<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Konstantin Pukharev on Medium]]></title>
        <description><![CDATA[Stories by Konstantin Pukharev on Medium]]></description>
        <link>https://medium.com/@kpukharev?source=rss-127bcd0d6a6f------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*NiqUvO4_4B_MjqCa.</url>
            <title>Stories by Konstantin Pukharev on Medium</title>
            <link>https://medium.com/@kpukharev?source=rss-127bcd0d6a6f------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 18:05:56 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@kpukharev/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Письмо стартапера, у которого получилось]]></title>
            <link>https://kpukharev.medium.com/%D0%BF%D0%B8%D1%81%D1%8C%D0%BC%D0%BE-%D1%81%D1%82%D0%B0%D1%80%D1%82%D0%B0%D0%BF%D0%B5%D1%80%D0%B0-%D1%83-%D0%BA%D0%BE%D1%82%D0%BE%D1%80%D0%BE%D0%B3%D0%BE-%D0%BF%D0%BE%D0%BB%D1%83%D1%87%D0%B8%D0%BB%D0%BE%D1%81%D1%8C-463de7a32c45?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/463de7a32c45</guid>
            <category><![CDATA[success-story]]></category>
            <category><![CDATA[growing]]></category>
            <category><![CDATA[business]]></category>
            <category><![CDATA[development]]></category>
            <category><![CDATA[startup]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Fri, 25 Dec 2020 10:22:51 GMT</pubDate>
            <atom:updated>2020-12-25T11:10:14.440Z</atom:updated>
            <content:encoded><![CDATA[<h3>Письмо стартапера: как мы взлетели во время пандемии</h3><p>Сейчас 15 декабря, поздний вечер. Я прогуливаюсь по Садовому кольцу — вышел, чтобы собраться с мыслями перед сложным днём. К этому дню я готовился в течение всей последней недели, не успевая спать, есть, думать о чём-либо, кроме надвигающегося мероприятия для сотрудников компании ЛокоТех (дочки РЖД). Почему я об этом думаю? Просто мероприятие будет проходить ближайшие 2 дня в онлайне на платформе, которую я разрабатываю. Привет, я Константин Пухарев и я технический директор в стартапе, занимающимся обслуживанием онлайн-мероприятий. Мне всегда было интересно почувствовать — какого это быть настоящим стартапером, теперь я это понял, и хочу поделиться с вами этими чувствами и событиями, которые я пережил в течение последних нескольких месяцев вместе с моим партнёром Александром Саниным, запуская IT-стартап в новой классной развлекательной индустрии, с какими сложностями мы столкнулись, как мы их решали и что мы собираемся с этим делать.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1m7tyjIPwKzsJZblu10YPA.jpeg" /><figcaption>Первая версия Места Силы</figcaption></figure><p>Всего полгода прошло с того момента, когда я даже не смотрел в сторону сферы развлечений до момента, когда я сроднился с ней. Эта история началась в июне 2020 года, в разгар карантина. На тот момент я уже 1.5 года пытался быть стартапером и запустить свой маркетплейс для электронной оптовой торговли. Я испробовал много схем, но никак не мог нащупать нужную формулу для успеха. Последний месяц я просто ждал, когда мой сайт заиндексируется в поисковиках, а параллельно меня ддосил предсудебными записками бренд-монитор с требованиями удалить с маркетплейса информацию о каких-то товарах. И ещё мои финансовые запасы были на исходе. Я так отчаялся, что начал искать постоянную работу.</p><p>Как раз в это время я заметил в фейсбуке сообщение моего друга Саши, у которого есть своя студия по производству видео. После отмены оффлайн-мероприятий из-за пандемии, он тоже активно искал новые идеи. У Саши уже был большой опыт в проведении онлайн-трансляций и он написал своим подписчикам, что начинает заниматься ещё и сайтами под трансляции. Я подумал, что он хочет делать простые брендированные лендинги со стримами и написал ему, так как мог с этим помочь: хотя это не самая интересная работа, но было круто иметь дополнительный источник дохода, чтобы была возможность продолжать свой проект. К счастью, Сашу заинтересовала моя помощь, но оказалось, что ему нужен был не просто лендинг, а целая площадка, где люди могли бы не только смотреть стрим, но также общаться в чате, иметь возможность обратиться к ведущим. Я нарисовал прототип и пообещал, что такой сайт будет доступен через неделю, попросив помочь с разработкой интерфейса подругу. В этом же время сам я собирал площадку из того огромного количества кода, написанного для своего неудавшегося маркетплейса. Назвать проект мы решили Местом Силы.</p><p>Примерно через 10 дней мы уже смотрели площадку в онлайне. А ещё через пару-тройку недель мы взялись провести первый онлайн-ивент. Тогда мне казалась эта схема работы чем-то несложным, я думал, что мы получим какой-то прототип и будем сдавать его в аренду на ивенты в таком же виде и дальше, не сильно погружаясь в тонкости каждого проекта. Как же я ошибался. Уже через месяц, в августе, мы получили большой заказ от мирового косметического бренда. Суть ивента была в том, чтобы в течение двух дней устраивать телемост с Нью-Йорком и несколькими другими городами США, а кроме этого, предоставить специальные активности на сайте — квиз со знакомствами, карту с локациями участников, загрузку видео- и фото-приветствий. У нас было времени на 3 спринта по 2 недели. Как раз в тот момент, когда мы узнали, что выиграли проект, я находился в отпуске на Урале, с семьёй, и мне пришлось остановить отдых и перейти в режим рабочего ада, выкроив единственные сутки на возвращение в Москву. Ещё никогда в жизни я не реализовывал проекты в таком графике.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*I4Zhi-U4T78S5QjXE9Kzuw.png" /><figcaption>Мудборд по дизайну Места Силы</figcaption></figure><p>Хорошо-хорошо. 3 спринта кажутся не таким уж маленьким промежутком времени. А теперь представьте, что помимо разработки большого сайта, в это же время надо собрать команду — мы привлекли дизайнера, девопса, менеджера, технического ассистента, человека на тех. поддержку и конечно разработчиков, которые, видя наш режим работы, отваливались, как осенние листья. А теперь добавьте к этому, что в это же время необходимо пройти аудит безопасности, который потребовал у нас заказчик. А теперь добавьте к этому самый главный нюанс работы в ивентах, к которому мне пришлось мгновенно привыкать — что день ивента анонсируется, на него распространяются билеты и у команды нет ни малейшего шанса пропустить дедлайн. Все три недели я провёл в режиме максимальной концентрации, пропуская сон, стараясь не упустить малейших деталей нашей площадки и её механики. Мы все понимали, что этот проект будет флагманским в нашем портфолио. И мы это сделали! Два безумных дня у Саши в офисе проходил ивент — в главном зале мы с тех. поддержкой зачищали перед пользователями то, что не смогли предусмотреть из-за отсутствия опыта; в другой комнате — представительница бренда общалась со зрителями; в третьей комнате — пультовая, где к главному стриму подключались спикеры из утренней Америки. В конце мероприятия мы обнимались и пили шампанское. Это было просто невероятно, проекту исполнилось всего 3 месяца! В этот момент я понял, что моя жизнь поменялась.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5Ai6mewuZPWNncVHdhj_vQ.png" /><figcaption>Делаем большой заказ</figcaption></figure><p>Хочу сказать, что это похоже на магию, входить в новый бизнес с бекграундом из большого числа реализованных проектов. Саша дал базу для продаж и предложил клиентам видео-производство под онлайны, а я смог быстро собрать инструмент для привлечения пользователей, и дальше всё произошло как по волшебству — от идеи до бизнеса — буквально за недели. У нас больше нет такого времени, когда мы бы не готовились к очередному ивенту, а в декабре были недели, когда мероприятия или тесты на платформе шли каждый день! Поэтому, обязательно копите экспертизу, контакты, знания, всё это может пригодится в один решающий момент.</p><p>Мир ивентов удивителен и совсем не похож на то, к чему я привык за свою многолетнюю карьеру в разработке. Да, в обычном случае то, что мы делаем, называется веб-разработкой, но на самом деле это не совсем так. Место Силы — это не просто сайт, не веб-приложение, мы делаем сцену, на которой проводятся шоу, представления. Мы устанавливаем прямой контакт между зрителем и организатором, мы ищем механики, чтобы каждый участник чувствовал, как он влияет на мероприятие, создаём у него азарт и чувство сопричастности. Это realtime система со сложными и нетипичными для веба задачами как в части дизайна и вёрстки, так и в части разработки, администрирования и модерации. Кстати, если ты имеешь опыт в веб-проектах, любишь сложные необычные задачи, дизайнер ты или разработчик, то давай знакомиться! Наш стек это в основном React и Java.</p><p>Позвольте мне также пригласить вас за кулисы нашей сцены и рассказать о некоторых вещах, с которыми нам приходится сталкиваться и как мы их решаем.</p><ol><li>Самое важное — это максимальная надёжность площадки. В отличие от обычных сайтов, сайт для ивента нужен всего несколько часов (иногда — несколько дней). Он создаётся, дарит людям радость, и исчезает, как песочный замок. У нас нет права на ошибку, поэтому мы выделяем большое количество сил распределению системы (она развёрнута в облаке), а нагрузочные тесты стали нашим любимым занятием.</li><li>У нас появилось большое число заказов, хотя, как я писал выше, ещё несколько месяцев назад я относился к проекту, как к простой подработке. Мы сталкиваемся с проблемой роста команды, и, как следствие, усложнением менеджмента. У нас уже есть несколько менеджеров, мы также в постоянном поиске разработчиков. Но самая большая гордость — это созданная нами мини фабрика по производству дизайна сайтов. Ни один клиент не приходит за стандартным дизайном, который мы тоже предлагаем. Каждый хочет получить что-то новое и мы готовы это давать. Как я уже писал, сейчас, в декабре, у нас есть периоды, когда каждый день проводится ивент или репетиция, и каждый раз — это уникальный дизайн.</li><li>Сроки в ивентах такие, о которых я бы раньше боялся даже думать. Заказчикам нужна площадка как можно быстрее. Для нас стало нормой реализация даже сложного проекта в течение 4 недель, и это стало возможным благодаря крутому менеджменту и накопленной функциональности, которую мы умудрялись наращивать одновременно с работой по обслуживанию заказов.</li><li>Опять же, как я писал выше — нам приходится иметь дело не с типичным вебом, а с realtime сценой, на которой происходит живое представление. Мы научились перемещать зрителей из одной комнаты в другую, подсвечивать кнопки, запускать голосования, выводить и прятать промо-баннеры, обновлять ленту новостей. Всё происходит по сценарию и по обстоятельствам трансляции. Модератор представляет собой дирижёра, управляющего постановкой и всем реквизитом нашей платформы. Это настоящее шоу!</li><li>И конечно же мы даём не просто площадку, но также предлагаем полное обслуживание трансляций. У Саши есть большая опытная команда, позволяющая сделать тот эфир, о котором мечтает заказчик. Заказчику не нужно делать никаких лишних движений и это наш большой плюс.</li></ol><figure><img alt="Делаем ещё один заказ" src="https://cdn-images-1.medium.com/max/960/1*ca9_Toj515wmktPrJmCVmA.jpeg" /><figcaption>Обслуживаем заказ в горящем декабре</figcaption></figure><p>В заключение хочу поделиться ближайшими планами. На январь и февраль в сфере ивентов активность традиционно затухает. Мы же готовимся потратить это время с максимальной пользой для качественного преобразования стартапа как в организационной, так и в технической части. Мы будем работать над улучшением архитектуры проекта, также соберём воедино полученные за все проекты знания, чтобы новым сотрудникам, которые обязательно будут, было проще начинать работу. И самое главное, мы обязательно будем придумывать для Места Силы новые инструменты для развлечения зрителей и в 2021 году обязательно подарим нашим пользователям новые незабываемые эмоции и впечатления.</p><p>Всех с наступающим 2021 годом!</p><p>tg: kpukharev<br>fb: <a href="http://fb.com/k.pukharev">https://fb.com/k.pukharev</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=463de7a32c45" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Расшифровка Китайской AI мечты]]></title>
            <link>https://kpukharev.medium.com/%D1%80%D0%B0%D1%81%D1%88%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%BA%D0%B0-%D0%BA%D0%B8%D1%82%D0%B0%D0%B9%D1%81%D0%BA%D0%BE%D0%B9-ai-%D0%BC%D0%B5%D1%87%D1%82%D1%8B-b4541fb97801?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/b4541fb97801</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[перевод]]></category>
            <category><![CDATA[китай]]></category>
            <category><![CDATA[искусственный-интеллект]]></category>
            <category><![CDATA[технологии]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Fri, 23 Mar 2018 09:28:37 GMT</pubDate>
            <atom:updated>2018-04-14T12:08:10.041Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Контекст, факторы, потенциал и выводы из Китайской стратегии в достижении лидерства. Джеффри Динг. Оксфордский университет. Март 2018. Перевод.</em></p><p>Оригинал: <em>“Deciphering China’s AI dream”. Jeffrey Ding, Future of Human University, University of Oxford, March 2018.</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DL6w32Ni-ZscmwhlM7Ty8w.png" /></figure><h3>ВВЕДЕНИЕ</h3><p>Выступая с докладом на 19-м съезде КПК в октябре 2017 года, президент Си Цзиньпин напомнил свою мечту о Китае, как о “научной и технологической суперсиле”. Разработка искусственного интеллекта (AI) стала неотъемлемой частью китайский стратегии по достижению этой цели. Поворотное событие, повлиявшее на отношение к этому вопросу, произошло в марте 2016 года, когда программа AlfaGo от компании Google DeepMind одержала победу над Ли Седолем, призным лучшим игроком в Go в предыдущем десятилетии. Два профессора, выступающие консультантами в планировании AI в Государственном Совете, сослались на мастерство AlfaGo в древней китайской стратегической игре, как на “последний звонок”, подталкивающий к немедленному переосмыслению официальной государственной стратегии Китая в области искусственного интеллекта.</p><p>Годом позже, в июле 2017, Государственный совет выпустил “Проект разработки AI нового поколения”, закрепив существующее инвестирование в AI и давая чёткий сигнал о приоритетах Китая в этой области. Заданные ориентиры проекта, включая валовой выпуск в основной AI отрасли в размере 1 трлн юаней (150 млрд долларов) в 2030 году и 10 трлн юаней (1.5 трлн долларов) в смежных AI отраслях, продемонстрировали притязания Китая на мировое лидерство в этой области. Не смотря на то, что программа преподносится как важная веха в развитии китайского искусственного интеллекта, это всего лишь один кусочек от общей стратегии. Чтобы показать полную картину, данный доклад рассмотрит план Госсовета и более расширенное отношение Китая к AI в контексте прошлых научных и технологических проектов, а также в контексте AI стратегий других стран. После этого будут даны анализ китайских подходов по улучшению факторов для развития искусственного интеллекта и оценка состояния и использования растущего потенциала страны.</p><h3>I. КОНТЕКСТ</h3><p>Китайское планирование развития AI началось не с июльского документа Госсовета, скорее, программа формализует и чётко устанавливает фокус на искусственном интеллекте — то, о чём уже было хорошо известно. Например, за месяц до доклада Госсовета, правительство китайского города Тяньцзинь анонсировало появление фонда размером 5 млрд долларов для поддержки AI индустрии. В этой части, доклад сравнивает план и общий китайский подход с учётом как существующих возможностей Китая в искусственном интеллекте, так и позиций других стран.</p><h4>A. Китайские ожидания от AI и текущий масштаб отрасли</h4><p>План Госсовета представляет собой кульминацию возросшей политической поддержки развития искусственного интеллекта. Китайское правительство существенно нарастило свои планы за последние несколько лет. Искусственный интеллект теперь отмечен в числе государственных приоритетов в ключевых долгосрочных планах, относящихся к науке и технологиям, и пользуется значительной финансовой поддержкой — это два важнейших фактора, к которым государство не прибегало в прошлом.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*qpaYnw8RhfrFfqpV9Ej32g.png" /><figcaption>Последние планы</figcaption></figure><p>Выпущенный в 2016 году “13-й пятилетний план развития национальных стратегических и развивающихся отраслей” (2016–2020) определяет проект искусственного интеллекта под шестым номером из 69 основных задач центрального правительства. Инициатива “Интернет Плюс”, созданная в 2015, тесно связана с развитием AI, как подтверждается в заявлении Государственного комитета по развитию и реформам (NDRC) о “3-х летнем плане внедрения Интернет Плюс и ИИ”, и нацелена на создание рынка AI размером сотни сотни млрд юаней. Более того, NDRC, Министерство промышленности и информационных технологий (MIIT) и Министерство финансов (MoF) совместно выпустили “План развития индустрии робототехники” (2016–2020) в апреле 2016 года. В 2017 китайский премьер Ли Кэцян впервые использовал термин «искусственный интеллект» в отчёте правительства, о чём сообщил новостной департамент Госсовета. Более того, китайский президент Си Цзиньпин упомянул искусственный интеллект как способ повысить эффективность экономики в своей вступительной речи на 19-м съезде КПК.</p><p>Проекты, относящиеся к AI, всё чаще связаны с механизмами большой финансовой поддержки. Примечательно, что в феврале 2017 проект “Artificial Intelligence 2.0” получил статус мегапроекта, что предполагает значительное финансирование вместе с 15 другими технологиями, отмеченными как критичные для китайских инноваций в науке и технике. Кроме того, Фонд реструктуризации и модернизации промышленности выделил единолично 2.78 млрд юаней (404.3 млн долларов) на проекты в умном производстве в 2016 году, а в 2017 из Центрального инфраструктурного бюджета было совместно выделено 5.28 млрд юаней (614 млн долларов) на инфраструктуру для “Интернет Плюс” и “ключевых проектов в развивающихся отраслях”. Примечательны два других тренда. Во-первых, историческая поддержка китайским правительством проектов, связанных с разработкой AI, демонстрируют последовательный акцент на робототехнику и местные инновации, таким образом, указывая, что умное производство останется приоритетным. Во-вторых, бюрократические службы занялись правовым регулированием в области AI. Данный тренд подчёркивается тем фактом, что Госсовет уполномочил 15 служб на имплементацию AI плана.</p><p>Анализ целей Госсовета по росту китайской AI отрасли, исходя из её существующего масштаба, демонстрирует большие ожидания. План очерчивает амбициозный трёхстадийный процесс по достижению китайской мечты о мировом лидерстве в области искусственного интеллекта.</p><ol><li>В 2020 китайская AI индустрия будет “на уровне” большинства развитых стран, с валовым выпуском в основной AI отрасли в размере 150 млрд юаней (22.5 млн долларов) и 1 трлн юаней (150.8 млрд долларов) в смежных AI отраслях.</li><li>В 2025 Китай нацелен достичь мирового лидерства в некоторых сферах искусственного интеллекта, с валовым выпуском в основной AI отрасли в размере 400 млрд юаней (60.3 млн долларов) и 5 трлн юаней (754 млрд долларов) в смежных AI отраслях.</li><li>В 2030 Китай собирается стать главным центром инноваций в области искусственного интеллекта, с валовым выпуском в основной AI отрасли в размере 1 трлн юаней (150.8 млн долларов) и 10 трлн юаней (1.5 трлн долларов) в смежных AI отраслях.</li></ol><p>Концептуально такие ориентиры явно отражают три стратегические фазы: 1) навёрстывание самых развитых игроков, 2) превращение в одного из мировых лидеров, 3) достижение превосходства.</p><p>Углубление в контекст целевых значений помогает проиллюстрировать уровень вдохновения китайского рывка. Согласно отчёту iiMedia Research Group (“2017 Special Report on China’s Artificial Intelligence Industry”), китайская AI отрасль имела валовой выпуск в размере 10 млрд юаней в 2016 и ожидала рост до 15 млрд в 2017. Таким образом, ориентиры 2020 года о валовом выпуске в 150 млрд юаней предполагают 10-кратное увеличение отрасли в следующие 3 года. Китайские амбиции в искусственном интеллекте можно также рассмотреть в контексте глобальной AI индустрии. Согласно прогнозу McKinsey Global Institute, мировой AI рынок в 2025 году будет находится в области от 664 млн до 126 млрд долларов. Если приложить эти прогнозы к основным AI отраслям, где Китай установил ориентир в 60.3 млрд долларов, мировое лидерство будет соответствовать верхнему сегменту прогнозов.</p><p>Черта, разделяющая основную и смежные AI индустрии, размыта, поэтому важно проанализировать то, как китайский Госсовет интерпретирует разницу между ними. Неясность того, что именно подразумевается под AI, усложняет анализ стратегии. С одной стороны, искусственный интеллект рассматривается как многофункциональные способности (наподобие электричества), которые я раскрою позже через сравнение с другими технологиями. Тем не менее, наиболее достоверную расшифровку китайского смысла можно обнаружить в “3-х летнем плане внедрения Интернет Плюс и ИИ”, изданном NDRC. В этом плане выделено 9 основных технологических областей, в списке которых и числятся “общие AI технологии”. Эти технологии включают базовые исследования в таких областях, как deep learning, разработка общего программного и аппаратного обеспечения (микросхем и сенсоров), в приложении к исследованиям в таких областях, как компьютерное зрение и кибербезопасность.</p><p>Примечательно, что эти технологии отделены от других восьми типов, которые, помимо остального, включают умные транспортные средства, умные носимые девайсы и умных роботов. Определение “общего AI” в плане совпадает с определением CB Insights, ведущей маркетинговой исследовательской компании, которая определяет “общие AI компании” как компании, ориентированные на AI общего назначения, применяемого в различных отраслях промышленности. Согласно такой концепции, общий AI будет включать компании, поставляющие инновации в отдельных, независимых от отраслей применения частях AI архитектуры, в то время как смежные компании будут составлять части пайплайна, сфокусированного на использовании AI в определённых областях промышленности.</p><h3>B. Китайские амбиции в AI и стратегии других стран</h3><p>Некоторые китайские эксперты в области искусственного интеллекта и уполномоченные лица хорошо осведомлены о стратегиях и возможностях других стран, в частности, США, ЕС, Японии и Великобритании. В главе под названием “Проекты высшего значения” учёные из исследовательского института компании Tencent и Китайской академии информации и коммуникационных технологий (исследовательского института от Министерства промышленности и ИТ (MIIT)) излагают своё видение о существующем международном стратегическом ландшафте в области развития AI следующим образом.