Algoritmi IA utilizați în securitatea națională

IT & C - Descarcă PDFSfetcu, Nicolae (2023), Algoritmi IA utilizați în securitatea națională, IT & C, 3:1, 47-56, DOI: 10.58679/IT96935, https://www.internetmobile.ro/algoritmi-ia-utilizati-in-securitatea-nationala/

 

AI Algorithms Used in National Security

Abstract

Artificial intelligence is a fast -growing technological field, which captures the attention in the field of defense, political decision makers and international competitors. Artificial intelligence is increasingly playing a significant role in the analysis of intelligence, which is the process of collecting, evaluating and interpreting information to produce actionable intelligence, and national security in general.

Keywords: algorithms, artificial intelligence, defense, national security, data, natural language processing, recognition, analysis, monitoring, vulnerabilities

Rezumat

Inteligența artificială este un domeniu tehnologic în creștere rapidă, care captează atenția în domeniul apărării, factorilor de decizie politică și concurenților internaționali deopotrivă. Inteligența artificială joacă din ce în ce mai mult un rol semnificativ în analiza inteligenței, care este procesul de colectare, evaluare și interpretare a informațiilor pentru a produce inteligență acționabilă, și securitatea națională în general.

Cuvinte cheie: algoritmi, inteligența artificială, apărare, securitatea națională, date, procesarea limbajului natural, recunoașterea, analiza, monitorizare, vulnerabilități

 

IT & C, Volumul 3, Numărul 1, Martie 2024, pp. 47-56
ISSN 2821 – 8469, ISSN – L 2821 – 8469, DOI: 10.58679/IT96935
URL: https://www.internetmobile.ro/algoritmi-ia-utilizati-in-securitatea-nationala/
© 2023 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.

 

Algoritmi IA utilizați în securitatea națională

Ing. fiz. Nicolae SFETCU[1], MPhil

nicolae@sfetcu.com

[1] Researcher – Romanian Academy – Romanian Committee of History and Philosophy of Science and Technology (CRIFST), Division of History of Science (DIS), ORCID: 0000-0002-0162-9973

 

Introducere

Inteligența artificială (IA) este un domeniu tehnologic în creștere rapidă, care captează atenția în domeniul apărării, factorilor de decizie politică și concurenților internaționali deopotrivă. Inteligența artificială joacă din ce în ce mai mult un rol semnificativ în analiza inteligenței, care este procesul de colectare, evaluare și interpretare a informațiilor pentru a produce inteligență acționabilă, și securitatea națională în general. Serviciile de informații din întreaga lume folosesc din ce în ce mai mult inteligența artificială și tehnicile de învățare automată pentru a-și îmbunătăți capacitățile în diferite aspecte ale activității lor.

Algoritmi IA

Principalele utilizări potențiale și reale ale IA în serviciile de informații includ automatizarea proceselor administrative și organizaționale, procesele de securitate cibernetic, și analiza informațiilor prin „intelligence augmentat îmbunătățită prin IA”[1]. Conform lui Weinbaum & Shanahan,

„Viitoarea activitate în domeniul intelligence va depinde de accesarea datelor, de modelarea arhitecturii corporative potrivite în jurul datelor, de dezvoltarea capabilităților bazate pe inteligență artificială pentru a accelera în mod dramatic înțelegerea contextuală a datelor prin echipă om-mașină și mașină-mașină, și de creșterea expertizei analitice capabile să aprofundeze și să navigheze în enorme lacuri de date”[2].

Iată câteva utilizări comune ale AI de către agențiile de informații:

  • Colectarea și procesarea datelor: Sistemele IA pot colecta, curăța și procesa automat cantități mari de date structurate și nestructurate (”big data”) din diverse surse, inclusiv informații open-source, social media și documente clasificate. Această capacitate permite analiștilor să acceseze o gamă mai largă de informații rapid și eficient. Algoritmii AI pot analiza cantități mari de date din diverse surse, cum ar fi imagini din satelit, rețele sociale, interceptări de comunicare și multe altele, pentru a identifica modele și tendințe care ar putea să nu fie evidente pentru analiștii umani. Acest lucru poate ajuta la detectarea amenințărilor potențiale sau a activităților suspecte.
    • Web Scraping: AI poate automatiza colectarea de date dintr-o varietate de surse de pe internet, inclusiv social media, articole de știri și baze de date publice.
    • Analiza textului: procesarea limbajului natural (NLP) bazată pe inteligență artificială poate extrage informații valoroase din cantități mari de date text nestructurate, permițând analiștilor să identifice rapid tendințele, sentimentele și informațiile cheie.
    • Algoritmii AI pot fi utilizați pentru a procesa și analiza cantități mari de date, inclusiv informații open-source, imagini din satelit și conținut din rețelele sociale.
    • Tehnicile de învățare automată pot identifica modele, anomalii și potențiale amenințări din surse de date nestructurate. Algoritmii IA pot identifica modele și anomalii în cadrul datelor, permițând detectarea comportamentului neobișnuit sau a potențialelor amenințări. Acest lucru este deosebit de valoros în identificarea tendințelor emergente și a amenințărilor neconvenționale.
  • Procesarea limbajului natural (NLP): Tehnologia NLP permite agențiilor să proceseze și să înțeleagă automat volume mari de date textuale, inclusiv rapoarte scrise, postări pe rețelele sociale, e-mailuri și multe altele. Analiza sentimentelor poate ajuta la măsurarea opiniei publice și a sentimentelor legate de diferite subiecte de interes.
    • NLP permite agențiilor să proceseze și să înțeleagă cantități mari de date textuale, inclusiv comunicații multilingve și criptate.
    • Analiza sentimentelor poate ajuta la înțelegerea opiniilor publice și la identificarea riscurilor potențiale. A poate fi folosită pentru a evalua sentimentul publicului pe platformele de social media și posturile de știri, oferind informații despre opinia publică, potențialele tulburări sau sprijinul public pentru anumite probleme sau actori.
    • Analiza comportamentală: prin monitorizarea comportamentului utilizatorului și a sistemului, analiza datelor poate identifica activitățile suspecte, ajutând la prevenirea amenințărilor interne.
  • Recunoașterea imaginilor, fețelor și video: Algoritmii avansati de viziune computerizată permit analiza imaginilor și videoclipurilor pentru identificarea obiectelor, locațiilor și indivizilor. Acest lucru este crucial pentru urmărirea și identificarea țintelor de interes. AI poate fi folosită pentru a analiza imagini și videoclipuri de la camere de supraveghere, drone sau alte surse pentru a identifica obiecte, persoane sau anomalii de interes. Tehnologiile de recunoaștere facială și de detectare a obiectelor sunt deosebit de relevante pentru eforturile de securitate și de combatere a terorismului.
    • Viziunea computerizată bazată pe inteligență artificială poate analiza imagini și videoclipuri pentru a identifica obiecte, oameni și locații, ceea ce este valoros pentru urmărire și monitorizare.
    • Instrumentele de analiză a imaginilor bazate pe inteligență artificială pot identifica obiecte, locații și chiar persoane în fotografii și videoclipuri.
    • Tehnologia de recunoaștere facială ajută la identificarea potențialelor amenințări sau a persoanelor de interes.
    • Serviciile de informații folosesc sisteme bazate pe inteligență artificială pentru a monitoriza și urmări activitățile indivizilor și grupurilor de interese.
  • Analiza vorbirii și audio:
    • AI poate transcrie și analiza limbajul vorbit, făcându-l util pentru monitorizarea comunicărilor și conversațiilor în diferite limbi.
    • Tehnologia de recunoaștere a vorbirii poate transcrie și analiza înregistrări audio, ajutând agențiile de informații să monitorizeze și să urmărească conversațiile și să identifice vorbitori sau dialecte specifici.
  • Analiza geospațială: AI poate procesa date geospațiale, cum ar fi imagini din satelit și date GPS, pentru a monitoriza mișcarea forțelor militare, dezvoltarea infrastructurii și alte aspecte geografice de interes.
  • Monitorizarea rețelelor sociale:
    • AI poate cerceta cantități mari de date din rețelele sociale pentru a identifica amenințările emergente, pentru a urmări activitățile indivizilor sau a grupurilor și pentru a monitoriza sentimentele.
  • Vulnerabilități IoT: Pe măsură ce Internetul Lucrurilor (IoT) crește, la fel crește și vulnerabilitățile acestor dispozitive, creând oportunități pentru atacatori de a compromite rețelele. Eterogeneitatea dispozitivelor IoT vin în diferite forme și dimensiuni, cu sisteme de operare, firmware și protocoale de comunicare diferite. Această diversitate creează un peisaj de securitate complex, ceea ce face dificilă implementarea măsurilor de securitate uniforme pe toate dispozitivele.

