Глоссариум по цифровой экономике: 1500 терминов и определений
Александр Чесалов
Иллюстратор Pexels
Дизайнер обложки Александр Юрьевич Чесалов
Редактор Хаджимурад Ахмедович Магомедов
© Александр Чесалов, 2023
© Pexels, иллюстрации, 2023
© Александр Юрьевич Чесалов, дизайн обложки, 2023
ISBN 978-5-0056-7829-4
Создано в интеллектуальной издательской системе Ridero
ОТ АВТОРА-СОСТАВИТЕЛЯ
Александр Юрьевич Чесалов
Доктор технических наук, Член-Корреспондент РАЕН,
Член экспертной группы по вопросам цифровизации деятельности Уполномоченного по правам человека в Российской Федерации,
Член Экспертного совета при Комитете Государственной Думы по науке и высшему образованию по вопросам развития информационных технологий в сфере образования и науки.
Сертифицированный специалист: IBM Professional certificate foundations of AI; IBM Professional certificate Essential Technologies for Business и др.
Добрый день, дорогие друзья и коллеги!
Хочу представить Вам свою новую книгу – краткий словарь из более чем 1500 терминов и определений по цифровой экономике и информационным технологиям.
Эта книга поможет Вам сориентироваться во всем многообразии новых терминов и определений в период активных цифровых трансформаций и применения технологий четвертой промышленной революции во всех отраслях экономики Российской Федерации.
Первая редакция книги была представлена на 35-ой Московской международной книжной ярмарке в 2022 году.
35-ая Московская международная книжная ярмарка
На написание данной книги, а получается – это второй том глоссария, меня сподвигли несколько весьма значимых событий в моей жизни.
Первое из этих событий и, пожалуй, самое, как мне казалось, существенное – это мое участие в Конкурсе, проводимом Аналитическим Центром при Правительстве России по отбору получателей поддержки исследовательских центров в сфере искусственного интеллекта, в том числе в области «сильного» искусственного интеллекта, систем доверенного искусственного интеллекта и этических аспектов применения искусственного интеллекта, в качестве менеджера и специалиста перед которым была поставлена задача создать Центр разработки и внедрения сильного и прикладного искусственного интеллекта МГТУ им. Н. Э. Баумана, разработать и написать программу и план мероприятий Центра. Этому знаменательному событию я посвятил целую книгу «Как создать центр искусственного интеллекта за 100 дней», которая вышла в декабре 2021 года. Информацию о ней вы можете найти на моем блоге chesalov.com или на сайте ridero.ru.
Второе приятное событие – это мое ежегодное участие в Благотворительной ИТ-конференция «CISummIT Digital Hearts», которая проводится журналом «Современные Информационные Системы» и фондом Константина Хабенского. Конференция «CISummIT Digital Hearts» собирает самых активных участников ИТ-рынка, ведущих производителей и экспертов, чтобы поделиться своим опытом и собрать средства для помощи детям с заболеваниями головного мозга.
ИТ-конференция «CISummIT Digital Hearts»
Третье – это международный форум «Этика искусственного интеллекта: начало доверия», который состоялся 26 октября 2021 года. В рамках этого форума была организована церемония торжественного подписания Национального кодекса этики искусственного интеллекта, а также мне представилась возможность сделать доклад на тему «Роль искусственного интеллекта в образовании».
Форум «Этика искусственного интеллекта: начало доверия»
Форум стал первой в России специализированной площадкой, где около полутора тысяч разработчиков и пользователей технологий искусственного интеллекта обсудили в рамках пяти параллельных секций шаги по эффективному внедрению этики искусственного интеллекта в приоритетных отраслях экономики Российской Федерации.
Уже в 2022 году я принял участие в работе собрания уполномоченных по этике искусственного интеллекта и присоединился к рабочей группе по созданию свода наилучших практик решения возникающих этических вопросов в жизненном цикле искусственного интеллекта.
Четвертое событие – это конечно же Международная конференция по искусственному интеллекту и анализу данных AI Journey, которая проходила как и в 2021, так и в 2022 году. Число спикеров конференции год от года стремительно увеличивается, а число онлайн-посещений исчисляется десятками миллионов человек. Особенностью события 2022 года стало появление нового термина «техноэкономика», которое, конечно же, не совсем новое, но точно пришедшее на смену «цифровой экономике».
