Перейти к содержанию

6.1 ИИ сейчас - большой интерес, обширные вложения и хорошие прогнозы

Материал из Охота на электроовец: Большая Книга Искусственного Интеллекта

В 2019 г. Джеффри Дин из Google поделился с публикой своей презентацией под названием «Глубокое обучение для решения сложных проблем» (Deep Learning to Solve Challenging Problems). На первом же слайде презентации был приведён график, показывающий количество научных работ в области машинного обучения, размещаемых ежегодно на сервисе для публикации препринтов (предшествующих публикации предварительных версий статей) arXiv.org. В 2018 г. их число превысило 35 000, что означает, что в 2018 г. в день на arXiv.org публиковалось около 100 новых статей по данной тематике. Это более чем в 30 раз превосходит показатель 2009 г. Вспомогательная шкала на графике, представленном Дином, позволяет оценить, во сколько раз увеличилось число статей по сравнению с базовым 2009 г. Всего за девять лет количество статей выросло примерно в 32 раза.

Рис. 117. Рост числа статей в области машинного обучения

Таким образом, рост числа статей происходил немного быстрее, чем количество элементов микросхем в законе Мура (в два раза каждые два года), причём отрыв особенно усилился после 2015 г.[1]

Впрочем, показатель, избранный Дином, нельзя признать до конца удачным. Дело в том, что за это же время общее количество препринтов статей на arXiv.org также существенно выросло — с примерно 65 000 в 2009 г. до почти 140 000 в 2018 г.[2] Поэтому если посмотреть на долю публикаций по машинному обучению от общего их числа, то рост будет немного более скромным, но всё же более чем впечатляющим — с 1,7 до 25%.

Если использовать для анализа другой источник, а именно Scopus от Elsevier — крупнейшую в мире базу данных рецензируемых и цитируемых публикаций, то наблюдаемый здесь рост будет уже не столь впечатляющий, но по-прежнему многократный. По данным стэнфордского ежегодного доклада Artificial Intelligence Index Report за 2019 г. (AIIR-2019), в конце 1990-х гг. на тематику, связанную с ИИ, приходилось менее 1% научных статей и около 3% публикаций по итогам научных конференций. К 2018 г. оба показателя выросли приблизительно втрое, до 3 и 9% соответственно[3]. Такая существенная разница в показателях arXiv.org и Scopus, по всей видимости, объясняется двумя факторами. Во-первых, область ИИ ещё 10–20 лет назад была в меньшей мере связана с машинным обучением. В наши дни некоторые публицисты вообще ставят знак равенства между ИИ и машинным обучением, хотя машинное обучение — это лишь одна из отраслей ИИ. Многие системы ИИ, упомянутые нами ранее, либо вовсе обходились без применения машинного обучения (например, Logical Theorist), либо использовали его в качестве неосновной техники (например, Deep Blue или Chinook). Поэтому графики, построенные для arXiv.org и Scopus, всё-таки отражают динамику разных показателей. Во-вторых, современное сообщество специалистов в области машинного обучения активно выступает за максимальную открытость исследований в данной области. И это проявляется не только в создании проектов, подобных OpenAI (некоммерческой исследовательской компании из Сан-Франциско, основанной Илоном Маском, президентом венчурного фонда Y Combinator Сэмом Альтманом и рядом других видных исследователей и предпринимателей), но и, например, в бойкоте, объявленном журналу Nature Machine Intelligence со стороны ведущих исследователей в области машинного обучения (в числе которых, например, Джеффри Хинтон, Ян Лекун, Йошуа Бенджио и другие знаменитые учёные) в знак протеста против политики закрытого доступа к публикациям[4].

В различных областях информатики доля публикаций, доступных в виде препринтов на arXiv.org, весьма различна. Машинное обучение — один из лидеров по данному показателю. Более 60% работ, относящихся к этой области, выложено авторами в публичный доступ. Для многих других областей информатики этот показатель близок к нулю. При этом в целом популярность arXiv.org среди исследователей в области информатики быстро растёт. В 2007 г. на arXiv.org в виде препринтов был доступен всего 1% публикаций по информатике, а в 2017 г. — уже 23%[5]. Таким образом, существенный вклад в неравенство показателей Scopus и arXiv.org вносит, по всей видимости, растущая открытость исследований в области машинного обучения.

Так или иначе, в новом тысячелетии мы видим многократный рост количества публикаций, посвящённых ИИ и машинному обучению. Это, впрочем, не единственный показатель, свидетельствующий о наступлении новой весны ИИ. Помимо улучшения конкретных инженерных метрик (например, качества распознавания котиков на картинках), о которых мы поговорим немного позже, крайне важной является динамика экономических показателей, свидетельствующих о растущем влиянии прогресса в области ИИ на мировую экономику.