Internetul obiectelor (IoT) include dispozitive cu senzori, capacitate de procesare, software și alte tehnologii care conectează și schimbă date cu alte dispozitive și sisteme prin Internet sau alte rețele de comunicații[3]. Există o serie de preocupări cu privire la confidențialitate și securitate datorate creșterii tehnologiilor și produselor IoT, care necesită abordări specifice din partea guvernelor pentru dezvoltarea de standarde internaționale și locale, orientări și cadre de reglementare[4]. În acest sens Internetul obiectelor militare (IoMT) este o clasă de Internet al obiectelor pentru operațiuni de luptă și război. O rețea complexă de entități interconectate care comunică continuu între ele pentru a coordona, învăța și interacționa cu mediul fizic, pentru a realiza o gamă largă de activități într-un mod mai eficient și mai informat[5]. Viitoarele bătălii militare vor fi dominate de inteligența mașinilor și războiul cibernetic[6]. În IoMT există posibilitatea de a încorpora în sistem obiecte neînsuflețite și inofensive, cum ar fi plante și roci, prin dotarea acestora cu senzori care le vor transforma în puncte de colectare a informațiilor[7]. În IoMT există posibilitatea de a încorpora în sistem obiecte neînsuflețite și inofensive, cum ar fi plante și roci, prin dotarea acestora cu senzori care le vor transforma în puncte de colectare a informațiilor[8]. În IoMT sunt esențiale comunicarea între entitățile implicate[9], și colaborarea reciprocă dintre agenții umani și entitățile electronice din rețea[10].

