ИИ: Интеллектуальные системы поддержки принятия решений ПЕРЕЧЕНЬ технологических задач, на реализацию которых направлен проект в сфере искусственного интеллекта разработка отечественных ИТ решений, созданных на базе СЦТ "сквозных" цифровых технологий

УТВЕРЖДЕНЫ

приказом Минэкономразвития России

от «_»____ 2021 г. № ______

КРИТЕРИИ принадлежности к проектам в сфере искусственного интеллекта

 

‎Приложение

 

к Критериям принадлежности к проектам
‎в сфере искусственного интеллекта

от «_»____ 2021 г. № ______

ПЕРЕЧЕНЬ технологических задач, на реализацию которых может быть направлен проект в сфере искусственного интеллекта

4. Интеллектуальные системы поддержки принятия решений

1)Развитие моделей и методов предиктивной и прескриптивной аналитики, позволяющих предсказывать развитие ситуации на основе анализа исторических данных и автоматизировать принятие решений в режиме реального времени;

2)Разработка и развитие технологий оценивания качества моделей машинного обучения без тестирования в реальной среде, в том числе ‎в рекомендательных системах, тестируемых без участия пользователя;

3)Подготовка решений на основе открытых источников данных ‎и неструктурированной информации, в том числе для использования ‎в интеллектуальных системах поддержки принятия решений для решения стратегических вопросов и (или) адаптивного динамического управления сложными объектами;

4)Интеллектуальное имитационное моделирование поведения участников рынков продукции и услуг на основе транзакционных данных ‎и моделей машинного обучения;

5)Использование технологий искусственного интеллекта ‎для управления и (или) обучения персонала и построения персонализированных карьерных или образовательных траекторий;

6)Предиктивный анализ и обеспечение поддержки принятия решений ‎на основе многолетних данных, в том числе для расчета нормирования в отраслях экономики;

7)Системы управления оборудованием и производственными системами на основе данных измерительных систем и исторических данных о поведении систем в различных ситуациях (как автоматические системы управления,
‎так и рекомендательные системы);

8)Системы предиктивного обслуживания оборудования, разработанные на основе методов математического моделирования (в том числе машинного обучения), предназначенные для снижения частоты и ущерба от поломок оборудования, снижения затрат на диагностику и обслуживания станков
‎и промышленного оборудования;

9)Системы прогноза качества выпускаемой продукции, в том числе способные прогнозировать вероятности и типы дефектов продукции, а также позволяющие находить и устранять причины этих дефектов;

10) Системы поиска новых способов производства продукции

11) или способов выпуска новой продукции путем моделирования производственного процесса для удовлетворения заданных функционально качественных параметров с помощью мат. моделей, в том числе моделей машинного обучения, основанных на исторических данных, а также не основанных на исторических данных, а полученных в результате экспериментов с цифровыми двойниками производственных процессов
‎и оборудования;

12)Системы адаптивного планирования и управления производственными процессами, в том числе планирования производства, поставки продукции, логистики и подбора целевых значений объемов производства продукции на основе математических моделей и исторических производственных данных;

13)Системы выявления аномалий производственных процессов и поиска их причин (системы должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных);

14)Системы контроля и обеспечения производственной безопасности основанных на анализе и моделировании поведения сотрудников (системы должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных);

15)Системы, направленные на контроль и сокращения вредных выбросов и загрязнения окружающей среды (системы должны быть основаны ‎на алгоритмах математического моделирования, машинного обучения ‎и исторических данных);

16)Системы визуализации производственных процессов, помогающие анализировать производственные процессы и искать пути повышения производственной эффективности (системы должны быть основаны ‎на алгоритмах математического моделирования, машинного обучения ‎и исторических данных);

17)Системы управления персоналом, осуществляющие контроль производительности, психофизического состояния и поиск возможностей оптимизации загрузки персонала (системы должны быть основаны ‎на алгоритмах математического моделирования, машинного обучения ‎и исторических данных).

5. Перспективные методы искусственного интеллекта

1)Поиск новых методов и подходов к созданию универсального (сильного) искусственного интеллекта;

2)Поиск новых методов и подходов к решению задач, в том числе способных обучаться в условиях искажения, отсутствия или утраты актуальности исторических данных или превышать возможности существующих методов машинного обучения и математического моделирования;

3)Разработка автономных интеллектуальных агентов, в том числе ‎на основе обучения с подкреплением; мультиагентные системы ‎с искусственным интеллектом;

4)Использование квантовых вычислителей в целях ускорения решения задач искусственного интеллекта (в том числе сэмплинг из многомерных распределений, комбинаторная оптимизация);

5)Разработка алгоритмов квантового машинного обучения, библиотек ‎и инструментов для реализации практических задач;

6)Синтез (генерация) трехмерных, двухмерных изображений и видео-объектов с сохранением узнаваемости, в том числе для воссоздания трехмерных сцен и их стилей на основе двухмерных изображений и видео, создания реалистичных цифровых аватаров, включая использование ‎в производстве видео-продукции, в интерфейсах устройств и обучении;

