ФНС заблокировала счет российского подразделения Google

0 0

Налоговая служба заблокировала банковский счет российского подразделения Google в Ситибанке. Компания утверждает, что сообщение о блокировке — техническая ошибка

Федеральная налоговая служба (ФНС) заблокировала счет ООО «Гугл» (российского подразделения Google), следует из данных специальной системы ведомства для информирования банков. Первым это заметило агентство «Москва».

ФНС заблокировала счет российского подразделения Google

В базе указано, что решение о приостановлении операций по счетам было принято 9 февраля, информация размещена в системе 13 февраля. В базе указан банковский идентификационный код (БИК) организации, в которую направлено решение. Этот БИК присвоен российскому филиалу Ситибанка. Инициатором блокировки стала межрайонная инспекция службы по Москве.

Пресс-служба Google назвала информацию о блокировке счета «технической ошибкой» и отказалась давать комментарии, сообщает агентство RNS. Пресс-служба ФНС и Ситибанк не ответили на запрос.

В отношении ООО «Гугл» возбуждены два исполнительных производства: одно — в сентябре, другое — в декабре 2019 года, следует из данных базы Федеральной службы судебных приставов. По данным базы ФНС, задолженности по налогам, превышающей 1000 рублей, у ООО «Гугл» нет.

Российское подразделение поисковика было зарегистрировано в 2005 году. 13 февраля в компании сменился гендиректор: ее возглавил Дэвид Манро Снэддон вместо Карло Бьондо. Директором по операциям Google на развивающихся рынках Европы, Ближнего Востока и Африки осталась Юлия Соловьева, уточняла компания.

«Нет задачи дискриминировать мужчин». Глава Google в России Юлия Соловьева о том, как разнообразие помогает бизнесу

5 главных технологий десятилетия: выбор венчурных инвесторов

ФНС заблокировала счет российского подразделения Google

1 из 5

Getty Images

ФНС заблокировала счет российского подразделения Google

2 из 5

Getty Images

ФНС заблокировала счет российского подразделения Google

3 из 5

Getty Images

ФНС заблокировала счет российского подразделения Google

4 из 5

Getty Images

ФНС заблокировала счет российского подразделения Google

5 из 5

Getty Images

ФНС заблокировала счет российского подразделения Google

ФНС заблокировала счет российского подразделения Google

ФНС заблокировала счет российского подразделения Google

ФНС заблокировала счет российского подразделения Google

ФНС заблокировала счет российского подразделения Google

5. Редактирование генов и генная терапия

Объясняет Константин Северинов, профессор Сколковского института науки и технологий и Ратгерского университета (Нью-Джерси, США):

Идея терапии путем геномного редактирования состоит в следующем: если вы можете в точно указанном месте разрезать молекулу ДНК в хромосоме, например, клетки человека, то клетка сама зашьет внесенный разрыв необходимым вам образом — это позволит, например, исправить какую-либо мутацию или создать изменение в генетическом материале, ведущее к возникновению нужного вам признака. Клинические применения — например, для борьбы с раком или мышечной дистрофией — могут быть основаны на разных технологиях редактирования. В 2010 году технологии CRISPR не существовало: хотя само явление было уже известно, но никакого отношения к практике оно не имело. Тогда существовало два подхода, с помощью которых ученые пытались решать задачи геномного редактирования — «молекулярные ножницы» на основе «цинковых пальцев» и талены. Эти технологии неплохо работают, но они сложны: для того чтобы отредактировать какое-то определенное место в геноме, требовались буквально годы работы высококвалифицированных специалистов.

В 2012 были опубликованы первые статьи, показывающие, что CRISPR-нуклеазы также могут быть использованы для редактирования. Редактирование с помощью CRISPR-нуклеаз на порядок проще, чем с прежними редакторами. Это привело к революции: люди стали говорить, что теперь генным редактированием можно заниматься в гараже (хотя это и преувеличение). Скорость и простота — то, что отличает CRISPR технологию 2010-х годов от технологий нулевых.