Пятое – это мой доклад на Международном военно-техническом форуме «Армия-2022» на тему: «Разработка программно-аппаратных комплексов для решения широкого круга прикладных задач с использованием технологий машинного обучения и доверенного искусственного интеллекта в Оборонно-промышленном комплексе РФ».
Презентация доклада на форуме «Армия-2022»
И последнее из всех, а их было достаточно много – это участие в круглом столе «Информатизация профессиональной юридической деятельности: LegalTech и искусственный интеллект», проводимым Комитетом Совета Федерации по конституционному законодательству и государственному строительству совместно с Советом по развитию цифровой экономики при Совете Федерации.
Круглый стол «Информатизация профессиональной юридической деятельности: LegalTech и искусственный интеллект» в Совете Федерации
Резюмируя всю свою вышеперечисленную «активность», могу сказать, что где бы я не выступал с разными докладами по теме «цифровая экономика» или, в особенности, «искусственный интеллект», с кем бы не обсуждал те или иные предметные темы, всегда возникали вопросы и жаркие споры среди участников мероприятий и ученых, относящиеся к терминам и определениям.
Как следствием этого, я увидел необходимость (для себя лично) в составлении краткого словаря, который бы мне помогал в выполнении повседневной работы и назвал его «глоссариум», по аналогии с латинским словом «glossarium», что означает словарь узкоспециализированных терминов.
Первый мой опыт в этой области был в составлении глоссария по искусственному интеллекту и информационным технологиям, который я опубликовал в декабре 2021 года. В нем первоначально было около 400 терминов. Затем, уже в 2022 году, я его существенно расширил до более чем 1000 актуальных терминов и определений.
В том же 2022 году, в коллективе с двумя соавторами (с которыми в 2021 году я работал над Программой Центра искусственного интеллекта МГТУ им. Н. Э. Баумана) был подготовлен и опубликован Глоссариум из более чем 2500 терминов по направлению «искусственный интеллект».
Параллельно, трудясь над новым большим ИТ-проектом, я собрал для себя новый глоссарий по цифровой экономике и информационным технологиям.
Я, как автор-составитель, не претендую на авторство и уникальность представленных терминов и определений (конечно, коме тех, которые написал сам и сделал на них соответствующие ссылки). Тем не менее, я продолжаю работу в направлении по улучшению и наполнению этой книги новыми и уточненными терминами, и, возможно, в ближайшее время, на суд читателя будет представлен более основательный труд.
Также, хочу проинформировать уважаемого читателя о том, что эта книга является личным проектом автора и абсолютно свободным к распространению документом. Вы можете использовать эту книгу по-своему усмотрению, но ссылка на нее обязательна.
Буду Вам благодарен за любые отзывы, предложения и уточнения. Направляйте их, пожалуйста, на aleksander.chesalov@yandex.ru.
Подробно ознакомиться с моей работой и моими проектами в области цифровой экономики, искусственного интеллекта и создания различных ИТ-решений и систем Вы можете на моем персональном сайте chesalov.com.
Приятного Вам чтения и продуктивной работы!
Ваш, Александр Чесалов.
27.07.2022. Издание первое.
01.04.2023. Издание второе. Дополненное.
КРАТКИЙ СЛОВАРЬ ПО ЦИФРОВОЙ ЭКОНОМИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ
«А»
А/Б тестирование (A/B testing) – это подход, который включает в себя тестирование двух вариантов, чтобы определить, какой из них лучше. Например, A/B-тестирование можно использовать, чтобы выяснить, какой из двух вариантов веб-страницы дает лучший коэффициент конверсии. Если предполагается, что версия А имеет лучший коэффициент конверсии, она используется в качестве основы для новой, немного отличающейся версии, а затем снова тестируется, чтобы найти более эффективную версию1.
Автоматизация (Automation) – технология, с помощью которой процесс или процедура выполняется с минимальным участием человека.