7)Использование искусственного интеллекта для проектирования сложных объектов (систем, роботов, алгоритмов), в том числе для сквозного проектирования аппаратной и программной части, алгоритмов работы, ‎для использования в интеллектуальных системах автоматизированного проектирования для проектирования алгоритмов и технических устройств;

8)Разметка данных при помощи искусственного интеллекта, в том числе для автоматизации подготовки данных для прикладных задач;

9)Управление данными при помощи искусственного интеллекта (интеграция, обогащение, контроль качества и т.д.), в том числе через системы объединения данных из различных источников (цифровой профиль, единый источник знаний из объединенных информационных систем, геомаркетинговые сервисы, системы управления основными данными), системы повышения качества и консистентности данных;

10)Автоматизация обучения нейронных сетей (автоматизированное машинное обучение, включая эволюционные алгоритмы), в том числе в целях удешевления или упрощения процесса разработки модели;

11)Создание гибридных моделей – комбинации моделей на основе данных с «классическими» моделями, а также комплексирование различных методов искусственного интеллекта, в том числе при его использовании ‎в плохо формализуемых прикладных областях;

12)Создание моделей, обучаемых в ходе деятельности или по аналогии;

13)Создание моделей для первичной обработки (верификации) данных ‎и мониторинга качества данных;

14)Семантический динамический анализ и комплексирование мультимодальных данных из различных источников, включая видео, текст, голос, с учетом их контекста;

15)Интерпретируемые модели искусственного интеллекта и методы генерации обоснований автоматически принимаемых решений (объяснимый искусственный интеллект);

16)Создание энергоэффективных когнитивных систем и систем обработки шумных сигналов;

17)Создание систем искусственного интеллекта, обеспечивающих защиту от целенаправленных деструктивных воздействий на этапах обучения и функционирования;

18)Создание систем искусственного интеллекта, обеспечивающих обоснованную защиту данных обучающей выборки от компрометации (последующего извлечения из обученной модели);

19)Разработка методик оценки предвзятости систем искусственного интеллекта (методик оценки статистических отклонений в выводах);

20)Анализ мультимедийных материалов с целью выявления признаков внесения изменений и фальсификаций, а также установления даты, времени ‎и места съемки, диагностики и идентификации аудио-, фото- ‎и видеорегистрирующей аппаратуры и программно-аппаратных средств обработки мультимедийной информации;

21)Выявление уязвимостей и недекларированных возможностей ‎в программном обеспечении и операционных системах;

22)Восстановление утраченной информации на машинных носителях информации;

23)Создание систем управления, которые учитывают физические процессы, происходящие с объектом, в том числе системы управления движением воздушного и наземного транспорта;

24)Динамическое адаптивное управление и ориентация отдельного объекта в сложных или недетерминированных условиях, в том числе ‎для систем управления автономными объектами, систем управления объектом, учитывающих отставание сигналов;

25)Централизованное управление группой (роем) объектов;

26)Децентрализованное управление группой (роем) однородных объектов;

27)Децентрализованное управление группой (роем) неоднородных объектов (включая инфраструктуру);

28)Разработка аппаратных ускорителей и программно-аппаратных решений для повышения эффективности расчетов в системах с искусственным интеллектом.

1. Компьютерное зрение

1)Детекция и идентификация объектов в сложной окружающей среде, ‎в том числе для систем охраны и обеспечения безопасности;

2)Детекция и идентификация объектов «виртуальной и дополненной реальности»;

3)Распознавание образов с учетом контекста и сигналов из нескольких источников (слияние данных), в том числе для интеграции данных ‎с различными типами сенсоров и ориентирования в сложных средах;

4)Разработка гибридных систем компьютерного зрения (комбинация различных типов алгоритмов, обработка сигналов источников различных типов), в том числе для использования в сертифицируемых в рамках текущего регулирования систем компьютерного зрения;

5)Распознавание образов с обучением «с первого раза» (один или несколько объектов), позволяющей выполнять предиктивную выдачу результатов, в том числе при аварийных ситуациях;

6)Высокоскоростная идентификация большого количества объектов ‎в различных частях электромагнитного спектра, в том числе для систем охраны, обеспечения безопасности и сбора данных о городском трафике ‎и их анализа;

7)Автономная семантическая сегментация, классификация ‎и идентификация объектов, разбиение на подобъекты и распознавание отдельных деталей, в том числе в режиме реального времени;

8)Психографический и эмоциональный анализ поведения людей ‎и животных на основе систем видеоаналитики, в том числе для системы сбора и классификации эмоциональных данных;

9)Разработка систем видеоаналитики для событийного анализа (например, нарушение использования средств индивидуальной защиты, возникновение признаков и факторов аварий (горение, парение и т.д.) и т.п.);

10)Разработка систем видеоаналитики для мониторинга хода производственного или организационного процесса;

11)Распознавание пространственной неоднородности ландшафтов;

12)Анализ данных, получаемых с космических аппаратов геостационарного, гидрометеорологического, гелиогеофизического, ‎и океанографического назначения, а также иной информации, полученной ‎от космической системы дистанционного зондирования Земли, и построение по таким данным предиктивных моделей;

13)Генерация изображений и видео, в том числе фотореалистичных;

14)Создание методов аугментации данных.