Однако «просто» — не обязательно хорошо: «цинковые пальцы» часто оказываются более точными редакторами, чем CRISPR. Kлиническиx исследований с использованием геномного редактирования для лечения болезней человека очень мало, и многие из них основаны именно на «цинковых пальцах». При этом надо понимать: все эти технологии настолько новые, что никаких реальных больных с их помощью пока никто не лечит, если не считать скандальных опытов Хэ Цзянькуя, который тоже никого не лечил, а просто создал девочек с направленными мутациями, вызванными действием CRISPR-нуклеаз. Публикации в прессе иногда оставляют ощущение, что буквально завтра мы всех вылечим, однако это будет никак не завтра, а в лучшем случае через пять-десять лет, и лишь для ограниченного круга редких болезней. Клинические исследования находятся на ранних стадиях. С другой стороны, эти методы уже сейчас широко используются для получения «отредактированных»  сельскохозяйственных животных и растений, продукты из которых уже есть в продаже в ряде стран. Надо только понимать, что такие животные и растения — ГМО.  

Следующий слайд

4. «Большие данные»

Слово Давиду Рафаловскому, исполнительному вице-президенту Сбербанка, руководителю блока технологий:

Мы стоим на пороге изменений, которые могут сравниться с зарождением жизни на Земле. В 2010-х годах мы перешли из информационной эпохи в цифровую. Сегодняшний день — это экономика данных.

Главное отличие цифровой эпохи от информационной заключается в том, что люди научились работать с «сырыми», неструктурированными данными. За последние 15 лет экспоненциально выросли количество машин, включенных в сеть, число людей, пользующихся интернетом, и производительность компьютеров. На рубеже 2010-х годов технологии Big Data стали доступны широкому бизнесу. При этом в экспоненциально развивающийся мир мы вступаем с линейным мышлением и линейным представлением о будущем — в этом и заключается ключевое противоречие новой эпохи. Мы назвали этот новый мир транзитным и турбулентным.

Он характеризуется гигантским увеличением потока данных. Каждые два дня мы теперь генерируем столько же информации, сколько ее появилось с момента сотворения мира до 2003 года. По прогнозам в 2025 году мы будем генерировать в сто с лишним раз больше: 62 Гб данных. 

Технологии анализа больших данных, компьютерного зрения, речевой аналитики, распознавания речи и голоса дают бизнесу и государству возможность «переизобрести» себя. Производители товаров и услуг понимают, что и в их жизнь приходит «цифра». И если они не займутся цифровизацией, то ею займутся конкуренты, которые в итоге вытеснят их с рынка, потому что цифровизация радикально меняет бизнес-модель, удовлетворенность потребителей, стоимость и качество любых товаров и услуг. Big data имеет радикальное влияние на общество. Чтобы быть на волне прогресса, необходимы решения на уровне каждого отдельного человека, бизнеса. Нужно обеспечивать возможности для переподготовки кадров, внедрять новые бизнес-модели и реформировать систему управления и предоставления услуг.

Следующий слайд

3. Облачные технологии

Комментарий Михаила Лобоцкого, управляющего директора компании SberCloud:

Во второй декаде XXI века облачные технологии стали многомиллиардным бизнесом, который продолжит расти и в следующем десятилетии. Согласно прогнозу аналитиков, IDC-рынок облаков будет расти на 22,3% в год и к 2023 году достигнет $500 млрд. Облачные подразделения таких гигантов, как Amazon и Microsoft, стали ключевыми подразделениями этих компаний. Причина такого впечатляющего триумфа облаков ­­— их высокая востребованность в бизнесе и универсальность. Получить свои конкурентные преимущества от использования облачной инфраструктуры и сервисов может получить любая компания, независимо от размеров и направления ее деятельности. Эти преимущества можно охарактеризовать двумя словами: скорость и эффективность.

Миграция в облако позволяет бизнесу очень быстро масштабировать свои вычислительные мощности и оперативно запускать на них новые продукты и решения. Получить у облачного провайдера дополнительные сервера или системы хранения данных можно за минуты. Если же делать это на собственной ИТ-инфраструктуре, то процесс закупки и наладки оборудования, найма ИТ-специалистов может занять месяцы. Точно так же быстро в облаке можно сократить потребление вычислительных мощностей и, соответственно, сэкономить средства.

Отдельно хотелось бы отметить, что облака стали комплементарной технологией для того, что сейчас называют «искусственными интеллектом». Этот факт дополнительно способствует росту популярности облачных решений. Теперь для обучения нейросетвых моделей не нужно покупать много дорогого «железа». Даже небольшая компания или независимый разработчик может использовать облачные мощности для обучения своих программных моделей.

