Публичное обсуждение проекта продлится до 2 января 2024 г.

Настоящий стандарт устанавливает требования к структуре и содержанию технического задания в сфере искусственного интеллекта для работ, услуг, поставок.

Техническое задание является основным документом, определяющим потребности заказчика, в том числе требования к результату выполнения работ, услуг, поставок, а также, при необходимости, к процессу выполнения работ, услуг, поставок и порядку их приемки.

Принципиальным является формирование технического задания с позиций заказчика, для которого, как правило, не важно каким способом выполняет работу, предоставляет услугу или осуществляет поставку исполнитель, но важны результаты работ, услуг, поставок. Подмена на этапе формирования технического задания взгляда заказчика на взгляд исполнителя является наиболее частой ошибкой, которая ведет к включению в техническое задание требований к составу и способам выполнения работ, услуг, поставок

Публичное обсуждение проекта продлится до 2 января 2024 г.

Стремительно развивавшиеся и меняющиеся технологии предметной области больших данных порождают проблему отсутствия единого подхода к описанию архитектуры больших данных и её реализации, что существенно затрудняет разработку и применение соответствующих технологий. На решение данной проблемы нацелена серия международных стандартов и технических отчётов ИСО/МЭК 20547-Х, третья часть которой — «Эталонная архитектура» — призвана закрепить представление об эталонной архитектуры больших данных, её концептуальных основах, субъектах и их ролях в процессе построения архитектурных решений. Ключевая цель эталонной архитектуры — обеспечивать общее понимание и представление различных продуктов, организаций и дисциплин применительно к существующим архитектурам и их будущим вариантам развития.

Разработка и принятие соответствующего стандарта на национальном уровне позволит обеспечить гармонизацию

Публичное обсуждение проекта продлится до 2 января 2024 г.

Инженерия знаний успешно применяется во многих отраслях, включая выявление финансового мошенничества, удаленную эксплуатацию и техническое обслуживание оборудования, профили пользователей и рекомендации по продуктам, отслеживание и прогнозирование фокуса исследований, интеллектуальный кредитный анализ, судебные споры и предварительный разбор дел на основе аналогичных случаев, интеллектуальное распространение новостей, интеллектуальная компьютерная диагностика и лечение и т. д. Одной из целей инженерии знаний является представление человеческих знаний в указанных отраслях и их трансформация в машинные знания с использованием представлений, понятных как людям, так и системами искусственного интеллекта. Теперь инженерия знаний, наряду с большими данными, глубоким обучением, обработкой естественного языка и т. д., стала одной из основных движущих сил развития ИИ.

Публичное обсуждение проекта продлится до 2 января 2024 г.

Целесообразность разработки проекта национального стандарта объясняется тем, что искусственный интеллект (ИИ) все чаще применяется во всех секторах, использующих информационные технологии, и, как ожидается, станет одним из основных экономических факторов. Вследствие этой тенденции, некоторые приложения могут привести к возникновению социальных проблем в ближайшие годы.

Цель настоящего стандарта — помочь организациям ответственно выполнять свою роль в отношении ИИ-систем (например, использовать, разрабатывать, осуществлять мониторинг работы или предоставлять продукты или услуги, использующие ИИ). ИИ потенциально поднимает конкретные вопросы, такие как:

• автоматическое принятие решений с использованием ИИ, иногда непрозрачным и необъяснимым способом, может потребовать специального управления, выходящего за рамки управления классическими ИТ-системами;
• использование
• ...

Публичное обсуждение проекта продлится до 2 января 2024 г.

В данном документе описаны процессы, поддерживающие определение, контроль, управление, функционирование и совершенствование системы искусственного интеллекта на стадиях её жизненного цикла. Эти процессы также могут быть использованы в рамках организации или проекта при разработке или приобретении систем искусственного интеллекта.

Публикация и внедрение отечественного стандарта на основе ИСО/МЭК 5338:2023 даст возможность эффективно использовать при создании систем искусственного интеллекта и управлению ими на протяжении всего их жизненного цикла опыт, накопленный при работе с традиционным программным обеспечением и системами, а также будет способствовать взаимодействию с международным сообществом специалистов в области ИИ.

