Оглавление

Предисловие

Шадаев Максут Игоревич

Российский государственный и политический деятель,

Министр цифрового развития, связи и массовых коммуникаций Российской Федерации, Член Союза журналистов России.

Четвёртая промышленная революция — это термин, который появился сравнительно недавно, чуть более десяти лет назад, но уже прочно укоренился в нашем сознании. Сейчас можно с уверенностью говорить о том, что мы стоим на её пороге.

Предположу, что в нашей стране ещё остались люди, которые ни разу не слышали о четвёртой промышленной революции или, как её ещё называют, «Индустрии 4.0». Но вряд ли остался кто-то, кто ни разу не сталкивался с её новыми вычислительными и информационными технологиями, не слышал о больших данных, квантовых компьютерах, робототехнике и искусственном интеллекте. Интернет вещей постепенно становится частью нашего быта. Промышленный интернет, криптовалюты, технологии производства новых материалов кардинально меняют сферу производства и всю экономику. Наше общество активно интересуется виртуальной и дополненной реальностью, возможностями развития дистанционных сервисов и услуг.

Совсем недавно учёные и специалисты строили прогнозы о перспективах развития четвёртой промышленной революции. Тогда это выглядело настоящей фантастикой, но уже сегодня мы с вами видим, как «Индустрия 4.0» меняет наш мир, наше общество и нас самих. Мы уже изменились, а будущее, о котором мечтали фантасты, наступило.

На конференции по искусственному интеллекту «Artificial Intelligence Journey» в 2022 году Владимир Владимирович Путин в своём выступлении сказал: «Значение прорывов в сфере искусственного интеллекта колоссально, соперничество между государствами идёт ожесточённое. От того, каких результатов мы добьёмся, зависит место России в мире, наш суверенитет, безопасность и состоятельность нашей страны, наши возможности на качественно новом уровне решать задачи экономического, промышленного, социального развития, создавать широкие условия для самореализации граждан, для запуска общественных инициатив». Президент подчеркнул, что «задача нового этапа в горизонте текущего десятилетия — обеспечить именно массовое внедрение искусственного интеллекта, оно должно охватить все отрасли экономики, социальной сферы и систему госуправления» [[1]].

Мы ведём активную работу в этом направлении. С 2018 года реализуется Нацпрограмма «Цифровая экономика Российской Федерации», включающая такие федеральные проекты, как «Нормативное регулирование», «Информационная инфраструктура», «Кадры и образование», «Информационная безопасность», «Цифровое госуправление» и «Цифровые технологии». С 2019 года действует утверждённая Указом президента Национальная стратегия развития искусственного интеллекта, рассчитанная на период до 2030 года. С 2020 года реализуется федеральный проект «Искусственный интеллект».

«Индустрия 4.0» стала определяющей частью нашей жизни. Задача Минцифры — обеспечить нарастающие темпы развития информационных технологий и связи в нашей стране. Без высокопрофессиональных кадров это сделать невозможно, а для их подготовки требуется актуальная, качественная литература. Книга Александра Чесалова «Глоссариум по четвёртой промышленной революции: более 1500 основных терминов для создания будущего» — образец именно такой литературы. Она будет полезна для руководителей профильных организаций и ведомств, учёных, инженеров и просто людей, которые интересуются современными информационными технологиями. Автор проделал большую и полезную работу. Он систематизировал актуальные современные термины и определения, позволяющие получить представление о новых информационных технологиях, цифровой экономике, искусственном интеллекте и многом другом.

Эта книга — достойный вклад в наше общее цифровое и технологичное будущее.

 .Конференция по искусственному интеллекту. [Электронный ресурс] // www.kremlin.ru. URL: http://www.kremlin.ru/catalog/persons/244/events/69927 (дата обращения: 29.03.2023)

От Автора-составителя

Александр Юрьевич Чесалов

Доктор технических наук, академик РАЕН,

Член экспертной группы по вопросам цифровизации деятельности Уполномоченного по правам человека в Российской Федерации,

Член Экспертного совета при Комитете Государственной Думы по науке и высшему образованию по вопросам развития информационных технологий в сфере образования и науки.

Добрый день, дорогие Друзья и Коллеги!

Позвольте мне представить Вам свою новую книгу — «Глоссариум по четвертой промышленной революции: более 1500 основных терминов для построения будущего».

Эта книга объединила в себе опыт последних трёх лет в составлении кратких словарей, посвящённых темам информационных технологий, искусственного интеллекта, цифровой экономики, цифрового здравоохранения, Интернета вещей и, конечно же, моей любимой теме — четвёртой промышленной революции.

Идея написания этой книги появилась еще в 2019 году, когда я выступил на всемирно известной международной конференции TEDx с докладом «Четвертая промышленная революция: через тернии к звездам».

Мы с вами очень часто слышим такие термины, как «четвёртая промышленная революция», «информационное общество», «общество знаний», «глобальное информационное общество», «цифровизация» и «цифровая экономика», «цифровая экосистема», «Интернет вещей» и «промышленный Интернет вещей», «Интернет ценностей» и «распределённые реестры», «робототехника», «искусственный интеллект» и многие другие. Но, как правило, мы до конца не понимаем их смысл и не можем, по разным причинам, разобраться в сути современных «цифровых» процессов, происходящих с нами и в окружающем нас мире.[1]

Приведу простой пример насколько тесно связаны некоторые из вышеперечисленных терминов с темой «четвертая промышленная революция».

На сегодняшний день под «информационным обществом» понимают общество, в котором информация и уровень ее применения и доступности кардинальным образом влияют на экономические и социокультурные условия нашей с вами жизни.

В свою очередь «общество знаний» — это общество, в котором преобладающее значение для развития гражданина, экономики и государства имеют получение, сохранение, производство и распространение достоверной информации.[2]

Таким образом, «глобальное информационное общество» или «цифровое общество будущего» определяется как новое мировое общество знаний. Оно существует и взаимодействует, а также тесно интегрировано в принципиально и качественно новую «цифровую» социальную, экономическую и культурную экосистемы, в которых реализован свободный обмен информацией и знаниями при помощи искусственного интеллекта, дополненной и виртуальной реальности — вспомогательных интерфейсов взаимодействия людей, интеллектуальных машин, компьютеров, роботов, носимых и мобильных устройств, и т. д.[3]

Глобальное информационное общество является обществом будущего ещё и потому, что в основе его развития лежат интеллект, информация и знания. Они являются катализатором появления и развития новых социальных, экономических и, в том числе, информационных технологий, свою очередь трансформирующих как само информационное общество, так и окружающую нас реальность по принципу системы с обратной связью.

Одним из примеров глобализации информационного общества и его постепенной трансформации является повсеместное применение во всех сферах деятельности по всему миру технологий четвёртой промышленной революции. Робототехника и искусственный интеллект, новые вычислительные технологии и большие данные, цифровые платформы и экосистемы, новые нано- и биотехнологии — все они объединяют людей во всем мире и являются катализатором «цифровой трансформации» современного общества.

В ближайшие десятилетия технологии четвёртой промышленной революции радикально изменят способы восприятия окружающего нас мира. Они трансформируют подходы к обработке и анализу информации, способы взаимодействия между людьми, процессы производства продуктов и услуг и, в конечном итоге, сформируют у нас новые системы ценностей. У человечества появится понимание, что информация и большие данные — это ценность, которая во многом будет определять развитие современного общества. Именно сейчас формируется так называемая «критическая масса» знаний и технологий, которая «взорвёт» мир техники и науки и изменит нашу с вами повседневную жизнь.

На протяжении многих лет меня интересовали такие направления, как робототехника, искусственный интеллект, а также тема «цифровое человеческое бессмертие». Особенный интерес вызывала потребительская робототехника или, говоря простым языком, создание человекоподобных роботов, которые могли бы помогать людям, в том числе с ограниченными возможностями, в их повседневной жизни.

Но в 2007 году, когда я «загорелся» идеей создания человекоподобных роботов, они ещё были несовершенны, а программная реализация систем искусственного интеллекта, основанных на машинном обучении, находилась в зачаточном состоянии. Интеллектуальных помощников, с которыми мы сейчас часто сталкиваемся при взаимодействии с нашими смартфонами, на тот момент времени ещё не было. А уж об интеллектуальных человекоподобных роботах и говорить не чего.

С приходом нового тысячелетия, четвертая промышленная революция изменила обычный порядок вещей.

Вам, наверное, будет интересно узнать, что большинство современных терминов четвертой промышленной революции родились еще в период второй и третьей промышленных революций. Подробно об этом я рассказываю в своей книге «Цифровая трансформация».

В стремлении использовать все самое новое мы с вами должны отдавать себе отчёт в том, что системы, созданные на основе новых технологий, должны прежде всего служить интересам человечества, давать людям больше возможностей и перспектив, свободы и контроля над собственной жизнью.

Исследования в этом направлении очень важны, потому что человек рано или поздно возложит ответственность за управление и обеспечение своей жизнью на «продукт» своего творчества — на роботов и искусственный интеллект или, если смотреть шире, на ряд роботизированных и автоматизированных систем, управляемых и обслуживаемых сотнями искусственных интеллектов, а не людьми.