Авторы AIIR-2021 (аналогичного доклада Artificial Intelligence Index Report уже за 2021 г.) уделяют около десятка страниц своего отчёта анализу динамики рынка труда для специальностей, связанных с ИИ. Для этого они используют данные LinkedIn[6], включив в анализ страны, для которых покрытие рынка труда данными LinkedIn составило более 40% и в каждый из рассмотренных месяцев (2016 и 2020 гг.) набиралось хотя бы 10 человек, у которых в профиле присутствовал хотя бы один навык из области ИИ и которые в тот же месяц добавили в свою анкету новое место работы с датой начала, соответствующей этому же месяцу (для простоты мы будем называть владельцев таких профилей «людьми, получившими новую работу в области ИИ»). Также в анализ были включены Индия и Китай, хотя покрытие их рынка труда данными LinkedIn составляло менее 40%. В итоге в списке оказалось 25 стран. Для них авторы AIIR-2021 посчитали «индекс найма в ИИ» (AI Hiring Index), сначала рассчитав, какую долю в каждом из проанализированных месяцев составляли профили людей, получивших новую работу в области ИИ, от общего числа профилей LinkedIn для данной страны, а затем разделив полученное среднемесячное значение для 2020 г. на среднемесячное значение 2016 г. В итоге для всех 25 стран были получены значения в диапазоне от 3,4 (Бразилия) до примерно 1,25 (Китай) с медианным значением около 2 (смысл данных значений — это индекс, насколько чаще люди начали находить работу в сфере ИИ в 2020 г. по сравнению с 2016 г.).

Честно говоря, методология данного исследования вызывает у меня целый ряд вопросов. Например, неясно, учитывалось ли изменение общего количества анкет по странам за указанный период. В тексте говорится о доле профилей людей, получивших новую работу в области ИИ, от общего числа профилей LinkedIn для данной страны, но неясно, на какой момент было взято это общее число профилей. Порог степени покрытия рынка труда данными LinkedIn выбран достаточно произвольно, что подтверждает волюнтаристское включение в список Индии и Китая. А почему, например, не включена Индонезия, занимающая четвёртое место в мире по населению? Вместо того чтобы выбрасывать из списка некоторые страны, авторы могли бы рассчитать средневзвешенное значение индекса, что было бы в принципе куда более уместно в эру глобальной экономики. Из исследования не совсем ясно, в какой мере наблюдаемый эффект обусловлен ростом частоты смены работы со стороны ИИ-специалистов, а в какой мере — появлением новых ИИ-специалистов или переходом специалистов между отраслями. Ну и наконец, нет попытки оценить, насколько смещена сама выборка пользователей LinkedIn относительно имеющегося в странах рынка труда. Опросы, проводимые в интернете, как известно, неизменно показывают наличие доступа в интернет у 100% опрошенных. Но, несмотря на все эти замечания, на сегодняшний день это единственное столь масштабное исследование рынка труда в области ИИ, охватывающее практически все крупнейшие экономики мира, и результаты, полученные в нём, однозначны: из 25 проанализированных стран ни в одной значение индекса не было меньше 1,25, что говорит о масштабных сдвигах на рынке труда. В США с 2010 по 2020 г. доля вакансий в областях ИИ и машинного обучения от общего числа вакансий, опубликованных в интернете, выросла примерно в шесть раз[7].

Надо сказать, что в следующих отчётах, AIIR-2022 и AIIR-2023, авторы вместо AI Hiring Index стали подсчитывать Relative AI Hiring Index, который рассчитывается относительно других стран региона. При таком подходе лучший результат показали Новая Зеландия и Гонконг (соответственно 2,42 и 1,37 в данных отчётах)[8], [9].

Если обратиться к данным российского рынка труда, то исследование, проведённое сервисом HeadHunter по заказу автономной некоммерческой организации «Цифровая экономика» в ноябре 2018 г., показало, что за год число вакансий в сфере искусственного интеллекта выросло в 2,5 раза, а за последние два года — в 15 раз, причём основными драйверами роста стали финансовая сфера и телекоммуникации[10].

Активный рост интереса к ИИ наблюдается и в сфере образования. Например, в январе 2018 г. на онлайн-курсы сервиса Udacity по тематикам, связанным с ИИ (введение в ИИ, введение в описательную статистику, введение в Hadoop и MapReduce, введение в машинное обучение и введение в TensorFlow для глубокого обучения), записалось около 105 000 пользователей, а годом позже, в январе 2019 г., — уже более 392 000 (рост за год более чем в 3,7 раза). Правда, авторы AIIR-2019 не приводят данные по суммарному количеству пользователей, записавшихся на курсы Udacity в эти же месяцы, что было бы весьма нелишним в условиях всеобщего роста интереса к массовым открытым онлайн-курсам (Massive open online course, MOOC)[11]. Эти данные не так уж просто раздобыть, ежегодные отчёты компании Udacity старательно обходят эту тему. Известно, что в декабре 2018 г. Udacity отметила выпуск своего 50 000-го студента, а в декабре 2019-го — уже 100 000-го[12]. Если темпы роста количества студентов, успешно завершивших обучение, соответствуют темпам роста числа записавшихся на курсы, то годовой прирост доли студентов, записавшихся на курсы Udacity, составит уже не 3,7, а 1,85 раза, что, несмотря на коррекцию, является впечатляющим результатом.

