almanah_ii_012019

АЛЬМАНАХ

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Текущее состояние в России и мире

Cтратегия России

Аналитический сборник ИЮНЬ

2019

[1]

АННОТАЦИЯ

Этим сборником мы открываем регулярную публикацию аналитических материалов от Центра Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект». Альманах будет выходить один раз в два месяца и содержать информацию по всей отрасли ИИ в России. Первый выпуск содержит обзор текущего состояния отрасли ИИ в России и мире, включая основные технологии и применения, ключевые компании, университеты и людей – как исследователей, так и лидеров мнений. И главной темой номера является стратегия – мы проводим анализ ситуации в мире, обзор стратегий основных стран в области ИИ и обсуждаем возможную стратегию России в области ИИ. Следующие номера Альманаха буду тематическими и посвящены отдельным областям ИИ, таким как обработка естественного языка, машинное зрение, предиктивная аналитика и другим темам. Настоящий аналитический отчет подготовлен на основе анализа открытых источников, в том числе научных публикаций, патентов, СМИ, сайтов компаний, сайтов университетов и других. В отчете приводятся ссылки на источники и процедуры получения тех или иных цифр. При такой методике сбора и обработки информации, возможно, не все компании, университеты и люди попали в наше рассмотрение. Мы не включили в рассмотрение военные применения технологий ИИ, так как по ним нет открытой достоверной информации. Мы также не включали в рассмотрение информацию о ведущихся прикладных проектах в университетах или компаниях, так как по ним нет объективной метрики для оценки. Для Вашего удобства весь Альманах и его отдельные материалы доступны в чат-боте под адресу http://t.me/AIreportBot. Подключайтесь и Вы сможете получить любые материалы из данного Альманаха в электронной форме и будете в курсе новостей по искусственному интеллекту, в том числе получая новые выпуски Альманаха.

Сайт

Чат-бот

www.AIreport.ru

t.me/AIreportBot

© Центр Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект», Москва, 2019

Альманах

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Состояние отрасли в России и мире

Cтратегия России

Аналитический сборник

Москва / №1 / июнь 2019

2

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ /

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Содержание Обращение к читателю

ИЮНЬ 2019

Georgia Institute of Technology

65

Stanford University

65

National University of Singapore

66

4

IBM

42

Центр Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект» 5

Intel

43

Microsoft

43

Huawei

44

Samsung

44

Uber

45

OpenAI

45

DeepMind

46

Allen Institute for Artificial Intelligence

46

Московский Государственный Университет (МГУ)

72

4. КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ

47

Сколковский институт науки и технологий — Сколтех, Skoltech

72

Компании России — обзор

48

Томский политехнический университет

73

Карта компаний ИИ России

50

Яндекс

1. ВВЕДЕНИЕ

7

Нужен ли России искусственный интеллект?

8

История искусственного интеллекта

14

Что произошло в ИИ за 2018 г.

16

Искусственный интеллект сегодня

18

2. ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

19

Искусственный Интеллект

20

Глоссарий

22

Искусственный интеллект — области применения

26

Основные элементы современных технологий ИИ

27

Программные инструменты (software)

28

Облака

30

Аппаратное обеспечение (hardware)

32

Главные нерешенные вопросы

33

3. КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

35

Компании мира — обзор

36

Facebook

38

Amazon

38

Apple

39

Netflix

39

Google

40

Baidu

40

Tencent

41

Alibaba

41

NVIDIA

42

9. АССОЦИАЦИИ, СООБЩЕСТВА, КОНФЕРЕНЦИИ

109

Главные конференции в мире и в России

111

Малые тематические концференции в России

112

6. КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В РОССИИ

67

Ассоциации и сообщества в России

114

Университеты России — аналитический обзор

68

10. СТРАТЕГИИ В ОБЛАСТИ ИИ

117

Российская академия наук

70

Цифры ИИ

118

Университет ИТМО

70

Томский государственный университет

71

ИИ-национализм и ИИ-национализация — обзор стратегий ИИ разных стран 120

НИУ Высшая Школа Экономики (НИУ ВШЭ) 71

52

Московский Физико-Технический Институт (МФТИ)

73

Mail.ru Group

52

Университет Иннополис

74

Сбербанк

53

Cognitive technologies

54

Санкт-Петербургский государственный университет (СПбГУ)

74

Лаборатория Касперского

54

Ростелеком

55

7. КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

75

ABBYY

56

Ключевые люди в ИИ — аналитический обзор

76

Группа ЦРТ

56

Исследователи

80

5. КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В МИРЕ

57

Лидеры мнений

86

Университеты мира — аналитический обзор 58

8. КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

91

Carnegie Mellon University

60

Cornell University

60

Ключевые люди в ИИ — аналитический обзор

92

Tsinghua University

61

Исследователи

96

Zhejiang University

61

Ньюсмейкеры

102

Peking University

62

Beihang University

62

MIT

63

University of California — Berkeley

63

Nanyang University

64

Shanghai Jiao Tong University

64

Стратегии основных стран в ИИ

134

Стратегия России в ИИ

136

11. ПРИЛОЖЕНИЯ

139

Основные ссылки и методика формирования отчета

140

Литература

148

3

4

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ /

Обращение к читателю Перед Вами первый номер Альманаха по искусственному интеллекту. Этим номером мы открываем регулярную публикацию аналитических материалов от Центра Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект». Альманах будет выходить несколько раз в год и содержать информацию по всей отрасли ИИ в России.

Гаричев Сергей Николаевич Проректор по исследованиям и разработкам МФТИ, д.т.н., лауреат премии Правительства РФ в области образования, почетный работник высшего профессионального образования

Первый выпуск содержит обзор текущего состояния отрасли ИИ в России и мире, включая основные технологии и применения, ключевые компании, университеты и людей – как исследователей, так и лидеров мнений. И главной темой номера является стратегия: мы проводим анализ ситуации в мире, обзор стратегий основных стран в области ИИ и рассказываем про стратегию России в области ИИ, разработка которой сейчас идет полным ходом и будет опубликована уже после выхода в свет первого номера. Следующие номера Альманаха будут тематическими и посвящены отдельным областям ИИ, таким как обработка естественного языка, машинное зрение, предиктивная аналитика и другим темам. Мы уверены, что качественные аналитические материалы помогут всей отрасли ИИ России лучше ориентироваться в рынке и технологиях, быстрее находить решения, а значит – быть более успешными и конкурентоспособными на мировом уровне.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

Центр Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект» Данный Альманах по Искусственному интеллекту – один из результатов работы аналитической группы Центра НТИ на базе МФТИ по направлению «Искусственный интеллект» (далее – Центр) Центр НТИ по направлению «Искусственный интеллект» создан на базе МФТИ в 2017 году в рамках реализации программы Национальная Технологическая Инициатива. ОСНОВНЫЕ ЦЕЛИ И ЗАДАЧИ ЦЕНТРА: || Создание новых технологий, продуктов и ус-

луг для рынков НТИ; || Создание и вывод на рынки НТИ спино-

фф-компаний, нацеленных на преодоление технологических барьеров и быстрый рост капитализации; || Наращивание человеческого капитала в об-

ласти искусственного интеллекта и технологического предпринимательства; || Развитие системы целевой подготовки на-

учных и инженерных кадров, способных решать сложные задачи в области искусственного интеллекта; || Развитие кооперации академических орга-

низаций с предприятиями различных отраслей реального сектора экономики. НАПРАВЛЕНИЯ РАБОТЫ Деятельность Центра ведется с целью комплексного развития соответствующей сквозной технологии и осуществляется в рамках следующих групп мероприятий: выполнение научно-исследовательских и опытно-конструкторских работ (далее – НИОКР) и коммерциализация их результатов; разработка и реализация основных образовательных программ

высшего образования, программ дополнительного образования и дисциплин (модулей), направленных на формирование необходимых компетенций; развитие информационной инфраструктуры, а также инфраструктуры научной, научно-технической и инновационной деятельности; обеспечение правовой охраны, управления правами и защиты РИД, разработки необходимой нормативной базы; развития партнерских отношений с заинтересованными организациями. В рамках Программы создания и развития Центра выделено 7 ключевых направлений, которые в основном определяют содержание технологии «Искусственный интеллект»: 1. разговорный искусственный интеллект; 2. распознавание текстов и речи, лингвистический анализ; 3. экспертные, рекомендательные, информационно-аналитические системы, автоматизация проектирования и управления; 4. специализированные процессоры и вычислительные системы для искусственного интеллекта, дизайн-центр по проектированию специализированных микросхем, микропроцессоров, микроконтроллеров, чипсетов и приборов для устройств и систем с искусственным интеллектом; 5. техническое зрение, обнаружение, распознавание, дешифрация, классификация изображений; 6. робототехника, умные машины; 7. «умные» сети и системы в энергетике, связи, городском хозяйстве и в других отраслях, «умный дом», «умный город».

5

6

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ /

ОСНОВНЫЕ УЧАСТНИКИ КОНСОРЦИУМА И ПАРТНЕРЫ ЦЕНТРА НТИ: || Крупные промышленные корпорации

ПАО Ростелеком, АО Глонасс, ОАО РЖД, ГК 1520, ПАО Россети, АО Концерн ВКО Алмаз-Антей, АО Росэлектроника, ПАО Газпром нефть, ГК ХимРар || Малые и средние частные инновационные

компании

Нейроботикс, BiTronics Lab, Миландр, АО Крибрум, Наносемантика, Нейросети Ашманова, АО МТЛ, АО Интеллект, ГК InfoWatch

|| Финансовые организации и специализиро-

ванные Фонды

Сбербанк России, Фонд Национальной технологической инициативы, Фонд перспективных исследований || Высшие учебные заведения и исследова-

тельские институты

НИУ ВШЭ, Сколтех, Университет Иннополис, АО НИИАС Одной из задач Центра мы видим выпуск качественной аналитики для всего рынка. Этот альманах является одним из наших аналитических проектов.

Центр НТИ на базе МФТИ по направлению «Искусственный интеллект» является центром экспертизы и компетенций по ИИ в России. Какие бы задачи вы не ставили перед собой – мы готовы вам помочь. Приглашаем Вас к сотрудничеству!

Введение

01

8

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ВВЕДЕНИЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Шумский Сергей Александрович Директор научно-координационного совета Центра Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект», президент Российской ассоциации нейроинформатики

Нужен ли России искусственный интеллект? МАШИННЫЙ ИНТЕЛЛЕКТ: ВРЕМЯ ПРИШЛО? Будущее искусственного интеллекта виднее всего с высоты птичьего полета, в контексте его места в современной экономике. Иначе не понять: это действительно всерьез и надолго? Или это очередная модная тема — пошумят, пошумят, и забудут. Действительно, такое уже не раз случалось в прошлом, и всякий раз периоды энтузиазма и увлечения искусственным интеллектом сменялись последующими разочарованиями. Где гарантия, что и в этот раз возлагаемые на него надежды не окажутся несбыточными? Чем сегодняшняя ситуация отличается от прежних? По мнению автора, на самом деле время искусственного интеллекта еще только наступает. Он замыкает собой технологический пакет нового экономического уклада и является стратегически самой важной технологией для становления новой цифровой экономики.

Даже то, чего вы не делаете, ткёт ткань всего человеческого будущего; даже ваше ничто есть паутина и паук, живущий кровью будущего — Фридрих Ницше «Так говорил Заратустра» чения, накопления знаний. Действительно, что отличает современного человека от его далеких предков? Физиологически — ничего, единственное различие — в объеме накопленных человечеством знаний. Под знаниями здесь понимаются не столько тексты, сколько операционные знания «на кончиках пальцах» представителей всех человеческих профессий.

ПРЕОДОЛЕНИЕ БАРЬЕРА СЛОЖНОСТИ

Эти знания направляют поведение людей и приводят в действие всю мировую экономику. Их суммарный объем определяет сложность «экономического организма» и объем производимых экономикой благ — доступных товаров и услуг. Чем они разнообразнее, тем больше возможностей имеет человек для удовлетворения своих потребностей, тем выше степень развития экономики. Иными словами, экономическое благополучие прямо пропорционально количеству накопленных человечеством знаний.

Развитие человеческой цивилизации можно рассматривать, как процесс постоянного обу-

Рост благосостояния означает, что объем этих знаний растет быстрее, чем численность на-

Соответственно, Россия должна предпринять все возможные усилия по развитию у себя соответствующих компетенций, чтобы не упустить свой шанс занять место в ряду технологически развитых стран.

селения. Действительно, расселение homo sapiens по Земле началось около 100 тысяч лет назад с африканской популяции численностью порядка 105 человек. Сегодня нас уже 1010, т. е. численность населения увеличилась на пять порядков. Однако, номенклатура изделий за то же время увеличилась на десять порядков — с нескольких вариантов каменных орудий до 1010 (разнообразие маркировки современных штрих-кодов UPC). Т. е. количество накопленных знаний растет гораздо быстрее числа людей, в головах которых эти знания «установлены». Очевидно, что накапливаться с такой скоростью бесконечно знания не могут. Рано или поздно начнут сказываться естественные ограничения человеческого мозга. Гипотеза автора состоит в том, что это «рано или поздно» уже наступило. Человечество уже столкнулось с проблемой преодоления барьера сложности экономики с ее растущей номенклатурой изделий и глобальной системой разделения труда. Предельно огрубляя ситуацию, предположим, что все люди специализируются каждый на каком-то одном «изделии». В первобытном обществе при минимальном разделении труда, все были заняты производством одних и тех же изделий, т. е. человеческие знания многократно дублировались. Рост экономики происходил за счет углубления разделения труда и появления все большего числа профессий. Современный мир, по-видимому, приближается к предельной степени разделения труда, когда набор знаний каждого специалиста становится уникальным. В этом пределе разнообразие изделий приближается к своему теоретическому максимуму – количеству людей, что мы сегодня и наблюдаем. Преодоление барьера сложности возможно только в рамках нового цифрового технологического уклада. НОВЫЙ ТЕХНОЛОГИЧЕСКИЙ УКЛАД По существующим представлениям экономика развивается циклично, через технологические революции, в процессе которых происходит смена технологических укладов.

№ 1 / ИЮНЬ 2019

Каждый такой уклад характеризуется: || Обильными запасами относительно дешево-

го базового ресурса || Пакетом технологий, эффективно эксплуа-

тирующим этот ресурс || Организацией рынка, соответствующей это-

му технологическому пакету Переход к новому укладу возможен только после формирования полного пакета новых технологий, который постепенно складывается в недрах старого уклада, где каждая из них по отдельности еще не может реализовать заложенный в ней потенциал. Таким образом, всегда существует какая-то одна замыкающая технология, без которой установление нового уклада невозможно, и появление которой инициирует новую технологическую революцию. Несложно догадаться, что, по мнению автора, именно такой замыкающей технологией является сегодня искусственный интеллект. Ресурсной базой уходящего индустриального технологического уклада является дешевое и обильное углеводородное топливо, энергетическая основа современной экономики. Технологический пакет составляют технологии массового машинного производства и глобальные транспортные сети. Наконец, организацию сложных цепочек создания стоимости обеспечивают транснациональные компании. Что будет определять облик нового цифрового технологического уклада? НОВЫЙ ОБИЛЬНЫЙ И ДЕШЕВЫЙ РЕСУРС Основным ограничивающим фактором индустриального уклада, как мы выяснили, является не истощение энергетических ресурсов, а ограниченные возможности человеческого мозга по управлению все более сложной глобальной экономикой. Ответом на этот вызов стало появление и быстрое развитие компьютерных технологий. Компьютеры позволили вынести часть алгоритмов из головы человека в среду, где они могут исполняться в миллионы раз быстрее. Соответственно, все, что удается формализовать, переносится из головы человека в эту новую искусственную цифровую среду.

9

10

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ВВЕДЕНИЕ

McKinsey, развитие цифровых технологий в США последние 30 лет сопровождалось снижением темпов роста производительности труда [3].

Рис. 1. Совокупные компьютерные мощности [2] уже превосходят совокупные возможности людей по обработке информации

По мнению автора, только машинный интеллект способен раскрыть истинный экономический потенциал компьютеров, позволяя им решать проблемы лучше, быстрее и дешевле человека.

1024 1022

1010 чел • 1010 байт • 10 Гц

Люди

10

20

1018 Компьютеры

1016

НОВЫЙ ТЕХНОЛОГИЧЕСКИЙ ПАКЕТ

10

14

Почему именно машинный интеллект? Что принципиально нового добавит он к имеющимся компьютерным технологиям? И почему этих технологий недостаточно для эффективной эксплуатации растущих и дешевеющих компьютерных мощностей?

1012 1980

1990

2000

2010

2020

2030

Зародыш новой фазы в недрах старого уклада растет экспоненциально, согласно закону Мура (удвоение компьютерных мощностей и снижение удельной стоимости вычислений каждые полтора-два года). Собственно, этот закон и описывает появление у человечества нового обильного и дешевого ресурса. Рано или поздно экспоненциально растущие вычислительные мощности компьютеров должны превзойти практически постоянные «вычислительные мощности» людей.

Ответ лежит на поверхности. Просто совокупный объем всех когда-либо созданных компьютерных алгоритмов ничтожно мал по сравнению с объемом всех человеческих знаний. Компьютеры, выражаясь бытовым языком, «быстрые, но глупые». Соответственно, принятие основной массы решений по-прежнему остается за людьми, а компьютеры играют вспомогательную роль, осуществляя лишь те операции, которые удалось формализовать и автоматизировать. В результате, несмотря на все инвестиции в информационные технологии, их влияние на экономику по-прежнему весьма ограничено.

В каком-то смысле, этот момент уже наступил (см. рис. 1), и сегодня мы живем уже в эпоху все нарастающего навеса компьютерных мощностей, все более превосходящих совокупную «вычислительную мощность» человечества (количество людей, умноженное на объем их индивидуальных знаний и на скорость доступа к этим знаниям).1

Процесс передачи человеческих знаний компьютерам идет крайне медленно, т. к. алгоритмы создаются небольшой прослойкой людей, программистами. Объем знаний в компьютерных программах ограничен совокупными знаниями программистов, которые ничтожны, по сравнению с общим объемом человеческих знаний.

Таким образом, компьютерные мощности представляют собой новый дешевый и обильный ресурс для становления нового цифрового технологического уклада. Более того, в отличие от остальных ресурсов, он постоянно и очень быстро растет и дешевеет, т. е. является сегодня основным потенциальным источником экономического роста.