Четвёртая промышленная революция способна породить новые формы социальных, экономических, культурных и субкультурных систем. И мне бы не хотелось разделить мнение Илона Маска о том, что «искусственный интеллект рано или поздно прикончит всех нас», или мнение британского физика Стивена Хокинга о превосходстве искусственного интеллекта над человечеством. Я, скорее, поддерживаю более позитивную и конструктивную точку зрения на наше с вами будущее, предложенную Клаусом Мартином Швабом в его книге «Технологии четвёртой промышленной революции»: «Четвёртая промышленная революция может породить системы, способные сделать общество более гуманным, благополучным, увеличить продолжительность жизни, открыть новые возможности для полезной и интересной деятельности в экономически и экологически устойчивой среде».[4]

Мне хочется верить, что мы с вами будем способны создать такие социо-культурные системы, которые сделают наше общество более человечным, терпимым и ответственным в новом гармонично развивающимся мире.

Важно понимать, что модели нашего с вами будущего и системы жизнедеятельности нашего общества, основанные на использовании технологий четвёртой промышленной революции, ещё никем не реализованы.

Мы в самом начале пути, а, следовательно, ответ на вопрос: «Как изменится наша с вами жизнь в тот момент, когда технологии четвертой промышленной революции заработают в полную силу, какое место мы будем занимать в этом мире, а самое главное — какая роль будет отведена высоким технологиям и результатам, основанным на этих технологиях?» зависит исключительно от нас с вами!

Что же это за книга?

Это, прежде всего, информационный справочник, который поможет достаточно быстро сориентироваться во всём многообразии новых терминов и определений четвёртой промышленной революции.

Книга ориентирована не только на специалистов, работающих в сфере информационных технологий. Она написана для всех любознательных людей, которые интересуются перспективами нашего с вами будущего в период цифровых трансформаций четвёртой промышленной революции.

Почему книга называется «глоссариум»?

«Glossarium» на латинском языке означает словарь узкоспециализированных терминов.

Первый мой опыт в этой области был в составлении глоссария по искусственному интеллекту и информационным технологиям, который я опубликовал в декабре 2021 года. В нём первоначально было всего 400 терминов. В 2022 году я его существенно расширил до более чем 1000 актуальных терминов и определений.[5]

В 2022 году в коллективе с двумя соавторами (с которыми в 2021 году я работал над Программой Центра искусственного интеллекта МГТУ им. Н. Э. Баумана) был подготовлен и опубликован «Глоссариум по искусственному интеллекту: 2500 терминов»[6]. Как становится ясно из названия книги, в нем содержится уже более 2,5 тыс. терминов и определений по направлению «искусственный интеллект» на русском и английском языках. Первая редакция этой книги была представлена широкому кругу читателей на 35-ой Московской международной книжной ярмарке в 2022 году.

В том же 2022 году я опубликовал «Глоссариум по цифровой экономике: 1500 терминов и определений», что очень сильно помогло мне в повседневной работе с анализом огромного объёма различной информации, при написании и реализации различных ИТ-проектов.[7]

В 2023 третьем году была опубликована книга «Глоссариум по цифровому здравоохранению: 2000 терминов и определений»[8].

Эта книга готовилась к публикации в период с 2021 по 2023 годы. Она объединяет мой опыт в области изучения четвёртой промышленной революции. В книге собраны самые актуальные термины и определения, которые широко используются специалистами по всему миру.

Я, как автор-составитель, не претендую на авторство и уникальность подготовленного текста. Основная цель моей работы — дать вам новую и актуальную информацию по теме четвёртой промышленной революции, а также полезный и удобный инструмент, который поможет в повседневной работе.

Книга является личным проектом автора и абсолютно свободным к распространению документом. Вы можете использовать эту книгу по-своему усмотрению, как пожелаете, но ссылка на текст из этой книги обязательна.

Книга публикуется в электронном виде, и я продолжаю работу по её улучшению и наполнению новыми терминами и определениями. Финальный вариант содержит более чем 600 страниц текста. Это, как вы понимаете, потребовало много времени и усилий по редактированию и корректировке. Буду благодарен за любые отзывы, предложения и уточнения. Направляйте их, пожалуйста, на мой e-mail: aleksander.chesalov@yandex.ru.

Эта книга мой подарок Вам.

Приятного Вам чтения и продуктивной работы!

Ваш, Александр Чесалов.

Сайт: chesalov.com

E-mail: aleksander.chesalov@yandex.ru

10.03.2023. Издание первое 1649 основных терминов.

22.10.2023. Дополнен и уточнен текст и ссылки.

 Чесалов А. Ю. Цифровая трансформация. -М.: Ridero. 2020.-354c. [Электронный ресурс] // Ridero.ru. URL: https://https://ridero.ru/books/cifrovaya_transformaciya_2/

 Стратегия развития информационного общества в Российской Федерации от 7 февраля 2008 г. №Пр-212. [Электронный ресурс] // // digital.gov.ru. URL: https://digital.gov.ru/ru/documents/3004/?utm_referrer= https%3a%2f%2fwww.google.com%2f

 Чесалов А. Ю. Цифровая трансформация. -М.: Ridero. 2020.-354c. [Электронный ресурс] // Ridero.ru. URL: https://https://ridero.ru/books/cifrovaya_transformaciya_2/

 Шваб К. Технологии четвертой промышленной революции: монография: пер. с англ. М.: «Издательство «Эксмо», 2018. 320 с.

 .Chesalov А. Glossary on artificial intelligence and information technology. -М.: Ridero. 2021.-304 p. // Ridero.ru. — Text: electronic. — URL: https://ridero.ru/books/cifrovaya_transformaciya_2/ (date of request: 25.01.2023).

 .Chesalov А., Vlaskin A., Bakanach M. Artificial Intelligence Glossarium: 1000 terms.-М.: Ridero. 2021.-279 p. // Ridero.ru. — Text: electronic. — URL: https://ridero.ru/books/artificial_intelligence_glossarium_1000_terms/ (date of request: 24.01.2023).

 .Chesalov А. Digital Economy Glossary: 1500 terms and definitions. -М.: Ridero. 2022.-424 p. — Text: electronic. — // Ridero.ru. URL: https://ridero.ru/books/glossarium_po_cifrovoi_ekonomike_1500_terminov_i_opredelenii/

 .Chesalov А. Glossary of digital healthcare: 2000 terms and definitions. -М.: Ridero. 2022.-572 p. — Text: electronic. — // Ridero.ru. URL: https://ridero.ru/books/glossarium_po_cifrovomu_zdravookhraneniyu_2000_terminov_i_opredelenii/

Глоссариум по четвертой промышленной революции

«А»

А/Б тестирование (A/B testing) — это подход, который включает в себя тестирование двух вариантов, чтобы определить, какой из них лучше. Например, A/B-тестирование можно использовать, чтобы выяснить, какой из двух вариантов веб-страницы дает лучший коэффициент конверсии. Если предполагается, что версия А имеет лучший коэффициент конверсии, она используется в качестве основы для новой, немного отличающейся версии, а затем снова тестируется, чтобы найти более эффективную версию[1].

Аббревиатура 6LoWPAN — это аббревиатура, объединяющая последнюю версию Интернет-протокола (IPv6) и маломощных беспроводных персональных сетей (LoWPAN). 6LoWPAN — это протокол, который позволяет устройствам IoT с ограниченным питанием напрямую подключаться к Интернету TCP/IP[2].

Аббревиатура CRUD (CRUD) — Создать, прочитать, обновить, удалить. Используется для описания прав доступа к данным[3].

Аббревиатура eHDSI (eHDSI) (инфраструктура цифровых услуг электронного здравоохранения) описывает реализацию услуг и инфраструктуры с использованием ИКТ, которые позволяют предоставлять трансграничные медицинские услуги[4].

Аббревиатура LTE-MTC (LTE-M) (или связь машинного типа) — это более энергоэффективная часть системы LTE. Благодаря расширенному циклу прерывистого повторения (eDRX) конечная точка может обмениваться данными с вышкой или сетью о том, как часто она будет просыпаться для прослушивания нисходящей линии связи[5].

Аббревиатура ONC (офис национального координатора информационных технологий здравоохранения, office of the national coordinator for health information technology)) — это подразделение министерства здравоохранения и социальных служб США (HHS)[6].

Аббревиатура PROM, определяемые пациентом (Patient-defined PROMs) — это обозначение того, что продукт произведен совместно с медицинскими работниками и специалистами по уходу и согласовано на основе выбора пациента[7].

Аварийный доступ (Emergency access) — это доступ зарегистрированной организации поставщика медицинских услуг к личной медицинской карте человека для уменьшения или предотвращения серьезной угрозы жизни, здоровью или безопасности человека, а также в случаях, когда получение согласия человека является неразумным или неосуществимым. Если участник утверждает, что эти обстоятельства существуют, средства управления доступом к личной медицинской карте этого лица переопределяются. Экстренный доступ может также иметь место, когда необходимо уменьшить или предотвратить серьезную угрозу общественному здоровью или общественной безопасности. Экстренный доступ истекает через пять дней после объявления чрезвычайной ситуации[8].

