На сессии «Город для всех» в рамках ПМЭФ мы много рассуждали о том, как урбанистическая среда переплетает в себе самые разные контексты — архитектурный, транспортный, исторический, семейный и даже религиозный. Всё, что происходит вокруг нас, непрерывно генерирует колоссальный объем информации. Но как обернуть эти массивы во благо человека? И главное, как сделать это так, чтобы сами жители не переживали, что их со всех сторон сканируют датчики, все о них знают и как-то потом эти знания применяют?
Александр Шведов
Директор по работе с государственными заказчиками, «Билайн»
Три стадии роста
Если посмотреть на цифровой контекст, то, на мой взгляд, любой современный город прошел несколько важнейших стадий. Первую из них мы все отлично помним: она началась в девяностых и начале нулевых, когда связь только появлялась, а «цифра» лишь начинала проникать в различные отрасли нашей жизни. Сегодня мы настолько свыклись с этим слоем реальности, что вспоминаем о нем, только когда связь по тем или иным причинам пропадает.
За этой романтической эпохой кнопочных телефонов наступил второй этап — период накопления. В транспорте, медицине, строительстве и других сферах стали внедряться точечные отраслевые решения, которые годами незаметно генерировали и бережно собирали данные.
И вот сейчас наступил самый интересный момент, своего рода момент истины. Мы наконец-то подошли к точке, когда появилась реальная техническая возможность всеми накопленными массивами грамотно воспользоваться. Нам доступен инструмент, способный сделать городскую среду по-настоящему комфортной, чтобы та самая человекоцентричность, о которой сегодня так много говорят, стала достоянием каждого на деле.
Простой пример, чтобы осознать масштабы: одна городская камера видеонаблюдения всего за сутки создает больше контента, чем каждый из нас со своим смартфоном за целый год. Представляете, какой это объем информации, требующий колоссальных ресурсов для обработки? Понятно, что вручную, глазами операторов, просмотреть всё это физически невозможно. И здесь уже никак не обойтись без технологий искусственного интеллекта.
Еще недавно, когда коллеги искали на записях условных потерявшихся собачек или кошек, видеофрагменты во многом отсматривались людьми. Сегодня на помощь приходят алгоритмы Visual Language Models. Эти современные ИИ-модели позволяют находить нужные события или объекты без применения человеческого труда, причем делать это в разы быстрее.
Три главных вызова
Однако за каждым технологическим прорывом всегда стоит вполне конкретная экономическая и инфраструктурная изнанка. Мы, как операторы и интеграторы, видим здесь три главных вызова.
Во-первых, где всё это хранить? ЦОДы ведь тоже не безграничны, объемы растут лавинообразно, инфраструктуру нужно постоянно расширять, — а это серьезные ресурсы. Во-вторых, как обрабатывать? Количество видеокарт, серверов и вычислительных мощностей требует огромных вложений, — это колоссальные деньги.
Ну и третий вызов, пожалуй, самый тонкий, — это сохранение приватности. Тут возникает известная дилемма таргетинга. С одной стороны, каждый из нас хотел бы получать на мобильный телефон максимально точные, комфортные предложения, которые подходят именно ему. С другой стороны, когда этот оффер приходит, человек невольно задумывается о границах своей конфиденциальности.
На мой взгляд, здесь всё упирается в выбор самого человека. Данные и их объемы стали настолько всепоглощающими, что их главная миссия — приносить нам бытовой комфорт и экономию времени. А вот как этим ресурсом воспользоваться — решать самому жителю.
Цифровое равенство
С инфраструктурной точки зрения этот процесс неизбежно ставит перед экспертным сообществом вопрос цифрового неравенства. Очевидно, что данные нужно где-то агрегировать, тратить на это бюджеты, а значит, необходима жесткая приоритезация процессов и географическая привязка. Одно дело — мегаполисы-миллионники вроде Москвы или Петербурга, где спрос на аналитику огромный. Там нужно в реальном времени показывать пробки, перекрытия дорог, оптимизировать работу светофоров и даже понимать оптимальное время работы магазинов.
Совсем другое дело — условная Таруса, которую я тоже очень люблю. Там таких объемов данных просто не рождается, поэтому внедрять туда тяжелые аналитические платформы объективно нет смысла, жителям они не нужны.
Провоцирует ли это углубление цифрового неравенства? Я убежден, что нет. Огромная страна не может развиваться абсолютно равномерно, и определенная дифференциация логична. Но здесь должен работать принцип разумного разделения.
Базовые технологические потребности, такие как элементы «Безопасного города», должны стоять по умолчанию и в мегаполисе, и в небольшом райцентре, ведь преступность, к сожалению, бывает везде. А вот сложные, ресурсоемкие сервисы, требующие глубокой аналитики больших данных, останутся прерогативой мегаполисов, где они жизненно необходимы. В той же замечательной Тарусе без них можно прекрасно обойтись. В конечном счете именно в этой гибкости и разумном балансе между технологической целесообразностью и запросом человека и кроется настоящая человекоцентричность.