</p><ul><li>Защита американского лидерства — комплексная стратегическая программа: “США на текущий момент является страной, предложившей наибольшее количество докладов по стратегиям и вопросам политики в области AI. Штаты несомненно первопроходцы в этой области исследований и каждое их движение неизбежно затрагивает судьбу всего человечества.”</li><li>Амбициозный ЕС — человеческий мозг и SPARC проекты: “В 2013 году Европейский Союз предложил десятилетний “Проект человеческого мозга”, на текущий момент самое важное исследование в мире в этой области.”</li><li>Япония “сверхдержава роботов” — “Новая промышленная революция”: “В течение последних 30 лет Японию называют “сверхдержавой роботов”. Страна располагает наибольшим количеством роботов, роботизированного оборудования и обрабатывающих сервисов в мире”.</li><li>Не желая отставать от Британии — принимая вызов четвёртой промышленной революции: “Великобритания обозначает себя в роли глобального лидера в сфере этических стандартов в робототехнике и системах искусственного интеллекта. В то же время, область лидерства может расшириться до сферы регулирования искусственного интеллекта.”</li></ul><p>Оценивая позицию Китая на этом ландшафте, авторы озаглавливают соответствующий раздел, как “Китай, от “бега вдогонку” до “попадания в такт”, и пишут следующее: “Что касается искусственного интеллекта, Китай последовал за США и Канадой, опубликовав государственную стратегию. Находясь на подъёме AI волны, наша страна должна перейти от систематической погони к лидерству, активно захватывая стратегические высоты.” Эта концепция “попадания в такт” является основополагающей для понимания китайских амбиций в области развития искусственного интеллекта.</p><p>Это свидетельство того, что Китай, в частности, отталкивается от стратегии США и видит в ней точку отсчёта для собственных решений. Многие ключевые события китайской программы развития AI связаны с важными заявлениями, исходящими из США. Например, после того как Министерство обороны анонсировало стратегию “Третий сдвиг” в 2014, за которой китайские аналитики и политики в области безопасности внимательно следили, китайский военный истеблишмент ответил пересмотром своего подхода к модернизации, увеличив инвестиции в AI технологии. Китай также среагировал на другие значимые разработки в законодательстве по AI в США. В октябре 2016 года администрация Обамы выпустила первый из трёх докладов по искусственному интеллекту, который также совпал с появлением интереса к AI в компании Baidu. Некоторые аналитики заметили сходство между планом Госсовета и этими тремя докладами, предполагая, что разработчики китайского документа были хорошо знакомы с предшествующими программными заявлениям администрации США. В 2016 наибольшие всплески исследований Baidu (китайский аналог поиска Google) в AI произошли сразу же после победы AlfaGo, ссылаясь на доклад Wuzhen Institute. Китайские лидеры и учёные также уделили большое внимание победе AlfaGo. Вследствие этой победы, в феврале 2016 были проведены семинары и симпозиумы на высоких уровнях. Одно из таких мероприятий называлось «Выводы из рабочей встречи по игре между AlfaGo и Ли Седолем и интеллектуализация военного командования и принятия решений». Оно было проведено в апреле 2016 и привлекло мыслителей из Академии военного искусства и Центральной военной комиссии.</p><p>Интерпретировать то, какие выводы сделали китайские чиновники из этих важных обстоятельств можно разными способами. В то время, как AlfaGo поразила весь мир, её победа над Ли Седолем особенно впечатлила Китай, где эта игра и была изобретена. Возможно, обеспокоившись тем, что способности программы заденут национальную гордость страны, китайское правительство запретило освещение матча с китайским игроком Кэ Цзе, сильнейшим в мире на тот момент. AlfaGo могла продемонстрировать, что развитие искусственного интеллекта связано с национальным престижем и приобретением статуса великой державы. К тому же, проведённые после игры семинары на высоком уровне демонстрируют, что некоторые китайские законодатели трактовали эту победу как получение значительного превосходства в военном деле. По докладу Эльзы Каниа перед Американо-китайской комиссией по обзору экономики и безопасности, Народно-освободительная армия Китая (PLA) “ожидает, что появление искусственного интеллекта фундаментально изменит характер войны, что в конечном счёте приведёт к трансформации сегодняшних “информационных” войн в “интеллектуальные” войны в будущем”. Другая возможная гипотеза состоит в том, что китайская реакция на заметное развитие американского AI, включая способ подготовки плана Госсовета, частично вдохновлена стратегией США. Исходя из такой интерпретации, американское правительство может иметь некоторое влияние на формирование потенциальных стандартов в китайском AI плане.</p><h3>II. ФАКТОРЫ</h3><h4>A. Ключевые сходства и различия по сравнению другими программами</h4><p>Многое в китайском подходе к развитию AI не ново, благодаря перенятию опыта из предыдущих программ в науке и технологиях. Хотя существуют определённые важные особенности, стоит отметить характерные черты подхода. Поддержка китайским правительством, поставившая акцент на местных инновациях и установившая приоритеты в передовых технологиях, может быть отслежена с февраля 2006, когда Госсовет выпустил “Национальный средне- и долгосрочный план (MLP) по развитию науки и технологий” (2006–2020). На тот момент, документ стал самым амбициозным планом Пекина. Он устанавливал долгосрочное финансирование для научных исследований в районе 500 млрд юаней (75 млрд долларов) и давал старт 16 национальным мегапроектам по развитию современной науки и технологий, включая программу по производству интегральных схем (IC) и больших усовершенствованных ядерных реакторов. Отнесение “Artificial Intelligence 2.0” к списку мегапроектов также было отмечено в этом плане. План также демонстрировал очевидную приверженность к усилению местных инноваций. Китайская инициатива “Made in China 2025”, выпущенная в мае 2015, дополнительно подчеркнула этот тренд и предназначалась для избавления страны от зависимости участия других стран в передовых отраслях промышленности.</p><p>При составлении плана MLP, борьба между китайскими учёными и чиновниками стала настолько серьёзной, что вылилась в публичную плоскость (недооценённый аспект китайской политики, к которому также прибегают и в случае обсуждения AI). В начале 2000 года премьер Вэнь Цзябао собрал вместе Китайскую академию наук (CAS) и Министерство по науке и технологиям (MoST), чтобы подготовить этот план: всего 2000 чиновников, учёных и руководителей были подключены к его формированию. Пока чиновники из MoST и MIIT плавно подталкивали план в направлении мегапроектов, китайские учёные негодовали об уровне контроля над научными исследованиями, полученном бюрократами. В конце 2004, группа видных китайских учёных как из самой страны, так и из-за рубежа, опубликовали несколько статей в специальном выпуске Nature с критикой плана MLP.</p><p>Есть признаки начала подобной борьбы в политической деятельности по искусственному интеллекту. “3-й летний план внедрения Интернет Плюс и AI” дал четырём учреждениям (NDRC, MoST, MIIT и Администрация киберпространства Китая) мандат на развитие индустрии. С другой стороны, проект Госсовета “План разработки AI нового поколения” призван к учреждению Службы по внедрению под руководством MoST. Ни одна из других бюрократических структур, связанных с “Интернет Плюс и AI”, не была упомянута в этом новом проекте, что стало показательным исключением, учитывая, насколько полным является этот документ в других аспектах. Один исследователь в Комитете по международным отношениям утверждает, что это пример того, как чиновники из MoST заявляют свои права на высокотехнологичные разработки, урезая полномочия других министерств или академических организаций. В декабре 2017 MIIT выпустил собственный 3-х летний план по реализации задач из плана Госсовета и программы «Made in China 2025». Когда спустя четыре месяца было официально создано Управление по внедрению AI, официальное количество учрежений, вовлечённых в эту тему, выросло до 15. Два из них, MoST и NDCR, были перечислены в анонсе, что даёт понять — бюрократическая борьба не исчезнет в ближайшее время. Хотя центральное правительство играет важную руководящую роль, государственные учреждения, частные компании, академические лаборатории и субнациональные правительства занимаются продвижением собственных интересов в китайской AI мечте.</p><p>Наконец, есть важные сходства и различия между китайским подходом к развитию искусственного интеллекта и его прошлыми усилиями по содействию инновациям в стратегических развивающихся технологиях. Возьмём к примеру биотехнологию. Модель по повышению значимости роли государства в поддержке и участии такая же, как c AI. Во-первых, сначала была неприметная “программа вскарабкивания”, инициированная в 1980 и длившаяся около 8 лет до того, как государство не повысило приоритет этой технологии. Во-вторых, китайское правительство создало независимую организацию, Китайский национальный центр развития биотехнологии, для решения задач по координации разработок, а важные документы центрального планирования стали фокусироваться на этой области, в частности, набросок Государственной политики развития биотехнологии от Госсовета в 1988, который учредил 30 национальных лабораторий. В-третьих, государство послало сигнал о том, что биотехнология стала приоритетом государственного уровня и обязалось финансировать её развитие. К примеру, программа 863, на тот момент главный поставщик финансирования в китайскую науку и технологии, отметил биотехнологию, как одну из семи критичных областей, и выделил в её поддержку 1,5 млрд юаней с 1986 по 2000 годы.</p><p>Можно отметить и другие сходства между китайскими стратегиями в областях биотехнологии и искусственного интеллекта: международный обмен технологиями и талантами, инвестиции в благополучие общества и долгосрочные меры. В части обмена технологиями, зарубежные приобретения китайских компании в фармацевтике, биотехнологии, медицине достигли рекордного значения в 3.9 млрд долларов в 2016. Программа талантов также оказалась привлекательной для китайцев, работающих за границей на передовых рубежах бионауки. “Дэн Сяопин отправил множество китайских студентов и школьников за пределы Китая и теперь настало время вернуть их назад”, заявил Джордж Фу Гао из Китайской академии при Институте наук по микробиологии, получивший степень доктора наук в Оксфорде. Есть свидетельства того, как долгосрочные инвестиции Китая в биотехнологии начали приносить плоды спустя 30 лет, это демонстрируют последние достижения в технике клонирования и исследования вирусных эпидемий. Однако Китай вносит относительно небольшой вклад в фундаментальные исследования: только 2.5% открытий новых молекул с 2007 до 2015 получено из Китая, в сравнении с американскими 56.3%.</p><p>Важные отличия между китайской политикой в сферах биотехнологии и искусственного интеллекта отражаются следующими двумя факторами: потенциал “омни-использования” AI способствует более широкому вовлечению участников по сравнению с другими технологиями; на международном уровне, частные технологические гиганты и энергичные стартапы играют лидирующую роль в создании инноваций в AI. Даже влияние крупнейших биотехнических компаний меркнет в сравнении с мощью и размерами китайских технологических гигантов. Рассмотрим пример китайского гиганта в области геномики BGI, который произвёл несколько больших прорывов в геномном секвенировании. Его первичное публичное размещение привлекло 81 млн долларов, что составляет около 1/300 от размера IPO компании Alibaba. Кто-то может поспорить с корректностью использования Alibaba в качестве примера со стороны AI, так как его IPO охватывало весь бизнес-портфель компании. Тот факт, что Alibaba в октябре 2017 объявила об инвестициях в исследования AI с фокусированием на квантовых вычислениях и взаимодействии человек-машина в размере 15 млрд долларов, служит хорошим возражением на такой аргумент. В конце концов, основные AI технологии более фундаментальны, чем биотехнология. Инновации в алгоритмах искусственного интеллекта могут произвести революцию в геномном секвенировании компании BGI, при этом в обратную сторону такая зависимость не работает. Несмотря на то, что есть много общего между китайской стратегией по развитию искусственного интеллекта и интересах страны в других стратегических развивающихся областях, необъятная мощь технологических компаний и возможности искусственного интеллекта сами по себе порождают ключевые отличия.</p><h4>B. Пути от ключевых факторов к движущим силам ИИ</h4><p>Для обобщённой оценки компонентов китайской стратегии требуется понимание большого набора влияющих факторов, таких как: 1) аппаратное обеспечение в виде микросхем и суперкомпьютеров; 2) данные как питание для работы AI алгоритмов; 3) изучение и разработка алгоритмов; 4) коммерческие AI экосистемы. Анализ на существующем ландшафте Китая каждого из этих факторов проясняет важные особенности AI стратегии на пути достижения мирового лидерства.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KdfY0lWAL6CKpcM8wh2fww.png" /><figcaption>Ключевые факторы</figcaption></figure><p>Касаемо аппаратного обеспечения, продвижение Китаем национальных чемпионов, поощрение приобретения зарубежных разработок для обеспечения трансфера технологий, инвестиции в суперкомпьютеры — всё это соответствует прошлым практикам страны по стимулированию инноваций в стратегических областях. Во-первых, в июне 2014 года была провозглашена национальная политика по полупроводникам, которая отметила приоритетность “национальных чемпионов”, таких как Tsinghua Unigroup. Был запущен Фонд интегральных микросхем, привлёкший более 20 млн долларов на текущий момент, с планируемым привлечением 138 мдрд долларов на посевное инвестирование в области полупроводников. В октябре 2017 MoST объявило о запуске проекта инвестирования разработки микросхем для искусственных нейросетей, как одну из 13 “трансформационных” мер с датой поставки к 2021. В этом проекте за ориентир взят графический процессор Nvidia’s M40, его производительность и энергоэффективность планируется превзойти в 20 раз.</p><p>Во-вторых, китайское правительство поощряет местные компании политической поддержкой при заключении международных сделок с целью получения доступа к передовым технологиям в изготовлении микросхем. В отчёте Американского совета по науке и технологиям при президенте в области полупроводниковой отрасли от января 2017 года отмечается рост активности китайских компаний по приобретениям и при этом нацеленность на обмен технологиями в условиях по предоставлению доступа к своему рынку. В последнее время такая китайская двунаправленная стратегия столкнулась с ростом международного регулирования. После запрета американским правительством продажи компанией Intel и другими компаниям высокопроизводительных микропроцессоров Xeon, Комитет по международным инвестициям США внёс китайское инвестирование в этой области под усиленное наблюдение. В сентябре 2017 Белый дом заблокировал покупку американской компании по производству полупроводников китайским проправительственным инвестиционным фондом, создав четвёртый прецедент за всю историю, когда президент повлиял на корпоративное приобретение, исходя из вопросов национальной безопасности.</p><p>Похожая история случилась в Европе. Жан-Клод Юнкер, глава Еврокомиссии, в своей речи в 2017 изложил новый формат мониторинга иностранных прямых инвестиций в Европейском Союзе. Новый формат определяет критичные технологии, к которым отнесены “искусственный интеллект, робототехника, полупроводники, технологии с возможным двойным применением, кибербезопасность, космос и ядерные технологии”. Хотя в речи Юнкера прямым образом не затрагивались китайские инвестиции, аналитики интерпретировали его предупреждение об инвестициях от “поддерживаемых государством компаний”, как завуалированную отсылку к экономической деятельности Китая.</p><p>В-третьих, Китай берёт на себя обязательства по созданию вычислительных мощностей. Несколько высокопоставленных лиц указывают, что Китай прошёл значительное развитие в аппаратном обеспечении, необходимом для создания возможных прорывов. Например, Китай превзошёл США по количеству суперкомпьютеров (167 против 164), а китайский суперкомпьютер Sunway TaihuLight, использующий разработанные в стране процессоры, стал самым быстрым в мире в июне 2016. Поскольку многое связанное с искусственным интеллектом является спекулятивным, я не включаю эти цифры в мой индекс потенциала AI, но существуют мнения, что китайские долгосрочные обязательства по суперкомпьютерам, наряду с финансированием квантовых вычислений, могут найти действительное применение в AI.</p><p>Что нового происходит с движущими силами в аппаратном обеспечении? Китайские технологические гиганты и стартапы-единороги конкурируют с другими мировыми лидерами в области разработки AI микросхем. К примеру, китайская компания Cambricon, стартап с государственной поддержкой в 1 млн долларов, разработала процессор, который в шесть раз быстрее, чем стандартный GPU (графический процессор) для deep learning приложений, и при этом использует долю потребляемой мощности (a fraction of the power consumption). Более того, оборудованный новым “нейропроцессором” Huawei похоже обогнал Apple в области мобильных AI микросхем.</p><p>Политика китайского правительства по отношению ко второму рыночному фактору, доступу к данным, раскрывается двумя важными аспектами расширенной AI стратегии: его рычагами воздействия на технологических гигантов и следованию протекционизму. В октябре 2016 с целью усиления доверия потребителей к онлайн системам, некоторые крупные технологические компании согласились поделиться данными с органами государственной власти. Государственный комитет по развитию и реформам (NDRC) объявил, что соглашение было частью более широкого проекта по созданию “системы социального кредита”. Некоторые защитники неприкосновенности частной жизни посчитали, что система предназначается для массовой слежки. В то время, как подпитываемые AI компании, вроде BAT (Baidu, Alibaba и Tencent), становится более и более влиятельными, эти гиганты ощущают всё большее давление правительства. Вплоть до обсуждения Интернет-регуляторов, получающих 1% доли компании. Названные “акциями особого управления”, эти маленькие доли позволили бы представителем китайского правительства занимать позиции в компаниях и иметь право отслеживать контент в их онлайн площадках.</p><p>Доступ к данным Китая обрывается на его водной границе. Это соответствует более широкому тренду, который некоторые называют техно-национализмом — агрессивная защита местных компаний от иностранных конкурентов. Даже если китайские компании растут в условиях отсутствия международной конкуренции (тем не менее, многие из них проводят успешную экспансию в азиатских и африканских странах), они продолжают процветать, обслуживая огромный китайский рынок. Проблемы защиты данных мотивируют Китай предпринимать усилия для уверенности, что ценные данные остаются под контролем китайский технологических компаний. Действуя в таком ключе, Китай настоял на государственных стандартах для таких связанных с AI индустрий, как облачные вычисления, промышленное программное обеспечение и большие данные, что породило рассогласованность с международными стандартами. Этот шаг позволил китайским компаниям получить преимущество над иностранцами на внутреннем рынке. Согласно отчёту Mercator Institute, китайские стандарты в умном производстве, облачных вычислениях, в промышленном софте и больших данных существенно отличаются от соответствующих международных стандартов. В защита данных, например, закон кибербезопасности 2017 года, препятствующий иностранным компаниям хранить данные китайских пользователей вне Китая, может препятствовать движению данных через границу, а также развитию общих стандартов доступа к данным.</p><p>Интересным аспектом развития китайского AI становится появление дискуссий о защите частной жизни. Компании, правительство и даже обычная публика стали активными участниками этих дебатов. С одной стороны в них втянуты те, кто поддерживает защиту конфиденциальности, с другой — сторонники либерализации для получения преимуществ от AI технологий. В главе под названием “Проекты высшего значения”, исследователи из Tencent и CAICT связывают успех Силиконовой долины с существованием таких сильных институтов, как авторское право и гражданское право, и приводят аргументы, что процесс либерализация данных также является формой построения института, способного подстегнуть дальнейшие инновации. Они пишут, что «если не будет государственной политики по либерализации данных, многие приложения искусственного интеллекта станут водой без истока и деревом без корней”. Можно сказать, что данная проблема является болевой точкой в развитии искусственного интеллекта в Китае, нуждающаяся в более основательной и глубокой проработке в рамках AI стратегии. Недавно, в январе 2018, защитники конфиденциальности приветствовали выпуск китайским правительством нового государственного стандарта по защите персональных данных, который содержит больше подробных и обременительных требований, чем даже похожий документ в ЕС (General Data Protection Regulation), как отмечается в анализе старшего научного сотрудника CSIS Сэмма Сакса. Эта бурная и не утихающая дискуссия может быть противопоставлена распространённым заблуждением об относительно слабой защите персональных данных в Китае и является важным предметом наблюдения по мере развития китайского AI.</p><p>Для стимулирования качественных исследований, в плане Госсовета выделен раздел об ускорении подготовки и наборе высококлассных специалистов. В разделе о “наборе” доклад призывает к найму ведущих международных учёных через вариации проекта “Тысяча талантов”. Финансово поддержанная китайская программа “Десяти тысяч талантов”, запущенная в 2007, привлекла талантливых учёных на различные должности в индустрии AI. Эндрю Чи-чи Яо, лауреат Turing Award, отказался от гражданства США и теперь занимается исследованием “Теории разработки AI”. Тим Бирнс, австралийский физик, намерен создать квантовый компьютер в NYU Shanghai, а Чжан Лян-Цзе, бывший штатный научный сотрудник в IBM Watson, будет заниматься исследованием AI и виртуальной реальности в должности ведущего учёного на предприятии по разработке софта Kingdee в Shenzhen. И наконец, Женлин Сю, бывший научный сотрудник в Университете Пердью, теперь возглавляет лабораторию по статистическому машинному интеллекту в Университете электроники и техники, после возвращения в Китай по программе “Десять тысяч талантов”, направленной на привлечение молодых академиков.