2. Обработка естественного языка

1)Классификация и кластеризация отдельных высказываний, коротких ‎и длинных текстов;

2)Поиск и классификация различных типов сущностей в тексте, включая названия организаций и имен персоналий;

3)Извлечение фактов из текстов и их систематизация, в том числе автоматическое обучение онтологий;

4)Машинный перевод;

5)Задачи диалогового интеллекта, в том числе: подбор следующей реплики в диалоге на основе контекста, генерация следующей реплики ‎в диалоге, комбинация доменных разговорных навыков для ведения контекстно-зависимого диалога;

6)Задачи интеллектуального информационного поиска, в том числе: поиск текстовых документов по аналогии или по смыслу, поиск трендов ‎и фронтиров научно-технического развития, поиск скрытого содержания ‎и смыслов; поиск, выявление и классификация фейков, спама, обмана ‎и противоречий, запрещённого, идеологизированного, автоматически сгенерированного и иного потенциально опасного дискурса.

7)Сбор и аннотация данных для задач обработки и понимания естественного языка;

8)Распознавание орфографических и грамматических ошибок, сленга ‎и аббревиатур с учетом контекста, в том числе для улучшения текущих решений (чат-боты и ассистенты);

9)Определение смысловых (логических, грамматических, речевых ‎и фактологических) ошибок в тексте;

10)Группировка информации и построение блок-схем на основании текстовых данных и анализа возможных нарушений логики с учетом контекста (истории взаимодействия);

11)Распознавание различных литературных приемов и стилей,
‎в том числе для использования в автоматических системах литературного, технического и делового перевода;

12)Динамическое распознавание смысла (распознавание до получения законченного предложения или абзаца), в том числе для внедрения в системы  автоматического синхронного перевода на основе искусственного интеллекта;

13)Выделение наиболее важной информации из контекста и синтез уникальных текстов, в том числе для автоматической и полуавтоматической суммаризации (аннотирования, реферирования) текстов, для создания ассистентов полуавтоматической генерации контента, для синтеза субтитров
‎и сурдоперевода, аннотирования изображений и видео, в том числе распознавание эмоциональных оттенков и субэмоций речи и текста, в том числе в целях формирования психографического портрета.

3. Распознавание и синтез речи

1)Создание мультизадачных разговорных ассистентов;

2)Проверка подлинности речи, в том числе для проверки личности говорящего;

3)Распознавание звуков и речи в сложных условиях (шумы, большое расстояние и т.д.), в том числе для использования в системах обработки ‎и анализа переговоров;

4)Сбор и аннотация данных для задач распознавания и синтеза речи;

5)Распознание сложных смысловых конструкций и сленга в речи для использования в системах поиска скрытого содержания и смысла, в том числе для улучшения текущих решений (персональные ассистенты);

6)Создание средств управления эмоциями и смысловыми конструкциями в синтезированной речи, в том числе для целей автоматического чтения художественных произведений;

7)Синтез речи на иностранном языке, в том числе для улучшения персональных синхронных переводчиков;

8)Распознавание антропологических признаков на основе речи, в том числе для использования в системах идентификации социального статуса ‎и других атрибутов человека;

9)Классификация и взаимное расположение источников звука (музыка; бытовые шумы; звуки, сопровождающие опасные ситуации и т.д.), в том числе для использования в системах анализа неисправности устройств на основе распознавания звука;

10)Распознание эмоциональных оттенков и субэмоций речи, в том числе для улучшения существующих персональных голосовых помощников, переводчиков.

МИНИСТЕРСТВО ЭКОНОМИЧЕСКОГО РАЗВИТИЯ

РОССИЙСКОЙ ФЕДЕРАЦИИ

(МИНЭКОНОМРАЗВИТИЯ РОССИИ)

П Р И К А З

____________________ Москва №____________________

Об утверждении Критериев принадлежности к проектам в сфере искусственного интеллекта

В соответствии с подпунктом «в» пункта 32 и пунктом 34 Правил предоставления субсидии из федерального бюджета на поддержку некоммерческой организацией Фонд развития центра разработки и коммерциализации новых технологий пилотных проектов апробации технологий искусственного интеллекта
‎в приоритетных отраслях, утвержденных постановлением Правительства Российской Федерации от № , п р и к а з ы в а ю:

1.Утвердить прилагаемые Критерии принадлежности к проектам в сфере искусственного интеллекта.

2.Контроль за исполнением настоящего приказа возложить на заместителя Министра экономического развития Российской Федерации Федулова В.В.

Министр

М.Г. Решетников