Автоматизированная обработка персональных данных (Automated processing of personal data) – обработка персональных данных с помощью средств вычислительной техники.
Автоматизированная система (Automated system) – это организационно-техническая система, которая гарантирует выработку решений, основанных на автоматизации информационных процессов во всевозможных отраслях деятельности.
Автоматизированная система управления (Automated control system) – комплекс программных и программно-аппаратных средств, предназначенных для контроля за технологическим и (или) производственным оборудованием (исполнительными устройствами) и производимыми ими процессами, а также для управления такими оборудованием и процессами.
Автономное транспортное средство (Autonomous vehicle) – это вид транспорта, основанный на автономной системе управления. Управление автономным транспортным средством полностью автоматизировано и осуществляется без водителя при помощи оптических датчиков, радиолокации и компьютерных алгоритмов.
Автономный автомобиль (Unmanned car) – это транспортное средство, способное воспринимать окружающую среду и работать без участия человека. Пассажир-человек не обязан брать на себя управление транспортным средством в любое время, и пассажиру-человеку вообще не требуется присутствовать в транспортном средстве. Автономный автомобиль может проехать везде, где ездит традиционный автомобиль, и делать все то же, что и опытный водитель-человек2.
Автономный искусственный интеллект (Autonomous artificial intelligence) – биологически инспирированная система, которая пытается воспроизвести устройство мозга, принципы его действия со всеми вытекающими отсюда свойствами.
Агрегат (Aggregate) – это сумма, созданная из более мелких единиц. Например, население области – это совокупность населения городов, сельских районов и т. д., входящих в состав области. Суммировать данные из меньших единиц в большую единицу3.
Агрегатор (Aggregator) – это тип программного обеспечения, которое объединяет различные типы веб-контента и предоставляет его в виде легкодоступного списка. Агрегаторы каналов собирают такие данные, как онлайн-статьи из газет или цифровых изданий, публикации в блогах, видео, подкасты и т. д. Агрегатор каналов также известен как агрегатор новостей, программа для чтения каналов, агрегатор контента или программа для чтения RSS4.
Адаптивная система (Adaptive system) – система, которая автоматически изменяет данные алгоритма своего функционирования и (иногда) свою структуру для поддержания или достижения оптимального состояния при изменении внешних условий.
Адаптивный Дизайн (Adaptive Design) – это альтернатива фиксированному дизайну, основанная на создании отдельного дизайна программы (мобильного и настольного) для каждого пользователя. Адаптивный дизайн часто называют динамическим обслуживанием. Также, Адаптивный Дизайн относится к планированию адаптивного онлайн-сервиса, при котором внешний вид сервиса должен быть адаптивным. Адаптивная онлайн-служба использует один код с одного веб-адреса для обслуживания различных устройств пользователя (настольный компьютер, планшет, смартфон, обычный мобильный телефон), но отображает содержимое по-разному в зависимости от размера экрана5,6.
Аддитивное производство (Additive manufacturing) (AM) или аддитивное производство слоев (ALM) – это название промышленного производства для 3D-печати, управляемого компьютером процесса, который создает трехмерные объекты путем наложения материалов, обычно слоями7.
Аддитивные технологии (Additive technologies) ― технологии послойного создания трехмерных объектов на основе их цифровых моделей («двойников»), позволяющие изготавливать изделия сложных геометрических форм и профилей.
Активная жизнь с помощью ассистивных технологий (Active assisted living AAL) – это концепции, продукты, услуги и системы, сочетающие технологии и социальную среду с целью улучшения качества жизни людей8.
Алгоритм (Algorithm) – точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин «алгоритм» происходит от имени узбекского математика Мусы аль-Хорезми, который еще в 9 веке (ок. 820 г. н.э.) предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Также, Алгоритм (Algorithm) – это набор инструкций для решения проблемы или выполнения задачи. Одним из распространенных примеров алгоритма является рецепт, который состоит из конкретных инструкций по приготовлению блюда или еды. Каждое компьютеризированное устройство использует алгоритмы для выполнения своих функций в виде аппаратных или программных процедур. В финансах алгоритмы играют важную роль в разработке систем автоматизированной и высокочастотной торговли (HFT), а также в ценообразовании сложных финансовых инструментов, таких как производные финансовые инструменты9.