Если алгоритмы и дальше будут создаваться людьми, этот процесс может затянуться навеки. Единственный выход — избавиться от узкого горла «ручного» программирования и перепоручить создание программ компьютерам. Этот процесс автоматического порождения алгоритмов как раз и обеспечивается машинным обучением.

Однако, пока что этот заложенный в компьютерах потенциал еще практически не задействован. Большую часть времени они попросту простаивают. Согласно недавнему докладу 1

Скорость усвоения знаний человеком 10 байт в секунду (скорость речи). За 60 лет непрерывного обучения по 12 часов в день человек может усвоить максимум 10 байт. Предельное количество знаний в головах всего че10

ловечества: 1020 байт. Умножив эту величину на «тактовую частоту» мозга (10 Гц), получим скорость обработки информации человечеством: 1021 байт/сек.

www.aireport.ru

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Таким образом, только машинное обучение, подкрепленное достигнутым уровнем компьютерных мощностей, способно в сжатые сроки резко повысить машинный интеллект до человеческого уровня и загрузить эти мощности теми задачами, которые сегодня доступны только людям. Именно это мы и наблюдаем в последние несколько лет после того, как основной парадигмой искусственного интеллекта стало т. н. глубокое обучение. Именно с этим подходом связаны недавние успехи в задачах компьютерного зрения, распознавания речи, машинного перевода и других, где узко специализированный машинный интеллект достигает уровня человека, т. е. может его частично заменять. Иными словами, именно искусственный интеллект является замыкающей технологией нового технологического пакета, необходимой и достаточной для начала новой промышленной революции. НОВАЯ ОРГАНИЗАЦИЯ РЫНКА В каждом укладе можно выделить базовые «клеточки» его экономического организма. Первая промышленная революция породила фабрики, вторая — транснациональные корпорации. Каким будет основной способ организации рынка в новом цифровом укладе? Как в него впишутся технологии искусственного интеллекта? Основой индустриального уклада является массовое производство и распределение товаров. Производители наполняют рынок товарами, ориентируясь на массовый спрос. Всякий нестандартный спрос остается не удовлетворенным.

№ 1 / ИЮНЬ 2019

В цифровом мире рынки настроены на индивидуальные потребности. Возможность удовлетворить любой спрос кратно расширяет объем рынка за счет эффекта длинного хвоста [4]. Это касается также и рынка труда: как любой товар находит своего покупателя, так и любые способности, знания и навыки находят свое применение в составе временных проектных команд с уникальными комбинациями уникальных компетенций. С передачей части работ интеллектуальным агентам со сверхчеловеческими способностями, производительность труда может вырасти на порядки. Тонкий баланс между спросом и предложением обеспечивается цифровыми платформами, оперирующими цифровыми двойниками услуг, товаров и людей. Именно это мы сегодня и наблюдаем: компании новой экономики предоставляют исключительно и только персонализированные услуги: Google и Facebook осуществляют индивидуальную доставку информации и рекламы, Amazon и Netflix помогают подбирать товары и развлечения по своему вкусу, угадывая потребности пользователей по их цифровым следам. Новые компании-платформы сегодня активно теснят транснациональные компании прошлого уклада и растут темпами, кратно превышающими рост мировой экономики (см. рис. 2, 3). Это объясняется эффектом положительной обратной связи, характерным для новой экономики, основанной на машинном обучении: больше клиентов — больше данных — лучше качество сервиса — еще больше клиентов. Ведь результаты машинного обучения пропорциональны объему данных. Поэтому компании новой экономики, успевшие первыми захватить свой сегмент рынка, быстро уходят в отрыв.

Рис. 2. Крупнейшими мировыми компаниями становятся лидеры нового цифрового уклада [5]

Top 5 public traded companies (by Market cap)

2013 Q1

Tech Other

$416B

$404B

$257B

$255B

$246B

$851B

$717B

$703B

$701B

$508B

2018 Q1

11

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ВВЕДЕНИЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Проект ИИ

Вышедшая недавно замечательная книга Кай Фу Ли [9] обосновывает высокие шансы Китая догнать и перегнать США в этом соревновании. Стратегия Китая опирается на его естественные конкурентные преимущества — лидерство в мобильных платежах и электронной торговле, обилие порождаемых ими данных, высоко конкурентную среду малого и среднего бизнеса.

Проект Аполлон

Стратегия России тоже должна опираться на ее конкурентные преимущества.

Рис. 3. Лидеры нового уклада растут опережающими

Рис. 4. Вложения в главные технологические гонки —

темпами. Среднегодовые темпы их роста (20%‑60%)

ядерную, ракетную и за искусственный интеллект.

на порядок превышают темпы роста мировой

Данные по Манхэттенскому проекту и проекту

экономики (2,5%-3%) [6]

Аполлон взяты из Википедии и пересчитаны 2018

Apple

USA

418

17% в год

924

Amazon

USA

121

45% в год

783

Microsoft

USA

291

21% в год

753

Google/Alphabet

USA

288

20% в год

739

Facebook

USA

56

57% в год

538

Alibaba

China

--

Tencent

China

71

47% в год

483

Netflix

USA

13

63% в год

152

509

ГОНКА ЗА ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ Понимание исключительной роли лидерства в новой экономике породило очередную технологическую гонку — за искусственным интеллектом. В последние пару лет свои национальные стратегии в области искусственного интеллекта появились сразу у двух десятков стран. Едва начавшись, новая гонка уже не уступает ядерной и ракетной гонкам ХХ века по масштабу инвестиций, которые при этом продолжают расти двузначными темпами1. Лидируют в ней с большим отрывом ее инициаторы — США и Китай (см. рис. 4), однако, цифровую экономику активно осваивают и игроки меньшего масштаба, например, Израиль. В 2017 году в израильские стартапы [9] было вложено $2 млрд, на 70% больше, чем в 2016 [7]. Участники гонки спешат включиться в глобальные цепочки создания стоимости набирающей силу новой экономики с гораздо более высокой производительностью труда.2 Оставшиеся в стороне страны будут все больше отставать от лидеров по уровню, качеству и продолжительности жизни с риском отстать окончательно и превратиться в failed states. Их суверенитет будет носить в значительной степени иллюзорный характер, т.к. все основ1

в доллары 2016 года, вложения в искусственный интеллект в 2016 году — оценка [8] Гонка за искусственным интелектом США 50% инвестиций Рост 50% в год Китай 30% инвестиций Рост 70 % в год

2016

2013

13 лет

Капитализация, млрд $

3 года

12

$26-39 млрд $146 млрд

Манхэттенский проект

$21 млрд

ные экономические решения будут приниматься без их участия и без учета их интересов. Вспомним незавидную участь Китая и Индии, не вписавшихся в первую промышленную революцию. А ведь до нее они были технологическими лидерами и в совокупности производили более ⅔ мирового ВВП! С этих позиций, главная угроза современной России — оказаться одной из таких стран, дополнить экспорт сырой нефти экспортом сырых данных, оставив все их высокие переделы и всю прибавочную стоимость более развитым экономикам. ВЫЗОВ РОССИИ Сегодня для России открывается редкое окно возможностей — поучаствовать в становлении новой экономики более-менее на равных, застолбить за собой какие-то сектора быстро растущих новых рынков, пока лидеры гонки не ушли в отрыв. Конечно, у развитых стран, главным образом у США, имеется существенный задел. Но это отнюдь не предопределяет победу прежних лидеров в новой гонке. Так, Microsoft и Intel не удалось утвердить свое лидерство на новом для них рынке мобильных устройств, а Google, как ни старался, так и не смог составить конкуренцию Facebook в социальных сетях.

И эти инвестиции обещают окупиться сторицей. Согласно [5] к 2030 году искусственный интеллект способен прибавить примерно $13 трлн к общим объёмам выпуска и примерно 1,2% к годовым темпам роста мирового ВВП.

2

К примеру, выручка Apple в расчете на одного сотрудника около $2,2 млн, в 7 раз выше, чем у Роснефти и в 70 раз выше, чем у Ростелекома.

В силу исторических обстоятельств, у нынешних россиян нет присущей китайцам и американцам предпринимательской хватки.1 Нет у нас ни емкого быстро растущего внутреннего рынка, ни дешевой, как когда-то в Китае, рабочей силы для привлечения в страну иностранных инвестиций. В этих обстоятельствах копирование уже известных технологических решений и перенос на российскую почву уже состоявшихся бизнес схем малопродуктивны. У нас здесь нет конкурентных преимуществ для завоевания значимых сегментов мировой цифровой экономики. Зато у нас, в силу тех же обстоятельств, есть исторически сильные физико-математические и программистские школы. Сегодня это реальное преимущество, т. к. центры создания стоимости перемещаются от производства в разработку и дизайн, и основной производительной силой становится интеллект разработчиков. Россия является поставщиком этих элитных кадров, не получая взамен практически ничего. Вместо этого Россия могла бы позиционировать себя, как «мировое конструкторское бюро» в области машинного интеллекта, сосредоточившись на решении фундаментальных проблем и взятии технологических барьеров, открывающих возможности для быстрого роста новых российских компаний с глобальными амбициями. Эти компании — центры компетенций мирового уровня, породят платежеспособный спрос на лучшие российские кадры и будут осаждать их у себя. Они же станут покупателями успешных венчурных проектов для ускорения своего роста, обеспечивая внутренний спрос 1

№ 1 / ИЮНЬ 2019

для российской венчурной индустрии. Если исходить из современной доли России в мировом ВВП, в списке мировой экономической элиты Forbes Global 2000 должно быть не менее 2%, т. е. более 40 российских компаний. Сегодня их всего 25, на 4 компании меньше, чем десятилетие назад, и их число будет и дальше неуклонно снижаться по мере вытеснения из этого списка компаний уходящего уклада. Следовательно, российская стратегия должна предусматривать создание в ближайшие 10-15 лет, пока окно возможностей не закрылось, нескольких десятков высокотехнологичных компаний с оборотами не менее миллиарда долларов. Это настоящий вызов для России, но именно на такой результат, по мнению автора, должна ориентироваться российская стратегия развития цифровой экономики. Только так Россия сможет создать у себя значимую компетенцию в этой стратегически важной области. Создание таких компаний невозможно без лидерства в технологиях искусственного интеллекта. Соответственно, исследования и разработки должны быть нацелены на создание прорывных технологий сильного искусственного интеллекта, интеллекта роботов. Необходимо запустить несколько проектов — «ледоколов», проламывающих лед технологических барьеров и открывающих новые торговые пути. Россия является мировым лидером в ледокольном классе. Почему бы нам не занять соответствующую достойную нас нишу в области искусственного интеллекта?

«Настало время, чтобы человек поставил себе цель свою. Настало время, чтобы человек посадил семя своей высшей надежды» — так говорил Заратустра. (Отрывок из книги С. А. Шумский «Машинный интеллект». М.: ИНФРА-М, 2019)

В США предприниматели составляют 7,2% трудоспособного населения, в России – 0,4%. В России в малом и среднем бизнесе занято около 25% населения, тогда как в развитых странах – от 60% до 70%, а в Китае – 80%.

13

14

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ВВЕДЕНИЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Бурцев Михаил Сергеевич

№ 1 / ИЮНЬ 2019

Кибернетика Искусственные нейронные сети

Руководитель проекта iPavlov, заведующий лабораторией нейронных систем и глубокого обучения МФТИ

Глубокое обучение

Символьный искусственный интеллект 1-ая зима ИИ Экспертные системы 2-ая зима ИИ Машинное обучение Эволюционное программирование Генетические алгоритмы

История искусственного интеллекта Условия для возникновения искусственного интеллекта, как направления научных исследований, сложились к середине ХХ-го века. В это время появляются вычислительные машины, открывающие возможности для математического моделирования сложных систем. Первые попытки построить обучающиеся машины были предприняты в рамках кибернетики. Основная идея которой — формализовать модель процессов управления в живых организмах и обществе. Поэтому, зарождение искусственного интеллекта началось с построения робототехнических машин, которые могли решать простые задачи — ехать на свет или, наоборот, прятаться от света, объезжать препятствия. Когда стали доступны первые компьютеры, это открыло возможность для появления искусственного интеллекта именно в том виде, в котором мы его наблюдаем сегодня — некоторой программы, способной давать осмысленные ответы. Первые шаги в построении умных машин были впечатляющими, например, программа «Логик-теоретик» на основании множества аксиом геометрии смогла доказать все теоремы школьной программы. К конструированию мыслящих машин можно подойти с двух сторон. С одной стороны мы знаем, что мозг, обеспечивающий интеллектуальное поведение, состоит из нейронов. Поэтому можно попытаться создать модель искусственной нейронной сети и обучать ее решать интеллектуальные задачи. Альтернатива — построение компьютерной модели того, как человек рассуждает, делает логические выводы,

рационально мыслит. Данный подход получил название символьного искусственного интеллекта. С 50-х годов ХХ века эти два направления развивались более-менее равномерно, но в конце 1960-х — начале 1970-х годов символьное направление стало считаться наиболее перспективным и фактически вытеснило нейросетевые исследования. Также параллельно начали разрабатываться алгоритмы обучения на основе эволюционных принципов — мутаций и отбора. Первые успехи привели к завышенным ожиданиям. В 1960-е годы ведущие исследователи говорили, что через десять лет компьютер сможет выполнять работу среднестатистического человека. Военные и гражданские инвестиции в исследование и создание интеллектуальных систем были очень высокими, начались «золотые годы искусственного интеллекта». Неоправданные ожидания привели к резкому падению финансирования во второй половине 1970-х годов, наступила первая «зима» в области искусственного интеллекта. За период «золотых годов» было наработано достаточно большое количество алгоритмов и подходов к решению задач. Некоторые из них оказались применимы в узких областях. Оказалось, что можно построить экспертные системы способные диагностировать заболевания по симптомам. В результате интерес к искусственному интеллекту на некоторое время вернулся в 1980х, но при этом сами экспертные системы так и не получили ши-

Нейроэволюция 1940

1950

1960

1970

1980

рокого распространения, за пределами нескольких ограниченных применений. Одновременно возродился интерес к искусственным нейронным сетям, был предложен основной метод обучения нейросетей — алгоритм обратного распространения ошибки. Но нейросетевые исследования так и остались в основном в рамках научных лабораторий. В области эволюционных вычислений был предложен генетический алгоритм, который был успешно применен к ряду задач оптимизации. Кроме того, эволюционные методы стали применять для оптимизации структуры нейросети, так называемая нейроэволюция. Начиная с конца 90-х годов и до последнего времени, в течение двадцати лет, наблюдалось поступательное развитие машинного обучения.

1990

2000

2010

2020

Однако, начиная с середины 2000-х годов нейросети снова стали набирать эффективность и показывать в лабораториях хорошие результаты. Это было вызвано появлением аппаратного обеспечения — графических процессоров, позволяющих в десятки раз ускорять нейросетевые вычисления, а также с повышением доступности больших данных. С 2015 года начинается новый «золотой век» искусственного интеллекта связанный с качественно новыми результатами, полученными за счет применения нейросетей, состоящих из многих слоев. Решение задачи при помощи таких нейросетей называется глубоким обучением. Сегодня, основной прогресс в применении нейросетей происходит в областях компьютерного зрения, обработки текстов на естественном языке и обучении с подкреплением.

15

16

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ВВЕДЕНИЕ

Что произошло в ИИ за 2018 г.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

№ 1 / ИЮНЬ 2019

17

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ВВЕДЕНИЕ

Искусственный интеллект сегодня Состояние отрасли можно охарактеризовать по нескольким показателям:

|| количество публикаций в научных журналах; || количество патентов на технологии; || количество денег вкладываемых в исследования и раз-

работки.

ОБЪЕМ ЕЖЕГОДНОГО ВЕНЧУРНОГО ФИНАНСИРОВАНИЯ ПРОЕКТОВ В СФЕРЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (AI) [10] 658 Общий объем вложений, $ млн

493

Кол-во сделок 364 253

2677

5,809

грантов[12] в 2018 году (из 126,122 по всем темам)

Источник: CBinsights

5021

160

3125

1039

589 2012

2013

2014

2015

2016

ДИНАМИКА ПУБЛИКАЦИЙ ПО ДАННЫМ SCOPUS ПО ТЕМЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ПО РЕГИОНАМ (1996-2017) [11] 20 000

China United States Europe

Number of papers

15 000

Rest of World

180,221

публикаций[12] в 2018 году (из 4,866,023 по всем темам)

10 000

5 000

0

2000

2005

2010

2015

ПАТЕНТЫ В ОБЛАСТИ ИИ ПО РЕГИОНАМ (2004-2014) [11] 160 000

United States Korea

Number of patent families

18

Japan China

110 000

GB+FR+DE Taiwan

60 000

10 000 2004

2006

2008

2010

2012

2014

57,545

патентов[12] в 2018 году (из 611,394 по всем темам)

Определения, технологии, инструменты

02

20

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

Искусственный Интеллект

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

«Искусственный интеллект» (ИИ) – комплекс технологических и программных решений, приводящих к результату, аналогичному интеллектуальной деятельности человека, и используемых для решения прикладных задач с помощью систем компьютерного зрения, обработки естественного языка, распознавания и синтеза речи, рекомендательных систем и интеллектуальных систем поддержки принятия решений, а также систем, основанных на перспективных методах.

—э то определение плывущее во времени, «текущий фокус» сообщества – это Machine Learning, в частности Deep Learning, однако это не означает, что все остальные технологии не являются ИИ.

Определение ИИ, принятое в экспертной группе по разработке Стратегии России в ИИ.