  • Identificarea amenințărilor:
    • AI poate scana seturi vaste de date pentru a identifica indivizi sau entități de interes și pentru a urmări activitățile și asociațiile acestora de-a lungul timpului.
  • Evaluarea amenințărilor: sistemele AI pot ajuta la evaluarea credibilității și severității amenințărilor și la prezicerea potențialelor activități teroriste prin analiza diferitelor surse de date, inclusiv comunicațiile online.
    • AI poate ajuta la evaluarea credibilității și gravității amenințărilor prin analizarea unei game largi de surse de date și identificarea indicatorilor comuni ai potențialelor amenințări.
    • Algoritmii AI pot identifica modele și anomalii în date, facilitând detectarea potențialelor amenințări sau tendințe care ar putea fi trecute cu vederea de către analiștii umani.
  • Analiza augmentată: {004} 2 Ce este analiza cu inteligență augmentată? Analiza de inteligență sporită a fost diferit definită; dar în linii mari, este utilizarea AI pentru ca „…să îmbunătățească inteligența umană, mai degrabă decât să o opereze independent sau să o înlocuiască. Este conceput pentru a face acest lucru prin îmbunătățirea procesului decizional uman și, prin extensie, a acțiunilor întreprinse ca răspuns la deciziile îmbunătățite” (IEEE, 2019). Analiza augmentată a inteligenței a fost posibilă de noile dezvoltări ale tehnologiei AI, în special de dezvoltarea învățării automate și a învățării profunde. ; Brewster, 2021; Cornille, 2021; Marcum et al., 2017; Biroul Secretarului Apărării, 2017, 19; Pellerin, 2017; US Navy, 2019; [Taddeo et al., 2021]), contraterorism (Campedelli et al. al., 2021; Doyle et al., 2014; McKendrick, 2019; Rassler, 2021), poliție și combaterea criminalității (Dixon & Birks, 2021; Eggers și colab., 2019; GCHQ, 2021; Ni și colab., 2020; Serious Fraud Office, 2020; Vegt et al., 2022), monitorizarea drepturilor omului și utilizări umanitare (Freeman, 2021; Marin & Kalaitzis, 2020; Pizzi și colab., 2021; Ryan & Van Antwerp, 2019) și colectarea de informații supraveghere (Vieth & Wetzling, 2019).{004}
  • Fuziunea datelor:
    • AI poate integra date din mai multe surse, inclusiv inteligența umană (HUMINT), inteligența semnalelor (SIGINT) și inteligența cu sursă deschisă (OSINT), pentru a oferi o imagine cuprinzătoare a unei situații.
  • Securitate cibernetică: Securitatea cibernetică a devenit o componentă critică a lumii noastre digitale moderne. Odată cu integrarea tot mai mare a tehnologiei în fiecare aspect al vieții noastre, securitatea infrastructurii noastre digitale este de o importanță capitală. Acest eseu va aprofunda în analiza securității cibernetice, examinând principiile sale fundamentale, peisajul amenințărilor în evoluție, rolul analizei datelor în securitatea cibernetică și tendințele viitoare în acest domeniu. AI este utilizată pentru a detecta și a răspunde la amenințările cibernetice, inclusiv monitorizarea traficului de rețea pentru activități suspecte, identificarea vulnerabilităților și previziunea potențialelor atacuri cibernetice. Poate fi folosit și în operațiuni cibernetice ofensive.
    • Agențiile de informații folosesc AI pentru a îmbunătăți securitatea cibernetică prin detectarea și atenuarea amenințărilor cibernetice.
    • Sistemele de detectare a intruziunilor bazate pe inteligență artificială pot identifica activități și vulnerabilități neobișnuite ale rețelei.
    • Spionajul cibernetic este o amenințare omniprezentă și în evoluție, care ridică provocări semnificative pentru securitatea națională, interesele corporative și confidențialitatea individuală. Acest eseu academic oferă o analiză cuprinzătoare a spionajului cibernetic, explorând diferitele sale aspecte, de la motive și metode până la implicațiile pentru guverne, organizații și indivizi. În plus, examinează contramăsurile și strategiile folosite pentru a atenua riscurile asociate cu această formă din ce în ce mai sofisticată de criminalitate cibernetică.
    • Amenințările persistente avansate (APT) sunt o clasă de amenințări cibernetice care reprezintă o provocare semnificativă pentru organizații și națiuni din întreaga lume. APT-urile sunt cunoscute pentru tacticile, tehnicile și procedurile lor avansate, precum și pentru capacitatea lor de a se infiltra și de a opera în mod persistent în sistemele țintă pentru perioade îndelungate. Acest eseu își propune să ofere o analiză cuprinzătoare a APT-urilor, inclusiv caracteristicile, originile, metodele, consecințele și strategiile de apărare ale acestora. Amenințări persistente avansate (APT) reprezintă una dintre cele mai insidioase și provocatoare forme de amenințări cibernetice, caracterizate prin sofisticarea, persistența și natura lor vizată.
  • Contraterorismul: AI poate ajuta la identificarea persoanelor cu legături cu grupuri extremiste sau la detectarea difuzării online a conținutului extremist.
  • Simulări și modelare:
    • AI poate fi folosit pentru a crea modele predictive și simulări pentru a înțelege mai bine situațiile geopolitice complexe, conflictele potențiale sau impactul schimbărilor de politică.
  • Analiza predictivă: Modelele de învățare automată pot prognoza potențialele amenințări de securitate și evoluții geopolitice pe baza datelor istorice, evenimente curente și diferiți indicatori. Analiza predictivă ajută agențiile de informații să se pregătească în mod proactiv pentru potențialele amenințări. Învățarea automată poate ajuta la prezicerea evenimentelor sau amenințărilor viitoare pe baza datelor și tendințelor istorice, ajutând agențiile de informații să aloce resurse și să planifice în consecință.
    • AI poate ajuta la analiza predictivă prin evaluarea datelor istorice pentru a prognoza potențialele amenințări și tendințe de securitate.
    • Modelele de învățare automată pot ajuta la identificarea amenințărilor și vulnerabilităților emergente.
    • Modelele de învățare automată pot prezice evenimente sau tendințe viitoare pe baza datelor istorice, ajutând agențiile de informații să anticipeze potențiale riscuri de securitate.

Se așteaptă ca IA să fie deosebit de utilă în domeniul inteligenței, datorită seturilor mari de date disponibile pentru analiză[11]. Proiectul Maven încorporează viziunea computerizată și algoritmi IA în celulele de colectare a informațiilor pentru identificarea activităților ostile[12]. Agenția Centrală de Informații (CIA) are cca. 140 de proiecte în dezvoltare care folosesc IA[13]. IARPA lucrează la proiecte pentru dezvoltarea de algoritmi pentru recunoașterea și traducerea vorbirii multilingve în medii cu zgomot, localizarea geografică a imaginilor fără metadatele asociate, fuzionarea imaginilor 2D pentru a crea modele 3D și construirea de instrumente pentru deducerea funcției unei clădiri pe baza modelului de analiza vietii[14], și în domeniul logisticii militare pentru întreținerea predictivă a aeronavelor[15].

Pentru a combate tehnologiile false profunde (deep fake), DARPA a lansat proiectul Media Forensics (MediFor), care urmărește să „detecteze automat manipulările, să ofere informații detaliate despre modul în care au fost efectuate aceste manipulări și să argumenteze despre integritatea generală a media vizuale”[16], și SemaFor, care încearcă să dezvolte algoritmi care va detecta, atribui și caracteriza automat diferite tipuri de falsuri profunde[17].

Inteligența artificială poate fi utilizată și pentru a crea „modele digitale de viață”, în care „amprenta” digitală a unui individ este „combinată și corelată cu istoricul achizițiilor, rapoartele de credit, CV-urile profesionale și abonamentele” pentru a crea un profil comportamental cuprinzător[18].

DoD a dezvoltat un concept de Comandă comună a tuturor domeniilor și Control (JADC2)[19], pentru a crea o singură sursă de informații, cunoscută și sub denumirea de „imagine comună de funcționare”, pentru factorii de decizie[20].Serviciile de informații au dezvoltat proiecte înrudite, precum Proiectul Convergență al armatei și Sistemul avansat de management al luptei al Forțelor Aeriene[21], iar programul Mosaic Warfare al DARPA urmărește să folosească AI[22].

DOD testează alte capabilități ale IA pentru a permite comportamentul cooperant sau roitul (acțiunea simultană ”în roi” a unui număr mare de unități mici de atac)[23].

Concluzie

Inteligența artificială este cu adevărat o tehnologie cheie pentru securitatea națională și competitivitate în deceniile viitoare, în condițiile dezvoltării de standarde, a promovării cercetării și asigurarea interoperabilității. Într-un mediu global din ce în ce mai complex, integrarea IA în apărare și intelligence va juca un rol esențial în securitatea națională și concurența economică internațională.

Inteligența artificială va avea implicații imense pentru securitatea națională și internațională, iar potențialele aplicații ale inteligenței artificiale pentru apărare și intelligence sunt o prioritate majoră. Marile națiuni investesc în prezent sume imense în aplicații militare ale inteligenței artificiale, obținând un avantaj competitiv net față de țările care neglijează această oportunitate.

