МОСКВА, 22 июня. /ТАСС/. Зампред Совета по развитию цифровой экономики при Совете Федерации Артем Шейкин обратился в Минэкономразвития России с просьбой содействовать скорейшей доработке и принятию законопроекта о механизме доступа к обезличенным данным, который позволит развивать технологии искусственного интеллекта (ИИ), обеспечивая сохранность персональных данных.
"Принятие этого закона в кратчайшие сроки обеспечит скачок развития технологий искусственного интеллекта в России. Ранее, в октябре 2022 года, я направлял запрос в министерство о статусе разработки закона. В настоящий момент повторно обратился в Минэкономразвития с целью обсуждения проекта закона, возможности содействия в его доработке и сопровождения в парламенте. Считаю, что в текущих условиях необходимо ускорить его обсуждение и принятие", - сказал сенатор ТАСС в четверг.
Он пояснил, что сегодня не все компании проявляют интерес к использованию технологий искусственного интеллекта, потому что для эффективного обучения и использования его алгоритмов требуется большой объем данных, который может содержать личную информацию граждан. По словам Шейкина, чтобы обеспечить безопасность и защиту персональных данных, нужно удалить из данных информацию, которая может раскрыть личность человека, например о его действиях и предпочтениях, в том числе о поисковых запросах в интернете.
"Уже долгое время закон, который позволит это делать, разрабатывается Минэкономразвития. Это проект закона о национальной системе управления данными (НСУД), который регламентирует механизмы консолидации данных, обмена ими и предоставления доступа к данным различным структурам, в том числе бизнесу. Документ описывает порядок мер, который позволит в автоматическом режиме убирать персональные данные, одновременно контролируя хранение и использование информации в соответствии с требованиями конфиденциальности и безопасности", - сказал парламентарий.
При этом он подчеркнул, что большой объем данных пользователей позволяет алгоритмам ИИ стать более точными в своих прогнозах и рекомендациях, потому что при обучении они могут "увидеть" все возможные варианты и использовать их для выработки решений. "К примеру, сейчас фотографии, видео и другие изображения используются для обучения нейронных сетей, распознавания образов и классификации объектов. И уже обученные нейронные сети успешно используются в медицине для диагностики заболеваний на основе анализа рентгеновских снимков и сканированных изображений", - сказал сенатор.