</p><p>Программа трансфера специалистов имеет неоднозначную репутацию. С 2009 до 2011 программа “Тысячи талантов” могла привлечь наибольший поток талантливых специалистов в ограниченных временных рамках за всю история Китая. По данным, изданным Китайской академией кадровых наук, в те три года 1510 учёных были отобраны в качестве призёров программы талантов на государственном уровне, при общем числе участников в 6200 человек. Тем не менее, множество исследований и интервью с рекрутерами выявляют, что эти программы не спровоцировали возвращения “лучших из лучших” китайских учёных. Множество факторов сыграли роль: научная культура сфокусирована на быстрых результатах, отсутствуют связи с местными китайскими сетями для развития, также существуют проблемы с возможностями получения образования детьми. Тем не менее, Китай работает над реформированием своей научной среды и наращивает усилия по привлечению специалистов, в частности, китайского происхождения. Это может увеличить пул специалистов по AI в Китае, так как китайская научная диаспора составляет 400 000 учёных.</p><p>Обмен специалистами происходит также по коммерческим направлениям: инвестор, специализирующийся на AI, определил стратегию найма талантливых учёных для работы в Китае (где зарплаты сейчас сопоставимые с американскими, находясь на уровне 70–150% от средней зарплаты американского учёного) — как “горячую клавишу” для ускорения разработок AI. В рамках привлечения иностранных специалистов, BAT-компании основали собственные международные институты. Ведущие специалисты AI вернулись для работы в Китай: Эндрю Ын, бывший глава Google Brain, работает в Baido 3 года, и Ци Лу, бывший исполнительный директор Microsoft, сейчас занимает в должность операционного директора в Baido. Рекрутёры, работающие в китайских городских правительствах и технологических компаниях, регулярно посещают международных учёных и инженеров в университетах, компаниях и стартапах, с попытками убедить их работать в Китае. Эти различные каналы обмена специалистами проявляют важный аспект китайской AI стратегии — это не монолитный, нисходящий подход; многие участники самостоятельно продвигают свои интересы и реагируют на обильные сигналы центрального правительства.</p><p>Наконец, Китай имеет долгосрочные планы по выращиванию AI специалистов. План Госсовета также призывает к созданию научной дисциплины по AI, привлекая общие усилия для основания соответствующих специализаций, создания пилотных институтов, включая комбинированную профессиональную подготовку “AI+X”. Полномасштабный толчок общества характеризуются китайским централизованным стилем управления и отражает долгосрочный интерес к AI. В то время, как правительство привлекает потоки специалистов и технологий в китайский AI сектор, он остаётся отгороженным от иностранных компаний в важных секторах, связанных с AI, а поток данных, исходящий из Китая, ограничивается. Дверь наполовину открыта.</p><p>В последнем факторе — коммерческих AI экосистемах, китайское правительство занимается активным отбором чемпионов. Например, в ноябре 2017 MoST определил четыре компании — Baidu, Alibaba, Tencent и iFlyTek — для лидерства в развитии национальных инновационных AI платформ в соответствующих областях: самоуправляемые средства передвижения, умные города, компьютерное зрение для медицинской диагностики и голосовое ассистирование. Подобная государственная поддержка может дать Baidu бонусы в работе с производителями автомобилей, а Tencent более широкий доступ к данным клиник, но она также может затормозить конкуренцию на этих специфических рынках.</p><p>Китайское правительство начинает играть всё большую роль в финансировании венчурных проектов. Выделяя средства через “государственные направляющие фонды” (GGF), создаваемые местными правительствами и компаниями с государственной поддержкой, Китай инвестировал более 1 млрд долларов в местные стартапы. По статистике от Sun Hung Kai Financial, эти GGF спроектированы для затенения частный венчурных фондов в размерах: в 2016 года GGF установил цель по привлечению 3.3 трлн юаней (500 млрд долларов) против 2.2 трлн юаней (300 млрд долларов), привлечённых частными фондами. В одном отчёте по GGF отмечалось, что с 2015 по 2016 годы, инвестиции GGF сместились в направлении медицины и AI, как наиболее приоритетных областей. Есть некоторые начальные подтверждения, что возросшее внимание к AI достигло первых успехов. По отчёту 2017 года, в процент AI компаний, привлёкших инвестиции, в Китае выше (69%), чем в США (51%). К тому же, скорость привлечения инвестиций относительно высока: среднее время от регистрации до получения “бизнес-ангела” для китайский компании — 9.73 месяца, а для американской — 14.82. Эти фонды способны помочь центральному правительству в достижении двух целей одновременно, помогая ускорить развитие AI и инкорпорируя технологические компании в партийный аппарат. В последние несколько лет, более 35 технологических компаний, включая Baidu и Sina, создали собственные партийные комитеты, которые занимаются оценкой их деятельности в плане соответствия следованию партийным целям.</p><p>В некотором смысле успех или неудача китайского коммерческого AI сектора будет проверкой особой формы публично-частного партнёрства. Например, схема финансирования, похожая на китайский GGF, поспособствовала трансформации Израиля в передовую технологическую силу. В преимущества такой формы государственного обеспечения входят: политическая поддержка, обильные ресурсы и, в некоторых случаях, гарантия минимальной нормы дохода для инвесторов. Но тот факт, что на текущий момент из 991 проектов от GGF не было ни одного успешного выхода, отражает обилие проблем такой схемы, как географические и хозяйственные ограничения в инвестировании и запутанность процедуры выхода.</p><p>В конце концов, во всех перечисленных факторах AI, Китай вкладывается в долгосрочное общественно-значимое развитие AI технологий. Конечно, указания, исходящее из плана Госсовета, относятся не только к государственным учреждениям, но также направляют деятельность университетов и частного сектора. На контрасте, другие правительства — ограниченные в своей власти над обществом и подверженные переменам в политической конъюнктуре — стремятся реализовывать краткосрочные, государственно-значимые решения. Далее приводится оценка, полученная из серии сравнительных и количественных измерений, демонстрирующая влияние на текущий AI потенциал Китая четырёх факторов.</p><h3>III. ПОТЕНЦИАЛ</h3><p>В следующих четырёх разделах доклад детально объясняет важность каждого из факторов, что позволит осветить более широкие вопросы взаимоотношений между ними. Во-первых, хотя этот доклад анализирует каждый из факторов отдельно, связи между ними не должны быть проигнорированы. Например, развитие железа способствует повышению производительности AI алгоритмов, а доработка алгоритмов, в обратную очередь, позволит использовать оборудование более эффективно. Во-вторых, определение силы влияния факторов друг на друга провоцирует множество споров. В результате опроса экспертов, мнения сильно разошлись, а консенсуса по относительной важности какого-то из факторов не существует. Аналитики указывают, что картина менялась в прошлом и будет продолжать меняться с течением времени, отмечая такие важные тренды, как получение доступа к передовым алгоритмам или большим данным. В последнем разделе главы “Потенциал” проводится исследование того, как изменение веса каждого из факторов может повлиять на оценку потенциала Китая в области AI.</p><h4>A. Пофакторная оценка существующих возможностей Китая в AI</h4><h4>i. Сокращение отставания в железе</h4><p>Исходя из высоких цен и долгого производственного цикла, разработка процессоров и микросхем может быть наиболее проблематичной частью китайского AI плана. На текущий момент, аппаратное обеспечение для искусственного интеллекта делится на две категории: 1) микросхемы, изначально спроектированные для других вычислительных задач, но используемые для AI алгоритмов (такие, как CPU и GPU — центральные и графические процессоры); 2) специально спроектированные микросхемы для машинного обучения и deep learning алгоритмов (как TPU от Google и FPGA от Microsoft). Сейчас производство микросхем этих двух категорий наиболее релевантно задачам AI алгоритмов, а в будущем могут получить значимость суперкомпьютеры, если для учёных станет возможным достижение преимуществ от распределённых вычислений.</p><p>Касаемо первой категории микросхем, меры по усилению китайской индустрии раскрывают возможное узкое место в развитии AI. Важно учитывать данные о традиционных компаниях из индустрии полупроводников, поскольку эти компании развивают собственные процессоры для применения в AI, также как и данные о приобретении стартапов, создающих микросхемы. В 2015 Китай занимал всего 4% глобального рынка по производству полупроводников, в то время, как Америка достигала 50%. Это хорошо соотносится с информации о финансировании, которая показывает, что общее финансирование индустрии в Китае достигает всего 4.3% относительно аналогичной американской поддержки, исходя из данных IT Juzi и отчёта Tencent Research Institute. Китай особенно зависим от международных компаний, производящих GPU, которые являются наилучшим выбором для тренировки AI алгоритмов. Исследователь из Microsoft AI, Сюэдун Хуан (XD), называет GPU “настоящим оружием”, отмечая, что без GPU реализация проекта Microsoft по распознаванию разговорной речи с человеческим качеством, заняла бы на 4 года больше. Из 10 топовых американских производителей микросхем, 4 производят GPU, в то время, как из 10 топовых китайских производителей GPU никто не производит.</p><p>По второй категории оборудования, такие микросхемы, как TPU, и некоторые ASIC специально спроектированы для ускорения выполнения задач нейронных сетей. Из 10 топовых китайских производителей микросхем, 6 специализируется на микросхемах ASIC, которые не сильно удобны по сравнению с другими микросхемами этой категории, как, например, FPGA, которые демонстрируют высокую производительность и эффективность, а также гибкость при замене сопутствующего железа из-за необходимости поддержания актуального софта в условиях его быстрого устаревания. И США, и Китай имеют двух производителей, специализирующихся на FPGA, из десятки топовых компаний в этой области. 2 американские компании получили в сумме 192.5 млн финансирования, в то время, как 2 китайские компании получили 34.4 млн. Как и во многих других аспектах искусственного интеллекта, в производстве микросхем постоянно появляются новшества. Например, Google недавно запустил в производство чипы TPU второго поколения, благодаря которым Alphazero смог изучить шахматы, и которые могут использоваться для тренировки AI алгоритмов более эффективно, чем GPU и CPU.</p><p>Успех Китая в создании суперкомпьютеров демонстрирует его потенциал по достижению мирового лидерства в части аппаратного обеспечения для AI. Один показатель, иллюстрирующий такое предположение — это количество наиболее производительных суперкомпьютеров, находящихся в Китае из глобального Топ 500 списка. В 2014 в списке были отмечены 76 систем (15.2%) из Китая, что позволило расположиться после США на втором месте, но с большим отставанием от 232 американских систем (46.4%). Июньская версия списка в 2017 году демонстрирует, как Китай практически догнал США со своими 159 системами (31.8%), в то время, как у второй было 168 систем (33.6%). Возможно суперкомпьютеры станут более применимыми в будущих крупномасштабных разработках AI. Тем не менее, как отмечает Лирри Смарр, физик из Калифорнийского университета, китайское превосходство в производстве традиционных суперкомпьютеров может и не сыграть большой роли, если другие страны разработают новые, более эффективные суперкомпьютеры, спроектированные специально для AI задач.</p><p>В итоге, Китай рассчитывает на импорт и закупки для рывка в области аппаратного обеспечения для AI. Поскольку такая стратегия попала под усиленное внимание в США и ЕС, Китай также продвигает национальных чемпионов на местных рынках и берёт на себя долгосрочные обязательства по суперкомпьютерам. В некоторых отношениях подход Китая к созданию отечественной полупроводниковой промышленности является микрокосмом для общего взгляда на развитие AI. Кражи государством интеллектуальной собственности, целенаправленное переманивание специалистов и строгое государственное управление — составные части жёсткой китайской силы по обеспечению прорыва в индустрии полупроводников. Даже несмотря на эти меры, собственное производство интегральных схем (IC) удовлетворяет менее 13% спроса в стране, а их торговый дефицит на глобальном рынке увеличился более чем вдвое с 2005. Таким образом, достижение целей в области аппаратного обеспечения для AI может занять много времени, если вообще случится.</p><h4>ii. Закрытие большого массива данных</h4><p>Данные — это ещё один важный фактор в AI. Доступ к большим массивам данных отмечается одним из преимуществ в развитии китайского AI. Имея относительно слабую защиту персональных данных, китайские технологические гиганты собирают огромные количества информации и совместное её использование с государственными учреждениями является распространённой практикой. Китайские потребители генерируют большинство из этих данных, являясь технологическими передовиками, что отражается на степени проникновения смартфонов в стране. Промышленные прогнозы показывают, что страна получит более 50% глобального электронного ретейл рынка в 2018. По докладу CCID Consulting, Китай будет обладать 30% всех мировых данных 2030. Президент Китайской академии наук, Бай Чунли, предполагает, что “в 2020 Китай будет хранить 20% глобальных данных в ориентировочном объёме 44 триллиона Гб”.</p><p>Китайское отношение к защите данных является частью более глобального тренда цифрового протекционизма, при котором китайский Интернет является закрытой экосистемой: здесь правительство подвергло цензуре и заблокировало Facebook и Google, тем самым содействуя появлению местных платформ, как Wechat и Weibo. У политики защиты данных есть преимущества. Если данные — это дефицитный ресурс для развития AI, Китай может установить эксклюзивный контроль над этим ресурсом для своих компаний и исследовательских институтов. С другой стороны, если обмен данными между другими площадками и странами будет увеличиваться, есть возможность получать выгоду от глобального доступа к данным, пока Китай будет оставаться закрытым.</p><h4>iii. Нехватка фундаментальных инноваций в разработке алгоритмов</h4><p>Изучение и разработка алгоритмов является критичным фактором для AI. Китайские специалисты способны быстро перенимать наиболее продвинутые алгоритмы, разработанные где-либо в мире. Опираясь на внутренний пул специалистов, включающий самое большое число STEM-выпускников в мире (наука, технология, инженерия и математика), Китай генерирует большое количество AI исследований, но всё ещё не может сравниться с передовыми странами в наиболее инновационных исследованиях и наиболее талантливых исследователях. В 2014 Китай превзошёл США по количеству исследовательских работ, что вытекает из данных о регистрации патентов в области AI и статей на тему deep learning, и что было отмечено в стратегическом плане Белого дома при Обаме по изучению AI. И это тот случай, когда количество сочетается с качеством — из данных презентации Ежегодной конференции Ассоциации по развитию искусственного интеллекта (AAAI), которая широко признана как ведущая научная конференция в этой области, на китайских учёных приходится более 20% презентованных открытий, в чём они уступают только представителям США.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oZy6TibOxWqt1p1GV0zgmQ.png" /><figcaption>Презентации на конференции AAAI</figcaption></figure><p>Тем не менее, по данным из отчёта McKinsey Global Institute, Китай отстаёт от США и Великобритании в фундаментальных исследованиях. Также в отчёте отмечается более низкий индекс уровня цитирования китайских работ (по системе подсчёта H-index). Отвечая на вопрос о сравнении силы AI из США и Китая, Ян Лекун, руководитель исследований AI в Facebook, подчёркивает важность передовых научных лабораторий, которые были основаны в США (Google Brain, Facebook AI Research, OpenAI и другие). В настоящее время, как китайские академики, так и компании, занимаются исследованием применения уже существующих технологий; поэтому способы увлечения в «авантюризм», вдохновляющий на создание AI инноваций, будут важной задачей для китайской науки в будущем.</p><p>Разрыв в фундаментальных исследованиях AI может также частично объясняться нехваткой специалистов. Несмотря на большее число STEM выпускников, китайский пул специалистов насчитывает 39000 человек, что составляет менее половины американского пула, размером более чем 78000 человек. Америка получает свои бонусы в исследованиях AI благодаря владению большим количеством ведущих университетов мира, вкупе с владением более зрелой коммерческой AI экосистемой. Это способствует существованию большего числа специалистов, прошедших множество проектных циклов. Около 50% учёных в США имеют опыт более 10 лет в работы, в то время как подобный опыт работы в Китае имеет только 25% исследователей.</p><h4>iv. Партнёрство с частным AI сектором</h4><p>Последний фактор развития искусственного интеллекта, проанализированный в этом докладе — это коммерческие AI экосистемы. Набор показателей — количество AI компаний и общее количество полученного финансирования — ставит китайскую экосистему на второе место в мире, примерно в отношении ¼ от американской. Исходя из общего количества компаний, занимающихся AI в мире (2542, основываясь на данных июня 2017), 42% располагаются в США, а Китай находится на втором месте с 23%. Американская AI экосистема взращивает более конкурентоспособные стартапы, имея 39 многообещающих стартапов в списке CB Insight’s AI 100, определённых по количеству привлечённых средств, по сравнению с 3 китайскими стартапами из того же списка. В последние годы крупные технологические компании соревновались в приобретении передовых AI компаний для поддержания доступа к технологиям и экспертизе, и американские технологические гиганты получили естественную выгоду от благоприятной ситуации со стартапами в стране. С 2012 до 2017 из 79 приобретений, 66 были осуществлены корпорациями из США, и только 3 — Китайскими компаниями (Baidu во всех трёх случаях); соответственно, из всех приобретённых стартапов, только один был из Китая, в то время, как из штатов — 51.</p><p>Количество компаний в области AI хорошо демонстрирует срез по размерам индустрии, однако количество финансирования может проявить ситуацию на ландшафте. С 2012 по 2016, по выводам отчёта Wuzhen Institute, китайские AI компании получили 2.6 млрд долларов от инвестфондов, что значительно меньше, чем 17.2 млрд долларов, выданных получателям в США. Аналогично неясности границы между “основной” и “смежными” AI индустриями, цифры о масштабах коммерческого AI сектора размыты. Например, в другом отчёте от IT Juzi и Tencent Institute предлагаются заметно отличающиеся оценки о размере финансирования как для США (51.10% от глобального финансирования AI или 14.8 млрд долларов), так и для Китая (33.18% или 9.6 млрд долларов). На расхождение оценок может влиять фактор быстрых изменений на сцене AI. Например, с 2014 по 2016, количество новых китайских AI компаний соответствовало 55% от общего числа когда-либо учреждённых AI компаний, а масштаб китайского AI инвестирования за эти три года составил более 90% от суммарных китайских инвестиций в области AI за всё время. В 2017 китайские AI стартапы получили 48% от глобального AI финансирования, превзойдя американский стартапы, получившие 38%. Рост AI площадки в Китае за последний год был астрономическим, по сравнению с 2016, когда Китай получил всего 11.3% от глобального финансирования. Хотя оценки отличаются по отношению к точным размерам китайского AI сектора, по всему спектру показателей, рассмотренных в данном разделе, китайская индустрия значительно выросла как в абсолютном, так и в относительном выражениях за последние несколько лет.</p><p>Относительно всех факторов важно понимать, что они не должны рассматриваться сквозь призму игры с нулевой суммой. Сотрудничество между странами по каждому из факторов часто взаимовыгодное. Китай является важным рынком для США. AI железо и данные могут переправляться через границы, исследователи из любой части света могут работать в формате соавторства. Межгосударственное инвестирование между США и Китаем значительно выросло за последние несколько лет. С 2016 по 2017 количество поддержанных Китаем сделок с американскими стартапами выросло с 19 до 31, а количество сделок с китайскими стартапами, поддержанных Америкой, выросло с 5 до 20. Часто из внимания упускается факт, что Tencent и Alibaba являются мультинациональными публичными компаниями, ими владеет значительное количество международных акционеров (Naspers владеет 33.3% акций Tencent, а Yahoo владеет 15% акций Alibaba). Подводя итог, в следущей главе предлагается сравнительная оценка американских и китайских потенциалов.</p><h4>B. Оценка позиции Китая в индексе потенциала AI</h4><p>В ходе анализа различных компонентов китайской AI стратегии, в данном докладе был оценён потенциал китайского AI через показатели, ассоциированные с каждым из 4 факторов. В попытке связать эти измерения, доклад делает первую версию оценки потенциала страны в AI. Методика требует улучшений, так как индекс использует прокси-показатели, имеющиеся как для США, так и для Китая.</p><p>Как показано в таблице, Китай отстаёт от США по всем факторам, за исключением доступности данных. Ссылаясь на индекс потенциала AI (AIPI), китайские возможности (AIPI = 17) равны примерно половине возможностей США (33). Этот индекс предназначается для грубой оценки всего AI потенциала определённой страны как части глобальных AI возможностей, взвешенных по уровню важности каждого из факторов (в первой версии индекса их вес равен). Прокси-данные не идеальны в любом случае и некоторые аспекты в каждом из факторов (уровень гениальности специалистов в исследованиях, качество собираемых данных и так далее) в принципе не могут быть измерены.