2016 DeepMind AlphaGo выигрывает у чемпиона мира в го

1956

1964

1997

2011

Первая конференция по ИИ в Dartmouth, USA, рождение ИИ

Первый виртуальный собеседник Eliza поддерживает диалог с человеком

IBM DeepBlue выигрывает у чемпиона мира в шахматы

IBM Watson выигрывает у экспертов в игре Jeopardy

Универсальный решатель задач

Экспертная система Mycin

ЭВМ

Первый алгоритм обучения

Нейронные сети

Экспертные системы, основанные на нечеткой логике

Язык Prolog

Вопросно-ответные системы

Продукционные системы

Однослойный перцептрон

Алгоритм backpropagation

Нейросеть ADALINE

Когнитрон

Обучение с подкреплением

Андроиды

Первые автономные автомобили

Коммерческие роботы

Простейшие роботы

Экспертные системы на нейросетях

Прикладные экспертные системы

Нейросетевая ассоциативная память

Сверточные нейросети

Неокогнитрон

Машинное обучение без учителя

Нейронные процессоры

Экспертные системы

ИИ для стратегических игр

Библиотека Torch

Разработки сильного ИИ

Deep Learning

NVIDIA CUDA

Машинное обучение

Тестирования автономного транспорта

Язык программирования роботов

Промышленные роботы

События

Автономные военные БПЛА

Гуманоидные роботы (Boston Dynamics и Toyota)

Роботы Системы синтеза речи

Тест Тьюринга

программы обработки естественного языка

компьютерная лингвистика

Компьютерные семантические сети

Коммерческие чатботы

Машинный перевод

устройства для распознавания речи

Нейросетевой машинный перевод

Виртуальный собеседник Eliza (правила)

Виртуальные помощники

Алгебраическая теория распознавания образов

1940-е

Предыстория

1950-е

Ранние успехи ИИ

Выявление объектов на фото и в видео

Алгоритмы цифровой обработки изображений

Простейшие алгоритмы распознавания образов

1960-е

1970е

Медленный прогресс

Зима ИИ

Система кодирования лицевых движений

1980е

Управление знаниями

Классификация и распознавание лиц

1990е

Большие данные

Сенсорный ИИ

Система распознавания лиц DeepFace

2000е

Большие мощности

Распознавание речи и обработка естественного языка

2010е

Глубокое обучение

Текущий фокус разработок = Что считается сегодня ИИ

Компьютерное зрение

21

22

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

Глоссарий ОБЩИЕ ОПРЕДЕЛЕНИЯ Искусственный интеллект, ИИ (Artificial Intelligence, AI) — инженерно-математическая дисциплина, занимающаяся созданием программ и устройств, имитирующих когнитивные (интеллектуальные) функции человека, включающие в том числе анализ данных и принятие решений. Сильный ИИ/Человекоподобный ИИ (Strong AI, Super-AI) — интеллектуальный алгоритм, способный решать широкий спектр интеллектуальных задач как минимум наравне с человеческим разумом. Слабый ИИ/Специальный ИИ (Narrow AI, Weak AI) — интеллектуальный алгоритм, имитирующий человеческий разум в решении конкретных узкоспециализированных задач (игра в шахматы, распознавание лиц, общение на естественном языке, поиск информации и т.п.). Машинное обучение (Machine Learning): технологии автоматического обучения алгоритмов ИИ распознаванию и классификации на тестовых выборках объектов, для повышения качества распознавания, обработки и анализа данных, прогнозирования. Обеспечивающие/поддерживающие технологии ИИ — технологии и технические устройства, которые помогают, получать, хранить, обрабатывать данные и осуществлять действия под управлением ИИ. Примеры: процессоры, графические ускорители, нейрочипы, роботы, камеры и сенсоры, специальные платы, лидары, датчики и пр. Бытовой ИИ. Специализированные программы искусственного интеллекта, уже реализованные в хорошем качестве и встроенные в устройства и процессы вокруг нас. Примеры: алгоритм Т9, выделение лиц на фото в смартфонах и камерах, распознавание номеров камерами ГИБДД, управление лифтами в многоэтажных офисах, алгоритм парковки автомобиля, парктроник, фильтры почтового спама, умная реклама в Интернете, рекоменда-

тельные системы в онлайн-магазинах, роботизированный пылесос, умные персонажи в компьютерных играх и т.п. Тест Тьюринга, Критерий Тьюринга. Общий неформальный критерий того, создан ли «сильный ИИ». Общепринятая формулировка — «если при общении по сети человек не может определить, общается он с роботом или человеком, будем считать, что сильный ИИ создан». Исключает сложные философские вопросы выявления «сознания» роботов, заменяя их критерием эффективной имитации человеческого поведения. Интеллектуальные агенты, программные агенты (Intellectual Agents) — программы, самостоятельно выполняющие задания, указанные пользователем или другими программами, в течение длительных промежутков времени, используются для помощи оператору или сбора информации. Примеры: индексно-поисковые роботы, компьютерные вирусы, троянские программы, торговые и биржевые роботы. БОЛЬШИЕ ПОЛЬЗОВАТЕЛЬСКИЕ ДАННЫЕ (BIG DATA, BEHAVIORAL DATA) Большие данные (Big Data). Данные, собранные автоматическим способом, слишком большие для сбора и обработки вручную, позволяющие находить новые закономерности и знания, которые невозможно получить из локальных фрагментов данных. Примеры: данные о пользователях интернет-сервисов, клиентах мобильной связи, данные о производственных процессах, движении транспорта, пассажиропотоках. Рекомендательные системы (Recommender System, Collaborative Filtering) — системы , выдающие рекомендации на основе неявных закономерностей, обнаруживаемых алгоритмами ИИ с помощью анализа больших данных. Они могут быть нацелены на взаимодействие с клиентом (предлагать товары/услуги/знакомства), либо использоваться внутри компаний (для поддержки принятия решений о выдаче кредита, кадровых решений).

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Персонализация — настройка программных средств, сайтов, магазинов, рекламы и продуктов под конкретных пользователей или потребителей, на основе анализа данных об их индивидуальном поведении и интересах. ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ Экспертные системы — система, использующие отраслевые знания (из медицины, химии, права) в сочетании с наборами правил, описывающими, как применять знания. Система совершенствуется по мере того, как в неё добавляются все новые знания, либо по мере обновления или совершенствования правил. Используются для поддержки принятия решений в управлении, медицине, промышленности. Прогностические системы — системы, улавливающие взаимосвязи между переменными в наборах данных за прошлые периоды и их итогами. На основе этих взаимосвязей разрабатываются модели, которые, в свою очередь, применяются для прогнозирования новых результатов. Представление знаний/Онтология (Ontologies/ Knowledge Management) — представление информации о мире в форме иерархии понятий, такой, чтобы ИИ-система могла использовать ещё для решения сложных задач — например, диагностики заболеваний, поддержки принятия решений или беседы с человеком. Предиктивная аналитика (Predictive Big Data Analytics) — методы прогнозирования будущего поведения объектов и субъектов, основанные на статистике, текущих и исторических фактах. Используется в страховых (актуарных) расчётах, финансовых/кредитных услугах, промышленности, телекоме, розничной торговле, промышленности, картах пробок и других областях.

ИЮНЬ 2019

Компьютерное зрение, распознавание изображений и видео (Image Processing, Computer Vision) — технологии, позволяющие идентифицировать, распределять по категориям и понимать информацию, содержащуюся в изображениях и видео. Программы для анализа и оцифровки «аналоговых» изображений и видео (фотографии, видеопоток с уличных камер, камер безопасности) выделяет на них объекты, классифицирует их. Технологии распознавания используются для разработки программных приложений более высокого уровня, предназначенных для работы с машинным зрением и организации взаимодействия человека и машины. Распознавание символов (OCR, Optical Character Recognition). Оцифровка напечатанных текстов, с распознаванием и переводом в цифровой вид отдельных символов, а также слов, иероглифов и пр. Биометрия — снятие и оцифровка различных биологических характеристик человека — лиц, жестов, походки, отпечатков пальцев, артериального давления, температуры и т.п. Используется для идентификации людей и человеко-машинных взаимодействий. Распознавание по биометрии — технологии распознавания биометрических характеристик человека — лица, отпечатков пальцев, жестов, походки, выражения лица, тенденций в биометрических показателях (стресс, активность, т.д.) для обеспечения идентификации и верификации. ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА

РАСПОЗНАВАНИЕ

Обработка естественного языка (NLP, Natural Language Processing). Набор задач для взаимодействия машин с человеком, а также человеческой речью и текстами: общение с пользователем/клиентом (текстом и голосом), анализ текстов, выполнение голосовых команд и т.п. Ниже разобрано подробнее.

Распознавание речи (Speech recognition, Speech-to-Text, STT). Перевод «аналоговой» голосовой речи человека в цифровой вид, с выделением слов, пониманием смысла. Нужен для диалоговых систем, навигаторов, телефонных чатботов.

Синтез речи (Text-to-Speech, TTS) — синтез речи по тексту, нужен для озвучивания диалогов виртуальных собеседников, для служб объявлений и говорящей бытовой техники, навигаторов, телефонных чатботов, для чтения текстов для слепых и т.п.

23

24

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

Диалог на естественном языке (Man-Machine Interface). Ведение диалога с человеком: выполнение голосовых команд, ответы на вопросы, диалог (текстовый или голосовой) в клиентской службе или службе техподдержки. Развлекательные роботы. Голосовые команды и диалог в бытовой технике, в автомобиле, чатботы. Виртуальные собеседники (чатботы, Chatbots) — программы, общающиеся с человеком на естественном языке. Могут работать промоутерами, менеджерами по работе с клиентами, помогать кадровой службе, отвечать на часто встречающихся вопросы в онлайновых службах техподдержки, используются в автомобилях и в домашних развлекательных роботах. Общение может быть текстовым (чато-подобным) или голосовым. Машинный перевод (MT). Автоматический перевод текстов с одного языка на другой, в том числе с голоса, в реальном времени, с распознаванием речи. Автоматический анализ текстов. Индексирование и анализ больших массивов текстов. Автоматическая классификация текстов (распознавание и присвоение тематик документам). Поиск заданных объектов (запросов), извлечение сущностей и фактов, автоматическое аннотирование и тегирование документов, определение тональности высказывания, поиск похожих текстов и пр. Информационный поиск (Information Retrieval) — сбор, индексация, анализ и поиск в больших массивах текстовой и графической информации. Включает технологии лингвистического анализа, извлечение объектов, вычисление семантической близости к запросу (ранжирование) и прочие технологии. МЕТОДЫ ИИ: МАШИННОЕ ОБУЧЕНИЕ (MACHINE LEARNING) Машинное обучение (Machine Learning, ML) — область ИИ, создающая алгоритмы, которые самостоятельно обучаются и прогнозируют ситуацию на основе имеющихся данных, не требуя вмешательства программиста. Применяется в таких областях, как исследование компьютерного зрения, борьба с онлайн-мошенничеством, прогнозирование цен и курсов, обработка естественного языка и пр.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Обучение с учителем (Supervised Learning) — вид машинного обучения, где алгоритму обучения даются заранее классифицированные и отсортированные данные, состоящие из примеров вводимых данных и желаемых результатов их обработки. Цель обучения — усвоить общие правила, связывающие вводимые данные и получаемые результаты, и на основе этих правил прогнозировать будущие события.

данные, то есть построенная по принципу организации и функционирования биологических нейронных сетей. Фактически, алгоритм оптимизации для быстрого автоматического подбора коэффициентов для различных параметров распознавания в задачах распознавания изображений, речи и т.п. К настоящим нейронным сетям живого организма отношения на самом деле не имеет.

Обучение без учителя (Unsupervised Learning) — вид машинного обучения, при котором обучающийся алгоритм не включает никаких классификаций и меток, сам определяет структуру и взаимосвязи входных данных. Неконтролируемое обучение само по себе может быть целью (обнаружение в данных скрытых закономерностей) или средством (извлечение признаков из массива данных). Ориентировано на исследование входных данных и распознавание структуры неразмеченных данных.

Глубокие нейронные сети (Deep Neural Networks) — многослойная нейронная сеть, в которой «усвоенные» данные пропускаются через несколько слоёв «нейронов»; на каждом слое результат предыдущего слоя используется в качестве вводной информации.

Обучение с подкреплением (Reinforcement Learning) — тип машинного обучения, при котором алгоритм имеет конкретную цель — например, управлять роботизированным манипулятором или играть в Го. Каждый шаг на пути к цели отмечается вознаграждением либо штрафом. Учитывая такую обратную связь, алгоритм может выработать наиболее эффективный путь к цели. МЕТОДЫ ИИ: НЕЙРОННЫЕ СЕТИ (DEEP MACHINE LEARNING, NEURAL NETWORKS) Нейронная сеть (Artificial Neural Network) — подвид методов машинного обучения. Математическая модель (а также её программное или аппаратное воплощение), состоящая из слоёв «нейронов», передающих друг другу

Свёрточные нейронные сети (Convolutional Neural Networks). Многослойные нейронные сети с чередованием специальных свёрточных (суммирующих) и обычных слоёв, наиболее эффективные для распознавания изображений.

ИЮНЬ 2019

Нейрочипы (Neural Processing Unit, Neuromorphic Processor, Tensor Processing Unit, ASIC). Узкоспециализированные процессоры, специально оптимизированные под быстрые параллельные вычисления с использованием нейронных сетей. ДАННЫЕ Обучающая выборка (Dataset, Training Set) — набор прецедентов (объектов, случаев, событий, испытуемых, текстов, фотографий, образцов, и т.п.), выбранных для обучения алгоритма из множества всех возможных прецедентов, называемого генеральной совокупностью. Разметка (Mark-up). Обработка обучающей выборки для присвоения объектам в ней свойств, распознаванию которых обучается алгоритм.

Нейронные сети прямого распространения (Feed-Forward Networks) — нейронная сеть с многими слоями, где данные распространяются только вперёд.

Система разметки. Автоматизированное рабочее место, позволяющее многим операторам машинного обучения быстро размечать обучающие выборки. Например, ручное выделение оператором лиц на фотографии, разметка писем на спам/не спам, разметка результатов поиска или рентгеновских снимков.

Рекуррентные нейронные сети (Recurrent Networks) — глубокие нейронные сети, где данные могут распространяться между слоями вперёд и назад.

Открытые данные — архивы, библиотеки данных, обычно хранящиеся на облачных хранилищах и доступные для скачивания в любой точке мира любому пользователю.

Конструкторы/библиотеки нейронных сетей (фреймворки / Neural Frameworks, Deep Learning Frameworks). Среда разработки нейронных сетей «под задачу», позволяющая сгенерировать несколько десятков различных типов нейронных сетей, а затем обучить их на заданных наборах данных. Существует всего несколько популярных нейронных библиотек, основные игроки этого рынка — TensorFlow (Google), PyTorch (Facebook), Keras (open-source) и др.

Центр Обработки Данных, ЦОД — особое техническое помещение, в котором размещается специальное оборудование (сервера, серверные стойки, сетевое оборудование и др.) для обработки, хранения и передачи больших массивов данных, с подведением энерговвода и мощных каналов связи. Современные ЦОД являются сложными инженерными сооружениями и потребляют большое количество электроэнергии (до сотен мегаватт), большая часть которой идёт на охлаждение оборудования.

Графические ускорители (графические карты / Graphics Processor Unit, GPU). Графические карты для вывода изображений на экран компьютера, позволяющие проводить сверхбыстрые и массивные параллельные вычисления, за счёт этого ставшие основным носителем вычислений на нейронных сетях. Основной игрок этого рынка — компания Nvidia.

25

26

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Искусственный интеллект — области применения

ИЮНЬ 2019

Основные элементы современных технологий ИИ

Распознавание жестов Распознавание речи Биометрия Распознавание

Компьютерное зрение Распознавание по биометрии IoT (информация с датчиков) Распознавание символов

Современные технологии ИИ базируются на трех ключевых элементах: || Алгоритмы машинного обучения || Вычислительные мощности || Размеченные структурированные данные

Датасет (набор данных) представляет собой множество данных, имеющих одинаковую структуру и объединенных по смыслу. Датасет может представлять собой как текстовую, звуковую, визуальную и табличную информацию, так и всевозможные их комбинации. Датасет может содержать данные аннотированные (размеченные) или неаннотированные (неразмеченные).

Анализ и синтез речи

ДАННЫЕ Диалог на естественном языке Обработка естественного языка Информационный поиск, анализ текстов

Машинный перевод (MT) Искусственный интеллект

Осмысление Экспертные системы

Прогностические системы Анализ данных

Алгоритмы и вычислительные мощности сегодня не являются узким местом, а вот качественных данные не хватает, именно данные — ключ к успешному развитию технологий ИИ. В России необходимо увеличить инвестиции в работу с данными и обеспечить доступ к данным разработчикам.

Размеченные данные — содержащие структурированную информацию для всех экземпляров датасета, которые включают в себя метаинформацию для решения конкретных прикладных задач. Разметка должна быть унифицированной, валидированной (обладать свойством целостности) и отвечающей требованиям метаинформационного наполнения. Владельцем (правообладателем) данных может быть государство, компания или частное лицо.

Представление знаний/Онтология

Данные поступают Предиктивная аналитика

отовсюду, вот для примера некоторые

Промышленные

источники данных в 2018 г. [116]

Беспилотники Действие

Роботы

Домашние роботы

Программные агенты

Подобно основным функциям человеческого мозга, выделены три основные области применения ИИ: Распознавание

— процесс считывания графической/звуковой/прочей информации с сенсоров.

Осмысление

— обработка и построение выводов на основе полученных данных из внешних источников.

Действие

— самостоятельная реализация различных сценариев.

Исходя из этой классификации перечислены актуальные прикладные направления, по которым в данный момент ведутся разработки и которые в совокупности определяют текущее значение термина «Искусственный Интеллект».

27

28

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

Программные инструменты (software) Открытость стала тем триггером, который вывел ИИ в одну из самых перспективных областей последнего времени — большинство базовых алгоритмов современного машинного обучения публикуется под открытыми лицензиями — OpenSource. Закрытость информации и коммерческая тайна, традиционные для создания передовых технологий остались в прошлом. Открытые библиотеки, такие как платформа TensorFlow, определяют технологические стандарты в области ML. Входящие в них базовые алгоритмы распространяются под открытой лицензией. Все участники рынка технологий ИИ исповедуют новую философию открытости и кооперации. «Мекка открытого кода» — сайт GitHub, это «социальная сеть» для программистов, и по совместительству самая большая площадка для OpenSource. Позволяет хранить, делиться и разрабатывать проекты множеству несвязанных между собой программистов. Открывая свои результаты для публичного доступа, они убирают необходимость разработчикам по всему миру биться над решением одних и тех же задач, расширяя поле для исследовательской деятельности, увеличивая инструментарий и тем самым ускоряя прогресс.

ЯЗЫКИ ПРОГРАММИРОВАНИЯ Julia — это высокоуровневый язык программирования общего назначения, разработанный в 2009 г. с нацеленностью на высокопроизводительный численный анализ и вычислительную науку. Простой синтаксис и глубокие математические корни делают Julia дружественным языком программирования для аналитиков данных, предлагая идеальный способ выражения алгоритмов. Он также включает Flux, основу для машинного обучения и поддерживает TensorFlow и MXNet.

Haskell — стандартизированный, универсальный язык программирования, разработанный с нестрогой семантикой и сильной статической типизацией. Первоначально разработанный в 1990 г. Haskell в основном используется в академических кругах, хотя есть и некоторые примеры его использования в промышленности и коммерции для проектов в AT&T, Facebook, Google и других.