Bibliografie

  • Babuta, Alexander, Marion Oswald, și Ardi Janjeva. „Artificial Intelligence and UK National Security: Policy Considerations”, 2 noiembrie 2023. https://rusi.orghttps://rusi.org.
  • Cameron, Lori. „Internet of Things Meets the Military and Battlefield: Connecting Gear and Biometric Wearables for an IoMT and IoBT”. IEEE Computer Society, 1 martie 2018. https://www.computer.org/publications/tech-news/research/internet-of-military-battlefield-things-iomt-iobt/.
  • Clark, Colin. „«Rolling The Marble:» BG Saltzman On Air Force’s Multi-Domain C2 System”. Breaking Defense (blog), 8 august 2017. https://breakingdefense.sites.breakingmedia.com/2017/08/rolling-the-marble-bg-saltzman-on-air-forces-multi-domain-c2-system/.
  • Congressional Research Service. „Artificial Intelligence and National Security (R45178)”, 2020. https://crsreports.congress.gov/product/details?prodcode=R45178.
  • Corrigan, Jack. „Indian Strategic Studies: Three-Star General Wants AI in Every New Weapon System”, 2017. https://www.strategicstudyindia.com/2017/11/three-star-general-wants-ai-in-every.html.
  • Corvey, William. „Media Forensics”, 2017. https://www.darpa.mil/program/media-forensics.
  • DARPA. „Strategic Technology Office Outlines Vision for “Mosaic Warfare””, 2017. https://www.darpa.mil/news-events/2017-08-04.
  • Gudeman, Kim. „Next-Generation Internet of Battle Things (IoBT) Aims to Help Keep Troops and Civilians Safe”, 2017. https://ece.illinois.edu/newsroom/news/3875.
  • Hoehn. „Defense Capabilities : Joint All Domain Command and Control / John R. Hoehn, Nishawn S. Smagh. – Vanderbilt University”, 2020. https://catalog.library.vanderbilt.edu/discovery/fulldisplay/alma991043717816903276/01VAN_INST:vanui.
  • IARPA. „Research Programs”, 2023. https://www.iarpa.gov/index.php/research-programs.
  • Koester, Jay. „JADC2 ‘Experiment 2’ Provides Looking Glass into Future Experimentation”. www.army.mil, 2020. https://www.army.mil/article/234900/jadc2_experiment_2_provides_looking_glass_into_future_experimentation.
  • Kott, Alexander, David S. Alberts, și Cliff Wang. „Will Cybersecurity Dictate the Outcome of Future Wars?” Computer 48, nr. 12 (decembrie 2015): 98–101. https://doi.org/10.1109/MC.2015.359.
  • Lawless, William, Ranjeev Mittu, Donald Sofge, Ira SS Moskowitz, și Stephen Russell. „Connect the Dots on State-Sponsored Cyber Incidents – Compromise of the Czech Foreign Minister’s Computer”. Council on Foreign Relations, 2019. https://www.cfr.org/index.php/cyber-operations/compromise-czech-foreign-ministers-computer.
  • Mattern, Friedemann, și Christian Flörkemeier. „Vom Internet der Computer zum Internet der Dinge”. Informatik-Spektrum 33, nr. 2 (1 aprilie 2010): 107–21. https://doi.org/10.1007/s00287-010-0417-7.
  • NYC. „NYC Office of Technology and Innovation – OTI”, 2021. https://www.nyc.gov/content/oti/pages/.
  • Russon, Mary-Ann. „Google Robot Army and Military Drone Swarms: UAVs May Replace People in the Theatre of War”. International Business Times UK, 16 aprilie 2015. https://www.ibtimes.co.uk/google-robot-army-military-drone-swarms-uavs-may-replace-people-theatre-war-1496615.
  • Saxena, Shalini. „Researchers Create Electronic Rose Complete with Wires and Supercapacitors”. Ars Technica, 1 martie 2017. https://arstechnica.com/science/2017/03/researchers-grow-electronic-rose-complete-with-wires-and-supercapacitors/.
  • Shafiq, Muhammad, Zhaoquan Gu, Omar Cheikhrouhou, Wajdi Alhakami, și Habib Hamam. „The Rise of “Internet of Things”: Review and Open Research Issues Related to Detection and Prevention of IoT-Based Security Attacks”. Wireless Communications and Mobile Computing 2022 (3 august 2022): e8669348. https://doi.org/10.1155/2022/8669348.
  • Tucker, Patrick. „What the CIA’s Tech Director Wants from AI”. Defense One, 6 septembrie 2017. https://www.defenseone.com/technology/2017/09/cia-technology-director-artificial-intelligence/140801/.
  • Watts, Clint. „Artificial Intelligence Is Transforming Social Media. Can American Democracy Survive?” Washington Post, 28 octombrie 2021. https://www.washingtonpost.com/news/democracy-post/wp/2018/09/05/artificial-intelligence-is-transforming-social-media-can-american-democracy-survive/.
  • Weinbaum, Cortney, și John N.T. Shanahan. „Intelligence in a Data-Driven Age”. National Defense University Press, 2018. https://ndupress.ndu.edu/Media/News/News-Article-View/Article/1566262/intelligence-in-a-data-driven-age/https%3A%2F%2Fndupress.ndu.edu%2FMedia%2FNews%2FNews-Article-View%2FArticle%2F1566262%2Fintelligence-in-a-data-driven-age%2F.
  • Weisgerber, Marcus. „Defense Firms to Air Force: Want Your Planes’ Data? Pay Up”. Defense One, 19 septembrie 2017. https://www.defenseone.com/technology/2017/09/military-planes-predictive-maintenance-technology/141133/.

