📎 Open Source в мире ИИ: российские разработки — карта от ict.mоscow

ict.mоscow собрал на одной карте отечественные ИИ-разработки с открытым исходным кодом. Представлены библиотеки и фреймворки, нейросети, бенчмарки, датасеты, методы оптимизации — для работы с данными, обучения моделей, для распознавания на компьютерном зрении.

Есть решения для разных отраслей, для строительной отрасли, например, подойдут:

📎Модель-классификатор ESGify — она структурирует новости по экологическим, социальным и управленческим аспектам (ESG) и определяет, несет ли то или иное событие риск для компании.

📎Модель UniDet3D распознает 3D-объекты в разных типах «облаков точек» — полученных сканерами наборов координат.

📎Фреймворки MRGSRec, RePlay и Sim4Rec помогут разработать рекомендательные модели.

Справочно: ict.mоscow — платформа цифровых решений, созданная при поддержке Департамента информационных технологий города Москвы.

Подробная карта — в прикрепленном файле👆

⚡️Коллеги из Pragmacore сделали первую в России бесшовную от BIM-модели до эксплуатации систему управления строительными проектами

Основные моменты этого «платформенного СОДа»:
На главном экране платформы представлены ключевые модули, охватывающие строительные процессы.

🔸Например, в модуле для этапа проектирования собраны карточки проектов с основными родовыми признаками, а также вся информация по конкретному объекту, где отслеживаются все стадии, разрешительная документация, ТИМ-модели и графики.

🔸На видео показано, что в разделе ТИМ-моделей можно использовать Viewer, в который встроена платформа Tangle. На неё загружаются все модели проекта, которые необходимы для расчёта объемов работ и ресурсов. Также там хранятся справочники, которые представляют классификаторы работ и материалов, — их можно редактировать и загружать из внешних источников.

Важно, что ТИМ-модель автоматически синхронизируется с партнерским сервисом Tangle. Это позволяет получать исходные цифровые данные, такие как ведомости объемов работ и материалов, для дальнейшего управления проектом.

🔸Также в платформе Pragmacore есть модуль предиктивной аналитики на базе ИИ. Он позволяет девелоперам прогнозировать, какие строительные работы будут обеспечены материалами и оборудованием через несколько месяцев, предотвращать срывы сроков поставок, аварии и непредвиденные задержки и определять сроки проекта.

В результате использования Pragmacore получается интегрированное решение для управления строительными проектами: все этапы, от проектирования до закрытия периодов, автоматизированы и упрощены. Подробнее — в прикреплённом 18-минутном видео.

#цифровизация #itрешениястройка #ии

ТОП-5 направлений развития робототехники — НИИ ВШЭ

Аналитики Института статистических исследований и экономики знаний НИУ ВШЭ изучили 21 тысячу англоязычных источников за 4 года и определили ключевые направления развития промышленной робототехники.

1️⃣ Коботы — они могут взаимодействовать с людьми и выполнять с ними работу в связке, при этом более дешевые, чем автономные.

2️⃣ Интеграция ИИ-решений — обучение моделей специально под задачи промышленности и других сфер позволит сделать роботов еще умнее и самостоятельнее.

3️⃣ Цифровые двойники роботов позволяют мониторить линии и прогнозировать поведение оборудования, выявлять ошибки без остановки реального производства.

4️⃣ Автономные мобильные роботы — они постепенно учатся быть самостоятельными и действовать в не определенной заранее ситуации.

5️⃣ Виртуальная и дополненная реальность (VR/AR), которая позволит увеличить продуктивность работы и задействовать роботов там, где существует опасность для человека.

Также среди перспективных направлений: мобильные манипуляторы (MoMas), высокоточные роботы, роевой интеллект, роботы с повышенной грузоподъемностью.

Роснано разработали дрон Optiplane GEOR для производства и стройки

⚫️Полезная нагрузка — 3 кг.
⚫️Умеет подниматься на высоту 1000 м.
⚫️Летает до 60 мин без подзарядки.
⚫️Можно поставить дополнительно фотокамеру, лазерный сканер, тепловизионную или мультиспектральную камеру, георадар и др. оборудование.

Такие дроны востребованы в геодезии, археологии, поисковых работах, ледовой разведке.

⚫️В строительстве модель можно использовать для сканирования местности и создания цифровой модели из облака точек.

⚫️Также дрон может облетать площадку и контролировать соблюдение рабочими техники безопасности: ношение касок, отсутствие людей в запретных зонах и состояние опасных конструкций.

⚫️Поможет оценить ход стройки, выполнять план-факт анализ.

Как большие языковые модели (LLM) помогают с кибербезопасностью

Денис Макрушин из Yandex Infrastructure рассказал в статье на Хабре о достижениях и вызовах, с которыми сталкиваются специалисты по безопасности при внедрении LLM.