Haskell основан на семантике языка программирования Miranda и позволяет эффективным библиотекам реализовывать алгоритмы ИИ.

В отличие от других, R — уникальный язык программирования, а также бесплатная программная среда с открытым исходным кодом для статистических вычислений и графики. Разработанный в 1993 году, R широко используется среди аналитиков данных для разработки статистического программного обеспечения и анализа данных. Он также используется в искусственном интеллекте нового стиля и общем машинном обучении. R предоставляет несколько парадигм программирования, таких как векторное вычисление, функциональное программирование и объектно-ориентированное программирование и рассматривается как один из основных стандартных языков для таких областей, как финансы, биология и медицина.

Python — широко применяемый язык программирования и может быть использован для реализации ИИ из-за простой и бесшовной структуры, которую он предлагает. Синтаксис Python позволяет легко реализовать различные алгоритмы ИИ, что также позволяет сократить время разработки по сравнению с другими доступными языками программирования. Применение Python позволяет пользователям создавать нейронные сети с набором полезных библиотек, которые могут использоваться для разработки ИИ. Другие функции включают возможность тестирования алгоритмов без необходимости их реализации.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Java, чрезвычайно популярный межплатформенный язык программирования, обеспечивает алгоритмы поиска и нейронные сети. Это простой для понимания язык, который предлагает графическое представление, отладку и масштабируемость. Его портативность делает его предпочтительной реализацией для различных приложений на основе наличия различных встроенных типов.

ФРЕЙМВОРКИ ДЛЯ МАШИННОГО ОБУЧЕНИЯ

Tensorflow — Открытая программная библиотека для машинного обучения, разработанная компанией Google для решения задач построения и тренировки нейронной сети с целью автоматического нахождения и классификации образов, достигая качества человеческого восприятия. Применяется как для исследований, так и для разработки собственных продуктов Google. Основной API для работы с библиотекой реализован для Python, также существуют реализации для C++, Haskell, Java, Go и Swift. Является продолжением закрытого проекта DistBelief. Изначально TensorFlow была разработана командой Google Brain для внутреннего использования в Google, в 2015 г. система была переведена в свободный доступ с открытой лицензией Apache 2.0.

TensorFlow хорошо подходит для автоматизированной аннотации изображений в таких системах как DeepDream. TensorFlow позволяет проводить обучение генеративно-состязательных сетей (GAN).

PyTorch — библиотека машинного обучения для языка Python с открытым исходным кодом, созданная на базе Torch. Используется для обработки естественного языка. Разрабатывается преимущественно группой искусственного интеллекта Facebook. Библиотека «Pyro» компании Uber для вероятностного программирования основана на PyTorch. PyTorch предоставляет две основные высокоуровневые модели: 1. Тензорные вычисления (по аналогии с NumPy) с развитой поддержкой ускорения на GPU, 2. Глубокие нейронные сети на базе системы autodiff.

ИЮНЬ 2019

Keras — Открытая нейросетевая библиотека, написанная на языке Python. Она представляет собой надстройку над фреймворками Deeplearning4j, TensorFlow и Theano. Нацелена на оперативную работу с сетями глубинного обучения, при этом спроектирована так, чтобы быть компактной, модульной и расширяемой. Согласно концепции Keras является скорее интерфейсом, чем сквозной системой машинного обучения. Keras предоставляет высокоуровневый, более интуитивный набор абстракций, который делает простым формирование нейронных сетей, независимо от используемой в качестве вычислительного бэкенда библиотеки научных вычислений. Microsoft работает над добавлением к Keras и низкоуровневых библиотек CNTK.

Caffe — это основа глубокого обучения, созданная с учетом скорости и модульности. Переключайтесь между центральным и графическим процессором на компьютере, а затем развертывайте на вычисл. кластерах или мобильных устройствах. Скорость делает Caffe идеальным для научных экспериментов и промышленности. Caffe может обрабатывать 60 млн изображений в день с одним GPU NVIDIA.

CUDA — программно-аппаратная архитектура параллельных вычислений, которая позволяет существенно увеличить вычислительную производительность благодаря использованию графических процессоров фирмы Nvidia. CUDA SDK позволяет программистам реализовывать на специальных упрощённых диалектах языков программирования Си, C++ и Фортран алгоритмы, выполнимые на графических и тензорных процессорах Nvidia . Архитектура CUDA даёт разработчику возможность по своему усмотрению организовывать доступ к набору инструкций графического или тензорного ускорителя и управлять его памятью. Функции, ускоренные при помощи CUDA, можно вызывать из различных языков, в т.ч. Python, MATLAB и т.п.

29

30

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

Облака

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ЯНДЕКС.ОБЛАКО

Облаками называют вычислительные службы (серверы, хранилище, сеть, программное обеспечение), доступные через Интернет. Фактически, вы можете купить вычислительные мощности или объем хранения информации, не задумываясь на каких серверах и где они находятся — где то «в облаке». Например, чтобы не хранить личные документы и фотографии на жестком диске персонального компьютера, большинство пользователей сейчас хранят их в Интернете. Это и есть облака. С момента появления в 2006 г. концепция глубоко проникает в различные ИТ-сферы и занимает всё более и более весомую роль в практике: по оценке IDC рынок публичных облачных вычислений уже к 2009 г. составил $17 млрд — около 5% от всего рынка информационных технологий, а в 2014 г. суммарные затраты организаций на инфраструктуру и услуги, связанные с облачными вычислениями, оцениваются почти в $175 млрд.

MICROSOFT AZURE

Это лидирующий облачный сервис от Microsoft, который использует постоянно расширяющуюся сеть центров обработки данных для создания, развертывания и управления службами и приложениями в любом месте. Он позволяет добавлять возможности в существующую сеть через платформу в качестве модели сервиса (PaaS) и доверяет Microsoft производить вычислительные и сетевые операции с помощью инфраструктуры службы (IaaS). Любой из этих вариантов обеспечивает безопасный и надежный доступ к облачным данным, основанным на проверенной архитектуре Microsoft.

AMAZON AWS

AWS — облако, развиваемое компанией Amazon с 2006 г. Предоставляет подписчикам услуги как по инфраструктурной модели (виртуальные серверы, ресурсы хранения), так и платформенного уровня (облачные базы данных, облачное связующее программное обеспечение, облачные бессерверные вычисления, средства разработки). В значительной степени (наряду с Google Cloud Platform) повлияло на формирование концепции облачных вычислений в целом, и определило основные направления развития публичной модели развёртывания. Длительное время было крупнейшим в мире по выручке публичным облаком, во второй половине 2010-х годов уступив по этому показателю Azure от Microsoft, при этом сохраняя доминирование в сегментах инфраструктурных и платформенных услуг. По состоянию на 2017 г. годовая выручка от услуг AWS превысила $20 млрд, что составило около 11,5% доходов Amazon.

GOOGLE CLOUD

Google Cloud Platform — предоставляемый компанией Google набор облачных служб, которые выполняются на той же самой инфраструктуре, которую Google использует для своих продуктов, предназначенных для конечных потребителей, таких как Google Search и YouTube. Кроме инструментов для управления, также предоставляется ряд модульных облачных служб, таких как облачные вычисления, хранение данных, анализ данных и машинное обучение. Google Cloud Platform предоставляет такие услуги, как инфраструктура как услуга, платформа как услуга, и бессерверные вычисления. Только приложения в облаке выполняются на Google TPU.

ИЮНЬ 2019

Яндекс.Облако — набор связанных сервисов, облачная платформа от российской интернет-компании Яндекс. «Яндекс.Облако» предоставляет частным и корпоративным пользователям в формате «as a service» инфраструктурные сервисы — Yandex Compute Cloud, Yandex Object Storage, Yandex Message Queue, Yandex Virtual Private Cloud и Yandex Identity and Access Management, а также платформенные сервисы Yandex Managed Service (для различных баз данных), Yandex SpeechKit и Yandex Translate. «Яндекс.Облако» построено на основе собственных дата-центров компании, расположенных в России, а также программных решений, на базе которых работают сайты и приложения Яндекса — Поиск, Карты, Метрика и другие.

#CLOUDMTS

МТС предоставляет облачные услуги на базе собственных дата-центров, которые располагаются в Москве, Санкт-Петербурге, Нижнем Новгороде, Новосибирске, Владивостоке, Самаре и Краснодаре. Распределенная архитектура с использованием решения VMwarei обеспечивает провайдеру бесперебойность работы и повышенную отказоустойчивость. Среди сервисов провадера: Elastic Cloud, резервное копирование и обработка больших данных в облаке, хранение и обмен корпоративной информацией, выделенный сегмент для работы с персональными данными. Кроме того, на базе

31

32

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ОПРЕДЕЛЕНИЯ, ТЕХНОЛОГИИ, ИНСТРУМЕНТЫ

Аппаратное обеспечение (hardware)

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Главные нерешенные вопросы СИЛЬНЫЙ И СЛАБЫЙ ИИ

Запуск программного обеспечения искусственного интеллекта на компьютере обычно требует высокой скорости и большого объема памяти, хотя некоторые простые приложения могут работать и на 8-битном процессоре. Но успех современных технологий ИИ обусловлен параллельными вычислениями больших нейронных сетей на специальных картах с тысячами параллельных процессоров, таких как GPU. NVIDIA GPU Графические карты (GPU), изначально разработанные для отрисовки трехмерных реалистичных изображений в видеоиграх, оказались превосходным инструментом для параллельного расчета нейронных сетей. Такая карта представляет собой несколько тысяч вычислительных ядер, объединенных в единую архитектуру и позволяющую адресоваться к ней как к единому устройству. Компания NVIDIA своевременно увидела эту новую возможность и, оказав всемерную поддержку сообществу ИИ, является сегодня безусловным лидером рынка GPU для задач ИИ, также разрабатывая новые прикладные решения для отдельных отраслей. Недавно компания анонсировала Xavier — самую амбициозную однокристальную систему для задач ИИ. Xavier имеет 7 миллиардов транзисторов — больше, чем самые современные CPU для серверов. Примечательно, что Xavier обладает мощностью, эквивалентной компьютеру DRIVE PX 2, представленному ранее в этом году на CES — 20 тера-операций в секунду в задачах глубокого обучения при потреблении всего 20 Вт энергии.

GOOGLE TPU Tensor Processing Units (TPU) — это специально разработанные Google специализированные интегральные схемы (ASIC), используемые для ускорения рабочих нагрузок машинного обучения. TPU разрабатываются с нуля с учетом глубокого опыта и лидерства Google в области машинного обучения.

Облачный TPU позволяет запускать рабочие нагрузки машинного обучения на аппаратном ускорителе Google TPU с помощью TensorFlow. Облачный TPU предназначен для максимальной производительности и гибкости, чтобы помочь исследователям, разработчикам и предприятиям создавать вычислительные кластеры TensorFlow, которые могут использовать процессоры, графические процессоры и TPU. Высокоуровневые API Tensorflow помогают запускать модели на оборудовании Cloud TPU. ДРУГИЕ ПРОИЗВОДИТЕЛИ Компания AMD также выпускает графические процессоры, но они сейчас пользуются меньшей популярностью, в первую очередь в связи с меньшей поддержкой фреймворками машинного обучения. Компания Intel недавно предложила масштабируемый GPU модуль в форм-факторе «флешка», который можно воткнуть в USB порт и работать далее с ним как со штатным процессором. Известно, что в Китае сейчас на разной стадии готовности к выпуску около 30 процессоров разных компаний. В ближайшее время мы увидим множество нового железа, которое будет жестко конкурировать на рынке. И фактором, определяющим успех, будет в первую очередь не цена, а быстрота, с которой на этом железе можно развернуть новую архитектуру ML, что в свою очередь зависит от поддержки данного железа основными фреймворками ML. НЕЙРОМОРФНЫЕ ПРОЦЕССОРЫ Нейроморфный процессор – чип, цифровая схема которого построена по принципам нейронной сети, делая машинное обучение быстрее и эффективнее. Такие процессоры уже выпускают IBM (TrueNorth), Intel (Loihi), Toshiba, Qualcomm и готовят к выпуску еще около 30 компаний. Такой чип работает в 1 млн раз быстрее типичных нейронных сетей, например при решении задачи распознавания цифр MNIST.

ИЮНЬ 2019

Существующие технологии слабого ИИ позволяют создавать подсистемы, обладающие тем или иным видом когнитивных способностей. Технологии сильного ИИ позволят создавать из таких подсистем автономных программных агентов и роботов, способных самостоятельно мыслить и решать широкий круг задач. Создание сильного ИИ открывает дорогу широкому распространению автономных роботов, способных к обучению, в отличие от сегодняшних роботов с программируемым поведением. Ключевым для создания сильного ИИ является разработка архитектуры систем, обладающих искусственной психикой. Единственной известной нам системой, обладающей психикой, является мозг. Таким образом, понимание принципов работы мозга может служить ключом к созданию технологий сильного ИИ. ПАМЯТЬ И КАТАСТРОФИЧЕСКОЕ ЗАБЫВАНИЕ Существующие нейронные сети способны обучаться разным, даже очень сложным задачам, например, научиться играть в Го или шахматы лучше чемпиона мира. Однако, каждая такая нейросеть будет иметь лишь тот конкретный навык, которому она обучилась. Если сеть, умеющую играть в Го обучить игре в шахматы, то она при этом забудет, что она умела играть в Го. Человек, напротив, может накапливать различные навыки, которые он приобретает в течение жизни, и применять их в соответствующих обстоятельствах по своему желанию. Для решения этой проблемы необходим системный подход, т. е. опять-таки разработка архитектур сильного ИИ. ПРОЗРАЧНОСТЬ И ОБЪЯСНИМОСТЬ Современные искусственные нейросети могут содержать миллиарды параметров, которые автоматически подбираются под любую задачу в процессе обучения. И обученная нейросеть может в итоге решать эту задачу даже лучше человека. Но вот понять, как именно она это делает практически невозможно — разобраться в структуре связей достаточно сложной ней-

росети человек не в состоянии. Для нас такая нейросеть представляет собой «черный ящик», решениям которого мы вынужден доверять (если, конечно, они были достаточно тщательно проверены на больших тестовых выборках). В этом новый нейросетевой ИИ проигрывает прошлому поколению — экспертным системам. Поскольку последние были основаны на системе правил, они всегда могли объяснить свое решение, показать какая именно цепочка правил применима в данном конкретном случае. Решение этой проблемы пока что не найдено. Возможно, что для этого нейросети должны будут научиться разговаривать, чтобы комментировать свои решения, формулируя свои мысли на человеческом языке. ЭТИКА ИИ ИИ является ключевой технологией новой цифровой экономики. Ведь ИИ — это наделение машин человеческими способностями. Следовательно, это ключ к массовой замене человека разумными машинами и роботами. Не удивительно, что быстрое развитие ИИ и скорость внедрения решений на его основе порождают опасения: а что станет с людьми, которых он будет вытеснять с их привычных рабочих мест? Подобное уже не раз случалось в ходе прошлых промышленных революций. Однако, современные темпы цифровой трансформации гораздо выше. Успеет ли общество адаптироваться к столь резким переменам? Успеют ли сокращенные работники освоить свою следующую профессию, прежде чем и там начнутся свои сокращения? Не рискуем ли мы потерять контроль над собственной судьбой, передав бразды правления гораздо более сильному ИИ — в своих же собственных интересах? Пока что у нас нет обоснованных ответов на все эти вопросы. Однако, все понимают, что эти ответы мы будем обязаны найти. Ставки в этой игре слишком высоки. Но и отказаться от нее мы не в праве. Самый большой риск в этих условиях — вообще не рисковать. В этом случае нам гарантирована технологическая отсталость, низкое качество жизни и потеря суверенитета.

33

Ключевые компании в мире

03

36

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Компании мира — обзор

Во-первых, мы оцениваем научно-исследовательский потенциал коллективов, анализируя количество и качество научных публикаций их со-