Note

  • [1] Alexander Babuta, Marion Oswald, și Ardi Janjeva, „Artificial Intelligence and UK National Security: Policy Considerations”, 2 noiembrie 2023, https://rusi.orghttps://rusi.org.
  • [2] Cortney Weinbaum și John N.T. Shanahan, „Intelligence in a Data-Driven Age”, National Defense University Press, 2018, https://ndupress.ndu.edu/Media/News/News-Article-View/Article/1566262/intelligence-in-a-data-driven-age/https%3A%2F%2Fndupress.ndu.edu%2FMedia%2FNews%2FNews-Article-View%2FArticle%2F1566262%2Fintelligence-in-a-data-driven-age%2F.
  • [3] Muhammad Shafiq et al., „The Rise of “Internet of Things”: Review and Open Research Issues Related to Detection and Prevention of IoT-Based Security Attacks”, Wireless Communications and Mobile Computing 2022 (3 august 2022): e8669348, https://doi.org/10.1155/2022/8669348.
  • [4] NYC, „NYC Office of Technology and Innovation – OTI”, 2021, https://www.nyc.gov/content/oti/pages/.
  • [5] Lori Cameron, „Internet of Things Meets the Military and Battlefield: Connecting Gear and Biometric Wearables for an IoMT and IoBT”, IEEE Computer Society, 1 martie 2018, https://www.computer.org/publications/tech-news/research/internet-of-military-battlefield-things-iomt-iobt/.
  • [6] Alexander Kott, David S. Alberts, și Cliff Wang, „Will Cybersecurity Dictate the Outcome of Future Wars?”, Computer 48, nr. 12 (decembrie 2015): 98–101, https://doi.org/10.1109/MC.2015.359.
  • [7] Shalini Saxena, „Researchers Create Electronic Rose Complete with Wires and Supercapacitors”, Ars Technica, 1 martie 2017, https://arstechnica.com/science/2017/03/researchers-grow-electronic-rose-complete-with-wires-and-supercapacitors/.
  • [8] Friedemann Mattern și Christian Flörkemeier, „Vom Internet der Computer zum Internet der Dinge”, Informatik-Spektrum 33, nr. 2 (1 aprilie 2010): 107–21, https://doi.org/10.1007/s00287-010-0417-7.
  • [9] Kim Gudeman, „Next-Generation Internet of Battle Things (IoBT) Aims to Help Keep Troops and Civilians Safe”, 2017, https://ece.illinois.edu/newsroom/news/3875.
  • [10] William Lawless et al., „Connect the Dots on State-Sponsored Cyber Incidents – Compromise of the Czech Foreign Minister’s Computer”, Council on Foreign Relations, 2019, https://www.cfr.org/index.php/cyber-operations/compromise-czech-foreign-ministers-computer.
  • [11] Congressional Research Service, „Artificial Intelligence and National Security (R45178)”, 2020, https://crsreports.congress.gov/product/details?prodcode=R45178.
  • [12] Jack Corrigan, „Indian Strategic Studies: Three-Star General Wants AI in Every New Weapon System”, 2017, https://www.strategicstudyindia.com/2017/11/three-star-general-wants-ai-in-every.html.
  • [13] Patrick Tucker, „What the CIA’s Tech Director Wants from AI”, Defense One, 6 septembrie 2017, https://www.defenseone.com/technology/2017/09/cia-technology-director-artificial-intelligence/140801/.
  • [14] IARPA, „Research Programs”, 2023, https://www.iarpa.gov/index.php/research-programs.
  • [15] Marcus Weisgerber, „Defense Firms to Air Force: Want Your Planes’ Data? Pay Up”, Defense One, 19 septembrie 2017, https://www.defenseone.com/technology/2017/09/military-planes-predictive-maintenance-technology/141133/.
  • [16] William Corvey, „Media Forensics”, 2017, https://www.darpa.mil/program/media-forensics.
  • [17] Congressional Research Service, „Artificial Intelligence and National Security (R45178)”.
  • [18] Clint Watts, „Artificial Intelligence Is Transforming Social Media. Can American Democracy Survive?”, Washington Post, 28 octombrie 2021, https://www.washingtonpost.com/news/democracy-post/wp/2018/09/05/artificial-intelligence-is-transforming-social-media-can-american-democracy-survive/.
  • [19] Hoehn, „Defense Capabilities : Joint All Domain Command and Control / John R. Hoehn, Nishawn S. Smagh. – Vanderbilt University”, 2020, https://catalog.library.vanderbilt.edu/discovery/fulldisplay/alma991043717816903276/01VAN_INST:vanui.
  • [20] Colin Clark, „«Rolling The Marble:» BG Saltzman On Air Force’s Multi-Domain C2 System”, Breaking Defense (blog), 8 august 2017, https://breakingdefense.sites.breakingmedia.com/2017/08/rolling-the-marble-bg-saltzman-on-air-forces-multi-domain-c2-system/.
  • [21] Jay Koester, „JADC2 ‘Experiment 2’ Provides Looking Glass into Future Experimentation”, www.army.mil, 2020, https://www.army.mil/article/234900/jadc2_experiment_2_provides_looking_glass_into_future_experimentation.
  • [22] DARPA, „Strategic Technology Office Outlines Vision for “Mosaic Warfare””, 2017, https://www.darpa.mil/news-events/2017-08-04.
  • [23] Mary-Ann Russon, „Google Robot Army and Military Drone Swarms: UAVs May Replace People in the Theatre of War”, International Business Times UK, 16 aprilie 2015, https://www.ibtimes.co.uk/google-robot-army-military-drone-swarms-uavs-may-replace-people-theatre-war-1496615.

 

CC BY SA 4.0Articol cu Acces Deschis (Open Access) distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY SA 4.0 (https://creativecommons.org/licenses/by-sa/4.0/).

NetZeRoCities Competition 2023 – First Edition

postat în: Știri 0

Competiția de proiecte NetZeRoCities 2023 - Ediția ICentrul Național de Competență și soluții pentru dezvoltarea orașelor inteligente neutre climatic (NetZeRoCities), prin Institutului Național de Cercetare – Dezvoltare în Informatică – ICI București, vă invită în data de 18.12.2023, ora 16:00, online, la sesiunea publică de prezentare a propunerile finaliste din cadrul NetZeRoCities Competition 2023 – First Edition.