К сожалению, статистика для самого популярного сервиса онлайн-обучения Coursera не позволяет получить даже столь приблизительную оценку динамики интереса к обучению в области ИИ. Однако первое по популярности место занимает на протяжении многих лет стэнфордский курс по машинному обучению от Эндрю Ына, при этом число пользователей Coursera выросло в 2019 г. примерно в 1,2 раза (с 37 до 45 млн человек)[13]. Благодаря Coursera Эндрю Ын, вероятно, учит больше учеников, чем кто-либо другой на планете. По данным на апрель 2019 г., суммарное количество пользователей Coursera, записавшихся на его курс, превысило 2 млн человек[14].

Самый популярный русскоязычный курс по машинному обучению на Coursera от НИУ ВШЭ и Школы анализа данных Яндекса (преподаватели — Константин Воронцов и Евгений Соколов) может похвастаться 106 868 регистрациями на 02.08.2021[15].

По данным AIIR-2019, высокие темпы роста интереса к образованию в области ИИ наблюдаются и в университетах. В 2012–2018 гг. в Стэнфордском университете количество участников программы «Введение в искусственный интеллект» выросло в пять раз. За тот же период в Иллинойсском университете в Урбане-Шампейне (University of Illinois at Urbana-Champaign, UIUC), самом большом кампусе Иллинойсского университета, количество студентов, изучающих введение в машинное обучение, увеличилось в 12 раз. Сходную динамику для курсов по ИИ демонстрируют Калифорнийский университет в Беркли и Вашингтонский университет (University of Washington, UW). При этом некоторые вузы указали, что рост числа студентов был ограничен числом доступных мест, поэтому упомянутые темпы роста могут недооценивать реально существующий спрос на курсы по ИИ.

ИИ — наиболее популярная область специализации в диссертационных исследованиях по информатике. В 2022 г. почти 25% защитившихся докторов философии в области информатики выбрали темы для своих диссертаций, относящиеся к области ИИ (в 2010 г. этот показатель составлял около 14%). При этом доля иностранцев среди получателей PhD увеличилась за эти годы с 40 до 60%, а после защиты лишь 10–15% из них покидают США[16], [17], [18], [19].

В 2022 г. 71% новых докторов философии в области ИИ начал свою карьеру в индустрии в Северной Америке (280 человек из 396, в расчёт не включены те, по которым нет информации). В абсолютных числах это почти семикратный рост по сравнению с 2004 г., когда такое начало карьеры выбрал только 41 человек из 163 (25%), а большинство предпочло пойти в науку[20], [21].

Во всём мире продолжается существенный рост инвестиций в стартапы, связанные с ИИ. По данным AIIR-2023, если в 2013 г. объём привлечённых средств составил около 5 млрд долларов, то в 2022 г. их объём почти достиг 92 млрд долларов, то есть среднегодовые темпы роста в 2013–2022 гг. составили около 20%. При этом авторы AIIR-2023 принимали в расчёт только ИИ-компании, получившие более 1 500 000 долларов инвестиций. Всего в 2022 г. во всём мире было заключено 3538 инвестиционных сделок (суммой более 1 500 000 долларов) в ИИ-стартапы со средним размером вложения в 8,6 млн долларов.

В 2022 г. безусловными лидерами по объёмам частных инвестиций в ИИ среди стран стали США и Китай (47,4 и 13,4 млрд долларов соответственно). На третьем месте, с более чем десятикратным отрывом от лидеров, — Великобритания (4,4 млрд долларов). Впрочем, если рассчитать значение показателя на душу населения, то тройка лидеров радикально изменится: на первом месте окажется Израиль (со 354 долларами в год на человека), на втором — Сингапур (188 долларов) и только на третьем — США (139 долларов)[22].

В России за 2018 г. объём частных инвестиций в ИИ-стартапы составил 18,7 млн долларов (в тысячу раз меньше, чем в том же году в США), что в расчёте на душу населения составляет чуть меньше 13 центов. И всё-таки это более чем 37-кратный прирост с 2011 г., что несколько превышает общемировые темпы роста. Кроме того, за неполный 2019-й (на 4 ноября) сумма частных инвестиций в ИИ-стартапы составила в России уже более 28 млн долларов, что говорит о возможности удвоения этого показателя за год. И всё же это более чем скромные показатели, ставящие Россию в один ряд с такими ИИ-сверхдержавами, как Индонезия, Иордания и Новая Зеландия[23].

Если принять в расчёт государственные вложения, то ситуация немного меняется.

На 2023 финансовый год[24] федеральные гражданские агентства США (т. е. кроме Министерства обороны и DARPA) запросили в бюджете около 1,8 млрд долларов на исследования в области ИИ (R&D AI). Крупнейшими гражданскими распределителями бюджетных средств являются Национальный фонд науки (National Science Foundation, NSF), Национальный институт здоровья (National Institutes of Health, NIH), Департамент энергетики (Department of Energy, DOE) и Национальный институт продовольствия и сельского хозяйства (National Institute of Food and Agriculture, NIFA)[25].