Следующий слайд

2. Альтернативная энергетика

О том, какой путь прошли за десять лет технологии альтернативных источников энергии (АИН), рассказывает Евгений Теруков, доктор технических наук, профессор ФТИ им. А. Ф. Иоффе в Санкт-Петербурге:

Под альтернативными источниками энергии (АИН) обычно понимают солнечную энергетику, ветровую, приливную и биоэнергетику. По темпам развития на первом месте сегодня стоит ветер, однако существуют оговорки относительно экологических последствий ветровой генерации. Что касается солнечной энергетики, то в течение этого века ее суммарная мощность выросла от примерно 1 ГВт в 2001 году до 500 ГВт сейчас.

Сама технология  за это время принципиально не изменилась: физическое явление, на котором основана солнечная генерация, было открыто в начале прошлого века, а в 1950-х гг были разработаны  первые солнечные батареи на кремнии для космических программ. Только потом технологии, разработанные для космоса, были перекинуты на наземную энергетику.

Проблема была только в том, что солнечные элементы, которые производились для космоса, были дорогими. Поэтому широкомасштабное внедрение солнечной энергетики затянулось. Наземная энергетика приобрела мировые масштабы только в XXI веке. Началось активное наращивание объемов солнечных станций. До 2011 года было построено 40 ГВт мощностей, а потом каждый год прибавлялось по 30, 40, 60 ГВт — каждый год шел рост ввода новых солнечных станций. Похожая динамика и по ветряным электростанциям.

Конечно, на этот рост оказали влияние и те проблемы, с которыми столкнулась атомная энергетика (безопасность), и проблема выбросов СО2, связанная с использование традиционных источников сырья в энергетике ( уголь, газ, нефть и т. д). Однако надо понимать, что капитальные затраты по введению мощностей АИН и традиционной генерации несоизмеримы: солнечная станция мощностью 5 МВт строится за 2-3 месяца, а масштабный объект традиционной энергетики — атомной, тепловой или гидро- — возводится годами.

Что касается рентабельности, ее сложно сравнивать, поскольку невозможно подсчитать, к примеру, долгосрочный урон от утилизации конструкционных материалов отработавшего ядерного реактора. Однако уже сейчас в США и Германии стоимость солнечной электроэнергии сравнилась,  а для ряда регионов этих стран стала ниже энергии, получаемой от традиционных источников. Наиболее активно солнечную энергетику сегодня развивают Китай, США, Япония, Германия и Индия.

Согласно прогнозам экспертов, к концу столетия 80-90% энергии будет производится по технологиям возобновляемой энергетики.

Следующий слайд

1. Искусственный интеллект

Рассказывает Игорь Пивоваров, главный аналитик Центра компетенций НТИ на базе МФТИ по направлению «Искусственный интеллект»:

Разработки в области искусственного интеллекта идут уже давно: начало принято отсчитывать от знаменитой конференции в Дартмусе, США в 1956 году. С тех пор было несколько разных поколений технологий ИИ — вопросо-ответные системы, экспертные системы, много других подходов и, наконец, технологии машинного обучения, в первую очередь, глубокие нейронные сети, которые сегодня в первую очередь ассоциируются с понятием «искусственный интеллект». По сути нейронная сеть — это простая математическая модель коры головного мозга человека, способная обучаться решать определенную задачу на большом количестве данных. В такой сети может быть несколько миллионов нейронов, соединенных миллиардами связей (к слову, в мозгу человека ~86 млрд нейронов и триллионы связей). 

Революция в этой области произошла примерно в 2010-х годах и связана была с тремя факторами:

  1. Появились дешевые вычислительные мощности, которые позволили обучать большие сети
  2. Появились огромные объемы размеченных данных — например, фотографии в Инстаграмме, которые сами же пользователи подписывают хэштегами
  3. Появился Open-source — открытый программный код, которые компании выкладывают в сеть, и им могут пользоваться все программисты.

Все эти факторы сильно ускорили разработку новых моделей ИИ и их обучение, и сегодня мы имеем обученные сети, способные переводить с языка на язык не хуже, чем человек, или распознавать объекты на картинке даже лучше человека. Однако до настоящего интеллекта пока еще далеко. Все эти технологии относятся к «слабому ИИ», то есть способному выполнять одну узкую задачу. А любой человек способен выполнять множество разных задач, легко переключаясь между ними. Этого машины пока не умеют, так же как и не умеют самостоятельно ставить цели и планировать их выполнение. Эти разработки еще только ведутся, так что впереди нас ждет много интересных открытий!

Следующий слайд

Источник

Оставьте ответ

Ваш электронный адрес не будет опубликован.

19 − 3 =