Разработчики искусственного интеллекта (ИИ) утверждают, что мировой IT-рынок достиг предела в использовании доступных онлайн-данных для обучения. Это положение заставляет игроков в индустрии находить новые подходы к разработке ИИ. Генеральный директор компании Softlogic.ai Денис Логинов обсуждает, как Интернет вещей (IoT) может способствовать обучению ИИ и какие применения уже нашли в российских городах.
Соучредитель SpaceX Илон Маск, в январе 2025 года, заявил, что объем реальных данных для тренировки ИИ моделей практически исчерпан. Это заявление подтвердило мнение многих специалистов, которые также подчеркивают необходимость поиска альтернативных решений для обучения ИИ, включая синтетические данные, производимые самими ИИ.
Согласно данным Gartner, в 2024 году уже 60% данных, используемых в проектах ИИ, были синтетическими. Некоторые компании внедряют этот подход в практику машинного обучения. Однако остаётся неясным, сможет ли такая генерация данных улучшить качество моделей и исключить ошибки. Эксперты настороженно относятся к рискам, связанным с использованием искусственных данных, полагая, что это может снизить креативность и увеличить предвзятость алгоритмов, что в итоге может сделать такие модели неработоспособными.
Таким образом, индустрия стоит на пороге важной трансформации, где синтетические данные и IoT могут стать ключевыми факторами в обучении и развитии искусственного интеллекта.
Современная концепция искусственного интеллекта (ИИ) ориентирована на практическое применение. Слоган 2025 года — «перестать восхищать и начать зарабатывать» — подчеркивает необходимость внедрения ИИ в реальные бизнес-процессы. Без этого доверие к технологии будет падать, а инвестиции и разработки замедляться, что приведёт к рискам стагнации в области, которая сегодня является одной из самых динамичных в технологической сфере.
Тем не менее, опасения по поводу потенциальной стагнации ИИ могут быть излишними. Хотя объём контента, созданного человеком, ограничен, бесконечные данные, предоставляемые окружающим миром, открывают новые горизонты для развития ИИ. Доступ к «физическим» данным стал легче благодаря прогрессу технологий, и их объём многократно превосходит возможности обработки даже самых мощных компьютеров. Эти данные повсюду: в экологии, науке, производстве, транспорте и городской инфраструктуре, где их использование несёт огромный потенциал для инноваций.
Ранее, в начале 2000-х, корпорация Motorola уже пыталась внедрить концепцию «Intelligence Everywhere», соединяющую интернет вещей (IoT) с ИИ. Однако тогда недостаточно развиты технологии не позволяли реализовать амбициозные планы. Сегодня же умные устройства стали гораздо более компактными и доступными, что делает их повсеместное использование возможным и практичным в жизни и работе.
AIoT представляет собой объединение интеллектуальных алгоритмов и устройств, которые эффективны в быстром взаимодействии. С помощью специализированных нейросетей, находящихся на устройствах сбора данных или рядом с ними, происходит обработка информации. Эти устройства могут эффективно анализировать и структурировать данные «на краю» системы, передавая в центральный дата-центр только наиболее ценные и сжатые фрагменты информации. Такое решение, известное как edge computing, приближает обработку данных к источникам, таким как камеры, датчики и другие интеллектуальные устройства, позволяя избавиться от необходимости передавать большие объемы данных в облако или на серверы.
Интеграция Интернета вещей (IoT) и искусственного интеллекта (AI) позволяет устройствам самостоятельно выполнять задачи, адаптируясь во время работы. Это уменьшает потребность в загрузке лишних данных в крупные дата-центры. В недавно обновлённой программе цифровой трансформации на 2025-2026 годы Минцифры России анонсировало запуск федерального сервиса для интеллектуальной обработки видеопотоков с камер наблюдения в регионах, который будет анализировать видео в реальном времени для извлечения важной информации.
Внедрение AIoT также показало свою эффективность в проектах автоматизированного благоустройства в нескольких российских городах, что подтверждает потенциал технологии в сфере управления и оптимизации городских инфраструктур.
Интеллектуальные платформы, способные анализировать видеоданные, становятся все более необходимыми для выявления несоответствий, таких как мусор на улицах или нарушения безопасности на производственных объектах. Актуальность этой технологии растет в разных регионах России, где местные администрации и бизнес проявляют высокий интерес к таким системам.
Возрастает спрос на объективную информацию для эффективного решения управленческих задач, что требует контроля за всеми происходящими процессами.
Современные источники видеоданных, использующиеся для нейросетевого анализа, включают городские системы видеонаблюдения, автономные комплексы, БПЛА, портативные видеорегистраторы и даже смартфоны.
Эффективная обработка и анализ этих данных необходимы для представления ценной информации, например, через дашборды. Перемещение вычислений и аналитики ближе к местам фиксации событий позволяет значительно повысить экономичность и эффективность обработки данных.
Такие технологии обеспечивают мгновенную обработку видеоряда на местах, пересылая в центр только компактные файлы с ключевыми инцидентами. Это приводит к снижению нагрузки на сети и серверы, а также к повышению точности и скорости реагирования на события.
AIoT-платформы, интегрирующие искусственный интеллект и интернет вещей, обеспечивают руководителям возможность быстро принимать обоснованные решения по широчайшему спектру вопросов. Благодаря внедрению нейросетевого анализа, такие системы значительно повышают эффективность и безопасность, одновременно снижая затраты в государственных учреждениях, бизнесе и социальной сфере. Эти решения уже протестированы в более чем 40 регионах России, а в 20 из них, включая Санкт-Петербург и Московскую область, они функционируют на постоянной основе.
AIoT-платформы обеспечивают порядок и безопасность, упрощают рабочие процессы и уменьшают расходы на мониторинг благодаря высокому уровню технологий. Система автоматизирует обработку данных, что существенно снижает вероятность человеческой ошибки и повышает точность анализа. Концепция AIoT позволяет преобразовывать большие объемы данных в наглядную информацию о текущих событиях и проблемах.
Платформа самостоятельно выявляет закономерности и недостатки. Например, она может обнаружить скопление старых покрышек в определенном районе и сопоставить это с аналогичными ситуациями в других регионах, предоставляя руководителям объективную картину с широкой территории страны. AIoT используется для обнаружения слабых мест в процессах на предприятиях, предотвращения аварий и мониторинга соблюдения техники безопасности. В логистике системы отслеживают грузы и состояние транспорта, а в бизнесе помогают анализировать клиентские потоки.
В городах AIoT-платформы контролируют дороги, парковки, уборку территорий и уровень заполненности мусорных контейнеров. Ярким примером эффективности таких решений являются мобильные комплексы умного видеонаблюдения в Московской области, которые в 2023 году привели к накладыванию более 4000 штрафов на сумму свыше 170 миллионов рублей, что в среднем составляет около 14,5 миллионов рублей в месяц.
Некоторые регионы России адаптировали местные кодексы административных правонарушений для установления штрафов за несоответствия в благоустройстве. Такие инновационные системы показали значительно выше эффективность по сравнению с увеличением числа инспекторов, действующих традиционными методами. Таким образом, план, осуществляемый Минцифры, отвечает современным вызовам.
AIoT-решения позволяют собирать и обрабатывать данные из различных источников, убирая посредников. Это дает возможность как бизнесу, так и государственным структурам видеть реальную картину текущего состояния дел, используя разработанные в России современные технологии искусственного интеллекта.