Алгоритмическая оценка (Algorithmic Assessment) – это техническая оценка, которая помогает выявлять и устранять потенциальные риски и непредвиденные последствия использования систем искусственного интеллекта, чтобы вызвать доверие и создать поддерживающие системы вокруг принятия решений ИИ.
Алгоритмы машинного обучения (Machine learning algorithms) – это фрагменты кода, которые помогают пользователям исследовать и анализировать сложные наборы данных и находить в них смысл или закономерность. Каждый алгоритм – это конечный набор однозначных пошаговых инструкций, которые компьютер может выполнять для достижения определенной цели. В модели машинного обучения цель заключается в том, чтобы установить или обнаружить закономерности, с помощью которых пользователи могут создавать прогнозы либо классифицировать информацию. В алгоритмах машинного обучения используются параметры, основанные на учебных данных (подмножество данных, представляющее более широкий набор). При расширении учебных данных для более реалистичного представления мира с помощью алгоритма вычисляются более точные результаты. В различных алгоритмах применяются разные способы анализа данных. Они часто группируются по методам машинного обучения, в рамках которых используются: контролируемое обучение, неконтролируемое обучение и обучение с подкреплением. В наиболее популярных алгоритмах для прогнозирования целевых категорий, поиска необычных точек данных, прогнозирования значений и обнаружения сходства используются регрессия и классификация10.
Анализ временных рядов (Time series analysis) – раздел машинного обучения и статистики, который анализирует временные данные. Многие типы задач машинного обучения требуют анализа временных рядов, включая классификацию, кластеризацию, прогнозирование и обнаружение аномалий. Например, вы можете использовать анализ временных рядов, чтобы спрогнозировать будущие продажи зимних пальто по месяцам на основе исторических данных о продажах.
Анализ экономического эффекта (Economic impact analysis) исследует влияние события на экономику в определенной области, от одного района до всего земного шара. Обычно он измеряет изменения в доходах от бизнеса, прибылях от бизнеса, личной заработной плате и / или рабочих местах. Анализируемое экономическое событие может включать в себя реализацию новой политики или проекта или просто присутствие предприятия или организации. Анализ экономического воздействия обычно проводится, когда общественность обеспокоена потенциальными последствиями предлагаемого проекта или политики11.
Аналитика данных (Data analytics) – это наука об анализе необработанных данных, чтобы делать выводы об этой информации. Многие методы и процессы анализа данных были автоматизированы в механические процессы и алгоритмы, которые работают с необработанными данными для потребления человеком12.
Аналитика принятия решений (Decision intelligence) – это практическая дисциплина, используемая для улучшения процесса принятия решений путем четкого понимания и программной разработки того, как принимаются решения, и как итоговые результаты оцениваются, управляются и улучшаются с помощью обратной связи.
Антивирусное программное обеспечение (Antivirus software) – это программа или набор программ, предназначенных для предотвращения, поиска, обнаружения и удаления программных вирусов и других вредоносных программ, таких как черви, трояны, рекламное ПО и т.д.13.
АПИ экономика (API economy) – это бизнес-модель, в которой использование интерфейсов прикладного программирования или API занимает центральное место. Используя API, компания может, например, сделать свои бизнес-процессы или данные доступными для других14.
АПИ-как-услуга (API-AS-a-service) – это подход, который сочетает в себе экономию API и аренду программного обеспечения и предоставляет интерфейсы прикладного программирования как услугу15.
Аппаратное обеспечение (Hardware) – система взаимосвязанных технических устройств, предназначенных для ввода (вывода), обработки и хранения данных.
Аппаратно-программный комплекс (Hardware-software complex) – это набор технических и программных средств, работающих совместно для выполнения одной или нескольких сходных задач.
Аппаратный Сервер (аппаратное обеспечение) (Hardware Server) – это выделенный или специализированный компьютер для выполнения сервисного программного обеспечения (в том числе серверов тех или иных задач) без непосредственного участия человека. Одновременное использование как высокопроизводительных процессоров, так и FPGA позволяет обрабатывать сложные гибридные приложения.
