Новый отчет Парижского форума предлагает дорожную карту для глобального управления рисками ИИ в киберпространстве

⚫️В отчёте есть сводка самых разрушительных кибератак за 20 лет, а также рассмотрены основные киберриски.

Киберриски
⚫️ИИ может автоматизировать атаки, делая их быстрее и более эффективными. Это снижает порог входа для злоумышленников, поскольку они могут использовать ИИ для проведения массовых атак.

⚫️ ИИ может создавать более сложные и скрытые атаки, которые труднее обнаружить традиционными средствами безопасности. Бороться с ИИ нужно ИИ.

Кейс NotPetya (2017):
NotPetya шифровал файлы на зараженных компьютерах, требуя выкуп в биткоинах за восстановление. Хакеры взломали обновление бухгалтерской программы под M.E.Doc и вставили вредоносный код.

NotPetya был замаскирован под обычный вирус-вымогатель (ransomware), но он стирал данные в гораздо большем объеме, чем это было необходимо для типичного вымогателя. Фактически, он перезаписывал главную загрузочную запись (MBR) компьютеров, делая их неработоспособными.

⚫️Кибератаки на КИИ, такую как энергосистемы или транспортные сети, могут иметь катастрофические последствия. ИИ может усилить эти риски, если не будет должным образом регулирован и защищен.


⚫️Прозрачность, ответственность и сотрудничество – ключевые элементы эффективного управления.

Подробнее в прикреплённом файле.

40% корпоративных данных являются мусором, что ставит под сомнение возможность эффективного использования таких данных для обучения ИИ — по отчету компании Makves

Одной из основных причин низкого качества данных является их неструктурированность. В среднем 40% файлов остаются невостребованными более пяти лет, занимая ресурсы и усложняя управление данными. Это создает не только проблемы с хранением, но и затрудняет поиск необходимых данных для обучения моделей.

В условиях, когда 35% файлового пространства занято личными данными сотрудников, важно выделять ресурсы для фильтрации и структурирования информации. Наличие четкой стратегии по управлению данными поможет избежать накопления ненужной информации и сосредоточиться на качественных данных, необходимых для обучения моделей.

Качество данных можно оценить по трем основным характеристикам: целостности, точности и согласованности. Для подготовки данных используются следующие методы:

⚫️Очистка данных: удаление ошибок и мусора из наборов данных.
⚫️Нормализация данных: приведение данных к единому формату для улучшения качества обучения.
⚫️Разметка данных: присвоение меток или классификаций данным для обучения с учителем.
⚫️Активное обучение: модель выбирает наиболее информативные примеры для разметки, что экономит ресурсы и улучшает точность.

Таким образом, для успешного обучения моделей ИИ необходимо не только собирать данные, но и обеспечивать их качество на всех этапах — от сбора до обработки. Без этого высококачественные результаты будут недостижимы, а инвестиции в технологии ИИ окажутся безрезультатными.

⚡️Начинаем в 11:00 (мск) «Битву it-решений для повышения эффективности продаж»

Компании в формате 6-минутных презентаций представят решения и новые опции продуктов, чтобы ТОПы крупнейших застройщиков России выбрали лучшие прямо в эфире.

⚡️Наш собственный Build Up ⚡️

Решения презентуют:

🔸Анна Проскурякова — СМО ООО Ида Лайт
Продукт: Ида Лайт – конструктор сайтов для продажи недвижимости

🔸Павел Гавриченко — Дизайн-директор ООО Ида Лайт
Продукт: Ида.Чат – виртуальный помощник на базе ИИ

🔸Ольга Пономарева — Руководитель направления международного развития компании Virtual Land
Продукт: Цифровая платформа для презентаций и продаж недвижимости Smart Virtual Land 360

🔸Анастасия Просвирнина — Бизнес-аналитик ООО Цифровые продажи
Продукт: Ставим сети на рынке недвижимости

🔸Георгий Уморин — Генеральный директор GRAFF.estate
Продукт: GRAFF.estate – интерактивный инструмент продаж для застройщиков

Решения оценят ТОПы крупнейших застройщиков России

📍Смотреть трансляцию по ссылке на нашем портале в 11:00 мск👇🏻
https://vse-o-strojke-info.ru/broadcast/

В Центре искусственного интеллекта в градостроительстве (Москва) работают сервисы по оптимизации строительства  

Об этом сообщил заммэра Москвы по вопросам градостроительной политики и строительства Владимир Ефимов.  