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mzjhAKGsttvyTMwlDzdcEA.png" /><figcaption>Измерения различных факторов</figcaption></figure><p>Ценность расчёта заключается в определении возможных сценариев развития китайского AI, поскольку относительные веса каждого фактора могут быть скорректированы, исходя из отношения к важности одного фактора относительно другого. Например, операционный директор Baido, Ци Лу, настаивает, что Китай будет иметь лучшие позиции, влияющие на потенциал AI, как как он считает, что доступность данных является решающим фактором. По его точке зрения, Китай лидирует в части данных, “основном средстве производства”, что перевешивает недостатки в других факторах. AIPI может прояснить некоторые аргументы из гипотезы Ци Лу. Приняв, что текущие прокси-показатели для каждого фактора относительно верны, относительная важность фактора данных должна в 4 раза превысить каждый из трёх других факторов в китайском AIPI чтобы сравняться с оценкой США. Данные также в будущем могут сыграть меньшую роль относительно других факторов, если у новых алгоритмов отпадёт потребность в большом количестве заранее подготовленных данных (так называемые имитационные пайплайны для обучения роботов). Другие возможные исследования могли бы использовать прошлые AIPI стран для определения будущих трендов индекса. Поскольку Китай продолжает наращивать поддержку AI, стимулировать обмен технологиями и талантами и принимать долгосрочные обязательства, AIPI может стать одним из инструментов для измерения его прогресса.</p><h3>IV. ВЫВОДЫ</h3><p>В последней главе доклада рассматриваются четыре непростых направления в AI стратегии Китая: стандарты и требования безопасности, государственная безопасность, экономическое развитие и социальное управление. Полная оценка потенциала в этих четырёх областях останется за рамками отчёта. Ближе к концу я рассмотрю, как некоторые положения китайской стратегии способны оказать долгосрочное влияние на эти вопросы.</p><h4>A. Рост внимания к этике и безопасности</h4><p>Являясь одним из лидеров в области искусственного интеллекта, Китай играет существенную роль в регулировании определённых рисков, связанных с технологией, а именно, рисков от использования AI и злоупотребления им. Первые идеи по мерам безопасности китайское правительство отразило в плане Госсовета. В документе указано, что к 2025 Китай создаст законодательную базу по этическим нормам, заложит основу для оценки безопасности и возможностей управления, а в 2030 Китай создаст больше общих законов и положений, норм этики и политики. Дальней конкретики по этим планам не последовало, и кто-то отмечает туманность дискуссии об ограничениях изучения этики в AI. В 2017 году на Асиломарской конференции о пользе AI из более чем 150 участников присутствовал только один представитель Китая (Эндрю Ын, к тому времени оставивший пост в Baido). Также, из 37 исследователей и 45 научных публикаций, поддержанных Институтом будущего (Future of Life Institute) в рамках программы исследования безопасности AI, не было ни одного представителя Китая. Позднее, 3462 исследователей в AI/робототехнике подписали открытое письмо Института будущего о запрете автономного оружия и только 3 из них представляли Китай (все были аффилированы с Китайским Университетом в Гонконге). Таким образом, Китай демонстрирует низкий уровень вовлечённости в дискуссии западных стран и институтов по вопросам безопасности в частной, публичной и экономической сферах.</p><p>Тем не менее, существуют позитивные подвижки по независимому сотрудничеству в вопросах этики и безопасности AI в Китае. Книга под названием “Искусственный интеллект: национальная стратегическая инициатива”, опубликованная в ноябре 2017, содержит важную главу, в которой детально обсуждаются Асиломарские принципы AI (по результатам конференции) и декларируется призыв к “жёсткому регулированию” и “контролю формулировок”. Широкий круг китайских исследователей также вовлечён в работу над отчётом Этической разработки для IEEE в рамках Глобальной инициативы по утверждению этики в AI и автономных системах.</p><p>В китайском AI сообществе существуют разные взгляды на вопросы безопасности и этики. Совместив с презентацией вышеупомянутой книги, CAICT провёл семинар в ноябре 2017 по нестандартным вызовам AI в политике и управлении. Участниками стали представители Верховного народного суда, Вексен Шен, декан юридической школы при Tsinghua University, и Си Сяо, старший научный сотрудник в Tencent. По итогам конференции выяснилось, что участники предложили жёсткие и часто отличные взгляды на управление развитием искусственного интеллекта. К примеру, Дин Шен заявил, что развитие AI является неостановимым социальным трендом, который должен поощряться, нежели являться причиной чрезмерного беспокойства. В то же время, Гобин Ли, президент Пекинского института по исследованию законов коммуникации возразил, что учёные должны действовать проактивно, выявляя проблемы управления и политики, возникающие с AI. Рост усилий китайских специалистов по решению сложных вопросов управления AI означает, что оценка влияния по всем высказываемым позициям о развитии китайского AI будет иметь большое значение.</p><p>Таким образом, AI может стать первой технологической областью, в которой Китаю получится стать международным законодателем. В другой главе книги её соавторы, исследователи из Tencent и академики CAICT, ссылаются на лидерство Китая в вопросах этики и безопасности как на способ достижения новой стратегической вершины. Они пишут, что “Китай должен активно описывать принципы этики AI, играть лидирующую роль в продвижении инклюзивного и выгодного развития AI. Также мы должны активно искать дорогу от отставания к лидерству в таких областях, как законотворчество и регулирование, образование и подготовка кадров, отвечая на вызовы AI”. Одним важным показателем китайских амбиций в формировании стандартов является случай с Объединённой технической комиссией (JTC), одной из крупнейших и наиболее продуктивных комиссий по международной стандартизации, которая недавно сформировала специальный комитет по вопросам AI. Управляющим нового комитета стал Ваэль Диаб, старший директор в Huawei, и также первая встреча пройдёт в апреле 2018 в Пекине — и позиция руководителя, и место первой встречи горячо обсуждались, но в конечном счёте подчинились китайским интересам.</p><h4>B. Потенциал AI и революция в военном деле</h4><p>В 2017 году в СМИ появились сообщения о том, что между США и Китаем назревает гонка AI вооружения, а лучшие умы указывают на AI как технологию, способную дать критическое стратегическое преимущество в сфере международной безопасности. В то же время, большинство китайской академической литературы обсуждает военные возможности AI скорее в абстрактном, спекулятивном виде, и большая часть ссылается на деятельность Американского агентства по исследованию оборонных проектов. Китайские военные институты, как, например, Оборонный научно-технический университет (NUDT), наращивают активность в работе по исследованию интеллектуальной робототехники. В краткосрочной перспективе Народная армия Китая скорее всего продолжит внедрение неименованной военной техники в свои военные службы (армия, флот, воздушные войска и ракетные войска). А с прорывами в беспилотных летательных аппаратах и интеллектуальных ракетах, эти разработки могут изменить ситуацию с американским военным присутствием в Тихоокеанском театре.</p><p>В долгосрочной перспективе развитие китайского AI может кардинально изменить поведение страны в военных делах. Хотя фактические подтверждения о милитаризации китайского AI ограничены, её риторика демонстрирует, что китайцы видят в искусственном интеллекте революционную военную технологию. Директор Центральной военной комиссии по науке и технологиям лейтенант-генерал Лю Гожи в докладе центрального правительства на тему военного применения AI заявляет, что мир находится “на пороге новой научной и технологической революции” и “кто не победит, тут будет побеждён”. Потенциал двойного использования AI и высокий уровень гражданско-военного смешения в Китае порождают озабоченность. Ли Дей, как типичный пример описанной ситуации, является одновременно директором Китайской ассоциации по AI и генерал-майором в PLA. Данная тема насыщена в большей степени спекулятивными прогнозами, так как большое количество щепетильных военных применений AI не раскрывается публично. Внутри PLA нет чёткого консенсуса по применению искусственного интеллекта для ведения войны. Более того, влияние PLA не является подавляющим, так как другие государственные стороны часто имеют свои взгляды, а правом принятия окончательных решений обладает центральный аппарат партии.</p><p>Степень участия китайской милитаризации в военной революции — важный вопрос. Основываясь на китаеязычных военных исследованиях из открытых источников, в недавнем докладе Эльзы Каниа в Центре по новой американской безопасности (CNAS) говорится, что Китайская народная армия (PLA) видит в искусственном интеллекте “козырную карту”, способную перевернуть ведение войн в будущем. В отчёте CNAS признаётся, что по проблеме военного применения AI нет устоявшегося мнения между PLA и центральным правительством. Данные по инвестициям PLA в беспилотные летательные аппараты и интеллектуальные ракеты демонстрируют, что большинство скорого военного применения AI относится скорее к ограниченным оборонительным мерам, в том числе асимметричное противостояние американской военной гегемонии в западной части Тихого океана и обеспечение китайского ядерного паритета.</p><h4>C. Экономические выгоды как движущая сила</h4><p>Возможности применения китайской AI стратегии в экономической сфере бесчисленны. Исследование PwC 2017 года оценивает, что Китай может выиграть от AI больше всех, прогнозируя потенциальный рост ВВП на 26%. Отчёт McKinsey Global Institute поддерживает эти выводы, допуская, что 51% рабочей активности в Китае будет автоматизировано — это больше, чем любой другой стране. Столкнувшись с неблагоприятными демографическими тенденциями, Китай может повысить уровень эффективности благодаря применению систем искусственного интеллекта. Это способно оказать поддержку в экономическом росте и достижении целей по ВВП. Ставки на глобальное экономическое превосходство высоки. Отчёт PwC рассчитывает, что отрасль AI может внести вклад в размере 15.7 млрд долларов мировую экономику в 2030 году.</p><p>Экономические выгоды являются главным, первоочередным драйвером развития AI в Китае, поэтому оценка экономического влияния китайской AI стратегии станет критерием оценки её успеха или провала. Первые результаты сопровождаются сдержанным оптимизмом в индустрии. Данные из коммерческой AI экосистемы Китая показывают, что количество новых компаний и инвестиций с 2014 до 2016 превосходят аналогичные показатели за все предыдущие годы. Хотя при обращении к этой информации нужно учитывать вероятность спекулятивного инвестирования и образования пузырей, полагаться же стоит на более конкретные данные, связанные с непосредственным экономическим развитием, такие как доходы и активы. Ранний анализ мегапроектов демонстрирует, что отношение китайской политики к научным новинкам столкнулось с критикой из-за перенаправления ресурсов от проектов с восходящей организацией и ориентированных на инвесторов в сторону массивных национальных проектов, достающихся второсортным лабораториям по принципу наличия личных связей.</p><h4>D. Значение AI для китайских методов управления обществом</h4><p>В отчёте Госсовета признаётся, что государство будет вынуждено столкнулся с социальными последствиями от внедрения AI в экономику. В частности, искусственный интеллект может усилить “цифровое неравенство”, позволяя вырасти доходам высококвалифицированных сотрудников и уменьшая запрос на низкоквалифицированных, чьи рабочие места находятся под наибольшим риском автоматизации. Могут увеличиться многие разрывы в китайском обществе, включая неравенство зарплат, гендерное неравенство, возможности жителей города и села, прибрежной и континентальной зон. В то же время, Китай пробует использовать AI для предупреждения возможных социальных волнений до непосредственных вспышек. Например, в том же отчёте Госсовета отмечается “незаменимая” роль AI в поддержании социальной стабильности. В этом направлении Китай собирается интегрировать AI в широкий спектр государственных услуг, такие как юридические услуги, медицина и общественная безопасность. Более того, китайские официальные лица восхваляют AI за его возможности в предупреждении необходимых полицейских мер, чему некоторые учёные дали понятие “цифрового ленинизма”. AI технологии также могут помочь китайским цензорам в поиске паттернов в огромном массиве публикуемых при общении данных.</p><p>Центральным звеном всей этой мощи AI является китайская правительственная программа “системы социального кредита”. Предложенная система будет постоянно мониторить и оценивать действия китайских граждан и ранжировать их по уровню доверия. Эта оценка будет играть роль при выдаче ипотеки, в преимуществе при получении работы и школьных мест для детей. Возможности AI позволяют автоматизировать сбор, управление и эффективный анализ большого количества данных о гражданах. Китайское министерство общественной безопасности (MPS) создаёт крупнейшую в мире базу для распознавания лиц и экспериментирует с улучшением техники слежки в Синьцзяне, особенно неспокойном районе страны. При этом немногие местные пилотные проекты находятся на ранних стадиях внедрения и зависят от технологической экспертизы частных компаний. Более того, консолидация по проблемам защиты частной информации на уровне национальных стандартов и законов, упомянутых ранее в этом докладе, может предотвратить появление различных схем социального кредитования. Тем не менее, переплетение AI технологий и китайского социального управления стоят более пристального внимания.</p><p>Нет сомнений в том, что значимость AI для интересов Китая и вовлечение страны в вопросы этики и безопасности будут иметь глобальное значение. Китайская AI стратегия может спровоцировать военное соперничество в новых технологиях. На мероприятии, организованном Центром новой американской безопасности (Center for a New American Security), бывший секретарь замминистра обороны Боб Уорк и бывший исполнительный директор Althabet Эрик Шмидт убеждали американское правительство ответить на китайский национальный AI план собственной стратегией. Отсылки к победе Китая в алгоритмических войнах даже попали в записку Совета национальной безопасности для президента Дональда Трампа, посвященную казалось бы не связанной теме централизации сетей 5G. Китайская мечта об искусственном интеллекте может также повлиять на расположение центра международного экономического порядка. В сфере социального управления развитие AI может привести к модели “жёсткого авторитаризма”, способной переноситься на другие нации. Однако Китай может также получить выгоды от перехода к миролюбивому управлению и этическим нормам в технологиях AI. Беспристрастная оценка AI стратегии необходима для понимания пути, по которому Китай идёт к своей мечте об искусственном интеллекте.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b4541fb97801" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Технологические дорожные карты]]></title>
            <link>https://kpukharev.medium.com/%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5-%D0%B4%D0%BE%D1%80%D0%BE%D0%B6%D0%BD%D1%8B%D0%B5-%D0%BA%D0%B0%D1%80%D1%82%D1%8B-bf79b7a9b8bc?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/bf79b7a9b8bc</guid>
            <category><![CDATA[технологии]]></category>
            <category><![CDATA[roadmaps]]></category>
            <category><![CDATA[стратегия]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Mon, 12 Mar 2018 22:02:15 GMT</pubDate>
            <atom:updated>2018-03-12T22:02:15.509Z</atom:updated>
            <content:encoded><![CDATA[<p><em>Перевод статьи </em><a href="http://www.ifm.eng.cam.ac.uk/people/rp108/"><em>Роберта Фаала</em></a><em> (Центр менеджмента технологий, Кембриджский университет, Великобритания). Orig: Robert Phaal, Centre for Technology Management, University of Cambridge, United Kingdom, Technology Roadmapping.</em></p><h4><strong>ВВЕДЕНИЕ</strong></h4><p>Новшества в технологиях играют значимую роль для промышленности и государства в процессе решения экономических, социальных и инфраструктурных задач, как основы для устойчивого развития. При этом, эффективный менеджмент технологий сталкивается с вызовами роста цен, сложности и темпа изменений на конкурирующих рынках. Управление технологиями в бизнесе и государственном развитии требует грамотного внедрения работающих процессов и систем для поддержания уверенности, что инвестирование в R&amp;D, обеспечение и знания соответствует запросам рынка и промышленности, возникающим сейчас и в будущем.</p><p>Дорожные карты широко применяются в бизнесе в стратегиях и планировании технологий. Этот метод был разработан компанией Motorola более 25 лет назад для комплексного планирования технологии производства. С тех пор, подход был адаптирован и применён во множестве производственных контекстов, в предприятиях и на уровне отраслей (например, International Semiconductor и UK Foresight Vehicle). Технологические дорожные карты могут принимать множество форм, но в основном представляют собой многослойные временные графики, которые встраивают идеи технологического развития в рыночные тенденции и движущие силы.</p><p>Данная статья предлагает обзор методологии технологических дорожных карт, затрагивая также знакомство с менеджментом технологий. Использование дорожной карты — очень гибкий подход, поэтому вниманию будут предложены разносторонние задачи, в которых он может быть применим: здесь будут рассмотрены виды дорожных карт и принципы их применения в конкретных случаях. Будут рассмотрены не менее важные вопросы об их процессе разработки, оперативного внедрения в организации, приведены некоторые показатели качества дорожных карт и систем, требующихся для поддержки их применения.</p><h4><strong>ТЕХНОЛОГИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЯМИ</strong></h4><p>У понятия “технология” есть множество определений. После их рассмотрения можно выделить ряд характеристик, благодаря которым технологию можно обозначить как особый вид знания (хотя, оно может воплощаться в форме физических артефактов — устройств, элементов, систем, продуктов). Ключевой особенностью технологии, отличающей её от других видов знаний, является её направленность на “как” организации. Хотя технология обычно ассоциируется с наукой и инженерией (hard technology), процессы, активизирующие её применение, также играют важное значение — поставка новых продуктов, инноваций, вкупе со структурной концепцией организации и с её базой знаний (soft technology).</p><p>Рассматривать технологию как вид знания полезно тем, что для управления технологией становится применима концепция управления знаниями (knowledge management). Общее знание технологии включает в себя как эксплицитные, так и имплицитные знания. Эксплицитные знания выражаются в том, что можно сформулировать (например, в техническом или пользовательском описании), включая физическое отражение (оборудование). Имплицитные знания технологии заключаются в том, что трудно сформулировать и основывается на практике и опыте (например, знания о дизайне).</p><p>Подобно понятию “технология”, существует множество определений понятия “управление технологией”. Рассмотрим определение, предложенное <a href="http://www.ifm.eng.cam.ac.uk/ctm/eitm/index.html/">Европейским институтом управления технологиями (EITM)</a>, адаптированное для этой статьи:<br>“Управление технологией направлено на рациональное изучение, выбор, приобретение, разработку, использование и защиту технологий (выпуска, обработки и инфраструктуры), необходимых для поддержания и роста позиции на рынке и функционирования бизнеса в соответствии с целями компании”.</p><p>Эта формулировка выделяет два важных раздела управления технологиями:<br>- Определение и поддержка связи между технологическими ресурсами компании и её миссией, как нечто жизненно важное, отражающее перманентный вызов бизнесу. Для этого требуется эффективное управление коммуникациями и знаниями, подкреплённое нужными инструментами и процессами. Определённую важность имеет наличие диалога и взаимопонимания между коммерческими и технологическими направлениями компании.<br>- Эффективный менеджмент технологиями требует ведения ряда процессов управления, включая изучение, выбор, приобретение, использование и защиту технологий. Часто наличие этих процессов в компании не очевидно, они внедряются в другую активность: стратегию, инновации, операционную деятельность.</p><p>Управление технологиями фокусируется на обеспечении потоков новых продуктов и услуг, поставляемых на рынок. Оно перекликается с аспектами интегрирования технологических проблем в системы принятия решений бизнесом, являясь релевантным по значимости к количеству бизнес-процессов, включая стратегическое развитие, инновации, разработку новых продуктов, операционный менеджмент. Здравое управление технологиями предполагает налаживание потоков между коммерческим и технологическим направлениями компании для поддержания баланса между запросом рынка (pull) и технологическими предложениями (push). Природа этих потоков формируется под воздействием внутренней и внешней сред, учитывая такие факторы, как цели бизнеса, динамика рынка, организационная культура и т.д. Описанная концепция проиллюстрирована на рисунке 1.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*n9kqAWFApIDoaXPf.jpg" /></figure><h4><strong>ТЕХНОЛОГИЧЕСКИЕ ДОРОЖНЫЕ КАРТЫ</strong></h4><p>Технологические дорожные карты (TRM) представляют мощный инструмент для планирования и управления технологиями. Дорожные карты уже широко используются в промышленности, в последнее время к их применению пришли на секторальном и государственном уровнях для прогнозирования: например, дорожная карта Semiconductor Indusrty Assosiation (SIA). Поиск в Интернете по запросу “технологическая дорожная карта” выдаст тысячи ресурсов (в основном отраслевых проектов), многие из которых доступны для скачивания. При существующей активности в частных компаниях, они редко публикуют свои дорожные карты по причине конфиденциальности.</p><p>Дорожные карты могут принимать различные формы, но в основном используется типовая форма, предложенная EIRMA. Типовая дорожная карта представляет собой временную диаграмму, содержащую несколько слоёв, обычно, отображающую как коммерческое, так и технологическое направление. Дорожная карта предоставляет возможность для анализа развития рынков, продуктов и технологий, благодаря установлению связей между направлениями.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*mdYkThl1T1m3J3RO.jpg" /></figure><p>Опрос, проведённый среди 2000 производств Великобритании, показывает, что около 10% компаний (в основном, крупных), применяют методологию TRM, приблизительно 80% из них пользовались дорожными картами более одного раза или используют их постоянно. Тем не менее, применение TRM привносит организационные вызовы для компаний. Простая по структуре и концепции, методология заявляет дистиллированные результаты процессов стратегирования и планирования. Основными проблемами, отмеченными респондентами, являются: придерживание процесса, принятого по дорожной карте, в актуальном состоянии (50%), запуск TRM-процесса (30%) и разработка качественного TRM-процесса (20%).