2. Отрицательные
– Бюрократия и низкая квалификация в цифре, особенно в регионах. Несмотря на понимание «верхов», мы знаем, как умеют чиновники на местах и бюрократия убить любую затею.
– Конфликт с военными. Насколько мне известно, частоты для 5G принадлежат военным и МЧС, и отдавать их они не хотят. При этом мы видим, что в стратегии нашего государства сейчас доминируют как раз интересы армии и обороны.
– Дороговизна цифровизации. Нашему бизнесу трудно позволить себе качественную цифровизацию. Причины – цены на оборудование и софт, а также дефицит нужных кадров. В ближайшее время никаких изменений в этом не предвидится. Те, кто может себе это позволить (корпорации), очень бюрократизированы (попробуйте согласовать доступ в интернет на производственной площадке) и не мотивированы, потому что боятся на местах и банально не готовы. В таких компаниях можно увидеть и провалы, и банальные «распилы», и неэффективные вложения.
– Новое поколение оборудования в любом случае будет дороже нынешнего, при этом на единицу территории понадобится большее количество вышек. Кто будет это финансировать? С учётом падения реальных доходов с 2014 года, люди вряд ли готовы платить больше за связь, а сами операторы не готовы вкладываться и ждать, когда цена станет приемлемой для людей и бизнеса, чтобы они захотели и смогли платить за доступ. Поэтому, я думаю, планы и программы появятся, но сроки будут растягиваться, а содержание бесконечно корректироваться. Пойдёт вялое и локальное развитие, в основном в имиджевых местах или там, где будет интерес конкретных людей.
В итоге у нас слишком много фундаментальных проблем в «реальном» секторе экономики: низкая квалификация (цифровая и управленческая) персонала от работяги до менеджмента и чиновников (я не верю, что аналоговый и некомпетентный руководитель сможет развивать цифру), высокая зарегулированность и страхи, сильные позиции «консерваторов» и безопасников, которые не готовы идти навстречу и вести диалог.
По некоторым предварительным оценкам чиновников, полномасштабное развертывание 5G в городах-миллионниках можно ожидать не раньше 2024 года.
6G
А пока мы думаем о переходе на 5G, в Китае и США уже разрабатывают стандарты для сетей 6-го поколения. Но зачем?
Чтобы обеспечить дальнейший рост внедрения умных устройств! 5G всё равно имеет ограниченную ёмкость.
Некоторые источники говорят о пиковых скоростях до 1 Тбит/с. Средняя скорость несколько сотен Мбит/с. Средняя задержка передачи сигнала – 1 мс, что полезно для приложений, требующих минимальной задержки, таких как автопилоты и виртуальная реальность. Количество активных устройств, которые смогут подключиться к 6G на единицу времени, также будет в несколько раз выше, чем у 5G.
«Эра 6G предложит новые возможности для создания интерфейсов мозг-компьютер», – говорит доктор Сиднейского университета Махьяр Ширванимогаддам. Пример такой разработки – электронный чип для парализованных и людей с нарушениями ЦНС, который создаёт стартап Илона Маска.
При этом у 6G есть одно большое преимущество – для его внедрения можно модернизировать уже имеющиеся вышки 5G, в то время как для самого 5G пришлось строить новые базовые станции.
На данный момент считается, что 6G может быть введён в начале 2030-х годов.
Нейросети, машинное и глубокое обучение (ML & DL), системы распознавания речи и текста
Вот мы и подобрались к будущему – нейросетям, искусственному интеллекту, восстанию машин и прочим страшилкам.
Нейросети – пожалуй, самая интересная технология. При поддержке интернета вещей, 5G и больших данных она принесёт в нашу жизнь революционные изменения.
При этом искусственный интеллект – это любой математический метод, который позволяет имитировать человеческий интеллект.
Ох, как наши любимые рекламщики и маркетологи довольны… Теперь любую, самую простую нейросеть можно гордо назвать «Искусственным Интеллектом».
Но искусственный интеллект ещё разделяют на сильный и слабый. В 2019 году учёные из МФТИ приблизились к созданию сильного ИИ – аналога человеческого сознания. Это способность не просто отличить ручку от карандаша или кошку от собаки (по такому принципу работают все нейросети, это слабый ИИ), но и ориентироваться в меняющихся условиях, выбирать конкретные решения, моделировать и прогнозировать развитие ситуации.
Еще один пример появление сильного ИИ по QR и ссылке ниже
Опубликован диалог с «разумным» ИИ Google LaMDA, который называет себя человеком
Сильный ИИ будет незаменим в системах интеллектуального транспорта и грузоперевозок, когнитивных ассистентах. Но это будущее, а что есть сейчас?