LLM научились не только выявлять уязвимости, но и предлагать пути их исправления. Исследования показали, что LLM способны автономно эксплуатировать известные уязвимости самостоятельно без участия человека с вероятностью успеха 87%. Однако, несмотря на это, модели все еще требуют значительного человеческого вмешательства для корректной интерпретации и применения полученных результатов.

Проблемы и ограничения LLM
🔴Недостаточный контекст: Модели часто не понимают архитектуру проекта и могут предлагать некорректные решения.

🔴Проблемы с зависимостями: LLM могут не учитывать важные зависимости в коде, что приводит к потенциальным уязвимостям.

🔴Непредсказуемость результатов: Модели могут выдавать разные результаты при повторных запусках на одном и том же коде.

Как применять LLM в кибербезопасности

⚫️ Для анализ защищенности: Генеративные модели помогают security-архитекторам определять приоритеты для ручного анализа.

⚫️ Для создания правил детектирования угроз: LLM может генерировать правила на основе описаний атак, что ускоряет процесс разработки.

Вывод: LLM доказали свою полезность в кибербезопасности, но пока остаются инструментами- ассистентами.

69,7% респондентов готовы использовать ИИ для составления отчетов по проектам — Б1

Аналитики «Академией бизнеса Б1» опросили 145 специалистов из различных отраслей экономики России, в том числе из стройки, и узнали, готов ли российский бизнес внедрять ИИ в управление проектами

Зачем внедрять ИИ
⚫️63,4% — чтобы освободить руководителей проектов от рутины и дать сосредоточиться на стратегических вопросах.
⚫️63,4% — чтобы быстрее анализировать данные и оперативно принимать решения.
⚫️64,1% — чтобы улучшить прогнозирование рисков, управление ресурсами и автоматизацию процессов.

🔴Несмотря на эти преимущества, 59,3% компаний не планируют выделять бюджет на ИИ в ближайший год, что связано с недостаточной оценкой долгосрочных выгод.

Текущая готовность бизнеса
⚫️Только у 16% компаний есть качественно структурированные данные.
⚫️25% респондентов отметили слабую готовность ИТ-инфраструктуры.
⚫️Только 22,9% организаций провели оценку рисков внедрения ИИ.
⚫️Большинство специалистов не имеют опыта работы с ИИ (82,4% руководителей проектов и 75% участников команд).
⚫️Только 17,2% респондентов участвуют в проектах по внедрению ИИ.

Как сейчас используют ИИ
Большинство компаний использует ИИ для аналитики (58%) и автоматизации рутинных процессов (51%). 69,7% респондентов готовы использовать ИИ для составления отчетов по проектам.

Рекомендации для успешного внедрения
⚫️Обучать сотрудников и развивать у них навыки работы с ИИ и критическое мышление.
⚫️Инвестировать в инфраструктуру: разрабатывать защищенные контуры для работы с данными и интегрировать специализированные системы управления проектами.

Подробнее — в прикрепленном файле👆

🇨🇳 Китай принял новый нацстандарт о цифровых двойниках городов

31 декабря 2024 утвержден нацстандарт GB/T 45109.1-2024 Smart city - City digital twin - Part 1: Technical reference architecture. Он вступает в действие с 1 июля 2025 года.

⚫️Новый нацстандарт определяет техническую эталонную архитектуру для создания цифровых двойников городов.
⚫️Стандарт описывает ключевые компоненты системы, включая сбор данных, их обработку, хранение и визуализацию.
⚫️Определяет требования к интеграции различных технологий, таких как IoT, Big Data, AI и GIS.
⚫️Рассматриваются и интероперабельные форматы для совместимости с другими системами и обмена данными между городами и регионами.

Китайский стандарт может стать ориентиром для других стран, внедряющих цифровые двойники в своих городах.

Конкуренция за нанометры приходит на смену борьбе за нефтяные месторождения — главный вывод о развитии мирового рынка микроэлектроники

Аналитики частной инвестиционной компании Kama Flow рассмотрели состояние отрасли микроэлектроники крупнейших государств. Так, сравнили, сколько власти ведущих игроков стран выделяют на развитие электроники: США ($300 млрд), Китай ($100 млрд), Евросоюз ($180 млрд), Россия ($27 млрд). Главные выводы отчета ниже.

Несмотря на серьёзные проблемы в отрасли и санкционное давление, объём производства отечественной электронной продукции постепенно растёт. Но основным драйвером положительной динамики по‑прежнему остаётся государство. Важно отметить, что это не сугубо российский, а общемировой тренд, соответствующий геополитической ситуации и технологическим вызовам.

Привлекательность сегментов отрасли для инвестиций
⚫️Технологии проектирования: обеспеченность РФ 2-4%, потенциал ₽70 млрд/год.
⚫️IoT: обеспеченность РФ 20-30%, потенциал ₽70-100 млрд/год.
⚫️Фабрики по производству чипов: обеспеченность РФ 3-5%, потенциал ₽1 трлн/год

Подробнее — в прикрепленном файле👆