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*34LsPfoft6pAi0Sx.png" /></figure><p>Одна из причин, по которой организации встречаются с трудностями при использовании дорожных карт, это множество их специфических форм. Кроме того, в условиях отсутствия практической поддержки, компании вынуждены переизобретать процессы, хотя и производятся попытки для обмена опытом. В частности, некоторые авторы сформулировали ключевые шаги процесса проектирования технологических дорожных карт. Они отметили, что эффективность дорожной карты внутри организации соответствует пониманию её важности и обязательности в отношении к этому поступательному и заведомо экспериментальному процессу. Множество отраслевых дорожных карт, которые публикуются в Интернете, также содержат полезные инструкции и примеры. Так или иначе, исследование этих документов в очередной раз демонстрирует вариативность подходов к разработке, которые могут быть применимы для частных случаев и при определённых обстоятельствах.</p><p>Причины, способствующие (или мешающие) успеху в применении TDR изображены на графике (рисунок 4), построенном на результате опроса. Факторы, которые особенно важны для благополучного выполнения дорожных карт (как отменили более половины респондентов), включают: чётко сформулированные требования бизнеса, желание развивать эффективные бизнес процессы, привлечение нужных специалистов и решимость со стороны высшего руководства. Среди факторов, препятствующих проведению TRM, назвали избыток инициативы, распыление на краткосрочные задачи и отсутствие нужных данных, информации и знаний.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Pp-HTbKSSJ6InpJy.png" /></figure><p>Данная статья представляет обзор техник TRM, включая подборку задач, которые можно решать таким способом, а также варианты форм, которые может принимать дорожная карта. Ниже будет представлен способ быстрого внедрения дорожной карты в компанию (T-план) вместе с описанием основных требований, ожидаемых от компании для поддержки этого процесса.</p><h4><strong>ВИДЫ ТЕХНОЛОГИЧЕСКИХ ДОРОЖНЫХ КАРТ</strong></h4><p><strong>По назначению.</strong><br>Метод технологических дорожных карт очень гибок и термины, вроде “роадмаппинг продукта” или “роадмаппинг бизнеса”, могут понимать под собой различные контексты. Изучение приблизительно сорока дорожных карт выявило, что задачи, решаемые TRM, можно сгруппировать по следующим восьми назначениям:</p><p>1. Планирование продукта.</p><p><em>Описание</em>: самое распространённое назначение TRM, относящееся к внедрению технологий в разрабатываемые продукты, часто охватывает более одного поколения продукта.</p><p><em>Пример</em>: дорожная карта Philips, где данный подход был широко использован. Пример демонстрирует, как дорожная карта может быть использована для связывания планируемой технологии с процессом разработки продукта.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/506/0*g61DBnfsut-ko9-g.png" /></figure><p>2. Планирование сервисов / возможностей.<br><em>Описание</em>: подобно первому назначению (планирование продукта), но больше применимое для сервис-ориентированных предприятий, ищущих способ оптимизации и наращивания организационных возможностей при помощи технологий.<br><em>Пример</em>: дорожная карта почтовой службы, применённая для исследования влияния технологий на бизнес. Организационные возможности в этой карте стыкуются между технологиями и бизнесом (но не продуктом).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/524/0*wQ95fu9sM9DY7zmG.png" /></figure><p>3. Стратегическое планирование.<br><em>Описание</em>: выполняет стратегическое планирование через изучение перспектив или рисков.<br><em>Пример</em>: Дорожная карта фокусируется на разработке видения будущего бизнеса в контекстах рынка, бизнеса, продуктов, технологий, умений, культуры. Существующие проблемы определяются через сравнение текущего и планируемого положений, а раскрывшиеся стратегические опции предоставляют возможности для устранения этих брешей.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/538/0*hXH7dI31twMRJF_D.png" /></figure><p>4. Долгосрочное планирование.<br><em>Описание</em>: расширяет рамки планирования во времени, часто используется на секторальном или государственном уровнях (“прогнозирование”).<br><em>Пример</em>: the US Integrated Manufacturing Technology Roadmapping (IMTR) Initiative. В этом примере дорожная карта сфокусирована на информационных системах, отображая наилучшие пути конвергирования технологий в цельное информационно-ориентированное предприятие (“слиток”).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/522/0*0DWOODxmScJtNGKO.png" /></figure><p>5. Планирование интеллектуальных активов.<br><em>Описание</em>: выполняет координацию между интеллектуальными активами, их управлением и задачами бизнеса.<br><em>Пример</em>: такая форма дорожной карты была разработана в проекте the Artificial Intelligence Applications Unit Эдинбургского университета. Она позволила визуализировать критичные для проекта интеллектуальные ресурсы, предоставив видение умений, технологий и квалификаций, необходимых для удовлетворения обозримых запросов рынка.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/524/0*8TmhJw74NADQnPsn.png" /></figure><p>6. Программное планирование.<br><em>Описание</em>: реализация стратегий, более точно следует отнести к планированию проектов (например, программа R&amp;D).<br><em>Пример</em>: дорожная карта NASA (одна из множества) the Origins programme, используемая для изучения Вселенной и развития жизни в ней. Эта карта сконцентрирована на программе разработки телескопа нового поколения (NGST), отображающая связи между развитием технологий и этапами реализации проекта.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/494/0*qI-7-VltEs8_PeLX.png" /></figure><p>7. Планирование процессов.<br><em>Описание</em>: управление знаниями с фокусом непосредственно на процессе (например, процесс разработки нового продукта).<br><em>Пример</em>: тип дорожной карты, разработанный с использованием T-плана, для обеспечения планирования выпуска продукта, сосредоточении на знаниях, требующихся для содействия в разработке и внедрения нового продукта, соединяет как техническую, так и коммерческую плоскости.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/496/0*5nRyz9abtgdKeuk9.png" /></figure><p>8. Интеграционное планирование.<br><em>Описание</em>: интеграция и/или развитие технологии через комбинирование различных видов технологий в продуктах или системах или формирование совершенно новой технологии (обычно без демонстрации чётких временных рамок).<br><em>Пример</em>: NASA roadmap7, в управлении программой разработки телескопа NGST, рассматривающая продвижение технологии и того, как технология обеспечивает тестовые и демонстрационные системы, предназначенные для сопровождения научных миссий.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/0*6TGBv_ZSVixPeUoN.png" /></figure><p><strong>По формату.</strong><br>Другой принцип группировки дорожных карт — это графический формат, с последующими 8 определёнными типами, выявленными из множества рассмотренных структур.</p><p>a. Многослойная<br><em>Описание</em>: самый популярный формат, в котором дорожная карта состоит из нескольких слоёв, вроде технологического слоя, слоя производства и рыночного слоя. Такая дорожная карта описывает развитие внутри каждого слоя с отображением зависимостей между слоями, упрощая интеграцию технологий в продукты, сервисы и рабочие системы.<br><em>Пример</em>: дорожная карта Philips, демонстрирующая как процесс интеграции технологии в продукт содействует развитию функциональности в будущих продуктах.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/0*L74z-IQDRfuWwnkc.png" /></figure><p>b. Панели<br><em>Описание</em>: многие дорожные карты изображаются в виде набора “панелей” в каждом слое или подслое. Преимущество этого формата заключается в визуальном упрощении и унифицировании, что облегчает связи внутри дорожной карты.<br><em>Пример</em>: “классическая” дорожная карта Motorola, демонстрирующая развитие функций и технологий радио в машинах. После появления этой дорожной карты, Motorola вывела их разработку на новый уровень, включив в них компоненты корпоративных знаний и систем управления бизнесом, что вследствие было поддержано средствами разработки дорожных карт и интегрировано в системы исполнения решений.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/472/0*ke876Dji1egvV9_Q.png" /></figure><p>c. Таблицы<br><em>Описание</em>: в некоторых случаях целые дорожные карты или слои дорожных карт отображаются в виде таблиц (время — исполнение). Такой способ в частности подходит для случаев, когда описание процесса в слое должно быть легко квантифицировано, либо когда действия в слое кластеризованы по специфичным временным периодам.<br><em>Пример</em>: табулированная дорожная карта, включающая расчёты производительности продукта и технологии.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/502/0*TfSruKdVmrOuRGJj.png" /></figure><p>d. График<br><em>Описание</em>: когда эффективность продукта или технологии может быть представлена в цифрах, дорожная карта может быть исполнена в виде простого графика или диаграммы (обычно по одному на каждый слой). Такой график обычно называется “опытной кривой” и приближен к технике “S-кривых”.<br><em>Пример</em>: дорожная карта, отображающая как наборы продуктов и технологий соразвеваются.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/462/0*bHz6sfSHFyZ20Yzf.png" /></figure><p>e. Иллюстрированное отображение<br><em>Описание</em>: некоторые дорожные карты используют более изобретательные графические отображения для связывания внедрения технологии с планом. Иногда для изображения целей используются метафоры (например, “дерево”).<br><em>Пример</em>: Sharp дорожная карта, относящаяся к разработке продуктов и семейства продуктов, основанная на технологии изображения на жидких кристаллах.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/448/0*vLbTG3gtT30CBebW.png" /></figure><p>f. Диаграммы потоков<br><em>Описание</em>: Частный вид иллюстрированного отображения в виде диаграмм потоков, которые обычно применяются для связывания задач, действий и результатов.<br><em>Пример</em>: дорожная карта NASA, демонстрирующая, как видение организации может соотноситься с её миссией, фундаментальными научными вопросами, первостепенными областями бизнеса, около-, между- и долгосрочными целями и вкладом в национальные приоритеты США.</p><p>g. Однослойные<br><em>Описание</em>: подвид формата “а”, сконцентрированный на одном слое из многослойной дорожной карты. Данный тип является упрощением, одним из недостатков которого является отсутствие изображённых связей между слоями.<br><em>Пример</em>: дорожная карта Motorolla, использованная в примере для формата “b” является также примером однослойной дорожной карты, сконцентрированной на развитии технологии в связи с продуктом и его функциями.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/392/0*Vf8-g6XRvK_xXur-.png" /></figure><p>h. Текст<br><em>Описание</em>: некоторые дорожные карты полностью или в большей части представляются в текстовом описании, рассказывающем о тех проблемах, которые впряжены в более привычные графические дорожные карты (которые также обычно имеют текстовые расширения).</p><p>Разнообразие типов дорожных карт можно объяснить нехваткой ясных и доступных стандартов, протоколов разработки. Как бы то ни было, можно считать, что описанные выше типы могут быть адаптированы к рассматриваемым ситуациям с учётом задач бизнеса. Дорожные карты не всегда могут быть использованы в чистом виде, поэтому возможно использование гибридных форматов.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*bSO5tkAGvSUk6hpB.png" /></figure><h4><strong>ПРОЦЕСС</strong></h4><p>Идея T-плана (fast start) появилась в ходе трёхгодовой исследовательской программы, в течение которой было разработано более 35 дорожных карт в сотрудничестве с различными компаниями из нескольких производственных секторов. В результате работ был создан гид по созданию Т-плана, который применяется для:<br>1. Запуска в компании нетипичных TRM процессов.<br>2. Определения ключевых связей между технологическими ресурсами и рыночными факторами.<br>3. Определения значимых пробелов на рынках, в продуктах и технологических знаниях.<br>4. Разработки начального образа дорожной карты.<br>5. Содействия инициативам по планированию и управлению технологиями.<br>6. Сопровождения связей между технологическим и коммерческим направлениями.</p><p>Т-план, предназначенный для быстрого внедрения дорожной карты, может быть подготовлен двумя способами:<br>a. Стандартный подход, применяемый для планирования выпуска.<br>b. Кастомный подход, охватывающий более широкую область применения TRM, использующий техники стандартного подхода.</p><p>СТАНДАРТНЫЙ ПОДХОД (комплексное планирование продукта-технологии)<br>Стандартный способ написания Т-плана состоит в проведении четырёх воркшопов (встреч). На первых трёх обсуждаются три базовых слоя дорожной карты (рынок/бизнес, продукт/сервис, технология), на последней встрече происходит объединение слоёв в цельном временном графике.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*AgIfFkDuhZSsnFR5.png" /></figure><p>Не стоит забывать про важность работы по управлению процессом — планированию и координации встреч, последующие действия. Полученная сетка с изученными связями используется для обозначения и оценки взаимозависимостей между различными слоями и подслоями.</p><p>КАСТОМНЫЙ ПОДХОД<br>Технологические дорожные карты являются гибким настраиваемым инструментом в разрезах:<br>- широкого спектра задач, к которым они могут быть применены;<br>- охвата различных временных интервалов (в прошлом и будущем);<br>- структуры, состоящей из слоёв и подслоёв и позволяющей адаптироваться к частным случаям применения;<br>- процесса, сопровождающего разработку и выполнение дорожных карт;<br>- графического изображения, которое предназначается для наглядного представления информации и связей;<br>- набора существующих процессов, инструментов, информационных ресурсов компании, с которым интегрируются процессы дорожной карты.</p><p>Имплементация Т-плана на большом количестве примеров показало универсальность дорожных карт. Методология может (и должна) кастомизироваться для приведения к конкретному применению, касаемо как архитектуры, так и процесса разработки дорожной карты. Обобщённая дорожная карта, проиллюстрированная на рисунке 7, является результатом изучения множества дорожных карт. Она может быть использована для выделения слоёв и подслоёв, необходимых для решения конкретной задачи. Многослойное изображение представляет ключевые аспекты для понимания нужных знаний о бизнесе, определения стратегических проблем и согласования действий. Группировка по целям (“зачем”), содержанию (“что”), ресурсам (“как”) и времени (“когда”) позволяет найти баланс между запросом рынка и технологическим предложением.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*PxO-MrCR8RuQGEuN.png" /></figure><p>Требования кастомизации должны быть определены на этапе планирования, в самом начале, когда и к архитектуре и к процессу разработки нужно подходить параллельно. Как и во всех других случаях, проектирование является творческим, поступательным и нелинейным процессом. Обсуждение между заинтересованными сторонами подготовленных ниже тем поможет в создании Т-плана:<br>1. Контекст — описание ситуации, приведшей к необходимости дорожной карты, вкупе с ограничениями текущей ситуации и бизнеса, могущими оказать влияние на применение методики, включая:</p><ul><li>Область применения: определение границ предметной области.</li><li>Фокусировка: центральная проблема, решаемая дорожной картой.</li><li>Задачи: набор конечных точек, в которые должно привести выполнение дорожной карты в краткосрочной и долгосрочной перспективах. В список можно включить такие организационные задачи, как совершенствование коммуникаций, понимание способов улучшить текущую деятельность в компании.</li><li>Ресурсы: то, что готова предоставить организация, включая сотрудников, действия, деньги.</li></ul><p>2. Архитектура — структура дорожной карты, включающая следующие элементы:</p><ul><li>Выбор временного интервала: хронологические границы дорожной карты (горизонтальная ось), включая определение ключевых точек — произошедших и ожидаемых событий.</li><li>Слои: содержание вертикальной оси, состоящей из слоёв и подслоёв в реальных и концептуальных понятиях, отражающих структуру и видение бизнеса.</li><li>Процесс — поэтапный список мероприятий, необходимых для наполнения дорожной карты, принятия решений, определения и согласования последующих действий и исполнения дорожной карты. Процесс рассматривается на макроуровне — с первым приближением развития в кратно-, средне-, долгосрочной перспективах, и на микроуровне — в более глубоком приближении, уточняющем краткосрочные планы, определяющие повестку ближайших мероприятий.</li><li>Участники — состав сотрудников, вовлекаемых в процессы и обсуждения, обладающих требующимися знаниями и компетенцией для разработки обоснованной и убедительной дорожной карты. Обычно собирается многофункциональная рабочая группа, представляющая как коммерческие, так и технологические интересы. Размеры групп зависят от конкретных ситуаций, над процессом разработки и применения Т-плана могут трудиться группы из 5–35 участников. Повестка встреч и координация групп зависит от их размеров. Для групп с более чем 10 участниками требуется разбитие на подгруппы с согласованием результатов их раздельной работы.</li><li>Расписание и места проведения воркшопов — определение подходящих дат и мест для встреч для комфортного проведения мероприятий, запланированных в группах.</li><li>Информационные ресурсы — важно иметь в виду доступные информационные ресурсы, однако, не стоит забывать про возможности рабочей группы, способной обработать ограниченные объёмы информации. Значимая информация должна быть оценена до проведения встречи, во время встречи участники ознакамливаются с ней, вносят новые данные в черновик дорожной карты или используют их в ходе выполнения текущих задач.</li><li>Подготовительная работа — мероприятия по определению и согласованию, необходимые для подготовки воркшопов, например, приглашение участников, резервирование переговорных комнат, подготовка документов и согласование материалов.</li></ul><h4><strong>ПРОДВИЖЕНИЕ ПРОЦЕССА</strong></h4><p>Разработка начальной дорожной карты — это первый, но очень важный шаг на пути к её более широкому и выгодному использованию. Ключевой бонус скоростного Т-плана (если не принимать во внимание вероятный рост выручки бизнеса от применения дорожных карт), состоит в возможности быстрой и экономичной оценки работ по внедрению методологии. Исследования, которые провоцируются при проектировании дорожной карты в самом начале пути, позволят составить картину о лучших способах организации процесса.</p><p>Одни организации могут прибегнуть к использованию методологии TRM для решения разовых проблем, другие приняли роадмаппинг неотъемлемой частью организационных процессов, включая стратегии и планирование. Следование дорожной карте может стать централизующим, объединяющим инструментом для рыночных (коммерческих) и технологических источников организации (рисунок 8). Но предстоит решить значимый вопрос определения границ, внутри которых будет распространяться действие дорожной карты, глубину и способы интеграции в существующие системы и процессы.</p><p>Следует упомянуть о двух задачах, которые встречаются при полномасштабном внедрении дорожных карт:<br>- Поддержание дорожной карты в актуальном состоянии: максимальная польза может быть получена только при использовании валидной информации. На практике это выражается в периодическом обновлении дорожной карты (как минимум, раз в год), либо в согласовании её с бюджетными или стратегическими циклами. Написанный для внедрения дорожной карты Т-план, должен выполняться, сохраняться, обсуждаться, пересматриваться и также обновляться.<br>- Выкатывание: после выпуска в организации первой дорожной карты, она должна быть принята для внедрения всеми структурами. Есть два способа выкатывания:</p><ul><li>Сверху-вниз, когда требования издаются высшим руководством (конкретные шаги могут быть определены или не определены).</li><li>Снизу-вверх (органичный), когда преимущества метода исследуются и обсуждаются в целевых отделах организации.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*NlWIRBVgdKv63LCj.png" /></figure><p>Поддержка высшего руководства важна в любом случае, как в поощрении энтузиазма к методологии, так и для уверенности в предоставлении нужных ресурсов (бюджета, времени, координационных работ), организации воркшопов, преодолении других препятствий.</p><p>Следующий вопрос, гарантирующий более широкую интеграцию дорожных карт — это наличие специализированного программного обеспечения, помогающего в их разработке, хранении, развитии и обслуживании. Текстовые, табличные и графические редакторы подходят для первичного проектирования, но усовершенствованные программные средства позволят работать более эффективно.</p><h4><strong>ПРИМЕР</strong></h4><p><a href="http://www.lowcvp.org.uk/assets/reports/foresight_vehicle_technology-roadmap_aug2002.pdf">Дорожная карта Foresight Vehicle</a>.<br>Поиск в Интернете по запросу “технологические дорожные карты” представит множество примеров дорожных карт отраслевых областей, которые могут служить отличными источниками для знакомства с методологией, предлагая вниманию исходные данные, процесс проектирования дорожной карты и её конечную архитектуру. Рассмотренный ниже пример дорожной карты “Foresight Vehicle” является демонстрацией использования методологии.</p><p>Foresight Vehicle — это производственно-академическая сеть, поддерживаемая в Великобритании Департаментом по торговле и производству, Исследовательским центром физики и инженерии и другими государственными департаментами. Цель консорциума — стимулирование практических исследований в автомобилестроительной отрасли, сопутствующих экономическим, социальным и инфраструктурным интересам производителей и правительства Великобритании. Ассоциация Foresight Vehicle действует более 5 лет, соединяя более 400 организаций и спонсируя коллективные исследования стоимостью более £80 млн.</p><p>Методика TRM была принята на вооружение в 2001–2 годах для прогнозирования вероятных трудностей при проведении исследований в следующем цикле финансирования. Процесс, результатом которого стало появление дорожной карты с версией 1.0 (<a href="http://www.lowcvp.org.uk/assets/reports/foresight_vehicle_technology-roadmap_aug2002.pdf">скачать можно тут</a>), состоял из 10 встреч, произошедших в течение 10 месяцев, с привлечением более 130 участников из 60 организаций. Архитектура дорожной карты изображена на рисунке 9, процесс выполнения дорожной карты проиллюстрирован на рисунке 10.