Автоассоциативная память (Auto Associative Memory) — это однослойная нейронная сеть, в которой входной обучающий вектор и выходные целевые векторы совпадают. Веса определяются таким образом, чтобы сеть хранила набор шаблонов.[9]

Автоклав (Autoclave) — это прочный обогреваемый контейнер, используемый для химических реакций и других процессов с использованием высоких давлений и температур, например очистка паром и стерилизация[10].

Автоматизация (Automation) — это технология, с помощью которой процесс или процедура выполняется с минимальным участием человека.

Автоматизированная обработка персональных данных (Automated processing of personal data) — это обработка персональных данных с помощью средств вычислительной техники.

Автоматизированная система (Automated system) — это организационно-техническая система, которая гарантирует выработку решений, основанных на автоматизации информационных процессов во всевозможных отраслях деятельности.

Автоматизированная система управления (Automated control system) — это комплекс программных и программно-аппаратных средств, предназначенных для контроля за технологическим и (или) производственным оборудованием (исполнительными устройствами) и производимыми ими процессами, а также для управления такими оборудованием и процессами.

Автоматизированный (Automated) — это автоматическая машина, которая была предварительно запрограммирована для задачи, такой как автоматическое создание рабочего задания. Хотя автоматизированные процессы не требуют внешнего контроля для выполнения задач, для которых они запрограммированы, автоматизированные процессы не могут реагировать независимо[11].

Автономия (Autonomy) — это способность интеллектуальной системы самостоятельно создавать и выбирать различные варианты действий для достижения целей на основе понимания и знания системой мира и других факторов[12].

Автономное транспортное средство (Autonomous vehicle) — это вид транспорта, основанный на автономной системе управления. Управление автономным транспортным средством полностью автоматизировано и осуществляется без водителя при помощи оптических датчиков, радиолокации и компьютерных алгоритмов.

Автономные вычисления (Autonomic computing) — это способность системы к адаптивному самоуправлению собственными ресурсами для высокоуровневых вычислительных функций без ввода данных пользователем.

Автономный (Autonomous) — это термин, который относится к машине, которая 1) способна управлять собой или совершать действия без внешнего контроля и 2) может независимо реагировать на новую информацию. Одним из примеров являются автономные мобильные роботы (AMR), которые перемещаются без оператора, разумно выбирая наилучший путь и избегая препятствий[13].

Автономный автомобиль (Unmanned car) — это транспортное средство, способное воспринимать окружающую среду и работать без участия человека. Пассажир-человек не обязан брать на себя управление транспортным средством в любое время, и пассажиру-человеку вообще не требуется присутствовать в транспортном средстве. Автономный автомобиль может проехать везде, где ездит традиционный автомобиль, и делать все то же, что и опытный водитель-человек[14].

Автономный искусственный интеллект (Autonomous artificial intelligence) — это биологически инспирированная система, которая пытается воспроизвести устройство мозга, принципы его действия со всеми вытекающими отсюда свойствами.

Авторизация (Authorisation) — это разрешение на выполнение определенных операций или использование определенных методов или услуг[15].

Авторская организация (Authoring organisation) — это организация поставщика медицинских услуг, создавшая содержимое документа[16].

Агентство медицинских исследований и качества (Agency for healthcare research and quality, AHRQ) — это правительственное агентство США, функционирующее как часть министерства здравоохранения и социальных служб (HHS) для поддержки исследований, направленных на повышение качества медицинского обслуживания[17].

Агрегат (Aggregate) — это сумма, созданная из более мелких единиц. Например, население области — это совокупность населения городов, сельских районов и т. д., входящих в состав области. Суммировать данные из меньших единиц в большую единицу[18].

Агрегатор (Aggregator) — это тип программного обеспечения, которое объединяет различные типы веб-контента и предоставляет его в виде легкодоступного списка. Агрегаторы каналов собирают такие данные, как онлайн-статьи из газет или цифровых изданий, публикации в блогах, видео, подкасты и т. д. Агрегатор каналов также известен как агрегатор новостей, программа для чтения каналов, агрегатор контента или программа для чтения RSS[19].

Адаптивная система (Adaptive system) — система, которая автоматически изменяет данные алгоритма своего функционирования и (иногда) свою структуру для поддержания или достижения оптимального состояния при изменении внешних условий.

Адаптивный Дизайн (Adaptive Design) — это альтернатива фиксированному дизайну, основанная на создании отдельного дизайна программы (мобильного и настольного) для каждого пользователя. Адаптивный дизайн часто называют динамическим обслуживанием. Также, Адаптивный Дизайн относится к планированию адаптивного онлайн-сервиса, при котором внешний вид сервиса должен быть адаптивным. Адаптивная онлайн-служба использует один код с одного веб-адреса для обслуживания различных устройств пользователя (настольный компьютер, планшет, смартфон, обычный мобильный телефон), но отображает содержимое по-разному в зависимости от размера экрана[20],[21].

Аддитивное производство (Additive manufacturing) — этот процесс, также известный как 3D-печать, позволяет быстро создавать прототипы и «децентрализованное» производство, при котором меньшее количество единиц может производиться на месте, а не полагаться на зарубежные заводы со всеми вытекающими отсюда политическими, экономическими и экологическими рисками[22],[23].

Аддитивные технологии (Additive technologies) ― технологии послойного создания трехмерных объектов на основе их цифровых моделей («двойников»), позволяющие изготавливать изделия сложных геометрических форм и профилей.

Административный портал (Administration portal) — это онлайн-инструмент, используемый системным оператором для административных действий с отдельными «Моими медицинскими записями», например, при оказании помощи человеку с запросом[24].

Администрация лекарств со штрих-кодом (Bar coded medication administration, BCMA) — это система управления запасами в больницах, которая использует штрих-коды при распределении рецептурных лекарств с целью обеспечения того, чтобы пациент получал правильное лекарство[25].

Акселераторная программа Европейского инновационного совета (European Innovation Council) — это флагманская программа Европейского инновационного совета (EIC) для МСП. Он был запущен в сентябре 2019 года Европейской комиссией в качестве пилотного проекта. С 2021 года он полностью заменяет SME Instrument в Horizon Europe[26].

Активная жизнь с помощью ассистивных технологий (Active assisted living AAL) — это концепции, продукты, услуги и системы, сочетающие технологии и социальную среду с целью улучшения качества жизни людей[27].

Активное и здоровое старение (Active and Healthy Ageing) — это процесс оптимизации возможностей, связанных со здоровьем, участием и безопасностью, с целью улучшения качества жизни[28].

Активное обучение/Стратегия активного обучения (Active Learning/Active Learning Strategy) — это особый способ полу управляемого машинного обучения, в котором обучающий агент может в интерактивном режиме запрашивать оракула для получения меток в новых точках данных. Подход к такому обучению основывается на самостоятельном выборе алгоритма некоторых данных из массы тех, на которых он учится. Активное обучение особенно ценно, когда помеченных примеров мало или их получение слишком затратно. Вместо слепого поиска разнообразных помеченных примеров алгоритм активного обучения выборочно ищет конкретный набор примеров, необходимых для обучения.

Активы (Asset) — это критически важные системы, физическое оборудование, приложения, системы поддержки, высокоэффективные программы, персонал, оборудование, местоположения и многое другое[29].

Алгоритм (Algorithm) — точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин «алгоритм» происходит от имени узбекского математика Мусы аль-Хорезми, который еще в 9 веке (ок. 820 г. н.э.) предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Также, Алгоритм — это набор инструкций для решения проблемы или выполнения задачи. Одним из распространенных примеров алгоритма является рецепт, который состоит из конкретных инструкций по приготовлению блюда или еды. Каждое компьютеризированное устройство использует алгоритмы для выполнения своих функций в виде аппаратных или программных процедур. В финансах алгоритмы играют важную роль в разработке систем автоматизированной и высокочастотной торговли (HFT), а также в ценообразовании сложных финансовых инструментов, таких как производные финансовые инструменты[30].

Алгоритм Q-обучения (Q-learning) — это алгоритм обучения, основанный на ценностях. Алгоритмы на основе значений обновляют функцию значений на основе уравнения (в частности, уравнения Беллмана). В то время как другой тип, основанный на политике, оценивает функцию ценности с помощью жадной политики, полученной из последнего улучшения политики. Табличное Q-обучение (при обучении с подкреплением) представляет собой реализацию Q-обучения с использованием таблицы для хранения Q-функций для каждой комбинации состояния и действия. «Q» в Q-learning означает качество. Качество здесь показывает, насколько полезно данное действие для получения вознаграждения в будущем[31].

Алгоритм любого времени (Anytime algorithm) — это алгоритм, который может дать частичный ответ, качество которого зависит от объема вычислений, которые он смог выполнить. Ответ, генерируемый алгоритмами anytime, является приближенным к правильному. Большинство алгоритмов выполняются до конца: они дают единственный ответ после выполнения некоторого фиксированного объема вычислений. Однако в некоторых случаях пользователь может захотеть завершить алгоритм до его завершения. Эта особенность алгоритмов anytime моделируется такой теоретической конструкцией, как предельная машина Тьюринга (Бургин, 1992; 2005)[32].

