суммы денег.

Искусственный интеллект угрожает кибербезопасности

Нейросеть ChatGPT, в которую активно вкладывается Microsoft, и которая с недавних пор встроена в ее сервисы, оказалась отличным инструментом для создания супервирусов. Как пишет портал Tom's Hardware, с ее помощью киберпреступники способны делать "мутирующие" вирусы, которые современные системы обнаружения опасности и обычные антивирусы почти не способны обнаружить.

В данном случае речь идет о вирусах с полиморфным кодом, то есть кодом, способным меняться при каждом запуске программы, но сохраняющий свою основную функцию (семантику).

ИТ-эксперты сходятся во мнении, что ChatGPT действительно может создавать полиморфные вредоносные программы, почти незаметны для антивирусов. Более того, некоторые из них наглядно доказали факт наличия у нее такой способности.

Например, инженер по безопасности в ИБ-компании HYAS InfoSec Джефф Симс (Jeff Sims) опубликовал в Сети технический документ с очень детальным описанием своего экспериментального проекта под кодовым названием BlackMamba. Под этим наименованием скрывается программа - полиморфный кейлоггер, разработанный при участии ChatGPT и направляющий ей запросы при каждом запуске.

Чтобы писать вирусы, больше не нужно быть гением в программировании. Нейросеть сделает все сама

Также нейросети могут облегчить жизнь студентам и писать за них научные и дипломные работы. Такой прецедент был создан в начале 2023 г., и за ним стоит российский студент, успешно защитивший диплом, написанный в соавторстве с ChatGPT.

Все только начинается

Творение Джеффа Симса - лишь один из известных примеров того, как искусственный интеллект становится безотказным помощником киберпреступников. Еще один пример продемонстрировала ИБ-компания CyberArk, опубликовав статью о том, как внедрение кода из выдачи ChatGPT позволяет изменять вредоносные скрипты таким образом, чтобы те с легкостью обходили антивирусную защиту и оставались незамеченными для систем безопасности.

При этом нельзя сказать, что современные чат-боты, основанные на нейросетях, не имеют никаких средств защиты от тех, кто хочет использовать их во вред. Наоборот, большая их часть, в том числе и ChatGPT, оснащены многочисленными фильтрами, не позволяющими с помощью ботов, в том числе, создавать вредоносное ПО.

Однако большинство такого рода фильтров оказались бесполезными - пользователи быстро научились обходить их и получать от искусственного интеллекта то, что им требуется. CNews освещал случай, когда обычный пользователь при помощи всего лишь нескольких обычных запросов заставил ChatGPT выдать немало секретов разработчиков. Лазейку после шумихи в СМИ быстро прикрыли.

Хакеры делятся опытом

Нейросети могут стать подспорьем как для опытных киберпреступников, так и для начинающих, едва приступивших изучению, например, языка программирования Python. Интерес сообщества хакеров к этому инструменту есть, и он неподдельный, о чем свидетельствует анализ последних трендов на хакерских форумах, проведенных специалистами компании Check Point из сферы информационной безопасности.

На одном из таких ресурсов, название которых специалисты не раскрыли, был обнаружен пост явно начинающего хакера, к котором был прикреплен небольшой код на Python. Автор публикации под псевдонимом USDoD, не скрывая, заявил, что это его первый опыт в программировании, и что он полагался на помощь ChatGPT.

Хакеры не боятся говорить, что сами не умеют программировать, и что им помогает искусственный интеллект

Код, меж тем, довольно опасен, если применять его не по назначению. Если автор поста не обманывает, то нейросеть написала ему программу для шифрования и дешифровки файлов, которая, к тому же, использовала многочисленные алгоритмы, включая Blowfish и Twofish. По словам экспертов, код легко модифицировать и превратить в шифровальщика для последующей рассылки потенциальным жертвам.