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*LvBSKCfZMcRu45dp.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*bmFJ2fbRarlZ9oRX.png" /></figure><p>В ходе работ был принят обзор систем (рисунок 11), отмечающий факт, что автомобильная техника является частью большей системы, которую требуется принимать в расчёт в формулировании социальных (S), экономических (E) целей и задач, связанных с окружающей средой (E). Эти задачи перекликаются с политической (P), технологической (T) и инфраструктурной (I) системами, могущими способствовать или препятствовать в их решении. Шесть выявленных разделов (“STEEPI”) были использованы в проектировании двух верхних слоёв дорожной карты, демонстрирующих тенденции и движущие силы в автомобилестроительном бизнесе. Технологический слой был собран из 5 областей, которые отразили активность в отрасли консорциума Foresight Vehicle.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CUYbC4ORS68zbjHh.png" /></figure><p>Дорожная карта Foresight Vehicle представила интерес для множества участников сети, включая компании, университеты и правительство. Отчёт был выполнен так, чтобы минимизировать возможность предвзятости и трактовок, предоставляя информацию, собранную в ходе воркшопов и последующих объективных исследований данных из Интернета. Отчётную базу составили 28 детально отрисованных дорожных карт. Тело итогового отчёта представляет собой упорядоченную серию из высокоуровневых обобщений, детализированных дополнениями, включая тексты, таблицы и упрощённые графики. Результаты работы проиллюстрированы на рисунке 12 (одна из 28 детализированных дорожных карт — социальные тенденции и движущие силы) и рисунке 13 (одно из обобщений графических дорожных карт по теме гибридных, электрических и альтернативных технологий).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*M_dmTKr8YmMgOqo6.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*AAVD3tebr21f22Ne.png" /></figure><h4><strong>ИТОГ</strong></h4><p>Такой инструмент, как технологические дорожные карты, обладает большим потенциалом для помощи в развитии и реализации стратегий для бизнеса, производства и технологий, предлагая компаниям исследовать информацию, процессы и инструменты, пригодные для использования. В статье были отмечены следующие характеристики методологии технологических дорожных карт:</p><ul><li>Преимущества, привносимые дорожными картами, появляются в процессе их выполнения. Дорожные карты объединяют людей из различных направлений бизнеса, помогая связывать накопленную информацию и делиться взглядами. В процессе разработки первичной дорожной карты налаживаются коммуникации и создаётся каркас стратегического планирования. До получения видимых преимуществ от методологии может пройти несколько итераций, в ходе которых запустится процесс стратегического планирования.</li><li>Обобщения дорожных карт помогают отвязать развитие стратегии и планирования бизнеса от существующих продуктов и планов. Стоит отметить, что данный подход не является “чёрным ящиком”: завершение каждого этапа сопровождается накоплением опыта, его гибкость позволяет оставаться применимым в исключительных обстоятельствах.</li><li>Дорожные карты должны отображаться в графической форме, которая наиболее эффективна для поддержания связей. Тем не менее, графическая форма содержит обобщения, которые нужно сопровождать дополнительной документацией.</li><li>Дорожные карты должны быть многослойными, показывать процессы внедрения технологий, продуктов и коммерческих планов в компании. Процесс роадмаппинга прокладывает почву для налаживания коммуникаций через функциональные границы внутри предприятия. Структура, выбранная для описания слоёв и подслоёв, должна быть способна отобразить фундаментальные аспекты бизнеса и выявляемые проблемы.</li><li>В дорожных картах должны быть явно указаны временные отметки, гарантирующие синхронизацию в развитии технологий, продуктов, сервисов, бизнеса и рынков. Дорожная карта представляет собой диаграмму трансформации бизнеса (в каждом из слоёв) из текущего состояния к будущему в долгосрочной перспективе.</li><li>Программное обеспечение играет важную роль в поддержке применения дорожных карт. Тем не менее, программное обеспечение не в состоянии само произвести качественные дорожные карты и должно быть интегрировано в принимаемые человеком решения. Ключевое преимущество дорожной карты состоит в обмене знаниями и развитии всей компании в едином общем ключе.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=bf79b7a9b8bc" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Техносфера]]></title>
            <link>https://kpukharev.medium.com/%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D1%81%D1%84%D0%B5%D1%80%D0%B0-32416c2acce7?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/32416c2acce7</guid>
            <category><![CDATA[искусственный-интеллект]]></category>
            <category><![CDATA[футуризм]]></category>
            <category><![CDATA[технологии]]></category>
            <category><![CDATA[будущее]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Thu, 11 Jan 2018 12:16:00 GMT</pubDate>
            <atom:updated>2018-10-02T14:15:02.098Z</atom:updated>
            <content:encoded><![CDATA[<p>Я могу назвать себя счастливым человеком. Хотя я не всегда так считаю, а чаще я даже не думаю о счастье и вообще о том, какие чувства я испытываю в тот или иной момент. Но когда передо мной стоит вопрос “Счастлив ли я?”, в голове запускаются следующие рассуждения. Я начинаю вспоминать себя лет в 12, когда я представлял свою взрослую жизнь и я конечно не смел думать, что смогу позволить себе то, что происходит в теперешнее взрослое время. Я достиг каких-то целей, какие-то цели в процессе, но в целом всё даже лучше, чем я ожидал. Собственно ведь вся суть в ожиданиях.</p><p>Уже как несколько лет назад я написал своё первое рассуждение о формуле счастья. У меня было множество споров на эту тему с друзьями, но не смотря ни на что, я так убедился в своей правоте, что теперь принимаю эту формулу за аксиому. Итак, счастье складывается из установок (ожиданий), при которых я буду считать себя счастливым, и появляется оно в момент осознания того, что установки оказались выполнены. Кроме того, желание получения собственного субъективного счастья толкает нас на работу, на действия, на жизнь.</p><blockquote>Как вы можете быть счастливым, если вы в состоянии удовлетворять себя каждый миг. Счастье состоит не в наслаждении, а в желании; оно означает разбить все преграды на пути к исполнению желания.</blockquote><blockquote><em>Маркиз де Сад.</em></blockquote><p>Вся наша жизнь с детства состоит из ожиданий, взглядов, планов, движущих нами. Откуда же они берутся? Из генов? Из влияния родителей, истории, политической системы или даже фонетики, языка, на котором мы думаем? Это не важно. Для меня в последнее время стало важным понимать, что я, когда прогуливаюсь мимо инертных деревьев, на самом деле очень недалеко ушёл от них в развитии.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U6W9pA00QAey2DUl5sV9hQ.jpeg" /></figure><p>Мы, подобно дереву, рождаемся в устоявшейся и статичной среде, которая для нас просто своим фактом создаёт ограничения. У нас конечно больше возможностей, чем у дерева, однако эти возможности вряд ли позволяют избавиться от заложенных при рождении генетических установок и естественных пределов, прямым образом отражающихся на наших желаниях и действиях. Свобода — очень относительна. Основным отличием человека от низших форм жизни считается умение созидать и воссоздавать. Но и дерево не сильно отстало: оно берёт углекислый газ и превращает его в кислород. Человек берёт дерево и превращает его в стул. И в моём видении в этом нет большого чуда. У человека были руки, топор и дерево. По известному следствию второго закона термодинамики из этих компонентов произойдёт множество сочетаний — человек попробует отрубить руку, топор упадёт на дерево, человек срубит дерево и сделает ещё один топор и наконец в одной из комбинации появится упорядоченная система — стул, человек сядет на него и поймёт, что это удобно. Кстати, похожий алгоритм работает в искусственных нейронных сетях. В итоге я прихожу к тому, что совершенно не важно, кто именно первым придумал стул, важно, что в результате хаотичного взаимодействия между руками, топором и деревом, мотивированного стремлением тела к удобному отдыху, стул появился бы так или иначе. Также как и дерево, которое раньше не выделяло кислород, научилось это делать, пройдя через множество неудачных молекулярных комбинаций, и желания и древесный гений тут конечно же не причём.</p><blockquote>Статистический характер второго закона термодинамики приводит к заключению, что увеличение энтропии в самопроизвольных процессах указывает на наиболее вероятные пути развития процессов в изолированной системе. Невозможность процесса следует понимать лишь как его малую вероятность по сравнению с обратным. Поэтому второй закон термодинамики в отличие от первого нужно рассматривать как закон вероятности. Он тем точнее соблюдается, чем больше размеры системы. Для систем, состоящих из громадного числа частиц, наиболее вероятное направление процесса практически является абсолютно неизбежным, а процессы, самопроизвольно выводящие систему из состояния равновесия, практически невозможны. Так, самопроизвольное изменение плотности 1 см воздуха в атмосфере с отклонением на 1% от ее нормальной величины может происходить лишь один раз за 3–10 лет.</blockquote><blockquote><em>Учебник по термодинамике</em></blockquote><p>Соответственно, я пришёл к тому, что человек, как и растение, распускается в том виде, в той форме, которая в нас заложена окружением, обстоятельствами. Человек не является вершиной цивилизации. В наше время даже сами по себе мы стали осознавать, насколько сильно можем улучшить себя, интегрируясь с собственными изобретениями — уже сейчас мы приобрели скорости машин, расчётные возможности процессоров, усиление восприятия синтетическими препаратами. Но то, что нас ожидает с приходом более мощных технологий, я боюсь, мы даже не можем себе представить. А чтобы попытаться это сделать, я проведу небольшой экскурс в историю.</p><p>Этот рассказ о появлении вселенной любит мне рассказывать отец и он пригодится мне тут. Начинается рассказ с того, как в нашем мире из ничего появилась масса.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*toTjAu63MTxW9_iBxwWLGw.png" /></figure><p>После Большого взрыва высвободилось невероятное количество энергии, преобразовавшейся в <em>физическую материю</em> нашего мира с элементарными частицами, имеющими массу, а следовательно и гравитацию (силу притяжения). Эта сила спровоцировала масштабные перемещения и столкновения, создавая комбинации, образовавшие <em>химическую материю</em> — атомы веществ, которые в свою очередь стали образовывать макромолекулярные структуры — звёзды, планеты и т.п. Вместе с тем появились и органические химические соединения, способные создавать самовоспроизодимые структуры: то, что можно назвать жизнью или <em>биологической материей</em>. С момента рождения мы получаем биологический код в виде ДНК. Этот код, образовавшийся в ходе эволюции, внедрил в наше тело рефлексы, создающие подсознательное понимание опасности среды и защитные реакции, позволяющие преодолевать эти опасности: мы боремся друг с другом за удобство, за качество жизни для себя и близких. Все эти взаимодействия образуют невещественную, но тем не менее существующую <em>социальную материю</em>. Подобно элементарным частицам в физической сфере, молекулам в химической сфере, живым структурам с биологической сфере, наш мозг (как и мозг любого другого высшего животного), сердцевина всей нашей сложной нервной системы, воспроизводит социальные законы. И наш мозг, понявший низшие, базисные материи, нарисовавший в нашем сознании через органы чувств представление об этом мире, делает нас заложниками социальной материи, лишает возможности увидеть — что же дальше?</p><blockquote>…как было бы возможно познать элементы всего? Ведь ясно, что до этого познания раньше ничего нельзя знать. Ведь так же, как тот, кто учится геометрии, хотя и может раньше знать другое, но не может заранее знать ничего из того, что эта наука исследует и что он намерен изучать, точно так же обстоит дело и во всех остальных случаях. Поэтому, если есть некая наука обо всем существующем, как утверждают некоторые, то человек, намеревающийся её изучать, раньше её ничего не может знать.</blockquote><blockquote><em>Аристотель.</em></blockquote><p>Продолжая описанную многосферную сущность мира, можно сказать, что над социальной сферой очевидно существует (или потенциально может существовать) множество других сфер, не распознаваемых нами по причине встроенных в наш организм пределов. Стоит понимать, насколько сильно меняется восприятие реальности субъектов более высокой сферы, если сравнивать то же восприятие на уровне биологической единицы (лесного мха, улитки) и социальной единицы (человека).</p><p>Наша химическая сущность поддерживает температуру тела и кислотно-щелочной баланс в желудке. Наша биологическая сущность следит за питанием, отдыхом, продолжением рода. А наша социальная сущность не может просто так сама по себе ни за чем следить, ведь к получению желаемого общественного статуса и сводится сознательная активность. Причём тут искусственный интеллект? Хотя… Постойте. Ведь именно эта задача автоматизации бытовой жизни, получается, естественным образом имеет потребность в такой технологии.</p><p>Что несёт нам искусственный интеллект помимо потери рабочих мест? Возвращаясь к началу этого рассказа, к вопросу о счастье, я вижу, что наши ожидания от жизни, формирующиеся в данный момент под воздействием социальных факторов, начинают перестраиваться, так как бытовые проблемы теряют актуальность, а эти обязанности реализуют интеллектуальная техника и приложения. Мотивация, основанная на желании превосходства или чувствах несправедливости, неполноценности, в обозримом будущем может перестать быть двигателем развития. Можно сказать, что появление искусственного интеллекта стало неизбежно при появлении самого первого социального существа и его истинное эволюционное назначение в том, чтобы формам жизни будущего думать в совершенно ином виде, а не как это делаем мы сейчас. О своих достоинствах и недостатках, о положении в обществе, о примитивных планах на жизнь.</p><blockquote>Реально работающие нейроимпланты ближе и реальней, чем вы думаете, слушая громкие мечтания Маска. Вот свежая статья с рассказом о первых экспериментах на людях, в которых тестировалась фантастическая на первый взгляд схема. По измеряемой электрической активности мозга система машинного обучения тренируется на выявление поведенческих или эмоциональных отклонений. Когда отклонения детектированы, имплант для глубокой стимуляции мозга электрическими импульсами корректирует работу мозга так, чтобы убрать расстройство и улучшить качество принимаемых испытуемым решений или эмоциональные реакции. Целью этих исследований является создание замкнутой системы без участия врача, в которой искусственный интеллект определяет возникновение проблемного состояния человека и самостоятельно его корректирует электрической стимуляцией мозга. В статье отмечается, что успешное завершение исследований откроет путь к лечению психических состояний и заболеваний, другими средствами сегодня неизлечимых.</blockquote><blockquote><em>Андрей Себрант, TechSparks</em></blockquote><p>Основная идея буддизма гласит, что для достижения Нирваны необходимо освободиться от привязанностей, а вместе с ними и от страданий. Этот путь ведёт к единению с Вселенной. Такое описание для меня похоже на мир, в котором социальные проблемы будут отданы на управление искусственному интеллекту, что позволит появиться совершенно новой форме существования. Той форме, для которой будут уже неестественны наши приземлённые заботы, которая сделает шаг вперёд и увидит новый горизонт.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=32416c2acce7" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Децентрализованные приложения. Блокчейн.]]></title>
            <link>https://kpukharev.medium.com/%D0%B4%D0%B5%D1%86%D0%B5%D0%BD%D1%82%D1%80%D0%B0%D0%BB%D0%B8%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5-%D0%BF%D1%80%D0%B8%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%B8%D1%8F-%D0%B1%D0%BB%D0%BE%D0%BA%D1%87%D0%B5%D0%B9%D0%BD-%D0%B4%D0%BB%D1%8F-%D0%BB%D0%B0%D0%BC%D0%B5%D1%80%D0%BE%D0%B2-c99b94f0512a?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/c99b94f0512a</guid>
            <category><![CDATA[bitcoin]]></category>
            <category><![CDATA[децентрализация]]></category>
            <category><![CDATA[блокчейн]]></category>
            <category><![CDATA[blockchain]]></category>
            <category><![CDATA[it]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Sun, 27 Aug 2017 16:01:25 GMT</pubDate>
            <atom:updated>2017-08-28T07:08:17.024Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8uvpREqIjrV7VW29v2-TEA.jpeg" /></figure><p>В данной публикации я хочу поделиться кратким изложением книги Сираджа Равала (Siraj Raval) “Децентрализованные приложения. Технология Blockchain в действии”. Тема блокчейна очень популярна и технически сложная, а в русской версии идеи в достаточной степени искажаются своим видением переводчика. Возможно кому-то ещё будет затруднительно прочитать книгу (или подобные материалы) из-за постоянных отсылок к техническим аргументам, поэтому я берусь донести философию книги людям, далёким от технических деталей, но желающим вникнуть в этот тренд.</p><h4>Что такое децентрализованные приложения?</h4><p>Понятие “<em>децентрализованные приложения</em>” противопоставляется популярным в текущий момент централизованным веб-приложениям. Немного отходя от изложения, объясню, что здесь понимается под приложением? Когда-то на заре персональных компьютеров были очень популярны <em>stand-alone приложения. </em>Как можно догадаться из названия, это те приложения, которые распространялись на CD-дисках и устанавливались на компьютер. Эти приложения всегда находились на вашем компьютере. Сейчас такие приложения продолжают существовать, например, чтобы зайти в интернет, нужно установить браузер, который доступен независимо от того — в сети вы или нет. Установив браузер, вы идёте в интернет на любимые сайты. Когда-то сайты представляли собой простой текст, который скачивался и тут же бесхитростно отображался. В наше время сайты очень сильно усложнились и теперь представляют собой новый вид приложений — <em>web-приложения.</em> Они отличаются от stand-alone приложений тем, что их не надо скачивать, они постоянно хранятся на серверах в любой части Земли. На серверах по-прежнему хранятся странички для показа, а вместе с тем и данные пользователей (введённые наши с вами данные), программный код, который обрабатывает и защищает наши данные от несанкционированного доступа. И это очень важный момент, к которому постоянно отсылают принципы децентрализации. При таком подходе пользователь должен всецело довериться владельцу приложения. Если сервер перестаёт работать, приложение перестаёт быть доступным, в том числе, пользователь может потерять свои данные. Что хуже, владелец приложения, имея полный доступ к серверам (не важно, сколько их — единицы или тысячи), может без нашего ведома обрабатывать, продавать эти данные, они могут попасть в руки к злоумышленникам. По этому поводу Сирадж приводит отличную аллегорию: если поезд попал в аварию, виноватым несомненно окажется машинист, потому что он управляет составом; если же разделить управление поездом между всеми пассажирами поровну, при аварии невозможно будет обвинить кого-то. Отсюда берётся идея исключить управление приложением (и не только) неким владельцем и разделить владение между всеми пользователями — суть того самого <em>децентрализованного приложения</em>.</p><p>Как этого добиться?</p><ol><li>Код децентрализованного приложения должен быть открыт и доступен любому желающему. Также пользователи должны быть уверены, что именно этот код работает в их приложении.</li><li>Децентрализованное приложение должно иметь свою криптовалюту. Поскольку код открыт — он больше не может сам по себе являться ценностью для его владельца. По этой же причине любой прогер может просто удалить строки, отвечающие за выполнение платежей, что делает обычную монетизацию бессмысленной. Поэтому автор предлагает конструктивно заложить ограничения на какие-нибудь ресурсы и сгенерировать набор <em>токенов</em>, цифровых монет, которыми можно расплачиваться за ресурсы. Токены можно привязать к фиатным деньгам в таких же сторонних децентрализованных сервисах (а как же без этого?), специализиующихся на эмиссии виртуальной валюты. В качестве примера можно привести ограниченное число мест на доске объявлений. Чем больше людей захотят разместить объявления на доске, тем больше будет их цена в условии дефицита.</li><li>Децентрализованное приложение должно обеспечивать доверие между пользователями, операции с ресурсами и токенами должны быть видны и понятны всем пользователям и должны исключать возможность подлога и манипуляций. Тут-то на сцену и выходит блокчейн — также (приготовьтесь…) децентрализованное хранилище транзакций, специализирующееся на совершении операций без посредников. Это хранилище гарантирует подлинность участников операции и особо защищено от взлома.</li><li>Отсутствие центральной точки отказа. Как писалось выше — при выходе из строя, блокировке какой-то техники, приложение должно продолжать работать, а наши с вами данные оставаться доступными.</li></ol><p>Что интересно, описанная философия распространяется шире простых пользовательских приложений. Сирадж приводит несколько частных понятий с другими смыслами, но также соответствующих идеологии децентрализованных приложений уже в смысле новой эры цифровой экономики.</p><p><em>Децентрализованные организации — </em>это организации, в которых полномочия распределены между сотрудниками. Такие организации существуют на базе консенсуса (кстати, также применяемого в блокчейне в техническом виде), и способность договариваться в такой организации — является достоинством. Сирадж приводит демократию как пример децентрализованной организации.</p><p><em>Автоматизированные агенты — </em>это программы (но не обязательно искусственный интеллект), работающие в фоновом режиме без участия человека. Понятие может быть связано с умными контрактами.</p><p><em>Децентрализованные автономные организации — </em>это смесь предыдущих двух понятий, то есть децентрализованная организация, в которой управление отдано алгоритму или искусственному интеллекту. Люди в такой организации не наделены ответственностью. Соответственно возможность договориться в такой организации является ошибкой. Bitcoin приводится как пример такой организации.