Алгоритмическая оценка (Algorithmic Assessment) — это техническая оценка, которая помогает выявлять и устранять потенциальные риски и непредвиденные последствия использования систем искусственного интеллекта, чтобы вызвать доверие и создать поддерживающие системы вокруг принятия решений ИИ.

Алгоритмическая предвзятость (Biased algorithm) — это систематические и повторяющиеся ошибки в компьютерной системе, которые приводят к несправедливым результатам, например, привилегия одной произвольной группы пользователей над другими.

Алгоритмы машинного обучения (Machine learning algorithms) — это фрагменты кода, которые помогают пользователям исследовать и анализировать сложные наборы данных и находить в них смысл или закономерность. Каждый алгоритм — это конечный набор однозначных пошаговых инструкций, которые компьютер может выполнять для достижения определенной цели. В модели машинного обучения цель заключается в том, чтобы установить или обнаружить закономерности, с помощью которых пользователи могут создавать прогнозы либо классифицировать информацию. В алгоритмах машинного обучения используются параметры, основанные на учебных данных (подмножество данных, представляющее более широкий набор). При расширении учебных данных для более реалистичного представления мира с помощью алгоритма вычисляются более точные результаты. В различных алгоритмах применяются разные способы анализа данных. Они часто группируются по методам машинного обучения, в рамках которых используются: контролируемое обучение, неконтролируемое обучение и обучение с подкреплением. В наиболее популярных алгоритмах для прогнозирования целевых категорий, поиска необычных точек данных, прогнозирования значений и обнаружения сходства используются регрессия и классификация[33].

Альтруизм данных (Data Altruism) — это термин, используемый в Законе об управлении данными. Данные, которые предоставляются бесплатно для чисто некоммерческого использования, которое приносит пользу сообществам или обществу в целом, например, использование данных о мобильности для улучшения местного транспорта[34].

Амбулаторная медицинская карта (AMR) (Ambulatory medical record (AMR)) — это хранящийся в электронном виде файл амбулаторных медицинских карт пациента, который включает все операции и уход, не связанные с госпитализацией[35].

Американская ассоциация управления медицинской информацией (AHIMA) (American health information management association (AHIMA)) — это профессиональная организация, продвигающая деловое и клиническое использование электронной и бумажной медицинской информации[36].

Американская медицинская ассоциация (AMA) (American medical association (AMA)) — это группа врачей, которая работает над реформой здравоохранения и издает сборник медицинских журналов[37].

Анализ временных рядов (Time series analysis) — раздел машинного обучения и статистики, который анализирует временные данные. Многие типы задач машинного обучения требуют анализа временных рядов, включая классификацию, кластеризацию, прогнозирование и обнаружение аномалий. Например, вы можете использовать анализ временных рядов, чтобы спрогнозировать будущие продажи зимних пальто по месяцам на основе исторических данных о продажах.

Анализ временных рядов (Time series analysis) — это раздел машинного обучения и статистики, который анализирует временные данные. Многие типы задач машинного обучения требуют анализа временных рядов, включая классификацию, кластеризацию, прогнозирование и обнаружение аномалий. Например, вы можете использовать анализ временных рядов, чтобы спрогнозировать будущие продажи зимних пальто по месяцам на основе исторических данных о продажах.

Анализ выгоды и затрат (Cost-benefit analysis) — это способ оценки воздействия программы или меры путем сопоставления преимуществ (выгод) и недостатков (затрат)[38].

Анализ основных причин (Root cause analysis, RCA) — это процесс изучения основных причин проблем/проблем в производственном процессе[39].

Анализ экономического эффекта (Economic impact analysis) исследует влияние события на экономику в определенной области, от одного района до всего земного шара. Обычно он измеряет изменения в доходах от бизнеса, прибылях от бизнеса, личной заработной плате и / или рабочих местах. Анализируемое экономическое событие может включать в себя реализацию новой политики или проекта или просто присутствие предприятия или организации. Анализ экономического воздействия обычно проводится, когда общественность обеспокоена потенциальными последствиями предлагаемого проекта или политики[40].

Анализ экономической эффективности (Cost-effectiveness analysis) — это анализ, который рассчитывает и сравнивает затраты и эффекты двух или более вмешательств, позволяя установить среди них приоритеты[41].

Аналитика (Analytics) — это систематический анализ информации (данных) или статистики для обнаружения, передачи и интерпретации значимых шаблонов данных для лучшего принятия решений[42].

Аналитика больших данных. (Big data analytics). По мере оцифровки нашего мира генерируются и хранятся огромные объемы данных, — эти данные содержат секреты, которые обещают революционизировать наше понимание человеческого существования. Нам нужна аналитика больших данных, чтобы извлечь эти идеи[43].

Аналитика данных (Data analytics) — это наука об анализе необработанных данных, чтобы делать выводы об этой информации. Многие методы и процессы анализа данных были автоматизированы в механические процессы и алгоритмы, которые работают с необработанными данными для потребления человеком[44].

Аналитика принятия решений (Decision intelligence) — это практическая дисциплина, используемая для улучшения процесса принятия решений путем четкого понимания и программной разработки того, как принимаются решения, и как итоговые результаты оцениваются, управляются и улучшаются с помощью обратной связи.

Аналитика промышленного производства (Industrial manufacturing analytics) — это процесс поиска и передачи значимых закономерностей в данных промышленного производства с целью получения информации для принятия основанных на данных решений о процессах промышленного производства[45].

Аналитика самообслуживания (Self-service analytics) — это программное обеспечение/инструмент, предназначенный для использования экспертами по процессам, не имеющими опыта работы с данными, для самостоятельного анализа данных промышленного производства, чтобы получить представление о данных промышленного производства для принятия решений, основанных на данных[46].

Андроид (от греч. — «человек, мужчина» и суффикса -oid — «подобие; человекоподобный, антропоморфный») — робот-гуманоид или синтетический организм, предназначенный для того, чтобы выглядеть и действовать наподобие человека.[47]

Анкеты проверки здоровья (Health check questionnaires) — это список доступных вопросов о здоровье и развитии ребенка можно найти в Графике оценки состояния здоровья в разделе «Моя медицинская карта», и его могут заполнить родители или альтернативные уполномоченные представители, участвующие в медицинском обслуживании ребенка[48].

Анонимизация (Anonymisation) — это процесс удаления всех элементов, позволяющих идентифицировать отдельное лицо (т. е. анонимизация данных). ISO/TS 25237:2008: процесс, устраняющий связь между набором идентифицирующих данных и субъектом данных. Управление Комиссара по информации Великобритании: процесс преобразования данных в форму, которая не идентифицирует отдельных лиц и в которой идентификация вряд ли будет иметь место[49].

Анонимизированные данные (Anonymised Data) — это данные, которые можно было идентифицировать при сборе, но которые больше нельзя идентифицировать (были обезличены). Анонимные данные больше не являются личными данными. Управление Комиссара по информации Великобритании: данные в форме, которая не идентифицирует отдельных лиц и в которой маловероятно установление личности путем их объединения с другими данными[50].

Антивирусное программное обеспечение (Antivirus software) — это программа или набор программ, предназначенных для предотвращения, поиска, обнаружения и удаления программных вирусов и других вредоносных программ, таких как черви, трояны, рекламное ПО и т.д.[51].

АПИ экономика (API economy) — это бизнес-модель, в которой использование интерфейсов прикладного программирования или API занимает центральное место. Используя API, компания может, например, сделать свои бизнес-процессы или данные доступными для других[52].

АПИ-как-услуга (API-AS-a-service) — это подход, который сочетает в себе экономию API и аренду программного обеспечения и предоставляет интерфейсы прикладного программирования как услугу[53].

Аппаратное обеспечение (Hardware) — это система взаимосвязанных технических устройств, предназначенных для ввода (вывода), обработки и хранения данных. Также Аппаратное обеспечение (Hardware) — это термин, который относится к компьютерному оборудованию и представляет собой физические части компьютера и связанных с ним устройств. К внутренним аппаратным устройствам относятся материнские платы, жесткие диски и оперативная память[54].

Аппаратное обеспечение ИИ (AI hardware, AI-enabled hardware, AI hardware platform) — это аппаратное обеспечение ИИ, аппаратные средства ИИ, аппаратная часть инфраструктуры или системы искусственного интеллекта, ИИ-инфраструктуры.

Аппаратно-программный комплекс (Hardware-software complex) — это набор технических и программных средств, работающих совместно для выполнения одной или нескольких сходных задач.

Аппаратный акселератор (Hardware accelerator) — это устройство, выполняющее некоторый ограниченный набор функций для повышения производительности всей системы или отдельной её подсистемы. Например, purpose-built hardware accelerator — специализированный аппаратный ускоритель.

Аппаратный сервер или аппаратное обеспечение (Hardware Server) — это выделенный или специализированный компьютер для выполнения сервисного программного обеспечения (в том числе серверов тех или иных задач) без непосредственного участия человека. Одновременное использование как высокопроизводительных процессоров, так и FPGA позволяет обрабатывать сложные гибридные приложения.

Артефакт (Artifact) — это один из многих видов материальных побочных продуктов, производимых в процессе разработки программного обеспечения. Некоторые артефакты (например, варианты использования, диаграммы классов и другие модели унифицированного языка моделирования (UML), требования и проектные документы) помогают описать функции, архитектуру и дизайн программного обеспечения. Другие артефакты связаны с самим процессом разработки, например, планы проектов, бизнес-кейсы и оценки рисков[55].