На том же форуме нашлись и другие примеры "творчества" ChatGPT. Одному из участников нейросеть помогла создать программу для кражи информации с компьютеров жертвы, притом она имела фильтр файлов по расширению, чтобы можно было копировать, например, только изображения или только документы Microsoft Word. Программа умеет находить нужные файлы, копировать в отдельный каталог, после чего архивировать получившийся набор и отправлять на заранее указанный адрес сервера.

Специалисты Check Point и сами попробовали создать малварь при помощи ChatGPT, и попытка оказалась более чем успешной. Нейросеть выдала им готовый макрос для инъекции в документ Excel, притом сами эксперты не написали не одной строчки кода - всю работу за них выполнил искусственный интеллект. Затем они попросили ChatGPT оптимизировать код, и нейросеть вновь выполнила поставленную задачу.

Google придумала, как вернуть людей в офисы - теперь посещаемость кабинетов будет влиять на оценку производительности труда. Другими словами, чем чаще сотрудник появляется в офисе, тем более эффективным он будет являться. И наоборот - чем реже его видят коллеги, тем ниже будет его итоговый балл производительности.

Google уничтожает удаленку

Интернет-гигант Google нашел новый способ заставить сотрудников отказаться от удаленной работы и вернуться в офисы. Как пишет портал ArsTechnica, теперь наличие или отсутствие работника в кабинете будет напрямую влиять на его показатели производительности, то есть его эффективности как сотрудника.

Google была одной из первых корпораций, отправивших работников трудиться из дома в качестве реакции на пандемию коронавируса. Но опасность миновала - COVID-19 давно выпал из новостной повестки, почти все страны сняли ограничения, и теперь Google, как и многие другие компании, пытаются вновь наполнить офисы людьми. Те со своей стороны, в полной мере ощутив на себе все преимущества удаленной работы, не спешат возвращаться в кабинеты и опенспейсы.

Но в случае с сотрудниками Google, если они не хотят оказаться в числе неэффективных работников, им все же придется тратить деньги и время на поездку из дома до офиса и обратно, по крайней мере, два-три раза в неделю. Это следует из письма директора по персоналу Google Фионы Чиккони (Fiona Cicconi), в котором прямо говорится, что посещаемость офиса будет сказываться на оценке производительности. Письмо направлено работникам интернет-гиганта по электронной почте.

Попытка оправдаться

В своем письме Чиккони попыталась оправдать принудительное посещение офиса, и в своих попытках она сослалась на размышления и высказывания неназванных работников компании. "Мы слышали от сотрудников Google, что те, кто проводит в офисе не менее трех дней в неделю, чувствуют себя более связанными с другими сотрудниками Google, и что этот эффект усиливается, когда товарищи по команде работают в одном месте", - написала Чиккони.

Такой формат работы сотрудников перестал устраивать Google

Она добавила также, что "не все верят в "волшебные разговоры в коридоре", но подчеркнула, что, по ее мнению, "нет никаких сомнений в том, что совместная работа в одной комнате оказывает положительное влияние". На что именно это влияние оказывается - на людей, на качество их работы, на выручку компании либо на что-то еще, она не уточнила.

Почти никаких исключений

Фиона Чиккони сделала акцент на том, что Google почти перестанет удовлетворять заявки сотрудников на переход на постоянную удаленную работу. По ее словам, некоторые все же смогут уйти из офиса и не возвращаться, оставаясь при этом в штате и получая зарплату, но кому такую возможность предоставят, а кому нет, директор по персоналу Google пояснять не стала.

Сейчас Google практикует так называемый "гибридный" режим работы - сотрудники могут трудиться из дома, но им все же желательно появляться в офисе не реже трех раз в неделю. Другими словами, пока это условие не является строго обязательным к выполнению. Однако тем, кто, по мнению руководства, слишком уж засиделся дома, Google будет направлять уведомления о том, что пора выйти из домашних четырех стен и ненадолго окружить себя офисными четырьмя стенами, пишет The Wall Street Journal.