FACEBOOK MIT

GOOGLE

NASA STANFORD CARNEGIE MELLON UNIVERSITY COMPUTERWORLD NATIONAL SCIENCE FOUNDATION DARPA WINDOWS SKYPE

NSA PINTEREST DROPBOX

ALPHABET FBI

MICROSOFT RESEARCH WIKIPEDIA

EBAY HARVARD UNIVERSITY SONY

SHUTTERSTOCK AT&T

AMAZON INTEL

APPLE SAMSUNG

IOS

STANFORD UNIVERSITY NETFLIX

YAHOO

TENSORFLOW

MICROSOFT

IBM WATSO N

IPAD

SIRI ORACLE

DOI

SPOTIFY

NASDAQ SALESFORCE

BAIDU

CORTAN A SAPDEEPMIND CSAIL SECURITIES AND EXCHANGE COMMISSION ADOBE

DELL

NVIDIA

NYSE

GARTNER

TECHCRUNCH AMAZON WEB SERVICES

QUALCOMM

AWS CES FORD

GITHUB FORTUNE

SCIENCEDAILY UBER REUTERS

SLACK TOYOTA GOOGLE HOME IDG CONTRIBUTOR NETWORK WHATSAPP BMW

TWITTER SAAS PAYPA L COLUMBIA UNIVERSITY

ARM FDA BBC

CMO

LENOVO

AIRBNB

TESLA

APPLE WATCH

ZUCKERBERG MICROSOFT AZURE AMD GM

WECHAT CNBC PENTAGON GOOGLE PHOTOS SOFTBANK LG DELOITTE MOBILEYE GPU MIT TECHNOLOGY REVIEW BLUETOOTH TENCENT DEFENSE ADVANCED RESEARCH PROJECTS AGENCY BLOCKCHAIN DISNEYWALMART ITUNES APPLE PAY GOLDMAN SACHS MCGOVERN INSTITUTE UC BERKELEY AUDI KIK GENERAL MOTORS FORRESTER RESEARCH HARVARD MEDICAL SCHOOL CORNELL UNIVERSITY TABLEAU FINTECH INSTAGRAM SPACEX DRONE NIH JEOPARDY HUAWEI BOEING MASTERCARD VOLVO VMWARE NOKIA IBM RESEARCH AMZN MAPREDUCE GETTY IMAGES CLOUDERA KHOSLA VENTURES OFFICE HP PRINCETON UNIVERSITY APPLE MUSIC IT BUSINESS EDGE NETWORK PROS HOLDINGS INC. OXFORD UNIVERSITY HTC EMC SHAREPOINT NVDA GOOGLE VENTURES SEQUOIA CAPITAL DEEP BLUE MASSACHUSETTS GENERAL HOSPITAL APAC HPE BOSTON DYNAMICS SPLUNK ENDERLE GROUP INFOWORLD SVP HEWLETT PACKARD ENTERPRISE GPS PWC MORGAN STANLEY AMAZON ALEXA PNAS NSF FUJITSU UDACITY TERADATA GENERAL ELECTRIC RAM NEST APP GAMESBEAT CMU FITBIT GET DATA SHEET CIA HEWLETT PACKARD STARBUCK S DOD ADAS ACCENTURE GEORGIA TECH SIEMENS INFOSYS HONDA INTEL CAPITAL KICKSTARTE R AMERICAN EXPRESS CSOVC TIRIAS RESEARCH MOTOROLA AZURE MACHINE LEARNING KINECT AOL DUKE UNIVERSITY GOOGLE ANALYTICS EEG BLACKBERRY AIR FORCE MCKINSEY AAPL JOHNS HOPKINS UNIVERSITY BROWN UNIVERSITY TNW VOLKSWAGEN FPGA CB INSIGHTS ZACKS TRADE PAAS PLOS NORTHWESTERN UNIVERSITY TESLA MOTORS VISA WELLS FARGO IT BUSINESS EDGE ACCEL PARTNERS QUARTZ RSA UNIVERSITY COLLEGE LONDON MACS UCLA NHS TNW MOMENTUM CNET SHUTTERSTOCK.COM BIG BLUE THOMSON REUTERS NISSAN COCA COLA ACN MERCEDES BENZ DSP IEEE GREYLOCK PARTNERS GFK IMPERIAL COLLEGE LONDON WWDC NYU AMAZON ECHO SOC CISO BOSCH INTC U.S. SECURITIES AND EXCHANGE COMMISSION MOVIDIUS UNILEVER WAZE NEA DAIMLER EXPEDIA CISCO SYSTEMS SAMSUNG ELECTRONICS CALTECH COMCAST GCHQ INTUIT HOLOLENS NHTSA RPA IMESSAGE FAA NIKE HBO UNIVERSITY OF WASHINGTON INBOX SNAPDRAGON PHYS.ORG BROAD INSTITUTE SAFARI MAYO CLINIC HORTONWORKS DATA SHEET PIXAR ALPHABET INC. PIVOTAL SINGULARITY UNIVERSITY EMTECH DIGITAL NATIONAL HIGHWAY TRAFFIC SAFETY ADMINISTRATION USC PANDORA LIFELOCK INTEL CORPORATION NPR FTC MICROSOFT OFFICE GOOGLE SEARCH XBOX CORNELL MEDIA LAB FCC NFC EVP LINE STUMBLEUPON OUTLOOK EHR BLUEMIXCRAN BROADCOM ENDERLE MACY FEDERAL TRADE COMMISSION ASIC SWIFTKEY SINGULARITY FINANCIAL SERVICES ELIFE MACOS YALE UNIVERSITY MONSANTO ROBOHUB AFP UBS EPA U.S. FOOD AND DRUG ADMINISTRATION FIRST ROUND CAPITAL TPU YAMMER INDIANA UNIVERSITY XIAOMI IRVINE WIPRO MAC CAMBRIDGE UNIVERSITY DJITORCH WORLD HEALTH ORGANIZATION TOSHIBA CDC ONEDRIVE ITUNE WAL MART GOOGLE PLAY IPOD YALE FUTURE OF LIFE INSTITUTE ENGADGET NINTENDO FOXCONN HASSABIS GOPRO IFSEC MERCK TEMPE APACHE HADOOP PHP OPENSTAC K UNIVERSITY OF MICHIGAN CNTK STAPLES CLOUD MYSQL KURZWEIL TUFTS UNIVERSITY AIRBUS GOOGLE OHIO STATE UNIVERSITY UCSF WHOLE FOODS PLOS COMPUTATIONAL BIOLOGY PRINCETON PROJECT TANGO HSBC TAP UN ALS MACBOOK JSON IBM CLOUD VISUAL STUDIO WASHINGTON UNIVERSITY ESPN PHOTOSHOP CELL PRESS GIZMODO HBASE FOURSQUARERACKSPAC E GOOGLE PLAY STORE REDPOINT VENTURES BOSTON UNIVERSITY MERCEDES NIELSEN CERN OXFORD IIOT SRI INTERNATIONAL BEZOS DEUTSCHE BANK DARKTRACE OCULUS U.S. AIR FORCE MASSACHUSETTS INSTITUTE OF TECHNOLOGY RSA CONFERENCE PCA NFL ALLEN INSTITUTE NODE.JS HOME DEPOT PFIZER KPMG ASUS HUBSPOT OPENTABL E INDEX VENTURES UPS VODAFONE DOE TWINSTRATA CBS WORLD BANK BARCLAYS AML AGI GTC SEAGATE FLIPKART AMAZON GO ARIZONA STATE UNIVERSITY EPFL BATTERY VENTURES CITIGROUP APPLE APP STORE IMAGENET SKYNET ETH ZURICH COMSCORE CPG MICROSOFT VENTURES FACE ID G SUITE ANKI U.S. NAVY DARTMOUTH CRISPR NORTHEASTERN UNIVERSITY EDUCATION HANGOUTS CITI CAPITAL ONE ELECTRONIC ARTS IEEE SPECTRUM ERICSSON CCTV MATLAB ABI RESEARCH C3 ENERGY BETH ISRAEL DEACONESS MEDICAL CENTER INDIEGOGO BERKELEY CISCO DEMAND SIDE PLATFORM NUTANIX LIGHTSPEED VENTURE PARTNERS BESSEMER VENTURE PARTNERS AFFECTIVA D WAVE SYSTEMS COURSERA IBTIMES UK CROWDSTRIKE TECHNAVIO VCCIRCLE NUANCE ELECTRONIC FRONTIER FOUNDATION SALESFORCE.COM

NETWORK WORLD

VERIZON TARGET SAS

CARNEGIE MELLON

SEC

LLC

На карте отображены упоминания компаний в СМИ за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ

ЛИДЕРЫ РОСТА

На этой карте отчетливо видно груп[13] пу самых значимых компаний для отрасли компании — FAANG. Так аналитик Jim Cramer из Mad Money назвал в феврале 2013 группу компаний Facebook, Amazon, Apple, Netflix и Google. Эти компании были объединены в группу как символ новой экономики. И эти же компании демонстрируют самый большой рост выручки и капитализации в последние годы, в первую очередь связанный со ставкой на группу технологий ИИ. Далее мы рассмотрим все эти компании подробнее.

Самой мощной компанией мира в ИИ безусловно является Google, который одновременно самый значимый для индустрии и одновременно некоторые его подразделения являются лидерами роста. Очень интересной на этой карте выглядит компания Nvidia, она и значима и одновременно очень динамично растет. Другими лидерами роста являются Samsung, IBM, Microsoft, Huawei. Интересно попадание в лидеры роста компании Daimler, которая активно внедряет технологии ИИ в свои автомобили.

BAT

И отдельно мы рассмотрим еще три организации, которые по сути являются сильными научно-исследовательскими центрами. Это DeepMind (которая юридически является коммерческой компанией, но по сути это частный научно-исследовательский центр Google) и две некоммерческие организации — OpenAI и Allen Institute. Все эти три центра сформировали сильную экспертизу по ИИ и несмотря на то, что они не входят в топ по упоминаемости в СМИ и не публикуют все свои работы, они оказывают значительное влияние на отрасль ИИ в целом.

По аналогии с группой FAANG, аналитиупоминаний в СМИ [13] ки называют группу BAT — это группа китайских компаний Baidu, Ali Baba, Tencent. Эти компании также объединены в группу как символ новой китайской экономики и они являются прямыми конкурентами компаний группы FAANG. На этой карте 2 из 3-х компаний входят в топ-10 по динамике, мы также рассмотрим всю группу подробнее.

>250 тыс

ТРЕНД КАРТА УПОМИНАНИЙ В СМИ

HADOOP VENTUREBEAT

FAANG

>500

трудников, связанных с тематикой ИИ. Во вторых, мы оцениваем компании по их публикациям в СМИ и цитированию этих публикаций другими источниками. Результаты этого анализа резюмированы в форме «тренд-карт», на которых графически отражены позиции компаний. Источники данных и методика формирования тренд карт подробно перечислены в приложениях. Здесь же мы отметим, что и тот и другой взгляд не характеризуют полностью каждую конкретную компанию, но помогают выявить тренды и общие закономерности и движения отрасли.

Несмотря на открытость технологий в области искусственного интеллекта много работ проводится в закрытом режиме без публикаций. Поэтому, используя открытые источники данных для объективного анализа и сравнения компаний, мы признаем, что некоторые компании могли не попасть в обзор по таким критериям. В данном обзоре мы рассматриваем основных игроков отрасли искусственного интеллекта с двух точек зрения.

[13]

По вертикальной оси — «Значимость» компании, чем выше точка на карте, тем больше есть значимых публикаций в СМИ, связанных с этой компанией (значимость публикации тем выше, чем выше ее цитируемость). По горизонтальной оси — «Динамичность» компании, чем правее точка на карте, тем быстрее за последние годы рост количества публикаций, связанных с этой компани-

ей. Если точка в центре, то количество публикаций остается примерно постоянным. Таким образом справа сверху отображены те компании, потенциал которых значим и постоянно растет. Сверху в центре компании, которые примерно стабилизовали свой рост, но являются очень значимыми для отрасли.

ИЮНЬ 2019

НАУЧНЫЕ ЛИДЕРЫ

ТОП-10 КОМПАНИЙ [13] Топ-10 по значимости

Упоминания в СМИ

Наиболее заметные по динамике

1

Google

17 251

1

Google

2

Microsoft

10 443

2

Amazon

3

Facebook

9 071

3

IBM

4

Apple

6 842

4

Daimler

5

IBM

6 676

5

Samsung

6

Amazon

6 446

6

Huawei

7

Intel

3 508

7

Tencent

8

NVIDIA

2 547

8

Uber

9

Samsung

2 118

9

Tesla

10

Uber

1 433

10

Microsoft

37

38

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Facebook Описание: самая большая группа социальных сетей в мире, в портфеле компании следующие платформы: Facebook, Instagram, Whatsapp. Основной доход от рекламы. Стратегия по ИИ: Собирают данные пользователей и используют их для таргетирования рекламы и рекомендаций. Компания разрабатывает открытые фреймворки OpenSource, создавая вокруг них сообщества разработчиков, что позволяет быстро развивать сами фреймворки и продукты на их основе. ИИ подразделение: Facebook AI Research Lab (FAIR): распознавание изображений и видео, классификация и генерация текста, семантический анализ,

Стратегия по ИИ: Стратегия «Amazon AI flywheel», согласно которой технологии ИИ должны быть внедрены во все продукты Amazon с целью ускорить развитие компании и сделать ее лидером в сфере ИИ. Компания полностью реорганизуется вокруг технологий машинного обучения и ИИ. ИИ подразделение: Amazon AI Labs, направления исследований: обработка естественного языка, разработка новых архитектур для ИИ, компьютерное зрение, аппаратное обеспечение для ИИ, облачные экспертные и рекомендательные системы. Лидеры в ИИ: Edo Liberty — глава Amazon AI Labs, окончил Tel Aviv University, Yale, ранее работал в Yahoo Research.

39

Apple распознавание речи, машинный перевод, диалоговые системы. Лидер в ИИ:

$478B

Капитализация

[15]

Ян ЛеКун (Yann LeCun) — французский ученый, лауреат премии Тьюринга (2018) (см. стр. 81).

$55,8B

Некоторые ИИ-проекты:

$10.3B

|| PyTorch, Torch, Caffe2 — фреймворки

для машинного обучения.

|| CommAI — разработка виртуальных

агентов общего назначения, полезных для человека в повседневной жизни.

Выручка [14]

R&D [14]

200+

Исследователей [16]

|| ParlAI — открытая платформа для обу-

Описание: Крупнейший производитель смартфонов в мире Основной доход получает от продажи iPhone, iPad, Mac. Также компания специализируется на ПО для операционной системы MacOS и мобильной операционной системы iOS. Стратегия по ИИ: Компания позже всех в группе FAANG начала активные разработки в сфере ИИ. Основной фокус компании на платформы и новые технологии на базе устройств Apple (виртуальный помощник Siri, алгоритмы детекции и классификации объектов на изображениях, машинный перевод). Основные направления: Инфраструктура для создания и обучения различных моделей, обработка естественного языка, выделение и классификация объектов на изображениях.

чения чат-ботов.

Amazon Описание: Транснациональная компания, профилирующаяся в электронной коммерции (маркетплейс, аукционы), облачных вычислениях (AWS) и искусственном интеллекте.

ИЮНЬ 2019

Лидеры в ИИ: Основные проекты*: || Alexa — виртуальный помощник с ал-

горитмами обработки естественного языка.

|| Amazon Go — магазины будущего, ос-

нащенные камерами, умными весами, роботизированной техникой, датчиками, подключенными к единой облачной системе с алгоритмами ИИ.

|| Amazon DeepLens — видеокамера

для разработчиков с алгоритмами глубокого обучения.

|| Neo-AI project — фреймворк для опти-

мизации ИИ-моделей.

|| SageMaker — коллекция моделей и ал-

горитмов для машинного обучения.

|| Kinesis — технология сбора, обработки

и анализа видеопотоков и потоковых данных в режиме реального времени.

|| QuickSight — сервис бизнес-аналитики

на основе алгоритмов машинного обучения.

$883B

Капитализация [20]

$233B

Джон Джаннандреа — старший вице-президент по машинному обучению и стратегии ИИ Apple, ранее работал в Microsoft и ИИ-подразделении Google.

Ruslan Salakhutdinov — директор Apple по ИИ, профессор Carnegie Mellon University (см. стр. 82) Ian Goodfellow — директор направления «машинное обучение» в Группе Специальных Проектов Apple, ранее работал в Google Brain и OpenAI. (см. стр. 83) Некоторые проекты*: || Siri — виртуальный помощник и во-

просно-ответная система с встроенной технологией обработки естественного языка.

$887B

Капитализация [18]

$266B Выручка [17]

$14.2B R&D [17]

|| CoreML — фреймворк для работы с тех-

нологиями машинного обучения, позволяющий создавать под iOS приложения, в которых используются различные алгоритмы машинного обучения.

|| CreateML — фреймворк для обучения

моделей, позволяющий значительно снизить время обучения и размер модели, в качестве исходных данных CreateML позволяет использовать изображения, тексты и структурированные объекты.

Выручка [19]

$22,6B R&D* [19]

Netflix Описание: Крупнейший поставщик медиаконтента (фильмов, сериалов) на основе стриминговых видеосервисов, уникален своей бизнес-моделью на основе рекомендательных ИИ-алгоритмов.

Cтратегия по ИИ: Использование алгоритмов ИИ для профилирования пользователей, анализа их предпочтений и выдачи рекомендаций. ИИ подразделение: Netflix Research.

Основные направления исследований: машинное обучение, предиктивная аналитика, рекомендательные системы. Лидеры в ИИ: Tony Jebara — директор по машинному обучению Netflix Research, руководитель лаборатории машинного обучения Columbia University. Основные проекты*: || Рекомендательные системы.

$164B

Капитализация [22]

$16B

Выручка [21]

$1.2B R&D [21]

40

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Google Описание: Крупнейшая поисковая система в мире с интегрированными онлайн-сервисами (Gmail, Google Maps, Google Hangouts и др.). Входит в холдинг Alphabet, Inc. Основной доход компании приносит таргетированная реклама. Также компания является создателем операционной системы Android — крупнейшей мобильной ОС. Стратегия по ИИ: Стратегия «AI centricity» — приоритетным направлением компании являются исследования по всем направлениям ИИ, а также внедрение ИИ во все продукты холдинга. ИИ подразделения: || Google AI. || Google Brain. || DeepMind.

Лидеры в ИИ: Peter Norvig (Питер Норвиг) — директор Google Research.

Стратегия по ИИ: Компания начала ИИ-ребрендинг в 2010 году, раньше, чем прочие высокотехнологичные компании. Сейчас все продукты компании работают на базе алгоритмов ИИ. ИИ подразделение: Baidu Institute of Deep Learning. Основные направления исследований: голосовые помощники, разговорный ИИ, автономный транспорт. Лидеры в ИИ: Andrew Ng (Эндрю Ын) — до марта 2017 года — ведущий специалист лаборатории искусственного интеллекта. (см. стр. 81).

41

Tencent Hugo Larochelle (Хьюго Ларошель) — директор Google Brain. Некоторые проекты*: || Google Brain — исследовательский

проект Google по изучению искусственного интеллекта на основе глубокого обучения. В нём сочетаются открытые исследования в области машинного обучения с разработкой систем и вычислительными мощностями в масштабах Google.

$880B

Капитализация

[24]

$136B Выручка

[23]

$21.4B R&D

[23]

|| GoogleX — компания в составе хол-

динга Alphabet, занимающаяся коммерциализацией примерно 100 проектов перспективных технологий, таких как самоуправляемый автомобиль, очки дополненной реальности, доступ в Интернет с помощью воздушных шаров в стратосфере, обучаемая нейронная сеть, использующая распознавание речи и извлечение объектов из видео, интернет вещей.

Yuanqing Lin (Юаньцин Лин) — директор Baidu Institute of Deep Learning. Некоторые проекты*: || Открытая ИИ-платформа для авто-

номного транспорта Apollo, “Android для беспилотных автомобилей”, разрабатываемая в партнерстве с Microsoft, Intel, NVIDIA, Daimler, BMW Group. В 2018 году компания провела испытания беспилотных автомобилей Mercedes-Benz в Национальной пилотной зоне в Пекине и Хэбэе. || Разговорная ИИ-платформа DuerOS,

установлена более, чем на 100 млн устройств. || голосовые помощники Raven H,

Aladdin.

Описание: Крупнейшая китайская интернет-компания, владелец социальной сети и мессенджера WeChat, приложения QQ, крупнейший в мире производитель онлайн-игр. Стратегия по ИИ: Компания запустила в 2016 году стратегию «AI in all we do», согласно которой технологии ИИ должны быть внедрены во все продукты компании. ИИ подразделение: Tencent AI Lab. Штат подразделения насчитывает порядка 70 научных сотрудников и 300 инженеров. Основные направления исследований: разговорный ИИ, машинный перевод, голосовые помощники и виртуальные ассистенты, компьютерное зрение, персонализированные рекомендательные системы.

