Киберпреступники существенно усилили свою активность в период пандемии. По экспертным оценкам, весной 2020 г. количество киберпреступлений выросло приблизительно на 20-25%, по сравнению с аналогичным периодом предыдущего года. А нынешняя весна еще добавила активности киберпреступникам, организующим мощные DDoS-атаки и целевые APT-атаки против российских веб-ресурсов и значимых предприятий. Российские компании учатся в реальном масштабе времени искусству борьбы с угрозами в новых условиях. Глобальным актуальным трендам в области информационной безопасности посвятила недавнее исследование исследовательская компания Gartner. Там, в частности, содержится прогноз о том, что 60% организаций в мире к 2025 г. примут концепцию нулевого доверия (zero trust) в качестве отправной точки для обеспечения своей безопасности. Причем, как отмечается в отчете об исследовании, более половины этих организаций не смогут реализовать преимущества, ожидаемые от внедрения zero trust.
Архив автора: kornelik
Искусственный интеллект для обработки видеоаналитики: обзор основных направлений и перспектив
Еще несколько лет назад у систем ИИ в области видеоаналитики было много ограничений, скажем, было невозможно распознавать лицо, если в кадре оно повернуто в сторону, плохо распознавались документы при слабом освещении и т.д. Как изменилась ситуация сегодня? Как методы искусственного интеллекта помогают сегодня распознавать, выявлять объекты, персоны, ситуации высокой сложности и с высокой точностью? Согласно прогнозу аналитиков MarketsandMarkets, объем мирового рынка видеонаблюдения вырастет до 74,6 млрд. долл. к 2025 г. при среднегодовом темпе роста 10,4%. При этом российский рынок, по мнению экспертов Tadviser, растет в среднем на 20% в год. Стремительный спрос обусловлен, как ростом популярности искусственного интеллекта и глубокого обучения для систем видеонаблюдения, так и главной потребностью общества в безопасности.
Искусственный интеллект как составная часть бизнес-процессов для принятия решений
Интеллектуальные технологии сегодня шагнули далеко за пределы отдельных операций, например, семантического анализа конкретного документа. ИИ-решения стали становиться составной частью весьма сложных бизнес-процессов. В каком виде реализуется сегодня «процессный интеллект», и в каком направлении ожидается его дальнейшее развитие? В августе аналитическая компания Statista выпустила подробный отчет о состоянии рынка ИИ. По мнению аналитиков, главным трендом развития искусственного интеллекта остается автоматизация процессов, ведь именно применение ИИ улучшает производительность деловых операций по сравнению с другими технологиями практически во всех отраслях и даже вносит существенный вклад в ВВП стран. Например, для промышленного производства ИИ может увеличить валовую добавленную стоимость почти на 4 трлн. долл. (около 372 трлн. руб.) к 2035 г., для оптовой и розничной торговли рост составит 2,2 трлн. долл. США (около 205 трлн. руб.), для отрасли информации и связи – 1 трлн. долл. США (около 93 трлн. руб.).
Автоматизированная обработка текстов на естественном языке с помощью инструментов искусственного интеллекта: описание технологии
Интеллектуальная автоматическая обработка текстов на естественном языке – это та область программных решений, в которой традиционно работают многочисленные команды исследователей и разработчиков в самых разных странах. Действительно, применительно к корпоративному сектору речь идет о широком спектре возможностей обработки текстовых документов: от структурированных форм до текстов соглашений и переписки с клиентами на корпоративном форуме. Какие из этих возможностей сегодня стали рутинными общеупотребительными сервисами, а какие находятся на переднем фронте интеллектуальной обработки? Согласно оценкам аналитиков Центра компетенций «Искусственный интеллект» МФТИ, авторов альманаха «Искусственный интеллект» 2021, который вышел в свет в апреле, сегмент решений для обработки естественного языка (ЕЯ) Natural Language Processing (NLP) занимает в России 32,8% всего рынка ИИ.
Переход от корпоративных данных к знаниям с помощью инструментов искусственного интеллекта: подробности технологии
Для современного цифрового предприятия данные – это фундамент для выработки эффективных управленческих решений, как оперативных, так и стратегических. Однако на пути к принятию решений «сырые» исходные данные превращаются в корпоративные знания. Сегодня мы видим несколько направлений такой трансформации, как на уровне аккумулирования цифрового опыта компании, так и на уровне самих данных. Аналитики Gartner выделяют отдельную группу ИТ-решений – платформы цифрового опыта (Digital Experience Platforms, DXP), для которых ежегодно выпускается «Магический квадрант». В своем анализе DXP-платформ аналитики Gartner, в первую очередь, фокусируют внимание на интеграции клиентских данных из различных источников. Так, в числе лидеров рыночного сегмента – компания Adobe, у которой, по мнению Gartner, – зрелое решение DXP, включающее управление контентом, аналитику и функции персонализации.
Глубинные нейронные сети для обработки больших массивов данных: достижения и проблемы
Конечно, сегодняшние ИИ-механизмы не умеют «мыслить» и принимать решения на уровне человека. Однако и на этом пути ИИ может достигать впечатляющих успехов, делая то, что не под силу человеку, например, обрабатывать огромные объемы данных практически в реальном масштабе времени. Именно эти возможности стали базисом для мощного развития механизмов машинного обучения в его нынешнем наиболее популярном виде – глубинных нейронных сетей (ГНС или DNN – Deep Neural Network). Глубинная нейронная сеть – это искусственная нейронная сеть (ИНС) с несколькими слоями нейронов, расположенных между входным и выходным слоями. ГНС находит корректный метод математических преобразований, чтобы превратить исходящие данные в выходящие, независимо от линейной или нелинейной корреляции. Сеть продвигается по слоям, рассчитывая вероятность каждого выхода.