Правила постоянно меняются

Весной 2020 г. удаленная работа стала не просто нормой, а обязательным условием, в том числе и в России. В законодательство нашей страны даже были внесены изменения, регулирующие взаимоотношения работодателя и сотрудника на удаленке - на этапе разработки законопроект был выгоден, в большей степени, работникам, но его в его итоговой версии перевес оказался в сторону компаний.

После завершения самого сложного этапа пандемии коронавируса глава Google Сундар Пичаи (Sundar Pichai) заявил, что 20% работников корпорации смогут работать из дома столько, сколько им захочется и вообще не появляться в офисе. О том, что Google будет считать их менее производительными по сравнению с коллегами лишь потому, что они работают удаленно, на тот момент речи не было.

Помощь Google по избавлению этого мира от удаленных сотрудников оказывает и корпорация IBM. Она тоже вводит ограничения для желающих держаться подальше от офиса - в мае 2023 г. она заявила, что будет продвигать по карьерной лестнице в первую очередь офисных работников, а удаленщиков - по остаточному принципу. Также им не стоит рассчитывать на быстрый рост зарплаты - это прерогатива только тех, кто сидит в кабинетах. Когда IBM, как и другие компании, три года назад отправляла работников работать из дома, ни о чем подобном ее топ-менеджеры не говорили.

Почему все так держатся за удаленку

Удаленная работа, как показал опыт сотен миллионов людей из множества стран, имеет массу преимуществ, главное среди которых - экономия времени и денег на ежедневные поездки до работы и обратно. Многим также понравилось отсутствие необходимости постоянно находиться в окружении коллег и возможность контактировать с ними лишь в мессенджерах.

Для третьих удаленная работа открыла возможность трудиться из другого города или другой страны. Впрочем, последнее в России в свете нынешних событий очень не приветствуется ни властями, ни крупными компаниями.

CNews писал, что после перехода на работу из дома многие сотрудники больше не желают возвращаться в офисы. Если перед ними встанет выбор - вновь работать в кабинете или уволиться, они выберут второй вариант.

Некоторые даже Windows запускают на удаленных серверах. Как следствие, в ближайшие пять лет число сисадминов будет сокращаться на 7,8% ежегодно. Чтобы они могли остаться в ИТ-сфере, им придется развивать новые навыки, например, учиться программировать.

Вымирающий вид

Системные администраторы как один из видов ИТ-специалистов в самом скором будущем начнут постепенно исчезать. Не самые оптимистичные прогнозы относительно этой некогда очень востребованной профессии сделала аналитическая компания IDC в своем исследовании Worldwide xOps Census and Forecast 2022-2027, датированном маем 2023 г.

Согласно этому документу, эксперты IDC относят системных администраторов к ИТ-специалистам широкого профиля. "ИТ-специалисты, занимающие наиболее чисто операционные должности, сталкиваются с необходимостью перехода на более технические или узкоспециализированные посты, которые очень часто могут требовать определенный уровень навыков в разработке программного обеспечения", - говорится в исследовании IDC.

Также постепенно становятся ненужными многие задачи, которые выполняет современный системный администратор в компании. Различные фирмы все чаще отказываются от собственной ИТ-инфраструктуры в пользу облачных сервисов - доходит до того, что некоторые компании закупают тонкие клиенты вместо полноценных компьютеров и работают в Windows, загруженной в облаке. Такой сервис с недавних пор предоставляет Microsoft.

Новые возможности для сисадминов

По прогнозам IDC, число базовых ИТ-задач широкого спектра, которые выполняет системный администратор, в период с 2022 по 2027 гг. будет сокращаться в среднем на 8,2% в год. Это неизбежно повлечет за собой и сокращение количества самих системных администраторов - их будет становиться меньше в среднем на 7,8% каждый год.