Сейчас есть обучаемые нейросети. Искусственная нейронная сеть – это математическая модель, созданная по подобию нейросетей, составляющих мозг живых существ. Такие системы учатся выполнять задачи, рассматривая их без специального программирования под конкретное применение. Это можно встретить в Яндекс Музыке, автопилотах Теслы, в системах рекомендации для врачей и управленцев.
И здесь 2 главных тренда:
– машинное обучение (ML – machine learning);
– глубокое обучение (DL – deep learning).
Машинное обучение – это статистические методы, позволяющие компьютерам улучшить качество выполняемой задачи с накоплением опыта и дообучения. То есть речь идёт как раз о том, как работают нейронные сети живых организмов.
Глубокое обучение – это не только обучение машины с помощью человека, который говорит, что верно, а что нет, но и самообучение систем. Это одновременное использование различных методик обучения и анализа данных.
Но как обучают эти нейросети? В чём магия?
А собственно, ни в чём. Это как дрессировка собаки. Нейросети раз за разом показывают, например, картинку и говорят, что на ней изображено. Потом нейросеть должна сама ответить, и, если ответ ошибочный, в неё вносят корректировки. Примерный алгоритм указан ниже.
В итоге получается, что каждый «нейрон» такой сети учится распознавать, относится к нему эта картинка, точнее её часть, или нет.
Пример работы нейросети при распознавании изображения
Нейросети и машинное обучение применяются:
– для прогнозирования и принятия решений;
– распознавания образов и генерирование, в том числе «картинок» и голосовых записей;
– анализа сложных данных без чётких взаимосвязей;
– оптимизации процессов.
Прикладное значение этого можно увидеть на примерах создания беспилотных авто (принятие решений), поиска незаконного контента (анализ данных), прогнозирования болезней (распознавание образов и поиск связей). При этом сейчас на хайпе именно распознавание образов и генеративные модели (chatGPT, midjourney и т.д.). А вот бизнес-задачи пока решаются слабо. При этом 9 из 10 студентов сейчас идут учиться именно на распознавание образов и машинное зрение.
Особое внимание заслуживает связка ИИ + IoT:
– ИИ получает чистые большие данные (о них в следующем разделе), в которых нет ошибок человеческого фактора для обучения и поиска взаимосвязей;
– эффективность IoT повышается, так как становится возможным создание предиктивной (предсказательной) аналитики и раннего выявления отклонений.
Ладно, всё это теория. Я же хочу поделиться реальным примером, как можно применять нейросети в бизнесе.
Летом 2021 года ко мне обратился один предприниматель из риелторской сферы. Он занимается арендой недвижимости, в том числе посуточно. Его цель – увеличение пула сдаваемых квартир и смена статуса предпринимателя на полноценную организацию. В ближайших планах запуск сайта и мобильного приложения.
Сложилось так, что я сам был его клиентом. И при нашей встрече заметил очень большую проблему – долгую подготовку договора: на оформление всех реквизитов и подписание уходит до 30 минут. А это и ограничение системы с генерированием потерь, и неудобство для клиента.
Представьте ситуацию, что вы хотите провести время с девушкой, но вынуждены ждать полчаса, пока ваши паспортные данные внесут в договор, всё сверят и подпишут.
Сейчас есть лишь один вариант исключить это неудобство – запрашивать фото паспорта заранее и вручную вносить все данные в шаблон договора. Как вы понимаете, это тоже не очень удобно.
Как же цифровые инструменты помогут решить эту проблему, а заодно заложат основу для работы с данными и аналитикой?
– Можно попробовать провести интеграцию с «Госуслугами». Тогда человек сможет авторизоваться через их учётку – там паспортные данные уже выверены и будет легче использовать их для последующей аналитики. Правда, если вы не государственная компания, то получить доступ к авторизации через данный сервис – та ещё задача.
– Подключение нейросети. Клиент присылает фото паспорта, нейросеть распознаёт данные и вносит в шаблон или базу. Остаётся лишь распечатать готовый договор или подписать в электронном виде. И преимущество здесь в том, что все паспорта стандартизированы. Серия и номер всегда напечатаны одним цветом и шрифтом, код подразделения тоже, а перечень выдавших подразделений не очень большой. Обучить такую нейросеть можно легко и быстро. Справится даже студент в дипломной работе. В итоге бизнес экономит на разработке, а студент получает актуальную дипломную работу. Кроме того, при каждой ошибке нейросеть будет становиться всё умнее.