Официальный бюджет Министерства обороны США не является общедоступным, но агентство Bloomberg на основе анализа 305 несекретных исследовательских программ Министерства обороны США, в которых указано использование технологий искусственного интеллекта или машинного обучения, оценило расходы по ним в 5,0 млрд долларов США как в 2020-м, так и в 2021 финансовом году. Однако собственный учёт Министерства обороны США даёт гораздо меньшую цифру: лишь 841 млн долларов в 2021 финансовом году (правда, с последующим ростом до 1,1 млрд долларов в 2023 финансовом году[26]). Это обусловлено нюансами отделения разработок ИИ от иных расходов: например, создание дронов с искусственным интеллектом в запросе на бюджетное финансирование с использованием технологий искусственного интеллекта будет учитывать и расходы на оборудование для дронов[27].

DARPA распределит 568 млн долларов, из которых 250 млн планируется израсходовать на Кросс-функциональную команду по алгоритмической войне (Algorithmic Warfare Cross Functional Team), более известную как Project Maven, а краеугольный камень программы ИИ Пентагона, Объединённый центр ИИ (Joint AI Centre, JAIC), получит 132 млн долларов[28].

По оценке CSET (Center for Security and Emerging Technology, Центр безопасности и новых технологий), расходы Китая в 2018 г. на ИИ составляли от 2 до 8,4 млрд долларов (более точно оценить сложно)[29], что близко к расходам США. Хотя заместитель начальника штаба Военно-воздушных сил США по разведке генерал-лейтенант ВВС США Вералинн Джеймисон в 2018 г. заявила, что в 2020 г. Китай планирует вложить в развитие технологий ИИ 70 млрд долларов государственных средств, но никаких подтверждений её слов нет, и это можно рассматривать как попытку добиться увеличения финансирования расходов на ИИ из американского военного бюджета[30], [31].

Согласно опубликованному в 2017 г. Государственным советом КНР «Плану развития искусственного интеллекта нового ​​поколения» (кит. 新一代人工智能发展规划), к 2030 г. Китай планирует стать мировым центром инноваций в области искусственного интеллекта с порядком объёма отрасли ИИ более 1 трлн юаней и с порядком объёма смежных отраслей более 10 трлн юаней (один юань на сентябрь 2023 г. равен примерно 13 рублям[32], [33]). В России в рамках реализации мероприятий федерального проекта «Цифровые технологии» национальной программы «Цифровая экономика» планируется потратить на развитие технологий ИИ 410 млрд рублей за 5 лет — с 2020 по 2024 г. (т. е. в среднем около миллиарда долларов в год), из которых 260 млрд рублей предполагается тратить из бюджета, а 150 — привлечь из внебюджетных источников[34]. Доля затрат на военные технологии ИИ в России неизвестна, при этом российский военный бюджет в 2022 г. планировался примерно в 3,5 трлн рублей, что по курсу на начало 2022 г. соответствовало примерно 45 млрд долларов[35].

Продолжается активное развитие промышленной автоматизации. В 2021 г. в мировой промышленности количество введённых за год в строй роботов выросло на 31% — до 517 385 единиц, тем самым установив новый рекорд, а суммарная стоимость новых роботов с учётом программного обеспечения и периферийных устройств превышает 50 млрд долларов США. 52% введённых в строй роботов пришлось на долю Китая, 9% — Японии, 7% — США, 6% — Южной Кореи, и замыкает пятёрку Германия, в которой нашли себе рабочие места 5% новых роботов[36], [37], [38].

В России в 2019 г. было введено в строй 1410 новых промышленных роботов (0,4% от мирового объёма), что сделало нашу страну одним из лидеров по темпам роста (+40% к вводу в 2018 г.). Фактически по этому показателю Россия уступила лидерство лишь Катару, прикупившему к имевшимся четырём роботам ещё семь (+175%)[39]. К сожалению, нам не удалось найти в открытых источниках более свежие данные.

Международная федерация робототехники (International Federation of Robotics, IFR) подсчитала, что в итоге общее количество промышленных роботов достигло 3 477 127 единиц (+15% по отношению к 2020 г.). Около 26% внедрений новых роботов в 2021 г. приходится на электронную промышленность, 23% — на автомобильную промышленность, 12% — на металлообработку, 5% — на химическую промышленность (включая производство пластмасс) и 3% — на пищевую промышленность[40] (сумма сильно меньше 100%, потому что ещё 10% отнесено ими в категорию «Всё остальное», а 21% — в «Неопределённое»).

По степени обеспечения промышленности роботами мировым лидером является Южная Корея, в которой на 10 000 промышленных рабочих приходится 1000 роботов. В России этот показатель составляет 6 роботов на 10 000 сотрудников промышленных предприятий (при среднемировом значении 141 на 10 000). Менее 5% роботов, проданных в России в 2019 г., — отечественного производства[41], [42], [43].