Programul evenimentului este urmatorul:

 

NetZeRoCities: Centrului Național de Competență și soluții pentru dezvoltarea orașelor inteligente neutre climatic

(National Competence Centre and solutions for the development of Climate Neutral and Smart Cities)

Institutul Național de Cercetare – Dezvoltare în Informatică – ICI București

                   

Vă invită în data de 18.12.2023, ora 16:00, online, la sesiunea publică de prezentare a propunerile finaliste din cadrul

NetZeRoCities Competition 2023 – First Edition

Programul evenimentului

16:00 Deschiderea evenimentului, anunțul cu privire la regulamentul competiției, prezentarea juriului

Prof. Florin Pop

Institutul Național de Cercetare – Dezvoltare în Informatică – ICI București, Responsabil proiect Climente Neutral Governance

16:15 NETZeroCampus – Novel & optimal learning Environment and Tracking emission system for a Climate-Neutral Living Lab

Echipa: Energy Transition Trailblazers

Lider: Farkas Timea

Universitatea Tehnică din Cluj-Napoca

16:45 Implementarea pereților verzi pentru absorbția gazelor cu efect de seră

Echipa: Green for the Future

Lider: Cristina Alexandra Morar

Universitatea Tehnică din Cluj-Napoca

17:15 Supercapacitor City Minibus Propulsion System. A Proposed Concept

Echipa: Intelligent Control of Energy Conversion and Storage UPT

Lider: Dan-Cornel Hulea

Universitatea Politehnica Timișoara

17:15 Active monitoring of air-pollution in smart-cities

Echipa: O-Zone

Lider: Silvian-Marian Petrică

Universitatea Națională de Știință și Tehnică Politehnica București

17:45 Electromagnetic Pollution Monitor with Real-Time Feedback

Echipa: ElectromagDetecter

Lider: Mara-Ioana Nicolae

Universitatea Națională de Știință și Tehnică Politehnica București

18:15 Discuții finale
18:30 Anunțarea clasamentului final și a premiilor

 

Publicul poate vota la finalul prezentărilor propunerea cea mai bună din cadrul competiției.

Link-ul de conectare: https://teams.microsoft.com/l/meetup-join/19%3ameeting_NGRhMjI5NzItOTc1Zi00YTk5LTg2OGMtMTY4ZTE0M2U1Zjg3%40thread.v2/0?context=%7b%22Tid%22%3a%222d8cc8ba-8dda-4334-9e5c-fac2092e9bac%22%2c%22Oid%22%3a%22fd7b76dd-3789-489b-94ce-2ace1d744260%22%7d

 

Vă așteptăm cu mare drag!

Impact of Big Data Technology on Contemporary Society

IT & C - Descarcă PDFSfetcu, Nicolae (2023), Impact of Big Data Technology on Contemporary Society, IT & C, 3:1, 11-19, DOI: 10.58679/IT73078, https://www.internetmobile.ro/impact-of-big-data-technology-on-contemporary-society/

 

Abstract

This essay explores the profound implications of Big Data technology on various facets of contemporary society. As the digital landscape continues to evolve, the ability to collect, process, and analyze massive volumes of data has become a pivotal force shaping industries, governance, and individual experiences. With the increasing volume of data on the Internet, in social media, cloud computing, mobile devices and government data, Big Data is both a threat and an opportunity for researchers to manage and use this data while maintaining the rights of the involved people. The essay delves into the key features of Big Data technology, its applications across different sectors, and the associated challenges and opportunities.

Keywords: big data, technology, ethics, challenges, trends, applications, research, society

Impactul tehnologiei Big Data asupra societății contemporane

Rezumat

Acest eseu explorează implicațiile profunde ale tehnologiei Big Data asupra diferitelor fațete ale societății contemporane. Pe măsură ce peisajul digital continuă să evolueze, capacitatea de a colecta, procesa și analiza volume masive de date a devenit o forță esențială care modelează industriile, guvernanța și experiențele individuale. Odată cu creșterea volumului de date pe Internet, în rețelele sociale, cloud computing, dispozitive mobile și date guvernamentale, Big Data este atât o amenințare, cât și o oportunitate pentru cercetători de a gestiona și utiliza aceste date, păstrând în același timp drepturile persoanelor implicate. Eseul analizează caracteristicile cheie ale tehnologiei Big Data, aplicațiile sale în diferite sectoare și provocările și oportunitățile asociate.

Cuvinte cheie: big data, tehnologie, etică, provocări, tendințe, aplicații, cercetare, megadate, date massive, date mari, societate

 

IT & C, Volumul 3, Numărul 1, Martie 2024, pp. 11-19
ISSN 2821 – 8469, ISSN – L 2821 – 8469, DOI: 10.58679/IT73078
URL: https://www.internetmobile.ro/impact-of-big-data-technology-on-contemporary-society/
© 2023 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.

 

Impact of Big Data Technology on Contemporary Society

Nicolae Sfetcu[1]

nicolae@sfetcu.com

[1] Researcher – Romanian Academy – Romanian Committee of History and Philosophy of Science and Technology (CRIFST), Division of History of Science (DIS), ORCID: 0000-0002-0162-9973

 

Introduction

The advent of Big Data technology marks a paradigm shift in how information is managed and leveraged. This essay provides an overview of Big Data, encompassing its defining characteristics. Understanding these elements is crucial for appreciating the scale and complexity of data in the contemporary digital era.

The term Big Data refers to the extraction, manipulation and analysis of data sets that are too large to be routinely processed. Because of this, special software is used and, in many cases, also dedicated computers and hardware. Generally, for these data the analysis is done statistically. Based on the analysis of the respective data, predictions of certain groups of people or other entities are usually made, based on their behavior in various situations and using advanced analytical techniques. Thus, tendencies, needs and behavioral evolutions of these entities can be identified. Scientists use this data for research in meteorology, genomics, (Nature 2008) connectomics, complex physical simulations, biology, environmental protection, etc. (Reichman, Jones, and Schildhauer 2011)

Definitions

Big Data usually includes sets of data that exceed the capacity of ordinary software and hardware, using unstructured, semi-structured and structured data, with an emphasis on unstructured data. (Dedić and Stanier 2017) Big Data has grown in size since 2012, from dozens of terabytes to many data exabytes. (Everts 2016) Making data efficient with Big Data involves machine learning to detect patterns, (Mayer-Schönberger and Cukier 2014) but often this data is a by-product of other digital activities.

A 2018 definition states that „Big data is where parallel computing tools are needed to handle data,” which represents a turning point in computing, using parallel programming theories and the lack of assurances assumed by previous models. Big Data uses inductive statistics and concepts of identifying nonlinear systems to deduce laws (regressions, nonlinear relationships and causal effects) from large data sets with low information density to obtain relationships and dependencies or to make predictions of results and behaviors. (Billings 2013)

At European Union level there is no mandatory definition but, according to the Opinion 3/2013 of the European Working Group on data protection,

„Big Data is a term that refers to the enormous increase in access to and automated use of information: It refers to the gigantic amounts of digital data controlled by companies, authorities and other large organizations which are subjected to extensive analysis based on the use of algorithms. Big Data may be used to identify general trends and correlations, but it can also be used such that it affects individuals directly.” (European Economic and Social Committee 2017)

The problem with this definition is that it does not consider reusing personal data.