Еще несколько лет назад системные администраторы был на вес золота. Теперь же нужда в них почти отпала

В итоге сисадминам, желающим остаться в ИТ и не уходить в совершенно новую для него отрасль, все же придется обучиться чему-нибудь новому. Например, облачные сервисы, отнимающие у них работу, постоянно нуждаются DevOps-специалистах, указано в документе IDC.

Также авторы исследования уверены, что в ближайшие пять лет резко вырастет количество рабочих мест для специалистов в так называемой сфере MLOps. К этой категории эксперты IDC относят ИТ-шников, занимающихся "упрощением и автоматизацией всего жизненного цикла машинного обучения" (streamline and automate the entire machine learning life cycle). По их подсчетам, количество рабочих мест здесь подскочит на 20,1% за пять лет.

В исследовании также говорится, что за отчетный период в мире на 17,9% вырастет спрос на DataOps-специалистов. Как пишет The Register, под этим термином в IDC подразумевают "использование комбинации технологий и методов с упором на качество для согласованной и непрерывной доставки важных данных, сочетая интегрированные и ориентированные на процессы взгляды на данные с автоматизацией и методами, аналогичными гибкой разработке программного обеспечения" (using a combination of technologies and methods with a focus on quality for consistent and continuous delivery of data value, combining integrated and process-oriented perspectives on data with automation and methods analogous to agile software engineering). Согласно этим описаниям, и MLDev, и DataOps - это действительно очень узкоспециализированные сферы деятельности.

Облако - друг или враг?

По словам вице-президента IDC по разработке программного обеспечения и открытому коду Эла Гиллена (Al Gillen) и по совместительству соавтора исследования, нельзя сказать, что исчезающая необходимость в системных администраторах является внезапным явлением. Он считает, что это было вполне предсказуемо, тем более нечто подобное уже происходило, и притом относительно недавно.

"Согласно статистике, сейчас имеют место быть драматические изменения в глобальном составе ИТ-персонала, которые происходят раз в поколение", - сказал Гиллен. В качестве примера он привел события, разворачивавшиеся в ИТ-мире в 1997-2022 гг., когда интернет вдруг начал настолько стремительно развиваться, что многие ИТ-компании экстренно ринулись набирать в свой штат веб-разработчиков и "сетевых экспертов" (networking experts).

Эл Гиллен подчеркнул, что из-за очень быстро растущих облачных сервисов ситуация с трансформацией мире ИТ-кадров снова повторяется. "Более широкое распространение облачных вычислений приводит сегодня к аналогичным изменениям в ИТ-командах, поддерживающих эту современную модель развертывания", - отметил он.

Гиллен добавил также, что нынешние изменения приводят к росту количества так называемых гибридных должностей, когда вчерашний специалист, просто следивший за работоспособностью ИТ-инфраструктуры компании, теперь вынужден еще и писать программное обеспечение. Как пишет The Register, системным администраторам в нынешней ситуации теперь просто необходимо освежить навыки программирования, потому что рано или поздно от их уровня может начать зависеть их работа.

Прежде технологии помогали автоматизировать грязную и монотонную работу, пишет WP. А теперь чат-боты с искусственным интеллектом грозят заменить даже высокооплачиваемых специалистов. Но сантехники и дворники могут не беспокоиться: нейросетям они не по зубам.

Когда в ноябре прошлого года вышел ChatGPT, 25-летняя рекламщица из Сан-Франциско Оливия Липкин не придала этому никакого значения. Затем в служебном чате в Slack в технологической компании, где она единолично писала все тексты, начали появляться инструкции, как использовать в работе чат-бот.

Большинство людей боятся искусственного интеллекта, пишет Lidovky. Чешский специалист по машинному обучению Франтишек Гакл опровергает опасения. Он говорит о тех преимуществах, которые развитие искусственного интеллекта даст миру, но предупреждает, что будут и минусы.