По мнению Павла Кривозубова, руководителя направления «Робототехника и искусственный интеллект» фонда «Сколково», производство отечественных роботов развивается медленнее, чем за рубежом, поскольку это направление просело со времён распада СССР и начало восстанавливаться только в последние годы, а тем временем зарубежные конкуренты разрабатывали собственные решения; кроме этого, рабочая сила в стране дешевле, чем в Сингапуре или США, что останавливает промышленников от повсеместного внедрения роботов[44].

В 2017 г. международная аудиторская сеть PricewaterhouseCoopers (далее — PwC), входящая в «большую четвёрку» аудиторов, опубликовала 32-страничное исследование, озаглавленное «Оценка приза. Глобальное исследование искусственного интеллекта PwC: эксплуатация революции ИИ. Какова реальная ценность ИИ для вашего бизнеса и как вы можете извлечь выгоду?» (Sizing the prize. PwC’s Global Artificial Intelligence Study: Exploiting the AI Revolution. What’s the real value of AI for your business and how can you capitalise?). В ней аналитики PwC попытались спрогнозировать степень влияния ИИ на мировую экономику в 2017–2030 гг. и пришли к выводу, что в 2030 г. вклад технологий ИИ в мировую экономику может составить до 15,7 трлн долларов, что превосходит текущий суммарный объём производства Индии и Китая. Из этой суммы 6,6 трлн долларов, вероятно, будут получены за счёт повышения производительности труда, а 9,1 трлн долларов — за счёт влияния ИИ на потребление[45].

О данном эффекте мы поговорим немного подробнее.

Наверняка вы слышали приписываемую Биллу Гейтсу цитату о том, что «640 Кб памяти должно хватить всем!» [в разных вариантах: 640K of memory should be enough for anybody или 640K ought to be enough for anybody]. Не менее известна и другая вымышленная цитата, вложенная народной молвой в уста Томаса Уотсона — младшего, президента IBM и будущего посла США в СССР: «Я думаю, на мировом рынке можно будет продать штук пять компьютеров» [I think there is a world market for about five computers]. Древние побасёнки на эту же тему были не в пример добрее.

Например, в воспоминаниях барона Гримма приводится случай, якобы произошедший 27 июня 1783 г. на Марсовом поле в Париже. При виде полёта первого воздушного шара братьев Монгольфье Гримм сказал: «Многие люди, которые притворяются холодными в разгар общественного энтузиазма, не преминут это повторить. Но какую пользу мы получим от этого опыта? Что хорошего в этом открытии, которое производит так много шума?» Учёный и политический деятель Бенджамин Франклин, якобы присутствовавший там же, ответил на это со своей привычной простотой: «А что хорошего в ребёнке, который только что родился?»[46]

Спустя 102 года та же история возникает в книге сэра Ричарда Грегори «Открытие, или Дух и служение науки» (Discovery: Or, The Spirit and Service of Science)[47], однако Франклина в ней сменяет Фарадей. После эксперимента, проведённого учёным в ходе лекции в Королевском институте Великобритании, одна женщина спросила: «Но, профессор Фарадей, даже если эффект, который вы объяснили, был достигнут, в чём его польза?» В ответ последовало: «Мадам, расскажите, пожалуйста, как использовать новорождённого ребёнка?» В конце концов на свет появилась версия истории, в которой «одну женщину» сменил премьер-министр Великобритании, а финальная фраза Франклина, последовавшая в ответ на сомнение министра в пользе электричества, звучала так: «Скоро вы сможете облагать его налогом».

В отличие от цитат Гейтса и Уотсона-младшего диалоги Франклина и Фарадея теоретически могут содержать некоторую долю правды. По крайней мере, Франклин действительно был в 1783 г. в Париже в роли полномочного представителя американских колоний, действительно наблюдал полёты воздушных шаров и даже оставил об этом упоминание в одном из своих писем[48].

Аутентичность «цитаты» Гейтса была опровергнута самим Гейтсом, который в ответ на вопрос корреспондента сказал: «Я говорил много глупых и неправильных вещей, но не это. Никто из тех, кто занимается компьютерами, никогда не скажет, что определённого объёма памяти хватит на все времена»[49].

«Цитата» Уотсона появилась в результате неточного пересказа его замечаний, сделанных на ежегодном собрании акционеров IBM 28 апреля 1953 г. Рассуждая конкретно о машине IBM 701, Уотсон сказал акционерам, что «IBM разработала бумагу с описанием машины и разослала её двадцати концернам, которые, с нашей точки зрения, могли бы использовать такую машину. <…> В результате нашей поездки, в ходе которой мы рассчитывали получить заказы на пять машин, мы вернулись с восемнадцатью заказами»[50].

Вне зависимости от аутентичности всех этих историй и цитат их объединяет одна мысль: на заре развития технологии сложно предсказать все её будущие применения. Вычислительная мощь современного смартфона многократно превосходит производительность IBM 701. Но можно ли было в 1953 г. представить себе, что устройство, обладающее столь высоким быстродействием, будет применяться не для научных и экономических расчётов, а для различных мозгоразжижающих развлечений, досужей болтовни или, скажем, пририсовывания Алёнке с обёртки культовой шоколадки бороды и усов just for lulz? Боюсь, последнее вряд ли могли предугадать даже такие провидцы компьютерной эры, как Тьюринг, Уотсон и Гейтс.