Regulation no. 2016/679 defines personal data (Article 4, paragraph 1) as

„any information relating to an identified or identifiable natural person (‘data subject’); an identifiable natural person is one who can be identified, directly or indirectly, in particular by reference to an identifier such as a name, an identification number, location data, an online identifier or to one or more factors specific to the physical, physiological, genetic, mental, economic, cultural or social identity of that natural person.” (European Economic and Social Committee 2017)

The definition applies at EU level also to unidentified persons, but which can be identified by correlating anonymous data with other additional information. Personal data, once anonymized (or pseudo-anonymized), can be processed without the need for authorization, however, taking into account the risk of re-identifying the data subject.

2. Big Data dimensions

The data is shared and stored on servers, through the interaction between the entity involved and the storage system. In this context, Big Data can be classified into active systems (synchronous interaction, entity data is sent directly to the storage system), and passive systems (asynchronous interaction, data is collected through an intermediary and then entered into the system).

Also, the data can be transmitted directly, consciously or non-consciously (if the person whose data is transmitted is not notified on time and clearly). The data is then processed to generate statistics.

Depending on the target of the respective statistics analyzes, the data dimensions may be a) individual (only one entity is analyzed); social (there are analyzed discrete groups of entities within a population); and hybrids (when an entity is analyzed from the perspective of its belonging to an already defined group).

The current huge output of user-generated data is expected to grow by 2000% worldwide by 2020 and are often unstructured. (European Economic and Social Committee 2017) In general, Big Data is characterized by:

  • Volume (amount of data);
  • Variety (products from different sources in different formats);
  • Speed (speed of online data analysis);
  • Accuracy (data is uncertain and must be verified);
  • Value (evaluated by analysis).

The volume of data produced and stored is currently evolving exponentially, over 90% of them being generated in the last four years. (European Economic and Social Committee 2017) Large volumes require high speed of analysis, with a strong impact on veracity. Incorrect data has the potential to cause problems when used in the decision process.

One of the major problems with Big Data is whether the complete data is needed to draw certain conclusions about their properties, or a sample is enough. Big Data contains in its name a term related to size, which is an important feature of Big Data. But (statistical) sampling allows the selection of correct data collection points from a larger set to estimate the characteristics of the entire population. Big Data can be sampled across different categories of data in the process of sample selection with the help of sampling algorithms for Big Data.

3. Technology

Data must be processed with advanced collection and analysis tools, based on predetermined algorithms, in order to obtain relevant information. Algorithms must also take into account invisible aspects for direct perceptions.

In 2004 Google published a paper about a process called MapReduce that offers a parallel processing model. (Dean and Ghemawat 2004) MIKE2.0 is also an open source application for information management. (MIKE2.0 2019) Several studies from 2012 have shown that the optimal architecture for addressing Big Data issues is multi-layered. A distributed parallel architecture distributes data on multiple servers (parallel execution environments) thus dramatically improving data processing speeds.

According to a report from the McKinsey Global Institute in 2011, the main components and ecosystems of Big Data are: (Manyika et al. 2011) data analysis techniques (machine learning, natural language processing, etc.), big data technologies (business intelligence, cloud computing, databases), and visualization (charts, graphs, other data views).

Big Data provides real-time or near real-time information, thus avoiding latency whenever possible.

4. Applications

Big data in government processes increases cost efficiency, productivity and innovation. Civil records are a source for Big Data. The processed data helps in critical areas of development, such as health care, employment, economic productivity, crime, security and management of natural disasters and resources. (Kvochko 2012) Big Data technology has permeated diverse industries, leading to transformative changes. The essay explores its applications in healthcare, finance, marketing, and education, highlighting specific use cases and the resulting benefits. From personalized medicine to predictive analytics in finance, the influence of Big Data is reshaping traditional practices and fostering innovation.

Also, Big Data provides an infrastructure that allows for highlighting uncertainties, performance, and availability of components. Trends and predictions in the industry require a large amount of data and advanced prediction tools.

Governments worldwide are harnessing Big Data to enhance public services, optimize resource allocation, and improve decision-making processes. This section examines the role of Big Data in governance, emphasizing the potential for data-driven policies, public health initiatives, and urban planning. Additionally, it addresses concerns related to privacy, security, and ethical considerations.

Big Data contributes to the improvement of healthcare by providing personalized medicines and prescriptive analyzes, clinical interventions with risk assessment and predictive analysis, etc. The level of data generated in health systems is very high. But there is a pressing problem with generating „dirty data”, which increase with increasing volume of data, especially since most are unstructured and difficult to use. The use of Big Data in healthcare has generated significant ethical challenges, with implications on individual rights, privacy and autonomy, transparency and trust.

In the field of health insurance, data is collected on the „determinants of health”, which helps to develop forecasts on health costs and to identify clients’ health problems. This use is controversial, due to the discrimination of clients with health problems. (Allen 2018)

In the media and advertising, for Big Data, numerous information points are used about millions of people, to serve or transmit personalized messages or content.

In sports, Big Data can help improve competitors’ training and understanding using specific sensors and predict future performance of athletes. Sensors attached to Formula 1 cars collect, inter alia, tire pressure data to make fuel burning more efficient.

Big data and information technology complement each other, helping together to develop the Internet of Things (IoT) for interconnecting smart devices and collecting sensory data used in different fields.

5. Research

In science, Big Data systems are used extensively in particle accelerators at CERN (150 million sensors transmit data 40 million times per second, for about 600 million collisions per second, of which they are used after filtering only 0.001% of the total data obtained), (Brumfiel 2011) in astrophysical radio telescopes built from thousands of antennas, decoding the human genome (initially it took a few years, with Big Data can be done in less than a day), climate studies, etc. .

Big IT companies use data warehouses of the order of tens of petabytes for search, recommendations and merchandising. Most data is collected by Facebook, with over 2 billion monthly active users (Constine 2017) and Google with over 100 billion searches per month. (Sullivan 2015)

The research uses a lot of encrypted search and cluster formation in Big Data. Developed countries are currently investing heavily in Big Data research. Within the European Union, these researches are included in the Horizon 2020 program. (European Commission 2019)

Often, research programs use API resources from Google and Twitter to gain access to their Big Data systems, for free or at no cost.

Large data sets come with algorithmic challenges that previously did not exist, and it is imperative to fundamentally change the processing methods. To this end, special workshops have been created that bring together scientists, statisticians, mathematicians and practitioners to discuss the algorithmic challenges of Big Data.