Архив (Archive) — это сайт, на котором хранятся, сохраняются и, возможно, перераспределяются лица, заинтересованные в использовании материалов, машиночитаемые материалы. Помещать или хранить в архиве[56].

Архивное хранилище (Archival Storage) — это источник данных, которые не нужны для повседневных операций организации, но к которым может потребоваться доступ время от времени. Используя архивное хранилище, организации могут использовать вторичные источники, сохраняя при этом защиту данных. Использование источников архивного хранения снижает необходимые затраты на первичное хранение и позволяет организации поддерживать данные, которые могут потребоваться для соблюдения нормативных или других требований[57].

Архивный пакет информации (AIC) (Archival Information Collection (AIC)) — это информация, содержание которой представляет собой агрегацию других пакетов архивной информации. Функция цифрового сохранения сохраняет способность регенерировать провалы (пакеты информации) по мере необходимости с течением времени[58].

Архитектура MACH (MACH Architecture) относится к набору технологий, которые используются для создания приложений, основанных, среди прочего, на принципах компонуемого бизнеса или компонуемой коммерции[59].

Архитектура вычислительной машины (Architecture of a computer) — это концептуальная структура вычислительной машины, определяющая проведение обработки информации и включающая методы преобразования информации в данные и принципы взаимодействия технических средств и программного обеспечения.

Архитектура вычислительной системы (Architecture of a computing system) — это конфигурация, состав и принципы взаимодействия (включая обмен данными) элементов вычислительной системы.

Архитектура данных (Data Architecture) — это дисциплина, процесс и программа, направленные на интеграцию наборов информации. Одна из четырех архитектур предприятия (с архитектурой приложений, бизнес-архитектурой и системной архитектурой)[60].

Архитектура клинического документа (CDA, Clinical Document Architecture) — это стандарт HL7, предназначенный для определения кодирования, структуры и семантики клинических документов для обмена[61].

Архитектура механизма обработки матриц (MPE) (Matrix Processing Engine Architecture) — это многомерный массив обработки физических матриц цифровых устройств с умножением (MAC), который вычисляет серию матричных операций сверточной нейронной сети.

Архитектура предприятия (Enterprise Architecture) — это всеобъемлющая структура, используемая для управления и согласования бизнес-процессов организации, программного и аппаратного обеспечения информационных технологий (ИТ), локальных и глобальных сетей, людей, операций и проектов с общей стратегией организации. Архитектура предприятия часто подразделяется на четыре архитектурных домена: архитектура приложений, бизнес-архитектура, архитектура данных и системная архитектура[62].

Архитектура системы (Architecture of a system) — принципиальная организация системы, воплощенная в её элементах, их взаимоотношениях друг с другом и со средой, а также принципы, направляющие её проектирование и эволюцию.

Архитектура фон Неймана (модель фон Неймана, Принстонская архитектура) (Von Neumann architecture) — это широко известный принцип совместного хранения команд и данных в памяти компьютера. Вычислительные машины такого рода часто обозначают термином «машина фон Неймана», однако соответствие этих понятий не всегда однозначно. В общем случае, когда говорят об архитектуре фон Неймана, подразумевают принцип хранения данных и инструкций в одной памяти[63].

Архитектурная группа описаний (Architectural description group, Architectural view) — это представление системы в целом с точки зрения связанного набора интересов.

Архитектурный фреймворк (Architectural frameworks) — это высокоуровневые описания организации как системы; они охватывают структуру его основных компонентов на разных уровнях, взаимосвязи между этими компонентами и принципы, определяющие их эволюцию[64].

Асинхронные межкристальные протоколы (Asynchronous inter-chip protocols) — это протоколы для обмена данных в низкоскоростных устройствах; для управления обменом данными используются не кадры, а отдельные символы.

Ассоциация по развитию искусственного интеллекта (Association for the Advancement of Artificial Intelligence) — это международное научное сообщество, занимающееся продвижением исследований и ответственным использованием искусственного интеллекта. AAAI также стремится повысить общественное понимание искусственного интеллекта (ИИ), улучшить обучение и подготовку специалистов, занимающихся ИИ, и предоставить рекомендации для планировщиков исследований и спонсоров относительно важности и потенциала текущих разработок ИИ и будущих направлений.

Атрибуты (XML) (Attributes (XML)) XML-элементы могут иметь атрибуты, которые описывают их дополнительно, например следующие: <Price currency=«Евро»> 25,43 </Price> В приведенном выше примере «валюта» является атрибутом «Цена», а значением атрибута является «Евро»[65].

Аудит (Audit) — это независимая экспертиза усилия для определения его соответствия набору требований. Аудит может проводиться внутренними или внешними группами[66].

Аутентификация (Authentication) — это процесс надежной идентификации субъектов безопасности путем надежного связывания идентификатора и аутентификатора[67].

Аутсорсинг (Outsourcing) — это деловая практика найма стороны за пределами компании для оказания услуг или создания товаров, которые традиционно выполнялись собственными сотрудниками и персоналом компании. Аутсорсинг — это практика, обычно применяемая компаниями в качестве меры по сокращению затрат. Таким образом, это может повлиять на широкий спектр рабочих мест, от поддержки клиентов до производства и бэк-офиса. Аутсорсинг был впервые признан бизнес-стратегией в 1989 году и стал неотъемлемой частью экономики бизнеса на протяжении 1990-х годов. Практика аутсорсинга вызывает серьезные споры во многих странах. Противники утверждают, что это привело к потере рабочих мест внутри страны, особенно в производственном секторе. Сторонники говорят, что это создает стимул для предприятий и компаний распределять ресурсы там, где они наиболее эффективны, и что аутсорсинг помогает поддерживать природу рыночной экономики в глобальном масштабе[68].

«Б»

База данных (Database) представляет собой организованный набор структурированной информации или данных, обычно хранящихся в электронном виде в компьютерной системе. База данных обычно управляется системой управления базами данных (СУБД). Вместе данные и СУБД вместе со связанными с ними приложениями называются системой баз данных, часто сокращенной до просто базы данных. Данные в наиболее распространенных типах баз данных, работающих сегодня, обычно моделируются в виде строк и столбцов в ряде таблиц, чтобы сделать обработку и запросы к данным эффективными. Затем к данным можно легко получить доступ, управлять ими, изменять, обновлять, контролировать и организовывать. Большинство баз данных используют язык структурированных запросов (SQL) для записи и запроса данных[69].

База данных финансирования DHE (DHE Funding Database) — это обзор открытых актуальных обращений в поддержку крупномасштабного развертывания ориентированных на человека цифровых решений. База данных включает Horizon Europe, EU4Health и программу «Цифровая Европа»[70].

Байесовский классификатор в машинном обучении (Bayesian classifier in machine learning) — это семейство простых вероятностных классификаторов, основанных на использовании теоремы Байеса и «наивном» предположении о независимости признаков классифицируемых объектов. Анализ на основе байесовской классификации активно изучался и использовался начиная с 1950-х годов в области классификации документов, где в качестве признаков использовались частоты слов. Алгоритм является масштабируемым по числу признаков, а по точности сопоставим с другими популярными методами, такими как машины опорных векторов. Как и любой классификатор, байесовский присваивает метки классов наблюдениям, представленным векторами признаков. При этом предполагается, что каждый признак независимо влияет на вероятность принадлежности наблюдения к классу. Например, объект можно считать яблоком, если он имеет округлую форму, красный цвет и диаметр около 10 см. Наивный байесовский классификатор «считает», что каждый из этих признаков независимо влияет на вероятность того, что этот объект является яблоком, независимо от любых возможных корреляций между характеристиками цвета, формы и размера. Простой байесовский классификатор строится на основе обучения с учителем. Несмотря на мало реалистичное предположение о независимости признаков, простые байесовские классификаторы хорошо зарекомендовали себя при решении многих практических задач. Дополнительным преимуществом метода является небольшое число примеров, необходимых для обучения[71].

Байт (Byte) — это восемь битов. Байт — это просто кусок из 8 единиц и нулей. Например: 01000001 — это байт. Компьютер часто работает с группами битов, а не с отдельными битами, и наименьшая группа битов, с которой обычно работает компьютер, — это байт. Байт равен одному столбцу в файле, записанном в символьном формате[72].

Башня (Tower) — это компонент глубокой нейронной сети, которая сама по себе является глубокой нейронной сетью без выходного слоя. Как правило, каждая башня считывает данные из независимого источника. Башни независимы до тех пор, пока их выходные данные не будут объединены в последнем слое.

Безналичная экономика (Cashless Economy) — это система, в которой любые виды денежных транзакций осуществляются с помощью цифровых средств, таких как дебетовые карты, электронные переводы средств, мобильные платежи, интернет-банкинг, мобильные кошельки[73].

