ロシア 科学技術センター 国が優先的に取り組むべき人工知能の12の応用分野 (2023.04.25)

こんにちは、丸山満彦です。

ロシア連邦科学技術センターの報告書において、専門家が国が優先的に取り組むべき人工知能の12の応用分野を挙げていますね。。。

1 Обнаружение дипфейков	1 ディープフェイク検出
2 Определение контекста  происходящего на видео	2 ビデオコンテキスト抽出
3 Автоматизация мониторинга  и модерации контента	3 自動コンテンツ監視・削除
4 Распознавание лиц	4 顔認識
5 Извлечение смысла из текста	5 文書からの意味抽出
6 Поддержка фактчекинга	6 事実確認支援
7 Распознавание символики	7 記号認識
8 Извлечение и анализ метаданных	8 メタデータ抽出・解析
9 Распознавание эмоций	9 感情認識
10 оддержка решений  при информационных атаках	10 情報攻撃への対応支援
11 Генерация контента	11 コンテンツ生成
12 Рекомендация контента	12 コンテンツ推奨

⚫︎ Научно-технический центр ФГУП "ГРЧЦ" (НТЦ) 

・2023.04.25 Эксперты назвали 12 приоритетных для государства областей применения искусственного интеллекта

Эксперты назвали 12 приоритетных для государства областей применения искусственного интеллекта	専門家が挙げる、国が優先的に取り組むべき人工知能の12の応用分野
Роскомнадзор и Главный радиочастотный центр совместно с аналитическим центром MINDSMITH и компанией «Ростелеком» определили ключевые технологии с использованием искусственного интеллекта, задействованные в мониторинге Интернета и обеспечении безопасности его пользователей.	RoskomnadzorおよびMain Radio Frequency Centreは、分析センターMINDSMITHおよびRostelecomとともに、インターネットの監視とユーザーの安全確保に関わる人工知能を用いた主要技術を特定した。
Обзор трендов и передовых решений представлен в исследовании «Инструменты ИИ в руках злоумышленников — классификация угроз и способы противодействия».	トレンドと先進的なソリューションの概要は、「攻撃者の手に渡ったAIツール - 脅威の分類と対策」という研究論文で紹介されている。
На основе анализа научных публикаций, патентов и инвестиционных проектов, а также обсуждения с экспертами выделены 12 групп технологий, соответствующих интересам профильных организаций по мониторингу и обеспечению безопасности интернет-среды: обнаружение дипфейков, определение контекста происходящего на видео, автоматизация мониторинга и модерации контента, распознавание лиц, извлечение смысла из текста, поддержка проверки фактов, распознавание символики, извлечение и анализ метаданных, распознавание эмоций, поддержка решений при информационных атаках, генерация контента, рекомендация контента.	科学論文、特許、投資プロジェクトの分析、および専門家との議論に基づき、インターネット環境の監視とセキュリティに関する専門機関の関心に関連する次の12の技術グループが強調されている：ディープフェイク検出、ビデオコンテキスト抽出、自動コンテンツ監視・削除、顔認識、文書からの意味抽出、事実確認支援、記号認識、メタデータ抽出・解析、感情認識、情報攻撃への対応支援、コンテンツ生成、コンテンツ推奨。
Исследователи проанализировали более 3000 концепций, изобретений, прототипов, коммерческих решений, подробно разобрали, систематизировали и описали 195 из них. Одним из результатов стала обзорная карта технологий, которая демонстрирует ландшафт разработки решений на основе ИИ в разрезе кластеров, субтехнологий и степени зрелости этих решений.	研究者は、3,000以上のコンセプト、発明、プロトタイプ、商用ソリューションを分析し、そのうちの195を解析、体系化し、詳細に記述した。その結果、クラスター、サブテクノロジー、成熟度の観点から、AIソリューション開発の状況を示す技術概要マップが作成された。
Государственное регулирование в большинстве стран не успевает за скоростью развития ИИ-технологий, говорится в выводах исследования. Это относится к большинству кластеров, начиная с генеративных алгоритмов вроде GPT-4 и заканчивая наборами данных для обучения искусственного интеллекта, наполнение и использование которых во многих странах остается на совести самих разработчиков.	ほとんどの国の政府規制は、AI技術開発のスピードに追いついていない、と研究結果は述べている。これは、GPT-4のような生成アルゴリズムからAIトレーニングデータセットまで、ほとんどのクラスターに当てはまり、多くの国でその内容や利用は開発者自身に委ねられている。
Из-за автоматизации информационных войн и развития генеративных моделей будет крайне проблематично обеспечить когнитивную безопасность населения без внедрения искусственного интеллекта, считают аналитики. Наличие отечественных моделей и их внедрение, а также использование отечественных наборов данных — вопрос национальной безопасности, так как зарубежные акторы способны экспортировать ИИ, который будет подконтролен только им.	情報戦の自動化と生成モデルの開発により、人工知能の導入なしに国民に認知的安全保障を提供することは極めて問題であるとアナリストは言う。海外のアクターは、自分たちのコントロール下にしか置かれないAIを輸出することができるため、国内のモデルの利用やその実装、国内のデータセットの利用は、国家安全保障に関わる問題である。