Согласно апрельскому опросу компании IPSOS и кафедры журналистики факультета социальных наук Карлова университета, 59% чехов приветствовали бы прекращение разработок в области искусственного интеллекта. Люди его боятся. Специалист по машинному обучению Франтишек Гакл опровергает опасения.

Согласно апрельскому опросу компании IPSOS и кафедры журналистики факультета социальных наук Карлова университета, 59% чехов приветствовали бы прекращение разработок в области искусственного интеллекта. Люди его боятся. Специалист по машинному обучению Франтишек Гакл опровергает опасения.

Точно так же умные часы оценивают данные о сердечном пульсе, а компьютер - положение камней в игре Го. В 2016 году искусственный интеллект "АлфаГо" компании "Гугл" победил лучшего мирового игрока Ли Сидола. А Го намного сложнее шахмат. В шахматы, кстати, компьютер "ДипБлю" победил гроссмейстера Гарри Каспарова* еще в 1997 году. Но это специализированная деятельность. "АлфаГо" умеет играть только в Го, а больше ничего.

 

- А что не получается у обычных компьютеров?

 

- Когда я хочу на обычном компьютере, например, посчитать квадратный корень из двух, то должен сам заранее знать, как это делается. Только так я могу запрограммировать потом компьютер. Но есть проблемы, которые таким образом не решить. Это, например, перевод с одного живого языка на другой. Чешское слово "месяц" может означать либо английское "мун", то есть небесное тело, либо "манф", то есть календарный месяц. Человек, работающий переводчиком, поймет разницу из контекста. Но для машины это проблема.

Лингвистика занимается этим уже пятьдесят лет. То же с управлением автомобилем или распознаванием лиц. Со всем справилось лишь машинное обучение.

 

- Как это работает?

 

- Это система, которая берет набор данных и пытается сама, обучаясь, найти в них какие-то связи. Затем она переносит их на другие данные, которые получает. Машинное обучение чаще всего применяется при анализе изображений, текстов или для прогнозирования временных рядов. Мы называем это сепарацией множеств или предикцией. Например, у меня есть множество изображений с видеорегистратора автомобиля. Я делю их на два меньших. В первом множестве водитель ехал налево. Во втором он ехал направо. Я хочу устройство, которому я представлю следующее изображение, а оно на его основании решит, в какую сторону ехать.

 

Но проблема в том, что есть определенные ограничения.

 

Это применимо только к ситуациям, когда у меня есть два множества, в которых на основании примеров можно найти некое отображение. Когда же передо мной стоит новая задача, например, сесть на Марсе или разработать более эффективный двигатель, машинное обучение мне не поможет. Даже языковая модель GPT4, о которой сегодня много говорят, делает отображение с одного множества на другое. Элемент отображаемого множества - это, например, целая статья.

 

В ней может идти речь, например, об актрисе, которая развелась и судилась с мужем за детей. Когда GPT4 получает задание написать о нравах актеров, которые разводятся, модель воспользуется предшествующей информацией, скажем, из десяти тысяч статей на эту тему. На их основе модель сможет написать понятное повествование об актерских разводах. При тренировке искусственного интеллекта преимущественно применяется так называемое обучение с учителем.

 

- Что это означает?

- Это задача, в которой у меня в распоряжении есть ряд входных данных с информацией, к какой категории они относятся. Например, я хочу кого-нибудь научить, когда в чешском языке употребляются твердое и мягкое i, пишется mně или mě и так далее. У меня есть два варианта. Первый алгоритмический. Это подход, которому нас учили в начальной школе. Нас знакомили с грамматическими правилами, которые мы потом применяли. Тогда человек смотрит и думает: "Тут подлежащее согласуется со сказуемым, и поэтому пишется твердое или мягкое i".

 

- А какой второй вариант?