</p><h4>Экосистема</h4><p>Автор углубляется в нюансы среды, в которой существуют децентрализонные приложения. Часть этой среды составляют данные, ценности (деньги), идентификация, вычисления, сети. Всё должно быть виртуальным и непременно децентрализованным — принадлежащим всем и никому, вплоть до совершения революции Интернета с отказом от централизующих провайдеров. Сирадж предлагает технический обзор на инструменты по работе в этих направлениях. Я же сразу перейду к финансовой части. Речь идёт о децентрализованных рынках для децентрализованных активов. Напомню, что ценности в информационной экономике принадлежат всем пользователями через владение валютами приложения. Автор сравнивает торги на таком рынке с виртуальным бартером. В такой среде правительство должно являться гарантом законности сделок и стабильности валюты. Кроме того, лояльность государства привносит доверие пользователей к продукту, поэтому необходима выработка официального отношения.</p><p>В новой эре информационной экономики каждый пользователь приложения является его акционером. Чем популярнее приложение и чем больше людей его скачает, тем больше становится его ценность. Рано или поздно пользователи захотят покупать и продавать цифровые активы. Это подводит к идее децентрализованной биржи и ICO — виртуальному варианту IPO. Сирадж пишет, что сейчас первичное размещение акций имеет высокий барьер входа для компаний, так как необходимо иметь крупный капитал, подключить специализированных банкиров, юристов, оформить кучу документов, а доступ к бирже имеют только аккредитованные инвесторы. И всё это ужасно централизовано. При этом отмечается, что на таких биржах в условиях выпуска множества разных криптовалют потребуется специальный механизм, способный конвертировать одну валюту или ценность в другую без привлечения третьей стороны.</p><p>Парадоксально, но люди не считают безопасным хранить свои цифровые активы на личном компьютере и всё равно отдают их на хранение в централизованный узел — виртуальный банк (например, Coinbase). В окончании автор приходит к выводу, что на текущий момент идеальная позиция Bitcoin в том, чтобы быть просто дополнением к существующей финансовой инфраструктуре, упрощающей и ускоряющих те операции, которые он способен улучшить.</p><h4>Примеры</h4><p>Сиражд приводит несколько существующих реализаций описанной в книге концепции, которые в разной степени удовлетворяют предъявляемым требованиям.</p><p><em>OpenBazaar</em></p><p>“eBay и BitTorrent в одном флаконе” — так комментируют создатели площадки свой продукт. OpenBazaar позволяет заниматься торговлей в обход каких-либо ограничений извне. Приложение работает по принципу пиринговой сети (peer-to-peer), когда продавец технически связан с покупателем напрямую, в нём отсутствует центральная серверная часть, а значит сеть невозможно заблокировать или отключить. Чтобы стать участником сети, необходимо скачать и установить приложение (причём, возможно, без помощи программиста будет не справиться).</p><p>Данные магазина хранятся непосредственно на компьютере продавца. Для совершения сделки используют <a href="http://bit.ly/ricardian">Рикардианские контракты</a> (<strong>не</strong> умные контракты). Такие контракты просто подтверждают законность сделок и не могут быть подделаны после подписания.</p><p>Интересно добавление роли арбитра в системе. Арбитром может быть любой участник, обязанности этой роли — разрешать споры во время сделок. Очевидно, что на каком-то этапе эту роль сможет заменить ИИ или продуманный алгоритм, однако сейчас эту роль должны выполнять люди. Арбитры могут взимать комиссию за участие в сделке. Также арбитры ранжируются по рейтингу, зависящему от качества их работы.</p><p>Отдельно занятна идея с репутаций. Приложение реализовано на протоколе Bitcoin и использует для идентификации участника совершение микроплатежа или микрохолда с последующим возвратом. Разработчики также работают над алгоритмом <em>сети доверия</em> (web of trust), когда участники могут кредитовать друг друга микроплатежами в знак доверия. При смене отношения участника, его (буквально) кредит доверия может быть отозван. Также в системе есть чёрный список, который хранится на всех узлах сети одновременно, таким образом о попадании в него кого-либо информируются все участники.</p><p><em>Lighthouse</em></p><p>Краудфандинговые площадки не обошли стороной концепцию децентрализации. На текущий момент популярные сервисы вроде Kickstarter правят бал, забирая большие комиссии, которые вкупе с банковскими комиссиями лишают сборщика пожертвований ощутимой части денег.</p><p>На помощь приходит <em>Lighthouse</em>. И снова отмечается некоторая сырость продукта и отсутствие банального дружественного подхода к пользователю. Для работы с приложением, его надо скачать<em> </em>в виде бинарных файлов и установить на компьютер. Краудфандинговый проект выгружается в файл его инициатором и передаётся между пользователями для внесения пожервований.</p><p>Приложение реализовано на протоколе Bitcoin и использует его способность в создании платежа с несколькими участниками. В этом случае в базу сохраняется операция на требуемую сумму, а к ней подключаются участники. Пока сумма не будет собрана, операция не считается успешной. При невозможности собрать сумму, операция завершается неуспехом, а взносы возвращаются участникам.</p><p><em>La’Zooz</em></p><p>Это приложение для такси — аналог Uber. Отмечается его дружелюбный интерфейс в отличие от вышеописанных проектов, нацеленный на привлечение большего числа пользователей. Но, исследуя открытый код проекта, Сирадж указывает, что в приложении используется централизованный сервер, в который передаются все данные. Кроме этого, в приложении выявляется целый ряд технологических изъянов. Так зачем же он тогда включил его в книгу? А дело в том, что создатели проекта проповедуют концепцию децентрализованной автономной организации, где стираются отличия между создателем ценности и её потребителями. В организации La’Zooz есть следующие роли: разработчики, пользователи и спонсоры. Также в приложении внедрена сеть доверия, таким образом, все решения принимаются сообща через голосование по принципу <em>делегативной демократии</em> (liquide democracy). Стартап управляется всеми и никем.</p><h4>Заключение</h4><p>Для подведения итога, добавлю несколько моих собственных мыслей, которые, честно говоря, полны противоречий. Технологии, предлагаемые для децентрализации довольно сырые и сложны для внедрения в обыденную жизнь. Кроме того, мир находится в активной стадии оцифровки физической реальности и эры больших данных. Что значит совершенно противоположную концепцию всеобщей открытости, когда люди передают сведения о своём поведении, привычках, вещах, связях, шаблонах мышления (осознанно или нет) в централизованные аналитические системы. Может пугать тот факт, что это попирает какие-то человеческие свободы, но свобода — понятие относительное, и я уверен, что от использования больших данных и последующего появления интеллектуальных систем принятия решений во многих сферах нашей жизни большинство людей только выиграет.</p><p>Скорее всего идеи децентрализации, как ни странно, лучше всего применимы в деликатных сферах, где особое внимание уделяется защищённости данных и секретности, а люди готовы терпеть неудобства. Внедрение в широкие потребительские сегменты непременно входит в противоречие с теми же государственными порядками, так как такие системы с трудом поддаются отслеживанию и регулированию, а их авторы открыто выдвигают анархические лозунги. В общем, на мой взгляд, вряд ли виртуальный мир будет по-настоящему децентрализован хоть когда-то.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c99b94f0512a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Краулинг по анкетам соискателей]]></title>
            <link>https://kpukharev.medium.com/%D0%BA%D1%80%D0%B0%D1%83%D0%BB%D0%B8%D0%BD%D0%B3-%D0%BF%D0%BE-%D0%B0%D0%BD%D0%BA%D0%B5%D1%82%D0%B0%D0%BC-%D1%81%D0%BE%D0%B8%D1%81%D0%BA%D0%B0%D1%82%D0%B5%D0%BB%D0%B5%D0%B9-4efdf537e121?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/4efdf537e121</guid>
            <category><![CDATA[hr-software]]></category>
            <category><![CDATA[architecture]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[краулинг]]></category>
            <category><![CDATA[hr]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Mon, 06 Mar 2017 15:29:31 GMT</pubDate>
            <atom:updated>2017-03-06T16:23:01.330Z</atom:updated>
            <content:encoded><![CDATA[<h3>Предисловие</h3><p>Жизнь богата и многогранна. И вот мне потребовалось изучить состояние “рынка данных соискателей” для проектирования гипотетической системы сбора анкетных данных. Имею возможность показать результаты этой работы, авось, кому-то пригодится.<br>Исторически механизмы сканирования сайтов известны под именами <a href="https://en.wikipedia.org/wiki/Web_crawler">краулеров или паук</a>ов (web crawlers / spiders) и в сети есть много описаний их реализации и даже готовых решений. Хотя классический паук пробирается по всем попавшимся ссылкам, что не совсем соответствует имеющейся задаче, поэтому можно взять эту идею и подкорректировать.<br>Источники данных я разделил на 2 группы — данные соискателя и личные данные. К первым я отношу рекрутинговые порталы: superjob, hh, rabota.ru и т.д., ко вторым — социальные сети — vk, facebook. Соц. сети для поиска работы, вроде linkedin, можно отнести к обеим группам. Я пока сконцентрировался только на первой группе источников, так как они содержат минимальные необходимые сведения о соискателе, а также заключают в себе сам факт того, что человек находится в режиме поиска.</p><h3>Базы данных соискателей</h3><p>Анкеты соискателей на изученных порталах находятся полностью или частично в закрытом доступе. Доступ к критичным данным (например, контакты) санкционируется через платные аккаунты. Такой подход может объясняться законами о персональной информации, которые ограничивают выдачу некоторых данных в открытый доступ, и конечно коммерческими интересами владельцев баз.</p><p>К федеральным законам, раскрывающим ответственность за нарушения в сфере защиты персональных данных, можно отнести:</p><ul><li>Федеральный закон от 27.07.2006 № 152-ФЗ “О персональных данных” (в ред. от 23.12.2010).</li><li>Федеральный закон от 27 июля 2006 № 149-ФЗ “Об информации, информационных технологиях и о защите информации”.</li><li>Кодекс Российской Федерации об административных правонарушениях от 30.12.2001 № 195-ФЗ (ред. от 07.02.2011) (с изменениями и дополнениями, вступившими в силу с 07.04.2011).</li><li>Уголовный кодекс Российской Федерации от 13.06.1996 № 63-ФЗ (ред. от 07.03.2011).</li><li>Трудовой кодекс РФ от 30.12.2001 № 197-ФЗ (ред. от 29.12.2010).</li><li>Гражданский кодекс РФ (<a href="http://www.itsec.ru/articles2/pravo/otvetstvennost-za-naryshenie-trebovanii-po-zashite-personalnih-dannih">взято тут</a>).</li></ul><p>Кроме того, все рассмотренные платформы в том или ином виде предлагают API (технические интерфейсы) для доступа к своим базам, которые могут облегчить или даже исключить задачу парсинга.</p><p>Например, как тут:</p><blockquote><a href="https://www.superjob.ru/integration/api.html">Портал Superjob.ru и компания Datex Software объявляют об успешной интеграции сервиса Superjob.ru и системы автоматизации рекрутинга E-Staff</a>.</blockquote><h3>SuperJob</h3><p>API: <a href="https://api.superjob.ru/rules/">https://api.superjob.ru/</a></p><p>Условия использования: <a href="https://api.superjob.ru/rules/">https://api.superjob.ru/rules/</a></p><p>Пример доступа к информации</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*JzTC1YIBAUJOYw63." /></figure><h3>HH.ru</h3><p>API: <a href="https://dev.hh.ru/">https://dev.hh.ru</a></p><p>Условия использования: <a href="https://dev.hh.ru/admin/developer_agreement">https://dev.hh.ru/admin/developer_agreement</a></p><p>Причём, база hh <a href="https://hh.ru/article/2067">взаимодействует</a> с rabota.mail.ru и career.ru.</p><p>Доступ к нормализованным данным:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*XlnEmjZCPj59Rez0." /></figure><h3>rabota.ru</h3><p>API: нет в открытом доступе, информация из дисклеймера: Чтобы сделать подбор кадров эффективным, можно воспользоваться разными услугами: от доступа к базе до безлимитных тарифов, позволяющих вести набор работников unlimited.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/876/0*KSV8aFzS7TGBABpA." /></figure><h3>Принципы работы</h3><p>Работа с внешними поставщиками заключает в себе некоторые трудности — различия форматов данных, перебои связи, обновления протоколов взаимодействия и т.д., поэтому взаимодействие должно быть управляемым — должен быть реализован механизм для лёгкого подключения новых источников данных, сопровождения их работы, управления договорами (оплатами / уровнем и качеством информации, допустимыми нагрузками), обновления протоколов/шаблонов парсинга. Условно систему назову “сборщиком анкет”.</p><h3>Схема сборщика анкет</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*t4klvKNzSKGGjXJS." /></figure><h3>ЛК</h3><p>Личный кабинет будет предоставлять оператору сборщика возможность выполнять настройки (какие есть аккаунты, какие ресурсы мониторить, по каким условиям искать анкеты, какие ограничения по нагрузкам должны выполняться — например, не более 500 вызовов в сутки и т.д.), видеть состояние обработки анкет, доступность источников анкет, выполнение SLA (service level agreement) и т.д.</p><h3>Планировщик</h3><p>Модуль, который инициирует забор анкет из источников. Также реализует роль адаптера интерфейсов. Также выполняет функцию балансировщика нагрузки на интерфейсы сбора анкет. Планировщик не выполняет никаких ресурсоёмких операций, поэтому требования минимальные — как по железу, так и по программному обеспечению. Для гибкой оркестровки процессов подойдёт среда управления Apache Mesos (<a href="https://github.com/mesosphere/RENDLER">есть даже пример реализации такого движка</a>). Для простого старта могут подойти обычные библиотеки планирования, вроде Crone, Quartz.</p><h3>Интерфейсы</h3><p>Интерфейсы (по сути, краулеры) могут разрабатываться совершенно на любом удобном языке (можно отталкиваться от затрат на разработку и выбрать более дешёвый или быстрый вариант — это python или Java). Каждый интерфейс работает со своим источником анкет, соответственно, могут учитываться все нюансы работы — наличие API или необходимость парсинга HTML. Интерфейсы подключаются к планировщику и далее централизованно используются. Для выполнения условий по ограничению количества запросов к источникам с одного IP могут использоваться прокси-серверы, которые будут подменять IP исходящих запросов. После получения анкет интерфейс приводит данные к некоторому принятому виду, сохраняет их в общий архив анкет и добавляет команду о поступлении новых данных в очередь на обработку.</p><h3>Raw forms</h3><p>Большой архив куда будет собираться максимум информации, полученной из внешних источников с учётом версионности (обновления резюме/анкет сохраняются с новой версией). При этом, информация не будет принимать активное участие в логике, а использоваться по требованию, то есть база должна поддерживать нагрузку на чтение и запись (возможно, пакетно), обновление данных не требуется. Также стоит учитывать слабую структурированность данных (форматы анкет могут меняться). Для такой задачи на начальном этапе идеальна noSQL, вроде MongoDB. Эти базы легко горизонтально масштабируемы. Также я бы рассмотрел необходимость использования распределённого файлового хранилища, вроде Hadoop, хотя его предназначение — это сопровождение ежесекундной активности множества пользователей (активность в больших соц. сетях, видео-стримы, онлайн игры и т.д.), его использование будет актуальным при сборе множества данных из соц. сетей для анализа социальных паттернов, психологических портретов и т.д.</p><h3>Очередь</h3><p>Так как интерфейсов будет множество и они будут забирать новые анкеты по расписанию, можно ожидать пики нагрузки по их обработке. Чтобы правильно распределить нагрузку, требуется реализация очереди. Для очередей также есть множество реализаций, я привожу популярные для Java: более простая однопользовательская очередь, вроде RabbitMQ (поддерживает + 20 тысяч обращений в секунду) и т.д. На случай большого объёма данных стоит использовать “потоковую” очередь Kafka. Выбор опять-таки зависит от планируемой нагрузки.</p><h3>Обработчик</h3><p>Обработчик — это скрипт, который будет просто преобразовывать данные анкет в форму, нужную для работы всей системы, и сохранять их в основную базу соискателей. Здесь не требуется каких-то особых фреймворков — можно использовать разработку на основном языке (Java / Go / python и т.д.) — цель — переработать данные нужную форму и записать в базу. Масштабируемость под нагрузку реализуется развёртыванием новых экземпляров скриптов, которые будут разгребать очередь задач. Для больших объёмов данных при использовании Kafka стоит использовать также потоковый процессор, например Apache Storm. Для реализации машинного обучения в реальном времени по архиву Raw Forms также может удачно быть применён Apache Spark (это имеет смысл опять же при подключении к парсингу соц. сетей).</p><h3>Humans</h3><p>Центральным звеном всей системы будет база соискателей. Это та информация, которая представляет непосредственную ценность для клиентов. База должна равномерно поддерживать нагрузки и по чтению и по записи. В идеологии больших данных реляционным базам не очень доверяют, но в данном случае следует использовать именно реляционную базу, например, PostgreSQL, MariaDB и т.д. Выбор объясняется тем, что в данной архитектуре не планируется постоянная пакетная переработка данных, позволяющая игнорировать возможные проблемы консистентности в клиентской базе, таким образом, поддержка транзакционности, которая есть только в реляционных СУБД, будет очень кстати. С горизонтальным масштабированием проблем не должно возникнуть. В базе будет нормализованная информация о человеке, идентификатором будет бизнес-ключ человека, достаточный для определения его уникальности, а также важные данные из его резюме и другие характеристики (психологический портрет, история активности, стаж и т.д.). Нагрузка на базу, даже измеряя десятками миллионов записей, незначительна.</p><h3>Интересные референсы</h3><h3>E-Staff</h3><p>Существующее решение по сбору и обработке анкет: <a href="http://www.e-staff.ru/">http://www.e-staff.ru</a>. Работает через платную интеграцию с поставщиками данных. Разрабатывается компанией <a href="http://websoft.ru/">WebSoft</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/797/0*9F6S0kv0jLmORw28." /></figure><h3>Datacol</h3><p>Приложение для парсинга сайтов: <a href="http://web-data-extractor.net/parser-rezyume-hh-ru/">http://web-data-extractor.net/parser-rezyume-hh-ru/</a>.</p><p>Принцип похож, но в куда меньших масштабах. На примере superjob просят вводить данные от ЛК и говорят об ограничениях, что тоже интересно. Можно изучить это приложение, их опыт, можно даже связаться с <a href="https://vk.com/datacolparser">автором</a>.</p><h3>Итог</h3><p>Основные проблемы реализации сборщика анкет могут возникнуть с неожиданных сторон — с правовой и организационной. Во-первых, необходимо решить вопросы по получению разрешений на обработку личных данных, изучить и выполнить требования законов, связанных с хранением и обработкой персональных данных. Во-вторых, необходимо максимально тщательно изучить возможности и ограничения по доступу к данным рекрутинговых порталов и соц. сетей.<br>Технически предложенная система состоит из независимых, легко обновляемых блоков, что позволит развивать её в соответствии росту нагрузки, а также поддерживать использование актуальных технологий.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4efdf537e121" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Конструкция электронной коммерции]]></title>
            <link>https://kpukharev.medium.com/%D0%BA%D0%BE%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BA%D1%86%D0%B8%D1%8F-%D1%8D%D0%BB%D0%B5%D0%BA%D1%82%D1%80%D0%BE%D0%BD%D0%BD%D0%BE%D0%B9-%D0%BA%D0%BE%D0%BC%D0%BC%D0%B5%D1%80%D1%86%D0%B8%D0%B8-ac27d7e9cd73?source=rss-127bcd0d6a6f------2</link>
            <guid isPermaLink="false">https://medium.com/p/ac27d7e9cd73</guid>
            <category><![CDATA[translation]]></category>
            <category><![CDATA[ecommerce]]></category>
            <dc:creator><![CDATA[Konstantin Pukharev]]></dc:creator>
            <pubDate>Tue, 07 Feb 2017 08:49:48 GMT</pubDate>
            <atom:updated>2017-02-07T08:49:48.806Z</atom:updated>
