Для обучения ИИ-моделей разрешат применять любые доступные данные                  

Правительство РФ доработало законопроект «Об основах государственного регулирования сфер применения технологий искусственного интеллекта в России». Согласно документу, для обучения ИИ-моделей можно будет использовать любые доступные данные. До этого в документе были прописаны определенные требования: модели, претендующие на статус суверенных и национальных, могли обучаться только на данных российского происхождения. Об этом пишет РБК.

Ранее представители бизнес-сообщества раскритиковали законопроект. Они заявили о недостаточном количестве релевантных данных на русском языке в открытых источниках для обучения ИИ-моделей, а также о том, что ограничение приведет к деградации качества моделей.

Из законопроекта также исключили требование о разработке и обучении суверенных и национальных ИИ-моделей гражданами России. Разрабатывать их разрешат российским компаниям с подтверждением соответствия модели законодательству РФ и традиционным духовно-нравственным ценностям.

Из документа также убрали требование для сервисов с аудиторией, превышающей 500 тыс. человек, регистрироваться в качестве организатора распространения информации. К таким организаторам относятся мессенджеры, сервисы электронной почты, соцсети, они обязаны устанавливать системы оперативно-розыскных мероприятий, через которые спецслужбы могут получать доступ к данным и переписке пользователей.

Ранее в Госдуме отклонили законопроект о маркировке сгенерированных с помощью ИИ видео. В ИТ-комитете нижней палаты парламента посчитали предложение избыточным.                   

«Sostav.ru»

27 апреля 2026 года

Студенты и сотрудники НИЯУ МИФИ совместно с коллегами из Института искусственного интеллекта AIRI и Ивановского государственного энергетического университета разработали метод использования искусственного интеллекта для молниеносного анализа аварий в электрических сетях

Сегодня, когда происходит короткое замыкание или другой сбой, защитная автоматика фиксирует осциллограмму — «слепок» поведения сети в момент аварии. Однако, чтобы выяснить причину, инженерам приходится вручную копировать эти данные на внешний носитель, везти их в офис или отправлять производителю оборудования. Процесс занимает часы, а то и дни.

Ученые МИФИ предложили принципиально иное решение. Разработанная ими каскадная архитектура нейросетей способна анализировать сигналы с высокой частотой дискретизации прямо на месте — прямо на подстанции, на периферийных устройствах.                     

«Мы разработали концепцию, состоящую из нескольких моделей. Легковесные модели работают очень быстро, позволяя детектировать высокочастотные сигналы. Есть второй этап — более тяжеловесные модели, которые уже не спеша размечают временные метки на осциллограмме», — объяснил младший научный сотрудник Института интеллектуальных кибернетических систем НИЯУ МИФИ Александр Коваленко.           

Поверх технических моделей исследователи предлагают использовать языковые модели ИИ. Они будут автоматически составлять человекочитаемые отчёты и отправлять их на центральный пульт управления.           

«В этих отчётах будет говориться о том, на каком участке произошла авария, тип неисправности и предполагаемые действия», — уточнил Коваленко.       

Вся диагностика, по словам учёного, занимает доли секунды. Это позволяет перейти от реактивной системы к онлайн-мониторингу состояния электросетей.

Примечательно, что прорыв стал возможен благодаря образовательному процессу. Изначально партнёры из Ивановского энергетического университета просто хотели понять, способен ли ИИ различать события на осциллограммах. К решению задачи подключили студентов МИФИ.          

«Многие студенты прошли в рамках своих дипломных работ через наш проект. Начинали мы просто с того, чтобы попробовать машинное обучение, а пришли к целой концепции, которая потенциально может выглядеть как прототип решения для реальной практики», — подчеркнул Александр Коваленко.   

По его словам, главная ценность таких партнёрств — работа с реальными, «живыми» данными, а не с синтетическими датасетами из интернета. Сейчас разработка находится на стадии прототипа, но уже вызывает интерес у профильных энергетических компаний, заинтересованных в повышении надёжности и автоматизации своих сетей.       

«Content-Review.com»

26 апреля 2026 года