Безналичное общество (Cashless society) — это общество, в котором наличные деньги в виде физических банкнот и монет не принимаются ни в одной финансовой операции. Вместо этого люди и предприятия переводят деньги друг другу в цифровом виде — с помощью кредитных или дебетовых карт, электронных денежных переводов, криптовалюты или сервисов онлайн- и мобильных платежей, таких как PayPal и Apple Pay. Хотя ни одно существующее общество не является безналичным, многие экономисты считают, что потребительские предпочтения, конкурентное давление на бизнес, поиск прибыли банками и государственная политика, направленная на облегчение безналичных операций, вскоре приведут к появлению по крайней мере нескольких безналичных обществ[74].

Безопасное программное обеспечение и сервис (Safe software and service) — программное обеспечение и сервис, сертифицированные на соответствие требованиям к информационной безопасности, устанавливаемыми федеральным органом исполнительной власти, уполномоченным в области обеспечения безопасности, или федеральным органом исполнительной власти, уполномоченным в области противодействия техническим разведкам и технической защиты информации.

Безопасность конечных точек (Endpoint security) во многих отношениях является прямым потомком первых форм защиты компьютеров на заре ИТ. Но это быстро развивающаяся категория, поскольку организации стремятся координировать контроль над ПК, серверами и телефонами в своих сетях, чтобы не допустить вредоносных программ и злоумышленников[75].

Безопасность критической информационной инфраструктуры (Security of a critical information infrastructure) — это состояние защищенности критической информационной инфраструктуры, обеспечивающее ее устойчивое функционирование при проведении в отношении ее компьютерных атак.

Безопасность приложений (Application security) — это процесс повышения безопасности приложений путем поиска, исправления и повышения безопасности приложений. Многое из этого происходит на этапе разработки, но включает инструменты и методы для защиты приложений после их развертывания. Это становится все более важным, поскольку хакеры все чаще атакуют приложения[76].

Безопасность транспортного уровня (Transport Layer Security) — это протокол, который обеспечивает конфиденциальность между взаимодействующими приложениями и пользователями в Интернете. Когда сервер и клиент обмениваются данными, TLS гарантирует, что никакая третья сторона не сможет подслушать или изменить какое-либо сообщение. TLS является преемником Secure Sockets Layer (SSL)[77].

Безопасные программное обеспечение и сервис (Secure software and service) — это программное обеспечение и сервис, сертифицированные на соответствие требованиям к информационной безопасности, устанавливаемыми федеральным органом исполнительной власти, уполномоченным в области обеспечения безопасности, или федеральным органом исполнительной власти, уполномоченным в области противодействия техническим разведкам и технической защиты информации.

Белая книга по развитию активного сотрудничества между пациентами и медицинскими работниками (White paper on boosting active cooperation between patients and health and care providers). В ней рассматривается связь между техническими инновациями и инновациями в системах здравоохранения, подчеркивается, какие системные изменения необходимы для использования технического прогресса в области здравоохранения и ухода, и в то же время делится передовым опытом, полученным в результате европейского сотрудничества в этой области и за ее пределами[78].

Бенчмаркинг (Benchmarking) — это набор методик, которые позволяют изучить опыт конкурентов и внедрить лучшие практики в своей компании.

Бережливое производство (Lean manufacturing or lean production, often simply «lean») — это систематический метод минимизации отходов в производственной системе без потери продуктивности[79].

Беспилотное транспортное средство (Uncrewed vehicle) — это транспортное средство без человека на борту. Транспортные средства без экипажа могут быть либо дистанционно управляемыми, либо они могут быть автономными транспортными средствами, способными воспринимать окружающую среду и самостоятельно перемещаться[80].

Беспроводная сеть (Wireless network) — это компьютерная сеть, в которой используются беспроводные соединения для передачи данных между сетевыми узлами. Беспроводная сеть — это метод, с помощью которого дома, телекоммуникационные сети и бизнес-установки избегают дорогостоящего процесса ввода кабелей в здание или в качестве соединения между различными местоположениями оборудования. Административные телекоммуникационные сети обычно реализуются и администрируются с использованием радиосвязи. Эта реализация происходит на физическом уровне (слое) сетевой структуры модели OSI[81].

Беспроводная широкополосная связь (WiBB Wireless broadband) — это телекоммуникационная технология, которая обеспечивает высокоскоростной беспроводной доступ в Интернет или доступ к компьютерным сетям на большой территории. Этот термин включает как фиксированную, так и мобильную широкополосную связь[82].

БЕТА версия (BETA) — это термин, который относится к этапу разработки онлайн-сервиса, на котором сервис объединяется с точки зрения функциональности, но требуется подлинный пользовательский опыт, прежде чем сервис можно будет завершить ориентированным на пользователя способом. При разработке онлайн-сервиса цель бета-фазы состоит в том, чтобы распознать как проблемы программирования, так и процедуры, повышающие удобство использования. Бета-фаза особенно часто используется в связи с онлайн-сервисами и может быть либо бесплатной (открытая бета-версия), либо ограниченной для определенной целевой группы (закрытая бета-версия)[83].

Библиотека Keras — это библиотека Python, используемая для глубокого обучения и создания искусственных нейронных сетей. Выпущенный в 2015 году, Keras предназначен для быстрого экспериментирования с глубокими нейронными сетями. Keras предлагает несколько инструментов, которые упрощают работу с изображениями и текстовыми данными. Помимо стандартных нейронных сетей, Keras также поддерживает сверточные и рекуррентные нейронные сети. В качестве бэкэнда Keras обычно использует TensorFlow, Microsoft Cognitive toolkit или Theano. Он удобен для пользователя и требует минимального кода для выполнения функций и команд. Keras имеет модульную структуру и имеет несколько методов предварительной обработки данных. Keras также предлагает методы evluate () и predict_classes () для тестирования и оценки моделей. GitHub и Slack организуют форумы сообщества для Keras.

Библиотека Matplotlib — это комплексная, популярная библиотека Python с открытым исходным кодом для создания визуализаций «качества публикации». Визуализации могут быть статическими, анимированными или интерактивными. Он был эмулирован из MATLAB и, таким образом, содержит глобальные стили, очень похожие на MATLAB, включая иерархию объектов.

Библиотека Matplotlib (Matplotlib) — это комплексная, популярная библиотека Python с открытым исходным кодом для создания визуализаций «качества публикации». Визуализации могут быть статическими, анимированными или интерактивными. Он был эмулирован из MATLAB и, таким образом, содержит глобальные стили, очень похожие на MATLAB, включая иерархию объектов.

Библиотека Numpy — это библиотека Python, представленная в 2006 году для поддержки многомерных массивов и матриц. Библиотека также позволяет программистам выполнять высокоуровневые математические вычисления с массивами и матрицами. Можно сказать, что это объединение своих предшественников — The Numeric и Numarray. NumPy является неотъемлемой частью Python и по существу предоставляет программе математические функции типа MATLAB. По сравнению с обычными списками Python, он занимает меньше памяти, удобен в использовании и имеет более быструю обработку. При интеграции с другими библиотеками, такими как SciPy и / или Matplotlib, его можно эффективно использовать для целей анализа данных и анализа данных[84].

Библиотека Numpy (Numpy) — это библиотека Python, представленная в 2006 году для поддержки многомерных массивов и матриц. Библиотека также позволяет программистам выполнять высокоуровневые математические вычисления с массивами и матрицами. Можно сказать, что это объединение своих предшественников — The Numeric и Numarray. NumPy является неотъемлемой частью Python и по существу предоставляет программе математические функции типа MATLAB. По сравнению с обычными списками Python, он занимает меньше памяти, удобен в использовании и имеет более быструю обработку. При интеграции с другими библиотеками, такими как SciPy и / или Matplotlib, его можно эффективно использовать для целей анализа данных и анализа данных[85].

Библиотека Pandas (сокращение от «panel-data-s») — это инструмент машинного обучения, используемый для исследования, очистки, преобразования и визуализации данных, поэтому его можно использовать в моделях машинного обучения и обучении. Это библиотека Python с открытым исходным кодом, построенная на основе NumPy. Pandas может обрабатывать три типа структур данных: серии, DataFrame и панель.

Библиотека Pytorch & Torch — это библиотека машинного обучения, которая в основном используется для приложений обработки естественного языка и компьютерного зрения. Разработанная исследовательской лабораторией искусственного интеллекта и выпущенная в сентябре 2016 года, это библиотека с открытым исходным кодом, основанная на библиотеке Torch для научных вычислений и машинного обучения. PyTorch предоставляет операции с объектом n-мерного массива, аналогичные NumPy, однако, кроме того, он предлагает более быстрые вычисления за счет интеграции с графическим процессором. PyTorch автоматически различает построение и обучение нейронных сетей. PyTorch — это внесла свой вклад в разработку нескольких программ глубокого обучения — Tesla Autopilot, Uber’s Pyro, PyTorch Lighten и т. д.

Библиотека Scikit-learn — это простая в освоении библиотека Python с открытым исходным кодом для машинного обучения, построенная на NumPy, SciPy и Matplotlib. Его можно использовать для классификации данных, регрессии, кластеризации, уменьшения размерности, выбора модели и предварительной обработки.

Библиотека SciPy — это библиотека Python с открытым исходным кодом для выполнения научных и технических вычислений на Python. Она была разработана открытым сообществом разработчиков, которое также поддерживает его поддержку и спонсирует разработки. SciPy предлагает несколько пакетов алгоритмов и функций, которые поддерживают научные вычисления: константы, кластер, fft, fftpack, интегрировать и т. д. SciPy по сути является частью стека NumPy и использует многомерные массивы в качестве структур данных, предоставляемых модулем NumPy. Первоначально выпущенный в 2001 году, она распространялась по лицензии BSD с репозиторием на GitHub.