            <content:encoded><![CDATA[<p>Перевод из учебника Introduction to E-commerce (Xinhua university).</p><h4><strong>Введение</strong></h4><p>Интернет позволил создать совершенно новый мир за пределами реального мира, мир виртуальной реальности или «Шестой континент», как его назвал Лю Йунсян, член Китайской академии наук. Электронная деятельность в Интернете — это один из самых значимых научных успехов современности. В бизнесе процветающие электронные технологии вызвали революцию в распространении и обмене информацией. Они ломают рамки времени и пространства, переписывают торговые устои, упрощают обмен мерчендайзом, капиталами, информацией, позволяют предприятиям выходить на новые рубежи благодаря уменьшению цен и увеличению эффективности. Электронная коммерция выйдет далеко за рамки привычного бизнеса. Она будет иметь глубокое влияние на каждую сферу общества, будь то производство или трудовая занятость, функциональность государства, развитие талантов, законодательная система, образование и так далее. Новая экономическая революция, основывающаяся на оцифровке и Интернет-технологиях началась. Мы можем сказать без преувеличения, что электронная коммерция — это самый значимый толчок со времен Индустриальной революции, но даже с более глубоким влиянием. E-commerce не только способствует росту продуктивности и эффективности экономики, но также преобразует сложившийся уклад жизни, его социальные аспекты.</p><h4><strong>Истоки и развитие e-commerce</strong></h4><p>Электронная коммерция стала необходимостью для международного бизнеса, или, другими словами, международный бизнес движет e-commerce. Развитие наук о вычислительных средствах (компьютерах) и средствах коммуникаций заложило фундамент для появления электронной коммерции. Развитие техник информационной безопасности позволяет электронной торговле быть защищённой. Разрабатываемые законы в этой области легализуют электронную коммерцию. История развития электронной коммерции отображена на рисунке 1.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/972/0*X80Eut8Nj3DEsyn-.png" /></figure><p>Мы можем видеть три основные исторические фазы.<br><strong>Фаза 1</strong>: Технология IDE. IDE (Electronic Data Interchange, электронный обмен данными) зародилась в 60х годах XX века. Большой бизнес в развитых странах стал прибегать к возможностям IDE в основном с 80х годов. IDE — это технология транспортировки бизнес-документов с одного компьютера на другой. Благодаря тому, что IDE заметно сокращает использование бумаги в работе, люди стали применять к технологии эпитет «торговля без бумаги». Отталкиваясь от существовавших в то время возможностей, IDE включала в себя как аппаратную часть (сети), так и софт (в основном, ПО и стандарты IDE). В целях безопасности, IDE не работал с Интернет до 90х годов, а использовал специальные сети VAN (the value-Added Network) с ограниченным доступом. Для реализации IDE использовалась стандартизация ПО. Не смотря на то, что бизнес в различных областях требует различные форматы документов, основанные на их собственных бизнес-понятиях, все они в конечном виде должны быть приведены в единый формат.</p><p><strong>Фаза 2</strong>: e-commerce в Интернете. IDE в полной мере пользуется преимуществами и возможностями по уменьшению стоимости обработки документов с одной стороны и по повышению эффективности для хранения и передачи больших объемов данных с другой стороны. Вследствие этого, данная технология послужила акселератором для развития международного бизнеса. Однако, высокая стоимость VAN и EDI систем препятствовало распространению e-commerce. EDI оказалась пригодна в основном для крупных международных корпораций, но не для среднего и малого бизнеса. Большие международные корпорации и множество средних и малых предприятий всё же имели необходимость в информационной интеграции и внедрение новых более доступных технологий встало на повестку. В середине и в конце 90х годов растущая популярность Интернета обратила на себя внимание. Начиная с университетов и предприятий, а затем, придя и в дома обычных семей, Интернет казался подходящим информационным каналом. В 90е годы бизнес, который всегда был за пределами Интернета начал входить в эту область и сделал e-commerce большим хитом, послужив ещё большим толчком для развития Интернета. Корпорации стали добиваться впечатляющих успехов благодаря онлайн маркетингу. Например, Dell Company, использующая прямые онлайн продажи, книжный онлайн магазин Amazon, поисковик Yahoo, поисковик Baido, Sina, Sohu и eBay. Эти сайты получили 450 000 онлайн клиентов в 1998 году, по сравнению со всего лишь 2 000 в 1995 году. В 2001 году Интернет стал самой большой сетью в мире, покрывающей 150 стран, включающей 520 000 компьютеров. Винтон Серф, «отец Intel» в 1996 году предсказал, что в 2003 году число пользователей Интернета достигнет 100 млн человек. Однако он был потрясён, когда в конце 1999 года уже было 150 млн пользователей. Растущие возможности наводнили Интернет компаниями, которые больше не могли игнорировать его возможности. Причины, по которым электронная коммерция в Интернете стала такой привлекательной, это 1) меньшая цена обслуживания, 2) широта охвата (торговые партнеры могли пересылать коммерческую информацию и документы, используя обычные телефонные сети), 3) высокая функциональность (от выполнения сделок онлайн до создания виртуальных подразделений своих магазинов, онлайн-банков и т.д.), 4) гибкость в использовании (отсутствие ограничений с форматами, любые коммерческие документы могут быть оформлены при помощи заполнения прямо в браузере, подобно их бумажным версиям).<br>E-commerce в Интернете первоначально имела форму ежедневной бизнес-переписки по электронной почте, затем это переросло в размещение информации онлайн на сайтах. Вследствие, пользователи могли напрямую увидеть информацию о компании, о её товарах и услугах. Это, в свою очередь, привело к появлению Интернет-порталов с использованием Web-технологий. «Закон о появлении e-commerce» (<em>E-commerce Demonstration Law</em>), выпущенный Комиссией по международной торговле ООН от 14 июня 1996 года символизирует начало эпохи электронной коммерции. В 1998 году IBM опубликовала созвучная статью «Готовы ли Вы к e-commerce?» (<em>Are You Ready for e-commerce</em>), зафиксировав появление этого понятия.</p><p><strong>Фаза 3</strong>: E-concept. Начиная с 00х годов, понимание e-commerce развилась до электронной концепции. Вне торговли, новые информационные технологии могут быть применены в различных областях, таких, как медицина, образование, армия, государственное управление и так далее. Например, электронное образование — это удаленное образование, комбинация информационных технологий и образования. Электронное страхование — это удаленное страхование, комбинация информационных технологий и страхования. И так далее. Различные паттерны электронной коммерции, такие как e-business, e-customer, e-government появились, как применение «e-концепции». С развитием информационных технологий и с ростом запросов общества, будет появляться всё больше и больше новых «e-концептов», и тогда наступит настоящая «e-эра».</p><h4><strong>Определения e-commerce</strong></h4><p>Как и следует ожидать из этого термина, электронная коммерция отсылает к разнообразию коммерческой деятельности онлайн, с фокусировкой на обмене ценностями в электронных терминах (в Интернет-терминах, в частности), между предприятиями и клиентами. Большое количество известных организаций и корпораций имеют свои собственные определения e-commerce. Например, ISO понимает электронную коммерцию как общий термин для обмена информацией между предприятиями и между предприятием и клиентом. Global Information Infrastructure Cometee определяет электронную коммерцию, как экономическую деятельность с использованием средств электронной коммуникации, при помощи которых люди могут покупать товары, рекламировать продукцию, выполнять взаиморасчёты. Последующие приведённые определения даны международными корпорациями:<br>Intel: электронная коммерция = электронный рынок + электронная торговля + электронные сервисы.<br>IBM: электронная коммерция = информационные технологии + WEB + бизнес.<br>HP: электронная коммерция это ведение бизнеса в электронных понятиях.<br>Поскольку электронная коммерция довольно молодая наука, нет ничего удивительного в разнообразии определений. Более того, преждевременное единообразное определение может замедлить её развитие. Электронная коммерция должна подразумевать социальную, экономическую деятельность, пользующуюся преимуществами компьютеров и сетей.</p><p>Под контекстом электронной коммерции следует понимать: торговую коммерческую деятельность, выполненную электронным способом, электронизацию традиционной торговли. «Электронный» обозначает относящийся к электронным технологиям, инструментам, оборудованию и системам, включая телефон, телевидение, факс, email, EDI, компьютер, коммуникационную сеть, кредитную карту, электронные деньги и Интернет.<br>Коммерческая деятельность включают подготовку, предложение, заключение, подписание договоров, их исполнение, выполнение платежей. В узком понимании, электронная коммерция отсылает к различной коммерческой деятельности онлайн с фокусом на обмене ценностями электронным способом. В широком смысле, электронный бизнес означает электронизацию бизнеса во всех сферах, включая государство, предприятия, институты, такие как электронное государство, электронное управление, электронное образование, электронный бизнес, электронное хозяйство и так далее.</p><p>Компоненты электронной коммерции изображены на рисунке 2</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/988/0*9Fz3F6sNsRkeOF-J.png" /></figure><p>Сеть: включает Интернет, Интранет и Экстранет. Интернет это фундамент e-commerce и транспортировщик коммерческой информации. Интранет обслуживает ту же деятельность, но внутри предприятия. Экстранет — это связь между предприятиями, его филиалами, аутсорсерами для ведения коммерческой деятельности.<br>Пользователь e-commerce. Это понятие включает персонализированных клиентов и бизнес потребителей. Бизнес потребители управляют штатом, деньгами, вещами, продукцией, инструментами и продажами по Интранету, Экстранету и <strong>MIS</strong> (Management Information System). Персонализированный клиент имеет доступ к информации и оплачиваемым вещам по Internet через браузер, ресивер цифрового телевидения (STB), Visual TV и т.д.<br>Идентифицирующий орган (Authentication Authority, CA). Это орган, контролируемый законами и ответственный за выпуск, управление цифровыми сертификатами, распознавание участников, вовлечённых в онлайн торговлю для идентификации друг друга.<br>Распределительный центр. Заведует рассылкой товаров, которые не могут быть доставлены клиентам онлайн.<br>Онлайн-банк. Предоставляет покупателям и продавцам услуги традиционного банка, такие как расчеты и круглосуточный сервис.<br>Управление коммерческой активностью. Включает департамент торговли, налоговую службу и т. д.</p><p>Значимость e-concept.<br>E-mail, в своё время, привлёк людей в Интернет, трансформировавшись от средства отправки и получения деловой корреспонденции до основного инструмента для онлайн общения. Электронный кошелек, электронные деньги сделали возможными переводы онлайн и ускорили активность нашей жизни. Электронная коммерция существенно повлияла на традиционные способы торговли и привнесла изменения в стиль жизни. Можно предугадать, что в будущем появятся новые концепции, комбинации информационных технологий и других идей дадут рост новым понятиям, электронные технологии основанные на Интернет не видят границ. Понятие e-concept, предложенное в начале 00х годов, было принято и распространилось очень быстро. E-concept принимает электронные и сетевые технологии как базу, другие технологии и идеи как платформу для развития. В этом смысле, e-commerce является лишь подмножеством e-concept.</p><h4><strong>Влияние фундаментальных наук на e-commerce</strong></h4><p>Работа по разработке в e-commerce, системный инжиниринг, основывается на множестве других родственных наук и технологий. Математика, вычислительная техника, коммуникации и менеджмент привносят большое влияние на развитие ПО для электронной коммерции. Знания логистики, почтовых служб, коммуникаций, сетей, электронных технологий оказывают большое влияние на развитие аппаратной части в электронной коммерции. Изложенные выше дисциплины плотно взаимосвязаны и взаимодействуют с электронной коммерцией.</p><p><strong>Влияние математики на электронную коммерцию.</strong><br>Многие разделы математики и математического моделирования вовлечены в электронную коммерцию. Некоторые разделы математического моделирования, используемые в электронной коммерции кратко рассмотрены ниже, включая вероятностные (стохастические) модели, модели теории очередей, нелинейные динамические системы, графы и другие приёмы, как сети Петри и коммерческие паттерны.</p><p>1. Стохастическая модель.<br>Теория вероятности — раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними. Случайные события в теории вероятности могут быть представлены тремя моделями: классической, геометрической и условной.</p><p>2. Модели систем массового обслуживания (очередей).<br>Информационный поток в e-commerce отправляется в глобальный Internet. Когда информация достигает адресата, она должна быть обработана. Если количество информации, поступившей в узел превышает обслуживающую ёмкость обработчика, информация должна встать в очередь на обработку. Сколько времени информация будет находиться в ожидании? Какова длина очереди? Как распределить очередь, чтобы она была наиболее короткой, дешёвой и с лучшим качеством обработки? Все эти проблемы изучает теория очередей.</p><p>3. Нелинейные динамические системы.<br>Нелинейная динамика — это передовая наука, изучающая нелинейные динамические системы, а именно, множества элементов, для которых заданы функциональные зависимости между временем и положением в фазовом пространстве каждого элемента системы. Данная математическая абстракция позволяет изучать и описывать эволюцию систем во времени. Нелинейная динамика названа третьей научной революцией ХХ века. К её рождению привело осознание людьми того, что всё всегда развивается от простого к сложному. Вместе с достижениями в науках, люди смогли осознать и очароваться гармонией и совершенством природы, вместе с тем появилась идея, что любое сложное природное явление может быть описано простым законом или набором специальных математических уравнений. Многие физики согласны с тем, что фундаментальные законы Вселенной устойчивы и обратимы, как, например, Второй закон Ньютона. Вообще, это не всегда так, возможно существование обратимых и не обратимых эволюционных процессов, определённости и неопределённости, будущего, соответствующего прошлому и не соответствующего прошлому. «Диссипативные системы» Ильи Пригожина ставят вопрос о симметрии времени, предвосхищая появление новой области для изучения (эта работа получила Нобелевскую премию в 1997 году). Сегодня, диссипативные структуры, хаос, теория мутации, теория фракталов, синергия, клеточный автомат дополняют друг друга. Таким образом, нелинейная динамика — представляет собой мультидисциплину для изучения сложных явлений.<br>Многое из нелинейной динамики может быть применено в e-commerce. Например, теория хаоса и клеточный автомат используются для кодирования, теория фракталов применяется в сжатии данных, предоставляя возможности для высокой компрессии (100:1) — (1000:1).</p><p>4. Графы<br>Теория графов — мощный инструмент для описания топологий. Исследования компьютерных сетей или жизненных циклов программ часто представляются в виде «узлов» и «связей». В компьютерный сетях, описанных подобными узлами и связями, компьютеры или другие интеллектуальные устройства являются узлами, а прямо соединение между двумя устройствами будет являться связью. Знания из теории графов применимы для поиска маршрутов передачи информации между устройствами.</p><p><strong>Влияние наук о вычислительной технике на e-commerce.</strong><br>E-commerce основана на информационных технологиях, в которых хранение, передача и обработка информации выполняется при помощи компьютеров и Интернет. Следовательно, знания о вычислительной технике здесь имеют решающее значение. С момента рождения первого компьютера, вычислительные устройства прошли множество этапов: платы на вакуумных трубках, транзисторные платы, интегральные микросхемы, большие интегральные микросхемы (LSI), сверхбольшие интегральные микросхемы (VLS1). Успешное развитие приложений позволило вырасти компьютерам от выполнения простейших операций до статуса вычислительных систем. Современные технологии сетей и баз данных распространяются в короткие сроки, также, как ускоряются процессы сбора и обработки больших объёмов данных. TCP (Transfer Control Protocol) / IP (Internet Protocol) преобразовал локальные сети во всемирную компьютерную сеть.<br>Сети стали базовой платформой для электронной коммерции. Универсальность TCP/IP упрощает передачу информации, удешевляет её сбор; постоянно совершенствующиеся алгоритмы маршрутизации делают Интернет скоростным. В то же время, разработка Интранета и Экстранета, основанных на IP, заложили фундамент для автоматизации коммерческой деятельности предприятий. Появление Web-технологий привлекло Интернет-пользователей, сделав онлайн контент изобильным, ярким, лёгким для восприятия. Беспроводные способы передачи данных ведут к увеличению охвата и росту потока информации.<br>Сети внедряют принципы технологий оцифровки, что позволяет использовать их для телекоммуникации. Это сделало возможным работу с удалённым доступом, например, для дистанционного обучения или медицины. Программирование развилось от машинного языка до высокоуровневых языков программирования, создано множество операционных систем (DOS, Windows, Unix, Linux), бизнес ПО (Office series, Windows series, LOTUS-1–2–3 series), серверного ПО (Oracle, Sybase, SQL Server, DB2 data bank), специализированного ПО (CAD/CAM, Matlab и финансовые приложения), сред разработки (Power Builder, JBuilder, Delphi). Все эти продукты ускоряют разработку программного обеспечения, освобождают от изнурительной умственной работы по написанию кода для удовлетворения нужд, так как существующие программные модули уже имеют превосходный набор функций. Базы данных, ключевая технология электронной коммерции, могут не только хранить информацию разного рода (артикли, транзакции, клиентов), но также предоставляет информацию о рынке и предлагает решения проблем при помощи упорядочивания и анализа данных. Ещё один важный фактор, который обеспечивает популярность электронной коммерции — это защита информации с помощи множества технологии кодирования, таких как TLS (Transport Layer Security и SSL: Secure Sockets Layer), с использованием публичных ключей и симметричного шифрования, которые делают информацию приватной. Более того, технологии Firewall и системы обнаружения вторжений (IDS: Intrusion Detection System), оберегает информацию от вероятности нанесения вреда или кражи.</p><p><strong>Влияние науки о связи на электронную коммерцию.</strong><br>В электронной коммерции, коммуникационная система — это курьер, доставляющий до адресата информационные и денежные потоки, где обмен и передача информации осуществляется через коммуникационные сети, состоящие из коммутаторов, терминалов, уведомлений, протоколов, систем эксплуатационной поддержки (<em>Operations Support Systems, OSS</em>).<br>Появление цифровой телефонии легло в основу современных цифровых коммуникационных технологий. Рост её популярности был связан с глобальным ростом коммуникационных сетей и стал существенным фактором для молниеносного развития Интернета. Потенциал оптических коммуникационных технологий, в особенности, технологий спектрального уплотнения каналов (WDM), способствовал наращиванию пропускной способности сетей и предоставил задел для расширения сетей и качественной передачи увеличивающегося потока информации. Более того, прогресс в беспроводных технологиях передачи данных, таких как мобильные сети и спутниковые технологии, предоставил новые возможности для достижения универсального и гибкого типа информационных сетей.<br>Телекоммуникационные сети стали средством для повсеместной компьютеризации. В настоящее время это больше не единственный инструмент для передачи данных, но на их основе внедрены многие сопутствующие технологии. Благодаря комбинации компьютерных сетей и коммуникационных сетей, бесчисленное количество компьютеров могут одновременно обрабатывать тексты, сведения, картинки, голос, и так далее. Безопасность, высокая скорость передачи информации, возможности мультимедиа — всё это в большой мере повлияло на успех e-commerce.<br>Мобильные коммуникационные технологии (процесс передачи информации, при котором оба участника, или хотя бы один из них, находятся в движении), являются основой для мобильной коммерции.<br>Развитие электронной коммерции определённо повысило запросы на коммуникационные технологии и дало толчок для их развития, совершенствование телекоммуникационных технологий стало ответом на запрос от новых видов приложений электронной коммерции. В то же время, вместе с развитием электронной коммерции, инфраструктура коммуникационных сетей сегодня позволяет передавать всё большие информационные потоки и эти запросы постоянно растут.<br>Электронная коммерция требует оцифровки данных, бросая вызов традиционным способам связи. Компьютеризация стала главным направлением для развития коммуникационных сетей. Покупателям требуются высокие скорости для комфортного шоппинга или работы онлайн, что становится движущей силой для роста пропускной способности сетей. Приложения электронной коммерции в будущем будут несомненно оказывать большое влияние на структуры коммуникационных сетей и на способы коммуникации.</p><p><strong>Влияние науки об управлении на электронную коммерцию.</strong><br>Технологии управления отражают различные подходы, отталкиваясь от соответствующей объективной экономической среды. В классическом подходе, управление сфокусировано на повышении производительности через непосредственное воздействие на персонал и технические возможности. Поскольку мы рассуждаем в категориях конъюнктуры рынка и выгоды, основная задача управления состоит в повышении продуктивности труда и ресурсов и уменьшении себестоимости.<br>При поведенческом подходе управления, фокус менеджмента смещается с крупного производства в сторону мелкосерийного производства. Конкуренция отходит от ценовых принципов к принципам предоставления услуг: как удовлетворить запросы клиентов. В данном случае, предлагаемый продукт является чем-то обыденным и клиенты начинают обращать внимание на высокое качество.<br>При стратегическом подходе управления, растёт необходимость динамичного принятия решений, постоянное перестраивание и приспособление к внутренним и внешним условиям для поддержания баланса стабильности, последовательности, полезности и новаторства. При таком подходе, предприятия всесторонне используют внутренние ресурсы и информацию, так что сбор и обработка данных представляет собой важную часть управления. Вследствие, компьютеры вошли в традиционно «ручную» сферу операционного управления, которая не способна адаптироваться к росту. Технология EDI является примером такого развития.<br>Во времена пересмотра подходов в предпринимательстве, предприятия, сталкиваясь с лицом к лицу с непрекращающимися изменениями, борьбой за поиск совершенства, приходят к необходимости пересмотра операционных процессов для повышения их эффективности. <em>Реинжиниринг бизнес-процессов (BPR)</em> основывается на современных информационных технологиях и высококлассных специалистах. Растущие требования по обработке информации приводят к расширению роли компьютеров в предприятиях, повышению запроса за ускоренную разработку, популяризации систем управления информация (<em>MIS, Management Information System</em>) и систем принятия решений (<em>DSS, Decision Support System</em>).<br>При широком организационном подходе управления, волны глобализации и компьютеризации молниеносно распространяется по всему миру. Благодаря появлению экономики знаний, информация и знания становятся определяющими стратегическими ресурсами. Только грамотная организация глобальных ресурсов и получение глобальной поддержки пользователей позволит предприятию существовать и развиваться. Организация глобальных ресурсов, позволила появиться «виртуальным организациям». Ожидается быстрый рост таких предприятий, вкупе с ростом запросов на владение, обработку и использование информации, куда более значительным, чем до этого.<br>Резюмируя: как любой технический прогресс основан на коммерческих запросах, так и технологии e-commerce, технологии обработки, получения и использования информации не исключение. По этой причине, запросы менеджмента толкают вперёд шаг за шагом технические возможности компьютера на более высокую степень интеграции работы с электронными данными в область управления.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ac27d7e9cd73" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>