Артефакт (Artifact) – это один из многих видов материальных побочных продуктов, производимых в процессе разработки программного обеспечения. Некоторые артефакты (например, варианты использования, диаграммы классов и другие модели унифицированного языка моделирования (UML), требования и проектные документы) помогают описать функции, архитектуру и дизайн программного обеспечения. Другие артефакты связаны с самим процессом разработки, например, планы проектов, бизнес-кейсы и оценки рисков16.
Архив (Archive) – это сайт, на котором хранятся, сохраняются и, возможно, перераспределяются лица, заинтересованные в использовании материалов, машиночитаемые материалы. Помещать или хранить в архиве17.
Архивное хранилище (Archival Storage) – это источник данных, которые не нужны для повседневных операций организации, но к которым может потребоваться доступ время от времени. Используя архивное хранилище, организации могут использовать вторичные источники, сохраняя при этом защиту данных. Использование источников архивного хранения снижает необходимые затраты на первичное хранение и позволяет организации поддерживать данные, которые могут потребоваться для соблюдения нормативных или других требований18.
Архивный пакет информации (AIC) (Archival Information Collection (AIC)) – это информация, содержание которой представляет собой агрегацию других пакетов архивной информации. Функция цифрового сохранения сохраняет способность регенерировать провалы (пакеты информации) по мере необходимости с течением времени19.
Архитектура MACH (MACH Architecture) относится к набору технологий, которые используются для создания приложений, основанных, среди прочего, на принципах компонуемого бизнеса или компонуемой коммерции20.
Архитектура вычислительной машины (Architecture of a computer) – концептуальная структура вычислительной машины, определяющая проведение обработки информации и включающая методы преобразования информации в данные и принципы взаимодействия технических средств и программного обеспечения.
Архитектура системы (Architecture of a system) – принципиальная организация системы, воплощенная в её элементах, их взаимоотношениях друг с другом и со средой, а также принципы, направляющие её проектирование и эволюцию.
Архитектурная группа описаний (Architectural description group, Architectural view) – представление системы в целом с точки зрения связанного набора интересов.
Архитектурный фреймворк (Architectural frameworks) – это высокоуровневые описания организации как системы; они охватывают структуру его основных компонентов на разных уровнях, взаимосвязи между этими компонентами и принципы, определяющие их эволюцию21.
Атрибуты (XML) (Attributes (XML)) XML-элементы могут иметь атрибуты, которые описывают их дополнительно, например следующие:
Аутсорсинг (Outsourcing) – это деловая практика найма стороны за пределами компании для оказания услуг или создания товаров, которые традиционно выполнялись собственными сотрудниками и персоналом компании. Аутсорсинг – это практика, обычно применяемая компаниями в качестве меры по сокращению затрат. Таким образом, это может повлиять на широкий спектр рабочих мест, от поддержки клиентов до производства и бэк-офиса. Аутсорсинг был впервые признан бизнес-стратегией в 1989 году и стал неотъемлемой частью экономики бизнеса на протяжении 1990-х годов. Практика аутсорсинга вызывает серьезные споры во многих странах. Противники утверждают, что это привело к потере рабочих мест внутри страны, особенно в производственном секторе. Сторонники говорят, что это создает стимул для предприятий и компаний распределять ресурсы там, где они наиболее эффективны, и что аутсорсинг помогает поддерживать природу рыночной экономики в глобальном масштабе23.
«Б»
База данных (Database) представляет собой организованный набор структурированной информации или данных, обычно хранящихся в электронном виде в компьютерной системе. База данных обычно управляется системой управления базами данных (СУБД). Вместе данные и СУБД вместе со связанными с ними приложениями называются системой баз данных, часто сокращенной до просто базы данных. Данные в наиболее распространенных типах баз данных, работающих сегодня, обычно моделируются в виде строк и столбцов в ряде таблиц, чтобы сделать обработку и запросы к данным эффективными. Затем к данным можно легко получить доступ, управлять ими, изменять, обновлять, контролировать и организовывать. Большинство баз данных используют язык структурированных запросов (SQL) для записи и запроса данных24.