В чем суть

Пользователям доступны  четыре сервиса, и еще два находятся в процессе тестирования: 

🟦сервис для мониторинга хода строительства — позволяет отслеживать все этапы возведения объектов, начиная от земляных работ и заканчивая благоустройством территории. Точность мониторинга достигает 80%. 

🟦сервис по поиску коллизий в BIM-моделях — автоматически обнаруживает ошибки, сравнивая 3D-модели различных систем здания.

🟦сервис для квартирографии — помогает в проектировании домов по программе реновации. Он автоматически генерирует планировочные решения для нового жилого фонда, используя эволюционные вычисления и генеративные модели.

🟦сервис для цифрового нормоконтроля — создан для быстрой проверки оформления проектной и рабочей документации на соответствие нормативам. Сокращает время проверки в два раза и повышает ее точность на 70%.  

@developers_policy  

К 2030 году технологии ИИ могут закрыть до 80% дефицита специалистов в России — Президентская академия

В прикрепленной статье проведено исследование, как генеративный ИИ может повлиять на кадровый голод в стране. Вывод: он поможет автоматизировать рутину и высвободит время на те задачи, в которых пока простой. Единственное — не заменит специалистов высокоинтеллектуального труда, но серьёзно прокачает их эффективность.

📎 Так, исследования показывают, что использование генеративного ИИ может повысить производительность программистов до 55%. Он способен выполнять алгоритмизируемые и часто повторяющиеся задачи, такие как создание черновиков текстов, кодов или дизайна, а также анализ больших объемов информации.

Выводы таковы: при активном внедрении ИИ закроет некоторые проблемы с кадрами, а специалистам нужно углублять свои компетенции, чтобы остаться в строю.

Amazon запускает подразделение автономного ИИ

Подразделение будет заниматься ИИ-агентами, которые смогут выполнять набор действий без запроса. Компания активно инвестирует в ИИ, включая $2,75 млрд в стартап Anthropic. Из недавнего — Amazon уже обновил голосового помощника Alexa, добавив продвинутые функции на ИИ:

⚫️Alexa может обрабатывать несколько запросов подряд без необходимости повторного обращения.
⚫️Выполняет задачи без непосредственного участия пользователя, например, может бронировать места или заказывать продукты.
⚫️Умеет бесшовно управлять умным домом.
⚫️Даёт персонализированные рекомендации на основе предпочтений пользователя.

SberMobile AIoT — ИИ-платформа для управления автопарком и спецтехникой

Так, из последних кейсов — это грузовики FAW TRUCKS, которые еще на заводе подключают к платформе от Сбера.

Преимущества
⚫️На 33% можно сократить эксплуатационные расходы за счет управления парком в режиме одного окна. Так можно отслеживать местоположение транспорта, контролировать уровень топлива, следить за состоянием водителя, прогнозировать вероятность возникновения поломок.

⚫️По спецтехнике: с помощью телематических трекеров и датчиков механизмов можно отслеживать состояние техники, время ее использования и простои, видеть геолокацию, расход и даже слив топлива.

👋 Подборка каналов о proptech и цифровизации

Собрали для вас подборку с каналами о цифровых технологиях в недвижимости. Здесь эксперты публикуют актуальные новости отрасли, делятся полезными материалами о новых технологиях и кейсами по цифровизации. Рекомендуем подписаться, чтобы лучше ориентироваться в цифровой среде!