Авторы аналитического отчёта от другого участника «большой четвёрки» — Deloitte — выносят в заголовок одного из разделов важную мысль: «Поддержка развития ИИ не является игрой с нулевой суммой» (AI advantage is not a zero-sum game)[51]. Благодаря развитию систем для автоматизации решения интеллектуальных задач возникают принципиально новые направления в экономике, новые рынки, новые профессии. Индустрия компьютерных игр создала куда больше рабочих мест, чем ликвидировал калькулятор.

Третий раздел другого исследования Deloitte, отражающий один из основных трендов индустрии, называется «Организации, движимые ИИ» (AI-fueled organizations) и посвящён организациям, источником развития которых является систематическое внедрение в бизнес-процессы технологий ИИ: «Чтобы стать настоящей организацией, движимой ИИ, компании, возможно, потребуется фундаментально переосмыслить способ взаимодействия людей и машин в рабочей среде. Руководителям также следует рассмотреть возможность систематического внедрения машинного обучения и других когнитивных инструментов во все основные бизнес-процессы и операции предприятия для поддержки принятия решений на основе данных». Далее аналитики Deloitte делают ещё более сильное утверждение: «Превращение в движимую ИИ организацию может стать не просто стратегией успеха, а залогом выживания»[52].

Специалисты PwC считают, что благодаря развитию технологий ИИ будет происходить персонализация продуктов и сервисов[53] (представьте, например, музыку, сочинённую специально для вас и вашего текущего настроения), а также будут возникать новые товары и услуги[54] (например, виртуальный ассистент, способный по вашему поручению заказать столик в ресторане или записать вас в поликлинику).

Согласны с ними и аналитики международной консалтинговой компании McKinsey & Company. Авторы аналитического доклада, подготовленного этой фирмой, лишь немного расходятся с аналитиками PwC в оценке степени вероятного влияния ИИ на экономику 2030 г., оценивая вероятный вклад ИИ в 13 трлн долларов[55] (напомним, что оценка PwC составляет 15,7 трлн долларов). Оценка Международного телекоммуникационного союза (International Telecommunication Union, ITU) составляет 15 трлн долларов (правда, они оценивают в 7 трлн долларов негативные экстерналии[56] и транзакционные издержки от этого; в основном к их числу относятся расходы на переобучение людей)[57]. В общем, аналитики демонстрируют в своих прогнозах завидное единодушие. Но что ещё более важно, они сходятся в характеристике текущего вклада технологий ИИ в мировую экономику, оценивая его в 1,5−2 трлн долларов. Реальные плоды технологий ИИ наблюдает сегодня каждый из нас.

Давайте подробнее рассмотрим прогресс, достигнутый в различных отраслях в ходе новой весны искусственного интеллекта.