Ожидается, что стандарт благоприятно повлияет на скорость и качество разработки ИИ-систем и управление их жизненным циклом, будет способствовать более эффективной

Публичное обсуждение проекта продлится до 2 января 2024 г.

Международный стандарт ИСО/МЭК 22989:2022 «Информационные технологии — Искусственный интеллект — Концепции и терминология в области искусственного интеллекта» (Information technology — Artificial intelligence — Artificial intelligence concepts and terminology) является одним из основополагающих стандартов в сфере искусственного интеллекта (ИИ), на базе которых создаются другие стандарты и приложения. Он устанавливает единую терминологию в области ИИ, помогающую понимать друг друга представителям различных специальностей. Документ также описывает основные направления ИИ и определяет соответствующие понятия, способствуя тем самым последующей разработке непротиворечивых стандартов и руководств в области ИИ, которые можно будет использовать совместно. В документе определены понятия, относящиеся к ИИ, машинному обучению, данным, надёжности и доверенности, жизненному циклу ИИ-систем, функциональной

...

Публичное обсуждение проекта продлится до 2 января 2024 г.

Целесообразность разработки проекта национального стандарта объясняется тем, что технологии искусственного интеллекта являются особо важными и перспективными инструментами для реализации разного рода задач во многих отраслях экономики. В настоящем стандарте представлены критерии, применимые для оценки робастности нейронных сетей и определены способы проверки нейронных сетей с помощью формальных методов на каждой стадии жизненного цикла ИИ-системы. При использовании формальных методов могут возникнуть сложности с точки зрения масштабируемости, однако они по-прежнему применимы ко всем типам нейронных сетей, выполняющих различные задачи с несколькими типами данных. Формальные методы уже давно используются в традиционных программных системах, однако их применение по отношению к нейронным сетям началось сравнительно недавно и все еще является активной областью исследований.

Настоящий стандарт

...

Публичное обсуждение проекта продлится до 10 октября 2023 г.

В федеративных системах машинного обучения (SML-системах) несколько участников совместно используют зашифрованные данные и/или обмениваются параметрами моделей с целью обеспечить безопасность данных и защиту персональных данных. Чтобы обеспечить наиболее эффективное использование данных, зашифрованные данные каждой стороны и/или предоставленные ею параметры моделей собираются и используются для обучения модели федеративного машинного обучения. Модели федеративного машинного обучения продолжают обучаться в интересах само-оптимизации, а участники или иные лица, авторизованные на доступ к модели, могут вводить информацию для получения результатов или прогнозов на основе совместно используемых значений. Федеративные системы машинного обучения могут, например, применяться (не ограничиваясь ими) в мультимедийных и игровых приложениях (media applications).

Федеративные системы машинного обучения

Публичное обсуждение проекта продлится до 10 октября 2023 г.

Надёжность данных является важным фактором при определении надёжности результата анализа. Информация о происхождении данных помогает обеспечить надёжность данных посредством обеспечения прозрачности их исторического пути. В среде больших данных сложная обработка данных и их миграция, связанная с жизненным циклом больших данных и их распространением, приводят к разного рода трудностям при управлении информацией о происхождении данных. В первую очередь больших усилий и затрат требует сбор надёжной и достоверной информации о том, что происходило с большими данными на различных этапах их жизненного цикла.

В настоящем стандарте описана концептуальная модель автоматического сбора, управления и сохранения информации о происхождении больших данных по мере их обработки, использования и хранения в экосистеме больших данных. Реализация данной концепции, хотя и не решит проблему отслеживаниязующим

Публичное обсуждение проекта продлится до 10 октября 2023 г.

Целесообразность разработки проекта предварительного национального стандарта объясняется тем, что технологии искусственного интеллекта являются особо важными и перспективными инструментами для реализации разного рода задач во многих отраслях экономики. Целью настоящего проекта национального стандарта является описание общей концепции обеспечения сохранности данных, а также иллюстрация процесса обеспечения сохранности данных в экосистеме больших данных.