Комментировать

В Минстрое России состоялась отраслевая сессии по вопросам искусственного интеллекта

В рамках заседания экспертной группы при Минстрое России презентована Методика оценки строительной отрасли по степени внедрения искусственного интеллекта (ИИ). Единая система оценки, включающая 12 показателей, разработана Минстроем России совместно с ДОМ.РФ при участии экспертного сообщества.

В заседании экспертной группы приняли участие замминистра строительства и ЖКХ РФ Константин Михайлик, управляющий директор по ИТ и цифровой трансформации ДОМ.РФ Николай Козак, представители Росреестра, Главгосэкспертизы, участники Альянса в сфере искусственного интеллекта, а также крупнейшие вузы, технологические и строительные компании.

«В рамках работы экспертной группы по ИИ, которая функционирует с 2023 года, проведена значимая работа в нескольких направлениях. Уже создана методология оценки проникновения решений на основе искусственного интеллекта в строительной отрасли, а в настоящий момент ведётся работа по сбору данных и анализу внедрения таких технологий ключевыми участниками отрасли жилищного строительства. Также продолжается деятельность по выявлению нормативно-правовых барьеров в этой сфере. Для помощи компаниям в поисках необходимых продуктов на платформе наш.дом.рф запущен реестр отечественных отраслевых ИИ-решений, где уже представлены порядка 40 вендоров. Это поможет масштабированию ИИ на всех этапах инвестиционно-строительного цикла», – сообщил замминистра строительства и ЖКХ РФ Константин Михайлик.

Управляющий директор по ИТ и цифровой трансформации ДОМ.РФ Николай Козак сообщил, что новая методика поможет выявить уровень развития технологий ИИ в девелопменте. Она объединяет три подгруппы показателей, на основе которых будет сформирован общий индекс искусственного интеллекта в стройке.

«В рамках оценки мы будем выводить три подиндекса: технологический, экономический и социальный. В целом на индекс будут влиять такие критерии, как доля компаний, которые используют ИИ в своих процессах, экономическая выгода от использования ИИ, в том числе снижение затрат, увеличение производительности, влияние ИИ на рабочие условия и удовлетворённость сотрудников, обучение и повышение квалификации по ИИ-технологиям. Индекс эффективности применения ИИ в строительной отрасли позволит обеспечить объективную оценку вклада этих решений в достижение бизнес-целей, стимулировать внедрение искусственного интеллекта в отрасль, делая его использование более прозрачным и измеримым», – отметил Николай Козак.

В ходе заседания участники также подчеркнули важность создания единой платформы для обмена данными в строительстве. Отраслевой «полигон данных» может обеспечить более лёгкое и быстрое обучение ИИ-моделей за счёт доступа к размеченным машиночитаемым наборам сведений. В ближайшее время экспертная группа приступит к разработке единых стандартов обмена данными: будут определены структура, форматы и требования к качеству и актуальности данных. Также участники начнут оценку строительной отрасли по новой методике, результаты которой планируется представить уже в начале следующего года.

Источник: Минстрой России

#искусственный интеллект
Комментировать

Комментарии

Комментировать

Вам может быть интересно

35
#цифровизация

«Мозги» российской нейросети и триллионы рублей от ИИ. О чем говорил Мишустин в Алма-Ате

Председатель правительства РФ рассказал об экономическом эффекте от внедрения технологий ИИ в России, отличии российской нейросети от западной ChatGPT и российских предложениях для зарубежных партнеров
36
#Китай

«ИИ в коробке»: в Китае набирают популярность системы для локального запуска моделей

Китайские компании, обеспокоенные сохранностью своих данных, отдают предпочтение «ИИ в коробке». Такие системы позволяют запускать генеративные модели в локальном или частном облаке, на которые приходится около половины рынка облачных сервисов в стране
28
#искусственный интеллект

«Сбер» и СПбГУ займутся подготовкой специалистов в области искусственного интеллекта и науки о данных

На новой образовательной программе магистратуры студенты будут изучать прикладные задачи машинного обучения, в том числе, связанные с большими языковыми моделями и их применением в бизнес-задачах