Библиотека Seaborn — это библиотека визуализации данных Python для построения «привлекательных и информативных» статистических графиков. Seaborn основан на Matplotlib. Он включает в себя множество визуализаций на выбор, включая временные ряды и совместные графики.

Библиотека Theano — это библиотека Python, используемая для компиляции, определения, оптимизации и оценки математических выражений, содержащих многомерные массивы. Она была разработана Монреальским институтом алгоритмов обучения (MILA) при Монреальском университете и выпущена в 2007 году. Это библиотека с открытым исходным кодом под лицензией BSD. Библиотека построена поверх NumPy и имеет аналогичный интерфейс. Наряду с процессором он позволяет использовать графический процессор для ускорения вычислений. Theano вносит значительный вклад в крупномасштабные научные вычисления и связанные с ними исследования и поддерживается специальной группой из 13 разработчиков.

Библиотека ИТ-инфраструктуры (IT Infrastructure Library) — это серия публикаций с рекомендациями по передовому опыту управления ИТ-услугами[86].

Библиотека тегов (Tag library) — это набор документов, объясняющих правильный способ разметки документов в XML для определенного DTD. Библиотека тегов выходит за рамки основных правил DTD, поскольку она предоставляет указатели на то, что считается «лучшей практикой»[87].

Бизнес-модель (Business model) — это термин, который описывает обоснование того, как организация создает, поставляет и получает ценность в экономическом, социальном, культурном и других контекстах. Процесс построения и модификации бизнес-модели также называется инновацией бизнес-модели и является частью бизнес-стратегии[88].

Бизнес цифровых технологий (Digital Technology business) — это бизнес, основной целью которого является как создание, так и продажа продуктов, услуг или решений цифровых технологий[89].

Бизнес-аналитика (Business Intelligence) — это термин, который относится к приложениям, технологиям и методам сбора, анализа и интеграции бизнес-данных для поддержки более эффективного принятия бизнес-решений[90].

Бизнес-блог (б-блог) (Business Blog (b-blog)) — это блог опубликованных в неофициальных онлайн-статей, которые либо включены в систему внутренних коммуникаций компании (интранет), либо размещены в Интернете для всеобщего ознакомления. Деловые блоги используют более личный тон, чем корпоративные веб-сайты, и в основном используются для целей связей с общественностью. Деловой блог также может называться корпоративным блогом или корпоративным веб-журналом[91].

Бизнес-вариант использования (Business use case) — это описание в терминологии, свободной от технологий, того, как бизнес-процесс используется людьми или системами, внешними по отношению к бизнесу, для достижения своих целей (составлено из нескольких определений в литературе)[92].

Бизнес-Дизайн (Business Design) — это концептуализация современной бизнес-модели. Бизнес-дизайн тесно связан с сервис-дизайном и разделяет некоторые его принципы, но применяет их к бизнес-концепции всей компании. Центральная идея бизнес-дизайна состоит в том, чтобы изменить бизнес-деятельность так, чтобы она была ориентирована на клиента, чтобы создать сильную лояльность клиентов[93].

Бизнес-инновации (Innovation in a company) — это процесс организации для внедрения новых идей, рабочих процессов, методологий, услуг или продуктов. Подобно инновациям в области ИТ, которые требуют новых способов использования технологий для создания более эффективной и гибкой организации, бизнес-инновации должны способствовать достижению целей во всей организации с упором на достижение основных бизнес-целей и инициатив. Инновации часто начинаются с генерации идей, при этом идеи сужаются во время сеансов мозгового штурма, после чего руководители рассматривают бизнес-жизнеспособность, осуществимость и желательность каждой идеи[94].

Бизнес-инновации (Innovation In a company) — это процесс организации для внедрения новых идей, рабочих процессов, методологий, услуг или продуктов. Подобно инновациям в области ИТ, которые требуют новых способов использования технологий для создания более эффективной и гибкой организации, бизнес-инновации должны способствовать достижению целей во всей организации с упором на достижение основных бизнес-целей и инициатив. Инновации часто начинаются с генерации идей, при этом идеи сужаются во время сеансов мозгового штурма, после чего руководители рассматривают бизнес-жизнеспособность, осуществимость и желательность каждой идеи[95].

Бизнес-модель (Business model) — это план, определяющий источники дохода, клиентскую базу, продукты и детали финансирования. Он просто рассказывает, как бизнес зарабатывает деньги[96].

Бинанс USD (BUSD) (Binance) был создан биржей криптовалют Binance как стейблкоин, привязанный к доллару США. Стейблкоин был одобрен Департаментом финансовых услуг штата Нью-Йорк; таким образом, это также регулируется[97].

Бинанс монета (BNB) (Binance Coin) — это служебная криптовалюта, используемая в качестве способа оплаты сборов, связанных с торговлей на бирже Binance. Это третья по величине криптовалюта по рыночной капитализации.10 Те, кто использует токен в качестве платежного средства на бирже, могут торговать со скидкой. Блокчейн Binance Coin также является платформой, на которой работает децентрализованная биржа Binance. Биржа Binance была основана Чанпэном Чжао и является одной из наиболее широко используемых бирж в мире по объемам торгов[98].

Бинарное дерево (Binary tree) — это иерархическая структура данных, в которой каждый узел имеет значение (оно же является в данном случае и ключом) и ссылки на левого и правого потомка. Как правило, первый называется родительским узлом, а дети называются левым и правым наследниками. Двоичное дерево не является упорядоченным ориентированным деревом[99].

Биоконсерватизм (Bioconservatism) — это позиция нерешительности и скептицизма в отношении радикальных технологических достижений, особенно тех, которые направлены на изменение или улучшение условий жизни человека. Биоконсерватизм характеризуется верой в то, что технологические тенденции в современном обществе рискуют поставить под угрозу человеческое достоинство, а также противодействием движениям и технологиям, включая трансгуманизм, генетическую модификацию человека, «сильный» искусственный интеллект и технологическую сингулярность. Многие биоконсерваторы также выступают против использования таких технологий, как продление жизни и преимплантационный генетический скрининг[100],[101].

Биологический образец человека (Human Biological Sample) — это любой биологический материал, полученный от человека (включая кровь, мокроту, выделенную ДНК/РНК и т.д.)[102].

Биомедицинская информатика (Biomedical informatics) — это отрасль информатики здравоохранения, которая использует данные, чтобы помочь клиницистам, исследователям и ученым улучшить здоровье человека и обеспечить здравоохранение[103].

Биометрия (Biometrics) — это система распознавания людей. по одному или более физическим или поведенческим чертам. В области информационных технологий биометрические данные используются в качестве формы управления идентификаторами доступа и контроля доступа[104].

Био-Техно-Система (Bio-Techno-System) — это гибридные системы между биологическими системами и техническими системами с помощью компьютера (науки)[105].

Бит (Bit) –это наименьшая единица информации, с которой может работать компьютер. Каждый бит равен либо «1», либо «0». Часто компьютеры работают с группами битов, а не с одним битом за раз; наименьшая группа битов, с которой обычно работает компьютер, — это байт, то есть 8 бит[106].

Биткойн (Bitcoin) — это криптовалюта, виртуальная валюта, предназначенная для использования в качестве денег и формы платежа вне контроля какого-либо одного лица, группы или организации, что устраняет необходимость участия третьих лиц в финансовых транзакциях. Он вознаграждается майнерам блокчейна за работу, проделанную для проверки транзакций, и может быть приобретен на нескольких биржах[107].

Блог (Blog) — это дискуссионный или информационный веб-сайт, опубликованный во всемирной паутине и состоящий из дискретных, часто неформальных текстовых записей (постов) в стиле дневника. Сообщения обычно отображаются в обратном хронологическом порядке, так что самое последнее сообщение появляется первым в верхней части веб-страницы[108].

Блогер (Blogger) — это тот, кто регулярно пишет для онлайн-журнала или веб-сайта. Политический блогер может еженедельно комментировать текущие события[109].

Блогосфера (Blogosphere) — это социальная вселенная, созданная онлайн-людьми с помощью платформ для публикации веб-журналов. Проще говоря, блогосфера — это жаргонный термин для всех блогов в Интернете. Блогосферу часто сравнивают с массовой журналистикой в том смысле, что каждый участник может публиковать сообщения на любую тему, которая вызывает у них личный интерес. Блогосфера является мощной социальной сетью, в которой многие популярные блогеры имеют аудиторию, исчисляемую тысячами, а в некоторых случаях и миллионами. Однако блогосфера также очень разнообразна, поэтому она не представляет собой единую социальную единицу, хотя некоторые социальные подгруппы внутри блогосферы таковы. Службы обмена сообщениями на основе сообщений, такие как Twitter, часто считаются частью блогосферы, несмотря на более короткую длину сообщений[110].

Блок IFU (Instruction Fetch Unit IFU) — это блок предвыборки команд, который выстраивает в единую очередь команды, считываемые из внутренней или внешней памяти системы по шине EIB в соответствии с адресом, выставляемым по шине IAB.