  1. ↑ Dean J. (2019). Deep Learning to Solve Challenging Problems // https://www2019.thewebconf.org/media/Deep_Learning_for_Solving_Important_Problems.pdf
  2. ↑ arXiv submission rate statistics (2019). Data for 1991 through 2018, updated 1 January 2019 / ArXiv // https://arxiv.org/help/stats/2018_by_area
  3. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2019). Artificial Intelligence Index Report 2019 // https://hai.stanford.edu/sites/default/files/ai_index_2019_report.pdf
  4. ↑ Hutson M. (2018). Why are AI researchers boycotting a new Nature journal—and shunning others? / Science, May. 17, 2018 // https://doi.org/10.1126/science.aau2005, https://openaccess.engineering.oregonstate.edu/signatures
  5. ↑ Sutton C., Gong L. (2017). Popularity of arXiv.org within Computer Science // https://arxiv.org/abs/1710.05225
  6. ↑ * Социальная сеть для поиска и установления деловых контактов, запрещённая в Российской Федерации.
  7. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2021). Artificial Intelligence Index Report 2021 // https://aiindex.stanford.edu/wp-content/uploads/2021/11/2021-AI-Index-Report_Master.pdf
  8. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2022). Artificial Intelligence Index Report 2022 // https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf
  9. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2023). Artificial Intelligence Index Report 2023 // https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
  10. ↑ Число вакансий в сфере искусственного интеллекта в РФ выросло за год в 2,5 раза (2018) / Прайм: агентство экономической информации, 10 Ноября 2018 // https://1prime.ru/telecommunications_and_technologies/20181110/829424812.html
  11. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2019). Artificial Intelligence Index Report 2019 // https://hai.stanford.edu/sites/default/files/ai_index_2019_report.pdf
  12. ↑ Dalporto G. (2020). Udacity 2019: The Year in Review // https://blog.udacity.com/2019/12/looking-back-2019-udacity-year-in-review.html
  13. ↑ Shah D. (2019). Coursera’s 2019: Year in Review / Class central MOOCreport // https://www.classcentral.com/report/coursera-2019-year-review/
  14. ↑ Over 2M students have enrolled in Machine Learning MOOC from Stanford (2019) / MoocLab // https://www.mooclab.club/threads/over-2m-students-have-enrolled-in-machine-learning-mooc-from-stanford.11562/
  15. ↑ Введение в машинное обучение / Coursera // https://ru.coursera.org/learn/vvedenie-mashinnoe-obuchenie
  16. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2021). Artificial Intelligence Index Report 2021 // https://aiindex.stanford.edu/wp-content/uploads/2021/11/2021-AI-Index-Report_Master.pdf
  17. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2022). Artificial Intelligence Index Report 2022 // https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf
  18. ↑ Computing Research Association (2023). 2022 Taulbee Survey // https://cra.org/crn/wp-content/uploads/sites/7/2023/05/2022-Taulbee-Survey-Final.pdf
  19. ↑ Computing Research Association (2006). 2004-2005 Taulbee Survey // https://cra.org/wp-content/uploads/2015/01/05.pdf
  20. ↑ Computing Research Association (2023). 2022 Taulbee Survey // https://cra.org/crn/wp-content/uploads/sites/7/2023/05/2022-Taulbee-Survey-Final.pdf
  21. ↑ Computing Research Association (2006). 2004-2005 Taulbee Survey // https://cra.org/wp-content/uploads/2015/01/05.pdf
  22. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2023). Artificial Intelligence Index Report 2023 // https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
  23. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2019). Artificial Intelligence Index Report 2019 // https://hai.stanford.edu/sites/default/files/ai_index_2019_report.pdf
  24. ↑ * Фискальный, или финансовый, год (fiscal year) федерального правительства США длится с 1 октября предыдущего года по 30 сентября текущего.
  25. ↑ The Networking & Information Technology R&D Program and the National Artificial Intelligence Initiative Office (2022). Supplement to the President’s FY2023 budget // https://www.nitrd.gov/pubs/FY2023-NITRD-NAIIO-Supplement.pdf
  26. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2023). Artificial Intelligence Index Report 2023 // https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
  27. ↑ Stanford Human-Centered Artificial Intelligence (HAI) (2021). Artificial Intelligence Index Report 2021 // https://aiindex.stanford.edu/wp-content/uploads/2021/11/2021-AI-Index-Report_Master.pdf
  28. ↑ Congressional Research Service (2021). Artificial Intelligence: Background, Selected Issues, and Policy Considerations // https://crsreports.congress.gov/product/pdf/R/R46795
  29. ↑ Acharya A., Arnold Z. (2019). Chinese Public AI R&D Spending: Provisional Findings. CSET Issue Brief // https://cset.georgetown.edu/wp-content/uploads/Chinese-Public-AI-RD-Spending-Provisional-Findings-1.pdf
  30. ↑ Pawlyk O. (2018). China Leaving US Behind on Artificial Intelligence: Air Force General / Military.com // https://www.military.com/defensetech/2018/07/30/china-leaving-us-behind-artificial-intelligence-air-force-general.html
  31. ↑ Hao K. (2019). Yes, China is probably outspending the US in AI—but not on defense / MIT Technology Review, Dec 5, 2019 // https://www.technologyreview.com/s/614842/china-us-ai-military-spending/
  32. ↑ State Council Notice on the Issuance of the New Generation Artificial Intelligence Development Plan (2017) // https://www.newamerica.org/cybersecurity-initiative/digichina/blog/full-translation-chinas-new-generation-artificial-intelligence-development-plan-2017/