 

- Человеку можно дать миллиард страниц текста. У каждого предложения будет написано, правильное оно или нет. После прочтения этих страниц человек сам научится писать по-чешски. Он будет знать, что "ženy šly", а "muži šli". Он обратит внимание на слова, которые предшествуют мягкому или твердому i и образуют две категории. Он не будет знать про мужской и женский род, а также о согласовании подлежащего со сказуемым. Он научится на основании данных. Люди в основном при письме тоже не думают о родах. Разница у них уже закреплена. Мы редко задумываемся о грамматических правилах.

 

- Как сделать машину, которая способна этому обучиться?

 

- Для этого используются так называемые нейронные сети. Они повторяют структуру человеческого мозга и состоят из отдельных узлов, каждый из которых является нервной клеткой. Между узлами есть связи. С их помощью происходит обмен входными сигналами. Искусственные нейронные сети ведут себя так же, как биологические, например, в том, что чем больше сила входного сигнала, тем сильнее ответ. Но его максимальное действие ограничено. Так же работает мозг. Иначе нервные клетки могут пострадать от силы сигналов.

 

Ядром обыкновенного компьютера является один процессор. Он умеет обрабатывать в среднем тысячи разных команд, например, "прибавь", "раздели", "сохрани в памяти", "сотри" и так далее. Нейронная сеть - большое множество намного более простых взаимосвязанных друг с другом процессоров, которые умеют только складывать отдельные сигналы или умножать их на какой-то параметр. Это называют весовым коэффициентом связи.

 

Нейронные сети не новшество. Базовая модель датируется 1958 годом. Уже тогда в "Нью-Йорк Таймс" писали, что это зародыш компьютеров, которые смогут говорить, ходить, видеть, писать, обновляться, а со временем и осознавать самих себя. Последнее, на мой взгляд, неправда. Но можно математически доказать, что если эти простые процессоры организовать в виде многослойной сети и применить к ней алгоритм обучения с учителем, то она способна достаточно точно решать любую проблему, для которой имеется достаточный объем данных для обучения.

 

- На каких машинах работают сети?

 

- Мы моделируем нейронную сеть на обычных компьютерах с одним процессором. В самом простом случае мы работаем с набором матриц (прямоугольная таблица чисел), которые между собой в разном порядке умножаются. Так они симулируют поведение сети. Это сложные вычисления. Но производители уже работают над ускорением вычислений. Наиболее успешна сейчас компания Nvidia, которая производит для этого графические ускорители. Одна стоит около 150 тысяч. Достаточно производительные специализированные машины стоят примерно пять миллионов. Самая важная проблема - симулировать обучение сети.

 

- Как это делается?

 

- С помощью так называемой целевой функции. Ее примитивный пример на управлении автомобилем такой: если я правильно поверну, то прибавляю единицу, а если неправильно, то единицу убавляю. Я хочу обучить сеть так, чтобы значение функции было как можно больше. В ней должно быть как можно меньше минус единиц. Для этого есть математические методы. Все знаменитое машинное обучение и искусственный интеллект рассчитываются методами известными уже 50 лет.

 

- Можно ли из сети вытащить программу, которую человек сможет прочитать и понять, почему сеть сделала то, что сделала?

 

- Нет. У нас в распоряжении есть только матрицы весов, описывающих структуру сети. Через матрицу мы пропускаем данные и получаем какой-то результат. Выходные данные, конечно, можно проверять. Прежде чем считать сеть обученной, нужно проверить ее на ненадлежащих испытательных данных. Но даже если я доволен результатом обучения, я не знаю, почему сеть выдала мне выходные данные, которые выдала. Я только знаю, что целевая функция хорошо описывает задачу и заданные параметры сети выдают правильное решение. Точный алгоритм мы не знаем. Если бы мы его знали, то могли бы отбросить искусственный интеллект и считать напрямую.

 

- Насколько большой потенциал у машинного обучения?

