Критерии проекта в сфере искусственного интеллекта

Постановлением Правительства Российской Федерации от 29.06.2021 года №329 утверждены критерии определения принадлежности проектов к проектам в сфере искусственного интеллекта.

К критериям определения принадлежности проектов к проектам в сфере искусственного интеллекта относятся:

1. критерий предмета проекта;
2. критерий базовой технологии проекта;
3. критерий результата реализации проекта.
   

Проект удовлетворяет критерию предмета проекта, если его мероприятия предусматривают создание, и (или) развитие, и (или) внедрение искусственного интеллекта, а именно комплекса технологических решений, позволяющего имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека, в соответствии с подпунктом «а» пункта 5 Национальной стратегии развития искусственного интеллекта на период до 2030 года, утвержденной Указом Президента Российской Федерации от 10.10.2019 г. № 490.

Проект удовлетворяет критерию базовой технологии проекта, если его мероприятия предусматривают создание, и (или) развитие, и (или) внедрение не менее чем одной из технологий искусственного интеллекта, а также если его мероприятия направлены на решение технологических задач, установленных перечнем технологических задач, на реализацию которых может быть направлен проект в сфере искусственного интеллекта, приведенным в приложении к настоящим Критериям.

К технологиям искусственного интеллекта в соответствии с подпунктом «б» пункта 5 Национальной стратегии относятся технологии, основанные на использовании искусственного интеллекта, включая:

1. компьютерное зрение;
2. обработку естественного языка;
3. распознавание и синтез речи;
4. интеллектуальную поддержку принятия решений;
5. перспективные методы искусственного интеллекта.

К перспективным методам искусственного интеллекта в соответствии с подпунктом «в» пункта 5 Национальной стратегии относятся:

1. автономное решение различных задач;
2. автоматический дизайн физических объектов;
3. автоматическое машинное обучение;
4. алгоритмы решения задач на основе данных с частичной разметкой и (или) незначительных объемов данных;
5. обработка информации на основе новых типов вычислительных систем;
6. интерпретируемая обработка данных;
7. другие методы.

Компьютерное зрение. Перечень технологических задач      

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. Комбинация различных типов алгоритмов в рамках систем компьютерного зрения, обработка сигналов источников различных типов (гибридные системы компьютерного зрения), в том числе для использования в сертифицируемых системах компьютерного зрения.
5. Распознавание образов с обучением «с первого раза» (один или несколько объектов), позволяющее 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 данных об эмоциях.
9. Событийный анализ с использованием систем видеоаналитики (например, нарушение использования средств индивидуальной защиты, возникновение признаков и факторов аварий (например, горение, парение).
10. Мониторинг хода производственного или организационного процесса с использованием систем видеоаналитики.
11. Распознавание дефектов продукции на основе анализа различных типов изображений.
12. Распознавание пространственной неоднородности ландшафтов.
13. 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.
14. Генерация изображений и видеозаписей, в том числе фотореалистичных.
15. Аугментация данных (включая создание методов аугментации данных).
16. Сбор наборов данных и обучение классификаторов, в том числе для постановки диагноза на основе анализа фотоснимков и видеозаписей с заданным уровнем точности, а также для обучения системы «по ситуации».
17. Анализ информации об удаленных объектах с помощью активных оптических систем, в том числе лидаров.

Обработка естественного языка. Перечень технологических задач

1. Классификация и кластеризация отдельных высказываний, коротких и длинных текстов.
2. Поиск и классификация различных типов сущностей в тексте, включая названия организаций и имена персоналий.
3. Динамическое распознавание смысла (распознавание до получения законченного предложения или абзаца), в том числе для внедрения в системы автоматического синхронного перевода на основе искусственного интеллекта.
4. 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 видеозаписей, включая распознавание эмоциональных оттенков и субэмоций речи и текста, в том числе в целях формирования психографического портрета.

Распознавание и синтез речи. Перечень технологических задач

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 так далее), в том числе для использования в системах обработки и анализа переговоров.
4. Сбор и аннотация данных для задач распознавания и синтеза речи.
5. Распознавание сложных смысловых конструкций и сленга в речи для использования в системах поиска скрытого содержания и смысла, в том числе для улучшения текущих решений (включая создание персональных ассистентов).
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 выявление взаимного расположения источников звука (музыка, бытовые шумы, звуки, сопровождающие опасные ситуации, и иные источники звука), в том числе для использования в системах анализа неисправности устройств на основе распознавания звука.
10. Распознавание эмоциональных оттенков и субэмоций речи, в том числе для улучшения существующих персональных голосовых помощников, переводчиков.

Интеллектуальные системы поддержки принятия решений. Перечень технологических задач

1. Предиктивный и прескриптивный анализ, позволяющий предсказывать развитие ситуации на основе анализа данных и автоматизировать принятие решений в режиме реального времени (включая создание методов и моделей).
2. Оценка 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 рынка товаров, работ и услуг на основе транзакционных данных и моделей машинного обучения.
5. Управление   и (или) обучение персонала и    построение персонализированных карьерных или образовательных траекторий.
6. Обеспечение поддержки принятия решений на основе многолетних данных, в том числе для расчета нормирования в отраслях экономики.
7. Управление   оборудованием и производственными системами на основе данных измерительных систем и исторических данных о поведении должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных).
8. Контроль и обеспечение производственной безопасности, основанные на анализе и моделировании поведения сотрудников (включая создание систем искусственного интеллекта,       которые должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных).
9. Контроль и сокращение вредных выбросов и загрязнения окружающей среды (включая создание систем искусственного интеллекта, которые должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных).
10. Визуализация производственных процессов, помогающая анализировать производственные процессы и искать пути повышения производственной эффективности (включая создание систем искусственного интеллекта, которые должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных).
11. Управление персоналом, контроль производительности, психофизического состояния и поиск возможностей оптимизации загрузки персонала (включая создание систем искусственного интеллекта, которые должны быть основаны на алгоритмах математического моделирования, машинного обучения и исторических данных).

Перспективные методы искусственного интеллекта. Перечень технологических задач

1. Разработка методов в направлении создания 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.