6. Ethics, challenges, and future trends

The proliferation of Big Data technology raises ethical questions related to privacy, consent, and data ownership. This section explores the societal implications of data-driven decision-making, emphasizing the need for ethical frameworks and regulations. It discusses potential biases in algorithms and the importance of responsible data use to mitigate unintended consequences.

While Big Data technology presents numerous opportunities, it also poses challenges. This section outlines the technical, ethical, and societal challenges associated with the massive volumes of data generated daily. Simultaneously, it explores opportunities for innovation, economic growth, and societal advancement arising from effective Big Data utilization.

As technology continues to evolve, so do the prospects and challenges associated with Big Data. This section discusses emerging trends such as edge computing, machine learning, and the integration of Internet of Things (IoT) with Big Data. It also considers the evolving role of data scientists and the importance of interdisciplinary collaboration in addressing complex issues.

Conclusion

With the increasing volume of data on the Internet, in social media, cloud computing, mobile devices and government data, Big Data is both a threat and an opportunity for researchers to manage and use this data while maintaining the rights of the involved people.

In conclusion, the essay emphasizes the transformative impact of Big Data technology on contemporary society. From revolutionizing industries to influencing governance and individual lives, the ramifications of this technological paradigm are vast and multifaceted. Navigating the evolving landscape of Big Data requires ongoing dialogue, ethical considerations, and a proactive approach to harnessing its potential for the greater good.

Bibliography

  • Allen, Marshall. 2018. “Health Insurers Are Vacuuming Up Details About You — And It Could Raise Your Rates.” Text/html. ProPublica. July 17, 2018. https://www.propublica.org/article/health-insurers-are-vacuuming-up-details-about-you-and-it-could-raise-your-rates.
  • Billings, Stephen A. 2013. “Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains.” Wiley.Com. 2013. https://www.wiley.com/en-ro/Nonlinear+System+Identification%3A+NARMAX+Methods+in+the+Time%2C+Frequency%2C+and+Spatio+Temporal+Domains-p-9781119943594.
  • Brumfiel, Geoff. 2011. “High-Energy Physics: Down the Petabyte Highway.” Nature 469 (7330): 282–83. https://doi.org/10.1038/469282a.
  • Constine, Josh. 2017. “Facebook Now Has 2 Billion Monthly Users… and Responsibility.” TechCrunch (blog). 2017. http://social.techcrunch.com/2017/06/27/facebook-2-billion-users/.
  • Dean, Jeffrey, and Sanjay Ghemawat. 2004. “MapReduce: Simplified Data Processing on Large Clusters.” http://static.googleusercontent.com/media/research.google.com/en//archive/mapreduce-osdi04.pdf.
  • Dedić, Nedim, and Clare Stanier. 2017. “Towards Differentiating Business Intelligence, Big Data, Data Analytics and Knowledge Discovery.” In Innovations in Enterprise Information Systems Management and Engineering, edited by Felix Piazolo, Verena Geist, Lars Brehm, and Rainer Schmidt, 114–22. Lecture Notes in Business Information Processing. Springer International Publishing.
  • European Commission. 2019. “Horizon 2020.” Text. Horizon 2020 – European Commission. 2019. https://ec.europa.eu/programmes/horizon2020/en.
  • European Economic and Social Committee. 2017. “The Ethics of Big Data: Balancing Economic Benefits and Ethical Questions of Big Data in the EU Policy Context.” European Economic and Social Committee. February 22, 2017. https://www.eesc.europa.eu/en/our-work/publications-other-work/publications/ethics-big-data.
  • Everts, Sarah. 2016. “Information Overload.” Science History Institute. July 18, 2016. https://www.sciencehistory.org/distillations/magazine/information-overload.
  • Kvochko, Elena. 2012. “Four Ways to Talk About Big Data.” Text. Information and Communications for Development. December 4, 2012. http://blogs.worldbank.org/ic4d/four-ways-to-talk-about-big-data.
  • Manyika, James, Michael Chui, Jaques Bughin, and Brad Brown. 2011. “Big Data: The next Frontier for Innovation, Competition, and Productivity.” 2011. https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation.
  • Mayer-Schönberger, Viktor, and Kenneth Cukier. 2014. Big Data: A Revolution That Will Transform How We Live, Work, and Think. Reprint edition. Boston: Eamon Dolan/Mariner Books.
  • MIKE2.0. 2019. “Big Data Solution Offering – MIKE2.0, the Open Source Methodology for Information Development.” 2019. http://mike2.openmethodology.org/wiki/Big_Data_Solution_Offering.
  • Nature. 2008. “Community Cleverness Required.” Nature 455 (7209): 1. https://doi.org/10.1038/455001a.
  • Reichman, O. J., Matthew B. Jones, and Mark P. Schildhauer. 2011. “Challenges and Opportunities of Open Data in Ecology.” Science 331 (February): 703. https://doi.org/10.1126/science.1197962.
  • Sullivan, Danny. 2015. “Google Still Doing At Least 1 Trillion Searches Per Year.” Search Engine Land. January 16, 2015. https://searchengineland.com/google-1-trillion-searches-per-year-212940.

 

CC BY SA 4.0Articol cu Acces Deschis (Open Access) distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY SA 4.0 (https://creativecommons.org/licenses/by-sa/4.0/).

Competiția de proiecte NetZeRoCities 2023 – Ediția I

postat în: Știri 0

Competiția de proiecte NetZeRoCities 2023 - Ediția IOrașele inteligente și tranziția către soluții neutre climatic reprezintă preocupări importante la nivel național, european și internațional. Implicarea dumneavoastră în acest proces de transformare este una necesară și esențială.

Competiția pe care o propunem se va desfășura în cadrul centrului de competențe NetZeRoCities. Scopul acesteia este să încurajeze tinerii în găsirea de soluții la problemele reale ale orașelor și să le poată face publice prin intermediul centrului NetZeRoCities.

Apoi vor fi analizate și valorificate împreună cu entitățile și autoritățile competente.

Calendarul competiției:

  • 20.11.2023 – lansarea publică oficială a competiției;
    04.12.2023 – trimiterea propunerilor prin intermediul acestui formular: https://forms.office.com/e/r3eVD7TwcP;
    11.12.2023 – finalizarea evaluării propunerilor și anunțarea finaliștilor;
    18.12.2023 – evenimentul online (orele 16:00-20:00) de prezentare a propunerilor finaliste.

Vă dorim mult succes!

Echipa NetZeRoCities

1 … 23 24 25 26 27 28 29 … 47