Еще один вывод исследования заключается в том, что государству необходимо решить важную инфраструктурную задачу: разработать процедуры тестирования и оценки моделей ИИ. Это позволит держать руку на пульсе развития технологий, отслеживать перспективных разработчиков и проекты.	この研究のもう一つの結論は、政府が重要なインフラストラクチャー上の課題である、AIモデルのテストと評価のための手順の開発に取り組む必要があるということである。これにより、技術開発の状況を把握し、有望な開発者やプロジェクトを把握することができる。
Для создания отечественных моделей ИИ в России есть специалисты, но не хватает вычислительных мощностей, инфраструктуры и кооперации между компаниями и государством, отмечают исследователи. Ситуация осложняется тем, что в стране на данный момент недостаточно развито производство мощного вычислительного оборудования. Несмотря на это, в России есть очень качественные решения, особенно в области распознавания лиц и работы с информационными атаками.	ロシアには国産AIモデルを作る専門家がいるが、計算能力、インフラ、企業と政府の協力が不足していると研究者は言う。現在、同国には強力なコンピューティング機器の生産が十分に発達していないという事実が状況を複雑にしている。にもかかわらず、ロシアは、特に顔認識と情報攻撃への対処の分野で、非常に優れた解決策を持っている。
Борьба с дезинформацией — одна из важнейших задач государства. Эффективно бороться с фейками без привлечения технологий на базе ИИ уже невозможно. Аналитики отмечают ряд трендов и ключевых выводов в этой области.	偽情報との闘いは、国家の最も重要な課題の一つである。AIベースの技術の関与なしに、偽物に効果的に対抗することは、もはや不可能である。アナリストは、この分野における多くのトレンドと重要な発見を指摘している。
1. Системы приближаются к проверке фактов в реальном времени и будут интегрированы в соцсети	1. システムはリアルタイムのファクトチェックに近づきつつあり、ソーシャルメディアに統合されることになる
В будущем они смогут анализировать речь и потоковое видео, проверять их, а при обнаружении ложных новостей — поднимать тревогу или оповещать пользователей о недостоверном контенте. Такие системы будут включать в себя комплекс работающих в симбиозе нейросетей и внедряться в соцсети.	将来的には、音声やストリーミングビデオを分析・検証し、偽ニュースを検出した場合にはアラートを上げたり、不正確なコンテンツをユーザーに通知したりすることができるようになるだろう。このようなシステムは、共生する一連のニューラルネットワークを含み、ソーシャルネットワークに組み込まれることになるだろう。
2. На данный момент полностью положиться на ИИ в проверке фактов нельзя, можно лишь автоматизировать часть процессов	2. 現時点では、ファクトチェックのためにAIに全面的に頼ることはできず、プロセスの一部を自動化することしかできない。
По этой причине многие решения автоматизируют либо одну часть из процесса, либо концентрируются на выдаче оценки конкретному артефакту контента, чтобы затем поступить на финальную оценку либо эксперту, либо центральной нейросети комплекса. Такие системы позволяют более адекватно оценивать достоверность контента, так как учитывают больше факторов.	このため、多くのソリューションでは、プロセスの一部分を自動化したり、特定のコンテンツのアーティファクトにスコアを与えてから、専門家または複合体の中央ニューラルネットワークに最終スコアを委ねることに集中している。このようなシステムでは、より多くの要素を考慮するため、コンテンツの妥当性をより適切に評価することができる。
3. Системы для фактчекинга находятся на раннем этапе развития и будут массово внедрены только через 3–5 лет	3. ファクトチェックのためのシステムは初期段階にあり、大規模な導入は3-5年後となる。
Даже техногиганты не могут полностью автоматизировать этот процесс и вместо этого используют системы для разметки уже известных и широко распространившихся недостоверных новостей. Интерес к автоматизации проверки фактов значительно поднялся во времена пандемии коронавируса, и с тех пор направление стало активно развиваться. Тем не менее, даже экспериментальные решения не покрывают все этапы процесса, не включают в себя все форматы контента и не всегда являются правильно обученными.	しかし、技術者であっても、このプロセスを完全に自動化することはできず、代わりに、すでに知られていて広く普及している信頼性の低いニュースをマークアップするシステムを使用している。ファクトチェックの自動化に対する関心は、コロナウイルスの大流行時にかなり高まり、それ以来、この分野は活発に追求されている。しかし、実験的なソリューションでさえ、プロセスのすべての段階をカバーするわけではなく、すべてのコンテンツ形式を含むわけでもなく、必ずしも適切に訓練されているわけでもない。
4. Внедрение автоматизированной проверки фактов приведет к тому, что каждая новость будет размечена специальными тегами на крупных платформах	4. 自動ファクトチェックの導入により、主要なプラットフォームでは、すべてのニュースアイテムにタグが付けられるようになる。
Государства смогут напрямую влиять на фактчекинг, сформировав систему тегов и отслеживая корректность разметки новостей техногигантами. Высока вероятность, что корпорации будут некорректно размечать новости, чтобы сформировать выгодную оптику в отношении инфоповодов.	国家は、タグ付けシステムを形成し、テクノジャイアントによるニュースのマークアップの正しさを監視することによって、ファクトチェックに直接影響を与えることができるようになる。企業がインフォトレンドに有利な光学系を形成するために、ニュースに不正なタグ付けをする可能性は非常に高い。

・[PDF] ИНСТРУМЕНТЫ ИИ В РУКАХ ЗЛОУМЫШЛЕННИКОВ — КЛАССИФИКАЦИЯ УГРОЗ И СПОСОБЫ ПРОТИВОДЕЙСТВИЯ