Блок обработки изображений (Vision Processing Unit VPU) — это новый класс специализированных микропроцессоров, являющихся разновидностью ИИ -ускорителей, предназначенных для аппаратного ускорения работы алгоритмов машинного зрения.

Блокирование персональных данных (Blocking of personal data) — временное прекращение обработки персональных данных (за исключением случаев, если обработка необходима для уточнения персональных данных).

Блокчейн (Blockchain) — это технология, которая используется для криптовалюты с использованием отдельных узлов, на которых работает система обмена криптовалютой. Обмены криптовалюты проверяются майнерами. Валидность майнеров проверяется другими узлами на корректность. Использование технологии блокчейн сокращает время транзакций и количество случаев мошенничества. Такие компании, как Tesla, принимают криптовалюту в качестве формы оплаты, но не все. В 2021 году Tesla начала принимать биткойны (BCH), а через несколько месяцев прекратила прием из-за экологических проблем с добычей биткойнов. Tesla прекратила принимать биткойны из-за экологических последствий майнинга криптовалюты. Майнинг криптовалют требует значительного количества электроэнергии, что приводит к значительному выбросу углекислого газа. Что касается биткойнов, существует несколько различных типов криптовалют, включая Ethereum (ETH), Litecoin (LTC), Cardano (ADA), Polkadot (DOT), Stellar (XLM), Dogecoin (DOGE), Biance Coin (BNB), Tether (USDT), Monero (XMR), а также многие другие и постоянное количество новых валют. А также, Блокчейн Технология относится к тому, как операторы, которые не знают друг друга, могут создавать и поддерживать децентрализованные базы данных. Технология позволяет членам цепочки доверять друг другу, даже если они не знают друг друга. Наиболее известным применением технологии блокчейна является виртуальная валюта Биткойн[111],[112].

Большие Данные (Big Data) — это термин, который относятся к сбору, хранению, совместному использованию, поиску, анализу и представлению огромных, неорганизованных и постоянно растущих массивов данных с помощью статистики и информационных технологий. Поскольку Интернет вещей и промышленный Интернет продолжают распространяться, считается, что растет спрос на опыт, связанный с большими данными. А также, Большие данные — это большой объем информации об организации (как структурированной, так и неструктурированной), которую невозможно проанализировать с помощью традиционных вычислительных методов. Большие данные в здравоохранении — это большие наборы данных, собираемые регулярно или автоматически, которые фиксируются и хранятся в электронном виде. Данные можно использовать повторно в том смысле, что они являются многоцелевыми. Он включает в себя объединение и соединение существующих баз данных с целью улучшения здоровья и производительности системы здравоохранения. Это не относится к данным, собранным для конкретного исследования. Большие массивы данных (3.1.11), отличающиеся главным образом такими характеристиками, как объем, разнообразие, скорость обработки и/или вариативность, которые требуют использования технологии масштабирования для эффективного хранения, обработки, управления и анализа[113],[114],[115],[116].

Браунфилд (Brownfield) — это существующая промышленная система, предназначенная для новых функций без перерывов в работе[117].

Булевая нейронная сеть (невесомая нейронная сеть) (Boolean neural network) –это многослойная нейронная сеть, состоящая из модуля самоорганизующейся нейронной сети для извлечения признаков, за которым следует модуль нейронной сети и модуль классификации нейронной сети, который прошел самостоятельную подготовку.

Бытовой искусственный интеллект (Consumer artificial intelligence) — это специализированные программы искусственного интеллекта, внедрённые в бытовые устройства и процессы.

Бюджет ссылки (Link Budget) — это учет всех потерь (например, от антенн, затухания в конструкции, потерь при распространении) в системе беспроводной связи[118].

«В»

В режиме реального времени (Real-time) — это ввод и обработка данных за миллисекунды; промышленные данные, доступные в «реальном времени», почти сразу же превращаются из необработанных данных в пригодные для использования данные[119].

Вариант использования (Use case) — это текстовое и графическое изображение действующих лиц и операций, связанных с обменом информацией, в контексте набора конкретных задач для рабочего процесса, выполняемого различными системами или устройствами[120].

Вариант использования высокого уровня (High-level use case) — это ситуация, в которой потенциально может использоваться конкретное приложение или услуга электронного здравоохранения. Вариант использования высокого уровня может вызывать один или несколько вариантов использования. Функциональное описание процесса с точки зрения конечного пользователя. Он описывает взаимодействие между участниками процесса нетехническим способом[121].

Вариативность данных (Data variability) — это термин, который описывает, насколько далеко точки данных расположены друг от друга и от центра распределения. Наряду с мерами центральной тенденции меры изменчивости дают вам описательную статистику, которая обобщает ваши данные[122].

Вариативность данных (Data variability) описывает, насколько далеко точки данных расположены друг от друга и от центра распределения. Наряду с мерами центральной тенденции меры изменчивости дают вам описательную статистику, которая обобщает ваши данные[123].

Ввод данных (Data entry) — это процесс преобразования устных или письменных ответов в электронную форму[124].

Веб-Аналитика или Отслеживание Посетителей (Web Analytics, or Visitor Tracking) относится к отслеживанию посетителей веб-сайта и интерпретации их поведения при навигации. Веб-отслеживание позволяет дальше развивать онлайн-сервис[125].

Веб-Браузер (Web Browser) — это программа, которая позволяет человеку искать и использовать онлайн-сервисы в Интернете[126].

Веб-конференция (Web Conferencing) — это общий термин для различных видов технологий, которые позволяют двум или более людям из разных мест проводить живую конференцию через Интернет. История веб-конференций с 1990-х годов является частью истории технического прогресса в целом, при этом многие аспекты этих технологий зависят от других более крупных достижений, таких как Интернет и повышенная вычислительная мощность аппаратного обеспечения[127].

Веб-поисковая система (Web search engine) — это специализированный компьютерный сервер, который ищет информацию в Интернете. Результаты поиска по пользовательскому запросу часто возвращаются в виде списка (иногда называемого совпадениями). Посещения могут состоять из веб-страниц, изображений и других типов файлов. Некоторые поисковые системы также ищут и возвращают данные, доступные в общедоступных базах данных или открытых каталогах. Поисковые системы отличаются от веб-каталогов тем, что веб-каталоги поддерживаются редакторами-людьми, в то время как поисковые системы работают алгоритмически или за счет сочетания алгоритмического и человеческого ввода[128].

Веб-портал (Web Portal) — это специально разработанный веб-сайт, который часто служит единой точкой доступа к информации. Его также можно считать библиотекой персонализированного и категоризированного контента. Веб-портал помогает в навигации по поиску, персонализации, уведомлениях и интеграции информации, а также часто предоставляет такие функции, как управление задачами, совместная работа, бизнес-аналитика и интеграция приложений[129].

Веб-сайт (Website) — это набор общедоступных взаимосвязанных веб-страниц, которые имеют общее доменное имя. Веб-сайты могут создаваться и поддерживаться отдельным лицом, группой, предприятием или организацией для различных целей. Вместе все общедоступные веб-сайты составляют Всемирную паутину. Хотя его иногда называют «веб-страницей», это определение неверно, поскольку веб-сайт состоит из нескольких веб-страниц. Веб-сайт также известен как «веб-присутствие» или просто «сайт»[130].

Веб-экономика (Web Economy) — это экономика, основанная на цифровых вычислительных технологиях, но часто воспринимаемая как ведение бизнеса через рынки, основанные на Интернете и Всемирной паутине. Она также известна как интернет-экономика, новая экономика или веб-экономика. Цифровая экономика переплетается с традиционной экономикой, что затрудняет четкое разграничение. Цифровая экономика является результатом миллиардов повседневных онлайн-соединений между людьми, предприятиями, устройствами, данными и процессами. Она основана на взаимосвязанности людей, организаций и машин благодаря Интернету, мобильным технологиям и Интернету вещей (IoT). Без Интернета цифровая экономика, на которой работает глобальная экономика, не существовала бы в ее нынешнем виде[131].

Вектор атаки (Attack Vector) — это путь, по которому киберпреступник может получить доступ к объекту[132].

Векторный процессор или массивный процессор (Vector processor or array processor) — это центральный процессор (ЦП), который реализует набор инструкций, где его инструкции предназначены для эффективной и действенной работы с большими одномерными массивами данных, называемыми векторами. Это отличается от скалярных процессоров, чьи инструкции работают только с отдельными элементами данных, и от некоторых из тех же скалярных процессоров, имеющих дополнительные арифметические блоки с одной инструкцией, несколькими данными (SIMD) или SWAR. Векторные процессоры могут значительно повысить производительность при определенных рабочих нагрузках, особенно при численном моделировании и подобных задачах. Методы векторной обработки также работают в оборудовании игровых приставок и графических ускорителях[133].

Вертикальная интеграция (Vertical Integration) — это термин, который описывает сетевое взаимодействие внутрифирменных отделов цепочки закупок (например, горизонтальная интеграция). Он обеспечивает простой обмен информацией, способствует повышению эффективности производственных потоков, например, при оптимизации добавленной стоимости и цепочек поставок компании, и работает как инстанция управления[134].