  33. ↑ 新一代人工智能发展规划 (2017) // http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm
  34. ↑ Паспорт федерального проекта «Цифровые технологии», с. 22, сумма за 2020-2014 годы // https://digital.gov.ru/uploaded/files/pasport-federalnogo-proekta-tsifrovyie-tehnologii.pdf
  35. ↑ Военный раздел поднимется на второе место в бюджете России по расходам (2021) / РБК, 3 октября 2021 // https://www.rbc.ru/economics/03/10/2021/61571a279a79478e0bc0b011
  36. ↑ International Federation of Robotics (IFR) (2021). Press Conference World Robotics 2021 // https://ifr.org/downloads/press2018/2021_10_28_WR_PK_Presentation_long_version.pdf
  37. ↑ International Federation of Robotics (IFR) (2022). Executive Summary World Robotics 2022 Industrial Robots // https://ifr.org/img/worldrobotics/Executive_Summary_WR_Industrial_Robots_2022.pdf
  38. ↑ International Federation of Robotics (IFR) (2022). Executive Summary World Robotics 2022 Industrial Robots // https://ifr.org/downloads/press2018/2022_WR_extended_version.pdf
  39. ↑ Гапотченко Д. (2021). Выручка участников рейтинга увеличилась в 1,5 раза, несмотря на эпидемию и локдаун / С-News, 27 сентября 2021 // https://www.cnews.ru/reviews/promyshlennie_roboty_2021/articles/vyruchka_uchastnikov_rejtinga_uvelichilas
  40. ↑ International Federation of Robotics (IFR) (2022). Executive Summary World Robotics 2022 Industrial Robots // https://ifr.org/img/worldrobotics/Executive_Summary_WR_Industrial_Robots_2022.pdf
  41. ↑ International Federation of Robotics (IFR) (2023). China overtakes USA in robot density // https://ifr.org/ifr-press-releases/news/china-overtakes-usa-in-robot-density
  42. ↑ Гапотченко Д. (2021). Промышленные роботы пострадали от ковида, но меньше, чем ожидалось / С-News, 27 сентября 2021 // https://www.cnews.ru/reviews/promyshlennie_roboty_2021/articles/promyshlennye_roboty_postradali_ot
  43. ↑ АО АК «ДЕЛОВОЙ ПРОФИЛЬ» (2021). Использование промышленных роботов: обзор рынка робототехники в России и мире // https://delprof.ru/press-center/open-analytics/ispolzovanie-promyshlennykh-robotov-obzor-rynka-robototekhniki-v-rossii-i-mire/
  44. ↑ Скрынникова А. (2019). Больше всего роботов в России покупает автопром / Ведомости, 19 сентября 2019 // https://www.vedomosti.ru/technology/articles/2019/09/19/811579-bolshe-vsego-robot
  45. ↑ Sizing the prize. PwC’s Global Artificial Intelligence Study: Exploiting the AI Revolution. What’s the real value of AI for your business and how can you capitalise? (2017) // https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificial-intelligence-study.html
  46. ↑ Cohen I. B. (1946). Authenticity of Scientific Anecdotes / Nature, Vol. 157(3981), pp. 196—197 // https://doi.org/10.1038/157196b0
  47. ↑ Gregory R. (1929). Discovery: Or, The Spirit and Service of Science. Macmillan // https://books.google.ru/books?id=IwVJygEACAAJ
  48. ↑ Cohen I. B. (1946). Authenticity of Scientific Anecdotes / Nature, Vol. 157(3981), pp. 196—197 // https://doi.org/10.1038/157196b0
  49. ↑ Katz J. (1997). Did Gates Really Say 640K is Enough For Anyone? / Wired, 01.16.97 // https://www.wired.com/1997/01/did-gates-really-say-640k-is-enough-for-anyone/
  50. ↑ Shapiro F. R. (2008). Our Daily Bleg: Did I. B. M. Really See a World Market “For About Five Computers”? // https://freakonomics.com/2008/04/17/our-daily-bleg-did-ibm-really-see-a-world-market-for-about-five-computers/
  51. ↑ Deloitte.Insights (2019). Future in the balance? How countries are pursuing an AI advantage. Insights from Deloitte’s State of AI in the Enterprise, 2nd Edition survey // https://www2.deloitte.com/content/dam/Deloitte/lu/Documents/public-sector/lu-global-ai-survey.pdf
  52. ↑ Deloitte.Insights (2019). Tech Trends 2019: Beyond the digital frontier // https://www2.deloitte.com/content/dam/Deloitte/br/Documents/technology/DI_TechTrends2019.pdf
  53. ↑ Sizing the prize. PwC’s Global Artificial Intelligence Study: Exploiting the AI Revolution. What’s the real value of AI for your business and how can you capitalise? (2017) // https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificial-intelligence-study.html
  54. ↑ Sizing the prize. PwC’s Global Artificial Intelligence Study: Exploiting the AI Revolution. What’s the real value of AI for your business and how can you capitalise? (2017) // https://www.pwc.com/gx/en/issues/data-and-analytics/publications/artificial-intelligence-study.html
  55. ↑ Bughin J., Seong J., Manyika J., Chui M., Joshi R. (2018). Notes from the ai frontier modeling the impact of ai on the world economy. Discussion paper / McKinsey&Company. McKinsey Global Institute // https://www.mckinsey.com/~/media/McKinsey/Featured%20Insights/Artificial%20Intelligence/Notes%20from%20the%20frontier%20Modeling%20the%20impact%20of%20AI%20on%20the%20world%20economy/MGI-Notes-from-the-AI-frontier-Modeling-the-impact-of-AI-on-the-world-economy-September-2018.ashx
  56. ↑ * Экстерналия (англ. externality), или внешний эффект, в экономической теории — воздействие рыночной транзакции на третьих лиц, не опосредованное рынком. Например, загрязнение окружающей среды в результате деятельности некой компании является отрицательной экстерналией.
  57. ↑ ITUTrends (2018). Assessing the Economic Impact of Artificial Intelligence / Emerging trends in ICTs, Iss. Paper No. 1, September 2018 // https://www.itu.int/dms_pub/itu-s/opb/gen/S-GEN-ISSUEPAPER-2018-1-PDF-E.pdf
Loading comments...
Источник — http://wiki.markoff.science/index.php?title=6.1_ИИ_сейчас_-_большой_интерес,_обширные_вложения_и_хорошие_прогнозы&oldid=1192