DigitalDeveloper — первый в России портал о цифровых технологиях в недвижимости. Актуальные новости, обзоры мировых PropTech-рынков, интервью с застройщиками и разработчиками, мнения экспертов и обсуждение острых тем PropTech-индустрии.

Альянс Цифровых Лидеров в стройке — канал о цифровизации строительства, технологиях информационного моделирования и искусственном интеллекте.

Национальный цифровой портал «Стройка+» — это уникальный мультиотраслевой канал. Он рассказывает о цифровизации, IT, ИИ, современных технологиях и нейросетях не только в строительстве, но и смежных отраслях, непосредственно касающихся стройки. Новые своды правил, национальные стандарты, комментарии экспертов, яркие видео и новости со всего мира!

ИИ и роботы в стройке — канал о технологиях искусственного интеллекта и роботизации в строительстве, проектировании, продажах и эксплуатации новостроек.

ЦУС Академия — образовательный проект от команды облачной платформы «Цифровое управление строительством». Кейсы цифровизации строительных процессов, обучающие материалы и рекомендации экспертов.

Сотонин печатает — основатель управляющей компании «Лига ЖКХ», создатель онлайн-платформы Doma.Ai. Вместе со Сбером разработал крупнейшую в стране экосистему для управляющих компаний и умных домов.

Иван Власов | Про IT в девелопменте — в авторском канале CEO «Философт» и создатель «Мажордом» Иван Власов пишет про умный дом, IT-инновации, AI и цифровые продукты, которые помогают строительным и управляющим компаниям автоматизировать бизнес-процессы и увеличивать прибыль.

Александр Оникиенко — Meta Development — Head of Digital в компании NF Group и управляющий директор студии Meta Development. В канале пишет про proptech и интересные маркетинговые решения в недвижимости.

Ключевые технологические тренды на 2025 год — GP Bullhound

⚫️ Мультимодальный ИИ — нас ждут тексты, изображения и аудио в одной модели.
⚫️Агентный ИИ — ИИ, который сам принимает решения.
⚫️ Квантовые технологии — сенсоры и вычисления начнут применять и для целей бизнеса, а не только для науки.
⚫️Роботы среди нас — гуманоидные роботы будут использовать везде — от заводов до больниц.
⚫️ Голосовые помощники 2.0 — более умные и контекстно-ориентированные.
⚫️Самоуправляемый ИИ в кибербезопасности — быстрая защита от угроз.

Подробнее — в прикреплённом файле.

LLM или не LLM, или как выбрать инструмент для своего бизнеса

Руководитель лаборатории машинного обучения Альфа-банка Евгений Смирнов рассказал, почему большие языковые модели (LLM) не всегда оптимальный выбор для решения бизнес-задач. Он отметил, что традиционные модели и инструменты, такие как логистическая регрессия и градиентный бустинг, могут быть более эффективными в узкопрофильных задачах.

⚫️Область применения LLM: эти модели хорошо справляются с задачами генерации текста, классификации и ответов на общие вопросы. Однако их эффективность снижается в специфических областях, где требуется глубокая экспертиза и наличие большого объема обучающих данных.

⚫️Процесс обучения: Смирнов проводит аналогию между обучением студентов и обучением ИИ. Оба процесса включают этапы получения знаний, применения их на практике и оценки результатов. Однако LLM могут не всегда обеспечивать необходимую точность в специфических задачах без дополнительного обучения.

⚫️Экономические аспекты: использование LLM может быть экономически нецелесообразным из-за высоких затрат на вычислительные ресурсы. В некоторых случаях расходы на внедрение LLM могут превышать выгоду от их применения.

⚫️Рекомендации: если у компании нет узкопрофильных задач или команды специалистов, то LLM могут быть подходящим решением. Однако важно провести анализ затрат и выгод перед внедрением.