Лидеры в ИИ: Zhengyou Zhang (Чжэнъю Чжан) — директор Tencent AI Lab, ранее работал в подразделении Tencent, занимающимся робототехникой, в 2013 году ему была присуждена награда Helmholtz Test of Time Award за достижения в области компьютерного зрения. Некоторые проекты*:

$500B

Капитализация [33]

$238B Выручка [32]

$2,7B R&D [32]

|| Открытая ИИ-платформа для здраво-

охранения для онлайн-консультаций, назначения и проверки лечения, подбора медицинских специалистов.

|| NIO — стартап, занимающийся раз-

работкой и выведением на рынок электроавтомобилей и автономного транспорта.

|| Голосовой помощник TingTing.

Alibaba

Baidu Описание: Крупнейшая поисковая система в Китае, основные доходы от таргетированной рекламы, составляет, ≈ 1,5% глобального рынка поисковиков. Также предоставляет ряд онлайн-сервисов.

ИЮНЬ 2019

$78B

Капитализация [30]

$15B

Выручка [29]

$2B R&D [29]

1300

Исследователей [31]

Описание: Китайская компания, специализирующаяся на e-commerce. Основные статьи дохода — B2B торговые операции и розничная онлайн-торговля. Помимо торговли выстраивает целую экосистемы платежей, логистики и сервисов. Стратегия по ИИ: Исследования и инвестиции по всем направлениям развития ИИ (инвестиции в 160 ИИ-проектов более, чем на 180 миллиардов юаней). ИИ подразделение: Alibaba DAMO Academy. Основные направления исследований: машинное обучение, анализ данных и предиктивная аналитика, финтех, интеллектуальная робототехника, голосовые помощники. Помимо DAMO Компания проинвестировала в 7 исследовательских лабораторий, ведущих разработки а сфере ИИ. Лидеры в ИИ: Yangqing Jia (Янцин Цзя) — директор по ИИ в Alibaba, ранее работал в Facebook над ИИ-проектами (Caffee2).

Некоторые проекты*: || Открытая ИИ-платформа для умно-

го города ET City Brain. Реализована в городе Ханчжоу. Благодаря включению дорожных камер в облачное решение ET City Brain увеличилось число ежедневных сообщений об авариях в Ханчжоу и уменьшилось время реагирования. Уровень точности идентификации инцидентов составил более 92%. || Автономный транспорт — компания

активно разрабатывает данное направление, панируя использовать беспилотные автомобили для доставки продукции. В 2018 году бюджет Alibaba на исследования составил $720 миллионов. Тестирования беспилотных транспортных средств проводятся в городе Ханчжоу, средняя скорость движения составляет на данный момент 30–40 км/ч, грузоподъемность — до нескольких тонн. || Голосовой помощник Tmall Genie.

$470B

Капитализация [35]

$37,5B Выручка [34]

$3,6B R&D [34]

42

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

NVIDIA Описание: Крупнейший разработчик и производитель графических процессоров, видеокарт, систем-на-чипе и ускорителей для высокопроизводительных вычислений, видеоигр, профессиональных визуализаций и автомобильной промышленности. Стратегия по ИИ: Рынок ИИ является одним из важнейших направлений для компании. Системы-на-чипе и ускорители NVIDIA лидируют по техническим характеристикам среди конкурентов. Компания не только ведет активные исследования в сфере графических ускорителей, а также разрабатывает ПО для машинного обучения, но и работает над глобальными долгосрочными проектами, такими как умный город и автономные транспортные средства. ИИ подразделение: NVIDIA Research. Основные направления исследований: Ускорители и системы-на-чипе для ИИ-технологий, бортовые компью-

теры для беспилотного транспорта, компьютерное зрение, умный город, интеллектуальная робототехника.

$112B

Лидеры в ИИ: Bryan Catanzaro (Брайан Катандзаро) — глава подразделения машинного обучения, PhD (Berkley), ранее работал в Baidu.

$12B

Некоторые проекты*: || NVIDIA Metropolis — проект умного го-

рода, в котором данные с 500 млн камер собираются в единой системе, где обрабатываются и используются для обеспечения безопасности граждан.

Капитализация

[26]

Выручка [25]

$1,8B R&D [25]

Лидеры в ИИ:

|| NVIDIA Jetson — система для авто-

Navin Shenoy (Навин Шеной) — глава подразделения Data Center Group.

номного транспорта на базе графических ускорителей NVIDIA.

|| Nvidia Tesla — графические ускорите-

ли для дата-центров, предназначенные для тренировки алгоритмов ИИ.

Стратегия по ИИ: Создание новых продуктов на основе системы IBM Watson.

Некоторые проекты*:

Лидеры в ИИ: Rob High (Роб Хай) — ви-

Стратегия по ИИ: Основное направление развития компании в ИИ — создание новых электронных компонентов и аппаратного обеспечения для высокоскоростных вычислений, а также разработка ПО для них.

Основные направления исследований: нейроморфные чипы, фреймворки для тренировки ИИ на основе CPU, открытые датасеты для обучения моделей от сообществ разработчиков.

платформа для разработчиков решений для искусственного интеллекта.

це-президент и CTO IBM Watson.

Основные направления исследований: Обработка естественного языка, разработка новых архитектур для ИИ, компьютерное зрение, аппаратное обеспечение для ИИ, облачные экспертные и рекомендательные системы.

Описание: Один из крупнейших в мире производителей электронных устройств и компонентов, в частности, микропроцессоров и чипсетов.

ИИ подразделение: Intel AI.

|| Nvidia GPU Cloud (NGC) — облачная

Описание: Один из крупнейших в мире производителей и поставщиков компьютеров и программного обеспечения, а также IТ-сервисов и консалтинговых услуг. Создатель экспертной системы IBM Watson.

AI Hardware Center — подразделение IBM, занимающееся разработкой аппаратного обеспечения для ИИ, в частности, новых графических ускорителей.

43

Intel

Dario Gil (Дарио Хиль) — директор IBM Research.

Jeff Burns (Джефф Бернс) — директор AI Hardware Center.

|| IBM Watson — экспертная система

на основе суперкомпьютера, способная понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных.

|| Debater — разговорный ИИ, который

может общаться на различные темы, «понимает» вопросы и самостоятельно конструирует развернутые ответы на базе поиска вариантов ответов в Интернете.

|| Diversity in Faces(DiF) — датасет

для тренировки алгоритмов распознавания лиц.

Navin Rao (Навин Рао) — руководитель Intel AI. Некоторые проекты*: || Reinforcement Learning Coach — от-

крытый фреймворк, работающий на многоядерных CPU Intel, для тренировки моделей на основе алгоритмов обучения с подкреплением.

|| Distiller — открытая платформа с алго-

ритмами сжатия нейронных сетей, повышающие скорость вывода.

$245B Капитализация [41]

$70.8B Выручка [40]

$13.5B R&D [40]

|| CARLA — среда, представляющая си-

мулятор для.

|| BrainIAK — ПО для автоматического

анализа снимков МРТ головного мозга.

|| Loihi — самообучающийся нейроморф­

ный процессор. Для его обучения и тестирования компания организовала открытое сообщество.

Microsoft

IBM

ИИ подразделение: IBM Research. ­

ИЮНЬ 2019

$125B

Капитализация [37]

$80B

Выручка [36]

$5,4B R&D [36]

Описание: Microsoft (Nasdaq: MSFT) — крупнейшая международная компания в области информационных технологий и цифровой трансформации, ведущий поставщик облачных решений и интеллектуальных сервисов, ИТ-платформ для корпоративного и персонального использования. Стратегия по ИИ: Демократизация ИИ — обеспечении возможности каждому потребителю в мире использовать новейшие достижения в области ИИ, машинного обучения и больших данных для решения его текущих задач и расширения возможностей в будущем. Лидеры в ИИ: Scott Guthrie — исполнительный вице­президент, руководитель Microsoft Cloud + AI Group. Принимал участие в создании Azure и облачных сервисов, был одним из основателей проекта .NET. Harry Shum — исполнительный вице-­ президент, руководитель Microsoft Artificial Intelligence and Research Group,

член Нац. инженерной академии США, IEEE Fellow и ACM Fellow Eric Horvitz — Technical Fellow и директор, Microsoft Research Labs в Редмонде, США, член Нац. нженерной академии США, основатель Партнерства по ИИ для поддержки людей и общества.

Christopher Bishop — директор Microsoft Research Lab в Кембридже, Великобритания, профессор компьютерных наук в Университете Эдинбурга и сотрудник Дарвинского колледжа в Кембридже. Некоторые проекты: || аппаратные ИИ-процессоры и серве-

ра для задач машинного обучения, || промышленные когнитивные сервисы

(понимание и синтез речи, языка, изображений и пр.), || библиотеки машинного обучения

(Cognitive Services Toolkit, CNTK), || благотворительные проекты в облас-

ти ИИ: AI for Good, AI for Earth, AI for Accessibility и другие.

$939B

Капитализация [39]

$110B Выручка [38]

$14,7B R&D [38]

44

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Huawei Описание: Одна из крупнейших мировых компаний в сфере телекоммуникаций, производитель сетевого оборудования, смартфонов, планшетных компьютеров, терминалов, мобильных приложений и ПО. Стратегия по ИИ: || Инвестиции в разработки ИИ. || Создание портфолио комплексных

ИИ-решений. || Развитие открытой ИИ экосистемы

и поддержка талантов. || Внедрение технологий ИИ в суще-

ствующие продукты компании. || Повышение операционной эффектив-

ности Huawei. ИИ подразделение: Noah`s Ark Lab (Гонконг). Основные направления исследований: компьютерное зрение, речевые технологии, оптимизация работы нейросетей, предиктивная аналитика. Лидеры в ИИ:

Стратегия по ИИ: Миссия компании — создание безопасных, самообучающихся ИИ-продуктов, сфокусированных на пользователях. В частности, виртуальных ассистентов и интернета вещей. Компания занимает первое место в мире по затратам на R&D. ИИ подразделение: открыли 7 центров ИИ по всему миру (Россия, Корея, США, Великобритания, Канада). Основные направления: компьютерное зрение, интернет вещей, обработка естественного языка.

45

Uber Qian Zhao (Цянь Чжао) — директор Noah`s Ark Lab. Qi Tian (Ци Тянь) — глава департамента компьютерного зрения Noah`s Ark Lab. Qun Liu (Кун Лю) — глава департамента речевых технологий Noah`s Ark Lab. Некоторые проекты*: || CANN — (компьютерная архитектура

для нейросетей) процессорная операторская библиотека и высокоавтоматизированный операторский пакет инструментальных средств разработки.

$564M

Капитализация

[28]

$107B Выручка

[27]

$15B R&D

[27]

|| MindSpore — унифицированная ин-

фраструктура/среда обучения и логического вывода для устройств, периферии и облака (как независимых, так и комплексных).

|| HiAI — мобильная платформа для вы-

|| SoftCOM AI — платформа для высоко-

производительных вычислений, содержащая фреймворки для генерации и тренировки различных ИИ моделей.

Некоторые проекты*: || Tizen — платформа для ПО для ин-

тернета вещей, к которой можно подключать все устройства производства Samsung.

|| Samsung Bot — ИИ-робот, выпол-

няющий за человека обязанности по дому — уборку, приготовление пищи и др.

|| Bixby — интеллектуальный ассистент

с возможностями компьютерного зрения, распознавания и генерации речи и выдачи рекомендаций пользователю.

ИИ подразделение: Uber AI Labs.

Стратегия по ИИ: c 2015 года Uber активно инвестирует в ИИ. Компания собирает и использует данные, использует машинное обучение для улучшения сервисов, мониторинга сбоев, улучшения точности определения местоположения водителя или курьера, отслеживает безопасность вождения и многое другое.

|| С 2015 года Uber начал разработку

Описание: некоммерческий исследовательский институт ИИ, основан в 2015 Илоном Маском и Сэмом Альтманом с целью создать открытую компанию, работающую на благо общества, а не государства или корпорации. Открытость призвана избежать концентрации власти, которую дает ИИ, в одних руках. В планах компании открыто сотрудничать со всеми лицами и учреждениями, публиковать все результаты своих исследований.

сокопроизводительных вычислений на базе нейронных процессоров (NPU)

Лидеры в ИИ: Larry Heck (Ларри Хек) — глава американского подразделения Samsung R&D, вице-президент по направлению ИИ, сооснователь Microsoft Cortana.

Описание: крупнейший мировой агрегатор такси на базе онлайн-сервисапоиска, вызова и оплаты такси или частных водителей. Активно разрабатывают беспилотные такси с целью перейти на них и отказаться от водителей.

Лидеры в ИИ: Zoubin Ghahramani (Зубин Гахрамани) — главный научный ­сотрудник Uber. Основные проекты*: платформы Michelangelo — платформе ML, которая поддерживает большинство решений ML в Uber. Платформа позволяет сотрудникам компании создавать, развертывать и эксплуатировать решения в области машинного обучения для удовлетворения потребностей бизнеса.

н/д

Капитализация

$11B

Выручка [44]

$1,5B R&D [44]

OpenAI

Samsung Описание: Один из крупнейших в мире производителей пользовательской электроники, интегральных микросхем, телекоммуникационного оборудования, бытовой техники, аудио- и видеоустройств.

ИЮНЬ 2019

$326B

Капитализация [43]

$221B Выручка [42]

$15,2B R&D [42]

Основные направления исследований: || Обнаружение скрытых от обществен-

ности прорывных систем искусственного интеллекта. По мере увеличения количества организаций и ресурсов, выделяемых на исследования ИИ, увеличивается вероятность, что организация в тайне сделает прорыв в области ИИ и использует систему для потенциально злонамеренных целей. || Создание агента, который сможет по-

беждать в онлайн-конкурсах по программированию. Программа, которая может писать другие программы, по очевидным причинам будет очень мощным инструментом. || Обеспечение кибер-безопасности.

Создание ИИ для защиты от хакеров, в том числе использующих ИИ.

|| Реализация комплексных многоагент-

ных моделей — множество разных агентов, которые могут взаимодействовать друг с другом, учиться в течение длительного периода времени, создавать свой язык и достигать различных целей.[14] Лидеры в ИИ: Ilya Sutskever (Илья Суцкевер) — главный научный сотрудник (см. стр. 81).

Greg Brockman (Грег Брокман) — технический директор, образование — ­Гарвардский Университет, MIT. Некоторые проекты*: || OpenAI Gym — открытая среда

для тренировки и сравнения ИИ-моделей на основе алгоритмов обучения с подкреплением, в данной среде поддерживаются различные алгоритмы движения и командных игр.

|| Dota bot — алгоритм игры в Dota2,

на сегодня последняя версия бота OpenAI Five побеждает в 99,4% игр.

|| GPT-2 model — нейронная сеть, обу-

ченная на 8 млн сайтов, с рекордным числом параметров (1,5 млрд), способная генерировать полноценные связные тексты высокого качества.

$1B

инвестиции от YCombinator [45]

46

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ

DeepMind Описание: Британская компания, занимающаяся исследованиями в области ИИ, в 2014 году была куплена Google за £400 млн. Стратегия по ИИ: Создать общий ИИ (General AI) и с его помощью решить все остальные задачи человечества. Лидеры в ИИ: Demis Hassabis (Демис Хассабис) — британский исследователь ­искусственного интеллекта, нейробиолог, разработчик компьютерных игр, игрок мирового класса в шахматы, сооснователь и генеральный директор DeepMind (см. стр. 85).

Mustafa Suleyman (Мустафа Сулейман) — сооснователь и директор направления прикладного ИИ.

Shane Legg (Шейн Легг) — сооснователь и директор направления машинного обучения. Некоторые проекты*: || AlphaGo — программа для игры в го,

разработанная компанией DeepMind в 2015 году. AlphaGo стала первой в мире программой, которая выиграла матч без гандикапа у чемпиона мира в го на стандартной доске 19 × 19.

$500M инвестиции от Google [46]

|| AlphaZero — нейросеть играющая

в любые стратегические игры, обучается с нуля играя сама с собой. Выиграла у прежних программ-чемпионов в Го, шахматах, сёги.

|| DQN — архитектура на основе алго-

ритмов обучения с подкреплением, находится в открытом доступе.

|| AlphaStar — компьютерная система,

предназначенная для стратегической игры в StarCraft II, в декабре 2018 года AlphaStar одержала уверенную победу над Grzegorz Komincz (MaNa) из команды Liquid, одного из сильнейших игроков в мире, со счетом 5:0.

|| WaveNet — многослойная нейронная

сеть, применяющаяся для генерации аудио, используется в голосовых помощниках компании Google.

Allen Institute for Artificial Intelligence Описание: исследовательский институт, основанный соучредителем Microsoft Полом Алленом. Институт стремится к научным прорывам, создавая системы ИИ с возможностями рассуждения, обучения и чтения. Области исследования: системы искусственного интеллекта с возможностями рассуждения, обучения и чтения. Фундаментальные проекты в области науке и медицине. Некоторые исследователи по ИИ: Джонатан Берант, Чандра Бхагаватула, Валид Аммар, Из Белтаги, Питер Кларк. Некоторые проекты: || Aristo — флагманский проект AI2.

Цель состоит в том, чтобы создать искусственно интеллектуальную сис-

тему, которая может успешно читать и понимать научные тексты и в конечном итоге демонстрировать свои знания, сдавая экзамен по биологии AP. || Семантический ученый — платформа

для поиска и открытия научной литературы, уделяя особое внимание семантике и пониманию текста. Система позволяет пользователям находить ключевые обзорные статьи по теме или составлять список важных цитат или результатов в данной статье.

|| AllenNLP — является открытым исход-

ным кодом NLP научная библиотека построена на PyTorch.

|| MOSAIC — проект Mosaic направлен

на определение и построение здравого смысла и рассуждений для систем искусственного интеллекта.