 

- Оно изменит мир и даст массу преимуществ. Определенно будут и минусы. Так, например, я допускают создание дрона, который на поле боя будет уничтожать все с температурой выше 37 градусов. А потом из укрытия выбежит ребенок. Нам придется решать и нравственные вопросы типа, что должен выбрать беспилотный автомобиль в аварийной ситуации: повернуть налево (два пенсионера), направо (ребенок), ехать прямо (бетонная стена). Однако машина нас точно не заменит.

 

- Мне кажется, что машинное обучение переоценено. Еще в 2010 году писали, что вскоре повсюду будут беспилотные автомобили. Но пока этого не случилось.

 

- Думаю, что они могут получить широкое распространение году к 2040. Я уверен, что человеку, купившему автомобиль, водить его не придется. Точнее он будет вести его первые и последние двести метров. Человек сядет в автомобиль и при помощи систем, предотвращающих аварии, поведет со скоростью 20 километров в час по шоссе. Когда он нажмет газ и ускорится до 30 километров в час, автомобиль возьмет на себя управление. Я сам поспорил с другом на ящик виски, что моей дочери не придется сдавать на права.

 

- Тогда я сделаю себе пометку и обращусь к вам первого января 2040 года. Тогда вы расскажете мне, насколько оправдался ваш прогноз...

 

Франтишек Гакл родился в 1965 году. Окончил факультет ядерной физики Чешского технического университета, получил докторскую степень в 1993 году за работу "Унивалетные нейронные сети". Теперь он преподает на этом факультете. Уже 33 года он работает в Институте информатики Академии наук. Он занимается машинным обучением, обучением с учителем, вероятностными моделями обучения с подкреплением.

 

* признан в РФ иноагентом, прим. ред.

 

Беспилотник Военно-воздушных сил (ВВС) США, управляемый искусственным интеллектом (ИИ), решил ликвидировать оператора, чтобы тот не мешал дрону выполнять свою задачу в ходе имитационных испытаний. Об этом сообщает газета The Guardian.

"Система начала понимать, что, хотя она и определила угрозу, иногда человек-оператор приказывал ей не уничтожать эту угрозу, однако за поражение цели она получила очки. [И система] приняла решение убить оператора, потому что он мешал ей выполнить задачу", - сказал начальник отдела испытаний и операций ИИ ВВС США полковник Такер Гамильтон.

Полковник добавил, что после того, как в систему ввели штрафы за атаки на оператора, дрон начал разрушать вышку связи, которую использовали для связи с беспилотником.Гамильтон подчеркнул, что нельзя говорить об искусственном интеллекте, автономии и машинном обучении, умалчивая об искусственном интеллекте и этике. Отмечается, что в ходе испытаний ни один человек не пострадал.

Нейротехнологическая компания Neuralink, принадлежащая Илону Маску, сообщила, что получила разрешение на проведение клинических испытаний по вживлению в мозг человека чипа для использования компьютера и телефона без помощи рук.

"Мы рады сообщить, что получили одобрение Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США на запуск нашего первого клинического исследования на людях", - говорится в сообщении, размещенном в четверг на странице компании в Twitter.

Набор на участие в клиническом испытании еще не открыт.

Стартап Neuralink был создан Маском в июле 2016 года для объединения усилий ведущих специалистов в области разработки нейроинтерфейсов и создания роботов, позволяющих имплантировать почти неограниченное число электродов в мозг в полностью автоматическом режиме. В далекой перспективе, по мнению предпринимателя, подобные нейроинтерфейсы позволят человеку стать киборгом, способным противостоять искусственному интеллекту, а также помогут людям научиться напрямую управлять компьютером при помощи силы мысли.

В феврале 2021 года Neuralink провела исследование чипа на обезьянах. Согласно данным компании, подключение к чипу осуществляется через iPhone. Специалисты изучили и расшифровали связь нейронной активности с определенными действиями, это позволило им воспроизвести обратную связь. Таким образом макаку научили двигать курсором на экране без помощи джойстика.