110

Исследователей [47]

Ключевые компании в России

04

48

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Компании России — обзор

ЯНДЕКС СКОЛКОВО СБЕРБАНК

МФТИ ВКОНТАКТЕ ФПИ COGNITIVE TECHNOLOGIES MAIL.RU РВК НИЯУ МИФИ АСИ РОСТЕЛЕКОМ КАИ PRISMA ФРИИ ИННОПОЛИС МГТУ

ГАЗПРОМ НЕФТЬ МИСИС ABBYY

ЛАБОРАТОРИЯ КАСПЕРСКОГО

ИТМО

РОСКОСМОС СКОЛТЕХ МЕГАФО Н КУРЧАТОВСКИЙ ИНСТИТУТ АЛЬФА-БАНК МТС ДВФУ

ВНЕШЭКОНОМБАНК

ВТБ

ТИНЬКОФФ БАНК

QIWI ТПУ

ПРОМОБОТ VISIONLABS

ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ РОССИЙСКИЙ КВАНТОВЫЙ ЦЕНТР

РЖД

КФУ

УРФУ НГУ

КРОК

БИЛАЙН

М.ВИДЕО

СПБПУ FINDFACE ННГУ ACRONIS

ИРИ IBS

ВОЕНТЕЛЕКОМ ИНФОСИСТЕМЫ ДЖЕТ

ИППИ РАН

БАНК ОТКРЫТИЕ ЛАНИТ

ТУСУР

На этой карте отчетливо видны две ос[50] новные компании, компаний формирующие сегодня ландшафт ИИ — Яндекс и Сбербанк. Причем, если Яндекс изначально вырос как ИИ-компания, то Сбербанк лишь за последние 3 года сформировал мощную компетенцию в ИИ.

В настоящем обзоре мы не рассматриваем подробно крупные госкорпорации, такие, как Ростех или Росатом, так как в открытых источниках очень мало информации о реальных ИИ технологиях. Мы включили в обзор только Ростелеком, у которого есть дочерняя компания Айкумен, являющаяся одной из сильнейших в своей области в России.

С небольшим отрывом за ними идет холдинг Mail.ru Group, который позже начал формирование компетенции в ИИ.

СИЛЬНЫЕ СТАРТАПЫ

Все три компании являются универсальными с точки зрения ИИ, работая сразу во всех областях. Также за последние 3 года все эти компании начали покупать лидирующие ИИ стартапы в отдельных сегментах.

ЦЕНТР РЕЧЕВЫХ ТЕХНОЛОГИЙ

ВЫМПЕЛКОМ

НГТУ

МИВАР ГАЗПРОМБАН К

СЕВЕРСТАЛЬ ЭЛВИС-НЕОТЕК SEGMENTO

NTECHLAB ЛЭТИ МИРЭА ПРОМСВЯЗЬБАН КНАУРР ФИЦ ИУ РАН АШМАНОВ И ПАРТНЁРЫ БИНБАНК TELE2 SOFTLINE СЕРВИСЕЗ БГТУ IVI.RU VOCORDАВИКОМП N-TECH.LAB MICROSOFT ПОЧТА БАНК RUS ИАПУ ДВО РАН АО АИВ ИПУ"ПРОГНОЗ" УГАТ DATA-CENTRIC CHOICY ВГУИТ ВГУ РАН У ALLIANCE ENDURANCE ЮФУ ЭКЗОАТЛЕ Т СТРИЖ ТЕЛЕМАТИКА AVIASALES I-FREE SENSEMAKING LAB ЛАБОРАТОРИЯ НАНОСЕМАНТИКА ПГУТИАЛГОМОСТ АЙ-ТЕКО AITARGET AUDITORIUS АКВАРИУС ANIMO ВОЛГГТУ K JUNGLEJOBS SWEDBAN СКФУ ОИЯИ EXACTFARMING АДИВР LUXOFT 1С-БИТРИКС FIBRUM РТСОФТ MYTARGETINSPECTOR CLOUD CLOVER GROUP РОССИЙСКАЯ АССОЦИАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Х ВС СY B РОССИЙСКАЯ ГРУППА НЕЙРОНЕТА Т2 РТК ХОЛДИНГ РЕНОВАICL-КПО РОССЕЛЬХОЗБАН К TELEMD S7 AIRLINES ИНФОТЕКС ЭЛДИС RELAP MACROSCOP PAPYRUS ROADAR RETAIL ROCKET ТРАНСТЕЛЕКО М VRTECH ВГТУ СГТУ DIALOGFLOW ФИНУНИВЕРСИТЕТ ДИСИКОН РАЙФФАЙЗЕН БАНК CINDICATO R ФОРЕКСИ ИНФОРМЗАЩИТА ИНТЕРПРОКОМ ВЦ РАН SCORISTA NAVICON FLOCKTOR DEEPHACKLA INF.A I УЛГТУ ЮУРГУ ЛИНТЕ

AT CONSULTING HEADHUNTER СБЕРТЕХ AVITO РГГУ ИРГТУ

На карте отображены упоминания компаний в СМИ по теме ИИ за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ [50]

По вертикальной оси — «Значимость» компании, чем выше точка на карте, тем больше значимых публикаций в СМИ, связанных с этой компанией. По горизонтальной оси — «Динамичность» компании, чем правее точка на карте, тем больше за последние годы рост публи-

Вторая значимая группа — это компании, специализированные на конкретный рынок или применение.

[50] Coginitive Technologies статей в СМИ ведет разработки оборудования и ПО для беспилотных автомобилей, Лаборатория Касперского специализируется на компьютерной безопасности, основной бизнес ABBYY — распознавание текстов и целых документов и работа с ними, Айкумен (Ростелеком) анализирует большие данные с целью выявления трендов, ЦРТ является ведущей российской компанией в области распознавания речи. Все эти компании заняли свои ниши и успешно развиваются в них.

>10 млн

МГУ

МЭИ

ГОСКОРПОРАЦИИ

ЛИДЕРЫ-СПЕЦИАЛИСТЫ

ТРЕНД-КАРТА УПОМИНАНИЙ В СМИ

НИУ ВШЭ

ЛИДЕРЫ-УНИВЕРСАЛЫ

>500

В данном обзоре мы используем открытые источники данных, и по ним оказалось невозможно сделать четкую наглядную картину, опирающуюся на одну прозрачную метрику. Поэтому, мы использовали много различных данных, чтобы проявить основных игроков отрасли ИИ в России. Здесь мы приводим наши данные по публикационной активности компаний в СМИ. Результаты этого анализа резюмированы в форме «тренд-карт», на которых графически отражены позиции компаний. Это не характеризует полностью каждую конкретную компанию, но помогает выявить тренды и общие закономерности и движения отрасли.

В отличии от США и Европы, в России (как и в Китае) большинство работ в области ИИ проводится в закрытом режиме без публикаций. Очень мало научных публикаций и патентов. Российские компании почти не выступают на научных конференциях и только в последние годы стали выступать на бизнес-ориентированных конференциях. И, наконец, даже статей в СМИ о деятельности российских компаний в области ИИ очень мало. Причем, наличие статей в СМИ с упоминанием компании и ИИ зачастую еще не говорит о компетенции компании в ИИ, а может лишь означать направление текущей работы и анонсирование предварительных результатов, нежели готового продукта.

каций, связанных с этой компанией. Если точка в центре, то количество публикаций остается примерно постоянным. Оси отражают не нулевые значения, а медианные по выборке, то есть примерно средние показатели.

ИЮНЬ 2019

На российском рынке есть очень сильные стартапы, безусловно имеющие компетенции в ИИ, но пока не настолько мощные, как компании, которых мы внесли в список Топ-8. Например, компании Vision Labs и NTech Labs занимают безусловно лидерские позиции в России в сегменте компьютерного зрения, а компании Naumen, Just AI и Лаборатория Наносемантики — значимые игроки сегмента NLP. Всего на карте ИИ России (см. следующий разворот) около 330 компаний, у которых есть хороший потенциал. Но мы решили в этом обзоре ограничиться состоявшимися компаниями с устоявшейся бизнес-моделью. В результате, мы решили ограничиться списком из 8 компаний, безусловно занимающих лидерские позиции в своих сегментах в России. А про лидеров отдельных сегментов мы будем писать в следующих тематических выпусках Альманаха: машинное зрение, технологии обработки естественного языка и т.д. ТОП-8 КОМПАНИЙ [50] Топ-8 компаний по значимости

Упоминания в СМИ

1

Яндекс

217

2

Сбербанк

124

3

Mail.ru / ВКонтакте

99

4

Cognitive Tech

86

5

Ростелеком

76

6

Лаборатория Касперского

34

7

ABBYY

34

8

ЦРТ

20

49

50

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ

Карта компаний ИИ России

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

[51]

[53]

[52]

[54] [53]

51

52

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Яндекс Описание: ведущая поисковая система в интернете в России по количеству обрабатываемых поисковых запросов. Основная выручка засчет рекламы. Также в холдинг входят Яндекс.Такси, Яндекс. Еда, Яндекс.Маркет и другие сервисы. Стратегия по ИИ: работа с технологиями машинного обучения и ИИ, которые применяются для поиска, прогнозирования пробок, таргетирования рекламы, составления музыкальных рекомендаций, голосовых помощников, беспилотных автомобилей, перевода текстов, анализа изображений и других задач. ИИ подразделение: Яндекс.Облако, в который вошел расформированный Yandex Data Factory. В лаборатории работает более 200 сотрудников. Основные направления исследований: Распознавание изображений и видео, классификация и генерация текста, семантический анализ, распознавание

Сбербанк речи, машинный перевод, диалоговые системы. Лидер в ИИ: Михаил Биленко — руководителя управления машинного интеллекта и исследований Основные проекты*: || Алиса — виртуальный голосовой по-

мощник.

|| Yandex DataLens — Сервис визуализа-

$11.4B

Капитализация

[55]

$1.838B Выручка [56]

$325M R&D [56]

ции и анализа данных.

|| Yandex Vision — Анализ изображений

Стратегия по ИИ: компания объявила об инвестировании $23 млн в разработку и дальнейшее совершенствование собственного ИИ, который поможет развертыванию экосистемы Mail ru,

Описание: Крупнейший банк в России и один из ведущих глобальных финансовых институтов. На долю Сбербанка приходится около трети активов всего российского банковского сектора. Сбербанк является ключевым кредитором для национальной экономики и занимает крупнейшую долю на рынке вкладов. Услугами Сбербанка пользуется более 145 млн клиентов в 22 странах мира. Банк располагает самой обширной филиальной сетью в России: около 15 тысяч точек обслуживания. Стратегия по ИИ: Реализация качественного перехода в ведении бизнеса на основе применения технологий искусственного интеллекта и анализа данных в ключевых бизнес-процессах для увеличения их эффективности и улучшения клиентского опыта.

с помощью моделей машинного обучения.

|| Yandex Translate — Машинный пере-

вод с поддержкой более 90 языков

|| Yandex SpeechKit — Комплекс техно-

логий распознавания и синтеза речи.

ИИ подразделения: С 2017 г. в Сбербанке функционирует Управление развития компетенций по исследованию данных, Лаборатория по искусственному интеллекту и внутреннее DS\AI сообщество.

|| Yandex Monitoring — Сбор метрик

про состояние ресурсов с возможностью их визуализации.

Mail.ru Group Описание: Mail.ru Group — российская технологическая компания. Среди её активов социальные сети «ВКонтакте» и «Одноклассники», портфолио онлайн-игр, куда входят такие проекты как Warface, Armored Warfare, Skyforge, Аллоды Онлайн и Perfect World, картографический сервис MAPS.ME, мессенджер ICQ, мобильный сервис бесплатных объявлений «Юла», райдшеринговый сервис BeepCar (в августе 2018 г. продан БлаБлаКару) и платформа для доставки еды Delivery Club. В мае 2017 г. Forbes поставил Mail.ru Group на 97 место в рейтинге ста инновационных компаний мира.

ИЮНЬ 2019

Лидеры в ИИ: а также внедрению уже разработанных программных систем в единую интеллектуальную систему.

$5B

Проекты:

75 млрд ₽

|| ИИ «Прометей» в социальной сети

«Вконтакте». Выбирает самый релевантный контент для аудитории. Группам с годным контентом выдает метка (огонек). || Mail.Ru Group проводит ежегодный

международный чемпионат по программированию искусственного интеллекта — Russian AI Cup. Уже в четвертый раз разработчики смогут опробовать свои силы в программировании игровой стратегии. В прошлом году в соревновании приняли участие более 1 500 программистов из 17 стран.

Капитализация

[59]

Выручка [60]

н/д R&D

Ведяхин Александр Александрович — Первый заместитель Председателя Правления Сбербанка. Курирует Блоки: «Розничный бизнес», «Корпоративно-инвестиционный бизнес», «Управление благосостоянием», «Сеть продаж», Департамент по работе с проблемными активами, Дирекцию по управлению проектами в области экологии и энергоэффективности. Осуществляет руководство и координацию деятельности: Лаборатории по искусственному интеллекту, Управления развития компетенций по исследованию данных и Управления контроля и координации деятельности. Еременко Максим Алексеевич — старший управляющий директор Управления развития компетенций по исследованию

данных, CDS Банка. Курирует разработку и реализацию инициатив в области искусственного интеллекта и анализа данных, создает среду для коммуникации и обмена опытом в области искусственного интеллекта и анализа данных. Основные проекты: || В Сбербанке применяются и развива-

ются технологии поддержки и принятия решений, компьютерного зрения, обработки языка, речевой аналитики, что позволяет в значительной степени сократить время, стоимость и повысить качество принимаемых решений, а клиентам позволяет получать удобные персонализированные продукты и сервисы в режиме реального времени. || В банке реализуется порядка 300

инициатив с применением технологий ИИ, примерно половина будет реализована до конца 2019 г. ИИ используется в разных сферах деятельности: комплаенс, риск-менеджмент, HR, образование, персонализация клиентского опыта, финансы, кибербезопасность и др. || Ежегодно Сбербанк организовывает

крупнейшие мероприятия, целью которых является популяризация науки о данных и искусственного интеллекта на общенациональном уровне, а также поиск лучших специалистов и решений в данной сфере. Среди таких событий — ежегодная конференция и соревнование по анализу данных Sberbank Data Science Journey, просветительский проект «Академия искусственного интеллекта» для школьников и учителей и другие регулярные соревнования по разработке решений на основе технологий искусственного интеллекта и анализа данных.

831,7 млрд ₽ Прибыль [57]

53

54

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Cognitive technologies Описание: Один из ведущих в мире разработчиков искусственного интеллекта (ИИ) для беспилотных транспортных средств. Компания была создана на базе ИСА РАН в 1992 г. Основу коллектива разработчиков составили ведущие советские ученые, имевшие опыт создания проектов мирового уровня, таких как программа «КАИССА» (первый чемпион мира по шахматам среди компьютеров). В 2016 г. Cognitive Technologies вышла на мировой рынок систем управления беспилотным транспортом и имеет контракты с автопроизводителями и компаниями Tier-1 в таких странах, как Германия, Китай, Южная Корея и др. Имеет награду британской аналитической компании Softech INTL за лучшее ИИ-решение для беспилотников в мире за 2017 г. Направления разработок: || Системы машинного зрения; || Разработка искусственных нейрон-

|| Системы обработки изображений; || Технологии ИИ для закупочных сис-

тем и систем документооборота. Лидер в ИИ: н/д Основные проекты*: || Основной продукт — интеллекту-

альная платформа для управления беспилотным транспортным средством C-Pilot. Конкурентным преимуществом решений компании является возможность безопасной работы автопилота в любых погодных условиях.

н/д

Капитализация

н/д

Выручка

н/д R&D

чиком автономных систем управления для точного земледелия. промышленный 4D-радар для беспилотной техники, а также объявила о проектах по созданию беспилотного трамвая и экспортных решений для умных городов.

ных сетей;

Лаборатория Касперского

Стратегия по ИИ: Многоуровневая защита нового поколения «Лаборатории Касперского» активно применяет методы машинного обучения на всех стадиях процесса обнаружения угроз: от масштабируемых методов кластеризации, используемых для предварительной обработки потока входящих файлов в инфраструктуре, до надежных и компактных моделей для поведенческого анализа, которые создаются на основе глубоких нейронных сетей и работают непосредственно на пользовательских устройствах.

ИИ подразделение: н/д Лидер в ИИ: н/д Основные проекты*: || Технология Astraea — собирает всю

статистику и метаданные о подозрительных действиях и угрозах со всего мира в реальном времени, и на основе анализа этих данных принимает решения об обнаружении вредоносных объектов. Эти вердикты незамедлительно становится доступны всем пользователям Kaspersky Security Network.

Описание: крупнейший в России провайдер цифровых услуг и решений. Компания занимает лидирующее положение на российском рынке услуг широкополосного доступа в Интернет и платного телевидения. Стратегия по ИИ: Использование инновационных технологий в области сбора, обработки и анализа информации, полученной из различных источников, в целях повышения уровня автоматизации и эффективности работы компании. Применение опыта и полученной экспертизы в области ИИ для повышения качества оказываемых услуг и создания новых современных высокотехнологичных продуктов и сервисов. ИИ подразделение: компания «Айкумен ИБС» является центром компетенций по аналитике данных и технологиям искусственного интеллекта в Группе «Ростелеком» и является разработчиком собственной поисково-аналитической платформы IQPlatform®.

|| В 2018 г. выпустила первый в мире

Кроме того, экспертная система Astraea собирает статистику и метаданные о подозрительных объектах со всего мира в реальном времени, выявляя вредоносные файлы и «веб-адреса» и предупреждая о них всех пользователей Kaspersky Security Network.

55

Ростелеком

|| Компания также является разработ-

Описание: международная компания, специализирующаяся на разработке систем защиты от компьютерных вирусов, спама, хакерских атак и прочих киберугроз. Компания ведёт свою деятельность более чем в 200 странах и территориях мира.

ИЮНЬ 2019

н/д

Капитализация

$726M Выручка [61]

н/д R&D

Ведущие специалисты в ИИ: Андрей Яровой — главный архитектор и руководитель подразделения разработки имеет более чем 20-тилетний опыт в области создания нейронных сетей и поисковых машин, обработки и анализа текстовой информации, а основной состав команды «Айкумен ИБС» — в области ИИ. Некоторые проекты Айкумен ИБС: || IQ State — автоматизированная сис-

тема мониторинга и анализа политической, экономической и социальной ситуации на региональном и глобальном уровнях, контроль информационного фона вокруг объектов интереса заказчиков и выявления информационных атак.

|| IQ Scout — автоматизированная сис-

тема промышленной, научно-технологической и конкурентной разведки, мониторинга деятельности мировых

исследовательских центров и выявления ведущих отраслевых экспертов. || IQ Antifraud — автоматизированная

система мониторинга и анализа конкурсной информации с целью формирования комплексной оценки спроса/ предложения в различных разрезах и выявления и предупреждения нарушений, мошенничества и коррупции в сфере государственных закупок и контрактов.

|| IQ Alert — автоматизированная система

мониторинга и комплексного анализа данных внутренних информационных систем и внешних источников информации для обнаружения и предотвращения технологических нарушений на производственных и генерирующих предприятиях и прогнозирования ключевых параметров их работы.

|| IQ Alarm — автоматизированная сис-

тема мониторинга и комплексного анализа информационного поля для выявления и предупреждения угроз безопасности при проведении массовых мероприятий и определения репутационного фона вокруг них.

|| IQ Antiter — автоматизированная сис-

тема формирования электронного паспорта антитеррористической защищенности объектов, мониторинга уровня физической защищенности периметра объектов и безопасности внутри объекта.

|| IQ Social — сервис управления инфор-

мационным пространством (СМИ, соцсети, форумы, блоги) в «одном окне» с функцией Social CRM. Сервис предназначен для сбора, управления и анализа обращений физических лиц в социальных медиа и за их пределами, что позволяет систематизировать работу служб клиентской поддержки и взаимодействия с гражданами в социальных медиа.

200+B ₽

Капитализация [64]

320B ₽ Выручка [65]

н/д R&D

н/д

Сотрудников в ИИ

56

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ

ABBYY Описание: Компания, мировой разработчик решений в области интеллектуальной обработки информации и лингвистики. Стратегия по ИИ: Разработка технологий интеллектуальной обработки информации, машинного зрения, машинного и глубокого машинного обучения для задач бизнеса. На базе технологий компании созданы решения, которые позволяют на качественно новом уровне обрабатывать информацию из различных источников: распознавать тексты, работать с бумажными и PDF документами, вводить данные в информационные системы предприятий, анализировать документы, осуществлять поиск по корпоративным системам и другое. ИИ подразделение: Все проекты компании завязаны на применении технологий искусственного интеллекта для решения бизнес-задач. Международные офисы группы компаний ABBYY открыты в 11

странах мира. Лидер в ИИ: Давид Ян — основатель и председатель совета директоров группы компаний ABBYY. Основные проекты*: || ABBYY Compreno — технология анали-

за и понимания текстов на естественном языке, выполняет полный семантико-синтаксический анализ текста, создает его универсальное представление, извлекает сущности, события и связи между ними.

|| ABBYY FlexiCapture — универсальная

платформа для интеллектуальной обработки информации.

н/д

Капитализация

н/д

Выручка

25%

всех затрат R&D [62]

>500

разработчиков в ИИ [63]

|| ABBYY Intelligent Search — корпора-

тивный поиск по всем источникам данных.

|| ABBYY FineReader — универсальное

решение для работы с бумажными и PDF-документами.

Группа ЦРТ Описание: Компания разработчик инновационных систем в сфере распознавания лиц, голосовой биометрии, распознавания и синтеза речи, многоканальной записи, обработки и анализа аудио- и видеоинформации. Стратегия по ИИ: Использование технологий искусственного интеллекта для разработки программного обеспечения для идентификации личности при помощи распознавания лиц, голосовой биометрии, распознавания и синтеза речи, многоканальной записи, обработки и анализа аудио- и видеоинформации. ИИ подразделение: «ЦРТ-инновации» — Научно-исследовательская компания, передовой разработчик голосовых и бимодальных биометрических систем. Резидент Фонда «Сколково». Области научно-исследовательской деятельности компании: биометрия по голосу и лицу, распознавание речи, анализ

больших данных. Лидер в ИИ: Дмитрий Дырмовский– основатель компании. Вице-президент Национальной ассоциации контактных центров. Входит в состав Экспертного совета по российскому ПО Минкомсвязи России. Основные проекты*: || В 2012 г. ЦРТ реализовала в Эквадо-

ре проект по созданию первой в мире системы учёта и идентификации личности по двум биометрическим признакам — голосу и лицу. || В 2018 г. был завершен проект вне-

дрения системы голосовой биометрии в контакт-центре Сбербанка. || Решения ЦРТ работают в составе Еди-

ной Биометрической Системы России, запущенной в 2018 г.

≈10 млрд ₽ Оценка компании [66]

1,4 млрд ₽ Выручка 2017 г. [66]

н/д R&D

Ключевые университеты в мире

05

58

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В МИРЕ

Университеты мира — аналитический обзор Несмотря на открытость и публичность технологий в области искусственного интеллекта, значительный пул работ проводится в закрытом режиме без публикаций результатов. Поэтому, используя только открытые источники данных для объективного анализа и сравнения университетов, мы признаем, что некоторые научные группы и университеты могли не попасть в наше поле зрения. Методология оценки и градации университетов включала два ключевых фактора.

Мы оценивали валовое количество и качество научных публикаций по ИИ и сопредельным тематикам для сотрудников, аффилированных с организацией, а также динамику изменения их численности во времени. Для этого были использованы различные открытые источники данных, подробно перечисленные в приложениях. Результаты этого анализа резюмированы в форме «тренд-карт», на которых графически отражены позиции университетов.

ТРЕНД-КАРТА УНИВЕРСИТЕТОВ На карте отображена публикационная активность и цитирование публикаций университетов за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ [67] CHINESE ACAD SCI UNIV CHINESE ACAD SCI SHANGHAI JIAO TONG UNIV MIT STANFORD UNIV BEIHANG UNIV ZHEJIANG UNIV HUAZHONG UNIV SCI & TECHNOL UNIV CALIF BERKELEY WUHAN UNIV UNIV ELECT SCI & TECHNOL CHINA UNIV MICHIGAN NATL UNIV DEF TECHNOL NATL UNIV SINGAPORE INDIAN INST TECHNOL UCL SOUTHEAST UNIVUNIV TOKYO BEIJING INST TECHNOL UNIV WASHINGTON UNIV TORONTO UNIV CAMBRIDGE XI AN JIAO TONG UNIV UNIV PENN SUN YAT SEN UNIV UNIV CALIF LOS ANGELES HONG KONG POLYTECH UNIV UNIV TEHRAN XIDIAN UNIV NATL INST TECHNOL KOREA ADV INST SCI & TECHNOL IMPERIAL COLL LONDON TECH UNIV MUNICH HARVARD MED SCH UNIV SYDNEY ARIZONA STATE UNIV UNIV SAO PAULO UNIV SOUTHERN CALIF HARVARD UNIV UNIV MALAYA SWISS FED INST TECHNOL JOHNS HOPKINS UNIV NYU UNIV TECHNOL SYDNEY BEIJING JIAOTONG UNIV PURDUE UNIV UNIV WATERLOO MICROSOFT RES UNIV EDINBURGH FUDAN UNIV UNIV BRITISH COLUMBIA MCGILL UNIV SICHUAN UNIV SHENZHEN UNIV NANJING UNIV SCI & TECHNOL UNIV MANCHESTER SHANGHAI UNIV JILIN UNIV UNIV TEKNOL MALAYSIA DUKE UNIV PENN STATE UNIV UNIV ALBERTA NANJING UNIV YONSEI UNIV AMIRKABIR UNIV TECHNOL CENT S UNIV SHANDONG UNIV BEIJING UNIV TECHNOL UNIV MINNESOTA NORTH CHINA ELECT POWER UNIV NORTHWESTERN UNIV UNIV SCI & TECHNOL BEIJING UNIV WISCONSIN KING ABDULAZIZ UNIV WUHAN UNIV TECHNOL KOREA UNIV KINGS COLL LONDON UNIV N CAROLINA CNRS KATHOLIEKE UNIV LEUVEN DEAKIN UNIV CORNELL UNIV HARBIN ENGN UNIV CNR VIT UNIV HUNAN UNIV KING SAUD UNIV UNIV COLORADO UNIV GRANADA MICHIGAN STATE UNIV NATL CHIAO TUNG UNIV HANGZHOU DIANZI UNIV UNIV GHENT KYOTO UNIV ANNA UNIV BEIJING NORMAL UNIV UNIV ADELAIDE UNIV UTAH UNIV CALIF SAN FRANCISCO UNIV CALGARY UNIV TABRIZ UNIV CHICAGO OSAKA UNIV HEFEI UNIV TECHNOL UNIV PORTO UNIV NOTTINGHAM UNIV ZURICH MAYO CLIN UNIV TEXAS DALLAS SHIRAZ UNIV MINIST EDUC UNIV SHEFFIELD RUSSIAN ACAD SCI VIRGINIA TECH UNIV CENT FLORIDA MASSACHUSETTS GEN HOSP AGH UNIV SCI & TECHNOL CONCORDIA UNIV RADBOUD UNIV NIJMEGEN JADAVPUR UNIV UNIV ARIZONA UNIV BOLOGNA UNIV MISSOURI BOSTON UNIV AALTO UNIV ACAD SINICA EMORY UNIV CALTECH UNIV TRENTO UNIV BELGRADE UNIV WARWICK UNIV POLITEHN BUCURESTI POLISH ACAD SCI INDIANA UNIV UNIV POLITECN MADRID IBM RES GOOGLE INC UNIV OTTAWA JIANGSU UNIV TARBIAT MODARES UNIV SOUTHWEST UNIV NAGOYA UNIV NATL TECH UNIV ATHENS CSIRO KN TOOSI UNIV TECHNOL SUNGKYUNKWAN UNIV AMITY UNIV UNIV CARLOS III MADRID SIMON FRASER UNIV DALIAN MARITIME UNIV HEIDELBERG UNIV UNIV COIMBRA UNIV GENOA UNIV TENNESSEE CZECH TECH UNIV UNIV SFAX ASTAR NANKAI UNIV UNIV WESTERN AUSTRALIA UNIV LIVERPOOL UNIV MINHO UNIV SAINS MALAYSIA UNIV GRENOBLE ALPES NEWCASTLE UNIV RMIT UNIV WASHINGTON UNIV ISTANBUL TECH UNIV UNIV IOWA POLITECN TORINO UNIV BIRMINGHAM FUZHOU UNIV UNIV CALIF SANTA BARBARA NANJING NORMAL UNIV SUNY BUFFALO AALBORG UNIV HANYANG UNIV YANSHAN UNIV SILESIAN TECH UNIV UNIV BRISTOL UNIV CONNECTICUT UNIV UNIV CALIF RIVERSIDE CARDIFF UNIV CHINA UNIV PETR CARLETON KEIO BRIGHAM & WOMENS HOSP UNIV UNIV AUCKLAND UNIV TWENTE LEIDEN UNIV NIH UNIV LANCASTER UNIV BONN UNIV NOTRE DAME BEIJING UNIV CHEM TECHNOL CASE WESTERN RESERVE UNIV UNIV ELECTROCOMMUN INDIAN INST SCI TOHOKU UNIV INST POLITECN NACL UNIV NEW MEXICO UNIV ZAGREB TON DUC THANG UNIV UNIV PATRAS GOOGLE CHINA AGR UNIV KYUSHU UNIV EAST CHINA NORMAL UNIV UNIV INDONESIA CHONGQING UNIV POSTS & TELECOMMUN UNIV PISA UNIV VALENCIA UNIV OSLO HOKKAIDO UNIV DREXEL UNIV UNIV ALICANTE UNIV HAMBURG ICAHN SCH MED MT SINAI ITMO UNIV UNIV FED MINAS GERAIS RENSSELAER POLYTECH INST INTEL CORP UNIV MANITOBA ETH FLORIDA STATE UNIV UNIV MILANO BICOCCA EAST CHINA UNIV SCI & TECHNOL INDIAN STAT INST NARA INST SCI & TECHNOL YUAN ZE UNIV WEST VIRGINIA UNIV DALHOUSIE UNIV UNIV MILAN UNIV LOUISVILLE UNIV TSUKUBA UNIV VICTORIA UNIV MALAGA LAWRENCE BERKELEY NATL LAB UNIV NAPLES FEDERICO II UNIV TOULOUSE SATHYABAMA UNIV NASA INHA UNIV KYUNGPOOK NATL UNIV ADOBE RES AIN SHAMS UNIV UNIV FLORENCE UNIV LYON UNIV GENEVA HUMBOLDT UNIV UNIV A CORUNA INRIA UNIV PORTSMOUTH ARGONNE NATL LAB AARHUS UNIV IBM CORP LIVERPOOL JOHN MOORES UNIV VRIJE UNIV BRUSSEL UNIV LEEDS UNIV ENGN & TECHNOL GEORGE WASHINGTON UNIV WAYNE STATE UNIV UNIV NIS UNIV CATANIA LINKOPING UNIV UNIV ROMA TOR VERGATA INSERMPOZNAN UNIV TECHCHUNG ANG UNIV NANCHANG UNIV CHANGAN UNIV UNIV TEKNOL MARA CSIR UNIV KENTUCKY MICROSOFT RES ASIA UNIV JINAN UNIV SALERNO UNIV LUXEMBOURG SHAHROOD UNIV TECHNOL UNIV PARIS 06 RICE UNIV CSIC UNIV ALABAMA RUHR UNIV BOCHUM UNIV NEWCASTLE INDIAN INST TECHNOL KHARAGPUR NEAR EAST UNIV PUSAN NATL UNIV UNIV KENT DARTMOUTH COLL MEM SLOAN KETTERING CANC CTR INST TEKNOL SEPULUH NOPEMBER BOGAZICI UNIV GERMAN AEROSP CTR DLR UNIV SALAMANCA HUAQIAO UNIV GUILIN UNIV ELECT TECHNOL UNIV JAEN JAGIELLONIAN UNIV NATL CHUNG CHENG UNIV UNIV SOUTH CAROLINA UNIV VIENNA HEBREW UNIV JERUSALEM INST INFOCOMM RES NATL RES UNIV HIROSHIMA UNIV UNIV CALABRIA AUBURN UNIV SHAHID BAHONAR UNIV KERMAN CRANFIELD UNIV MICROSOFT CORP UNIV PERUGIA UNIV TUNIS EL MANAR JAPAN ADV INST SCI & TECHNOL UNIV VIGO UNIV MONTPELLIER UNIV WARSAW UNIV CORDOBA UNIV CAPE TOWN NIST INDIAN INST TECHNOL ROORKEE TRINITY COLL DUBLIN CHARLES STURT UNIV MAHIDOL UNIV UNIV JORDAN UNIV SCI & TECHNOL CAPITAL MED UNIV US FDA XINJIANG UNIV OLD DOMINION UNIV DEMOCRITUS UNIV THRACE ETRI HONG KONG BAPTIST UNIV UNIV QUEBEC KESSLER UNIV GADJAH MADA RENMIN UNIV CHINA CIENT & TECN SELCUK UNIV CLEMSON UNIV CONSEJO NACL INVEST UNIV LIEGE FDN BRUNO UNIV AIZU ASTON UNIV CAPITAL NORMAL UNIV FREE UNIV BERLIN CARNEGIE MELLON UNIV

NANYANG TECHNOL UNIV UNIV ILLINOIS

По вертикальной оси — «Значимость» университета, чем выше точка на карте, тем больше есть значимых научных публикаций, связанных с ним (значимость публикации тем выше, чем выше ее цитируемость). По горизонтальной оси — «Динамичность» университета, чем правее точка на карте, тем быстрее за последние годы рост количества цитирований, связанных с ним. Если точка в центре, то ко-

личество цитирований остается примерно постоянным. Таким образом справа сверху отображены те университеты, научный потенциал которых очень значим и постоянно растет. Сверху в центре университеты, которые примерно стабилизовали свой рост, но являются очень значимыми.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

АНАЛИЗ КАРТЫ

>600

На этой карте отчетливо видно, что самая [67] позитивная динамиуниверситетов ка развития — у ряда китайских университетов. Некоторые исследовательские организации Китая, например, Chinese Academy of Science, Shanghai Jiao Tong University, Beihang University, Zheihang University, лидируют как по динамике роста, так и по значимости опубликованных исследований. Тем не менее все еще заметно сильное отставание Китая от США по совокупному количеству и качеству публикаций.

ИЮНЬ 2019

Среди европейских университетов по соотношению критериев «динамика роста» / «значимость публикаций» ведущее место занимает Imperial College London, что может быть обусловлено возрастающим интересом Великобритании к исследованиям в сфере ИИ, активно поддерживаемым на государственном уровне. Также можно выделить шведский Swiss Federal Institute of Technology, занимающий первое место по динамике развития среди общего пула европейских университетов. Однако, в целом, исследовательские учреждения Европы сильно отстают от Азии и США.

DIMENSIONS.AI

259 010

93 284

Свыше 20 университетов США занимают лидирующее публикаций за 5 лет [67] место на оси значимости тренд-карты, при этом проявляя стабильную динамику роста (позиция университетов на карте близка к оси ординат). Следует отметить, что несмотря на лидирующую роль в исследованиях по ИИ, даже среди таких признанных лидеров в сфере ИИ, как Cornell University, для университетов США прослеживается тенденция общего отставания от стремительно развивающихся китайских университетов.

Если взять другой источник информации — Dimensions.AI, который собирает публикации не только в Scopus и Web Of Science, то топ-30 универ166 825 ситетов практически совпаДругие Китай дает, но количество статей за 5 лет сильно увеличивается, в особенности для китайских университетов. Это означает, что китайские ученые, так же как и российские, много публикуются не в международных журналах, а в локальных [68].

Помимо Китая, существенный ежегодный прирост по количеству и качеству публикацию демонстрируют университеты стран Азии, в частности Сингапура (National University of Singapore, Nanyang University), Японии (Tokyo University) и Южной Кореи (Korea University).

Также для сравнения, мы взяли рейтинг университетов, автоматически формируемый системой CSRankings.com на базе публикаций ведущих университетов в области Computer Science. Видно, что топ-10 примерно совпадает, несмотря на разную методику оценки и разный подсчет количества статей за период.

>150 тыс

59

США

CSRANKINGS

Топ-10 по цитированиям [69]

Кол-во цитирований за 5 лет

Кол-во публикаций за 5 лет

Топ-10 по CSRankings [68]

Количество публикаций за 5 лет

1

Chinese Academy of Science

3 316

6 409

Carnegie Mellon University

751

2

Tsinghua University

1 673

7 613

Tsinghua University

770

3

Shanghai Jiao Tong University

1 120

5 485

Peking University

561

4

Stanford University

1 116

2 513

Chinese Academy of Sciences

552

5

MIT

1 034

2 966

Stanford University

446

6

Beihang University

1 018

5 654

University of California — Berkeley 390

7

Zhejiang University

1 014

4 828

Georgia Institute of Technology

367

8

Nanyang Technological University

966

4 044

Nanyang Technological University

347

9

Carnegie Mellon University

912

2 957

Cornell University

325

827

3 567

National University of Singapore

198

10 Huazhong University of Sci&Tech

60

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Carnegie Mellon University

Tsinghua University

Описание: частный университет и исследовательский центр, расположенный в Питтсбурге, (штат Пенсильвания, США). Изучение ИИ является одной из наиболее междисциплинарных областей в Carnegie Mellon University с участием преподавателей и студентов на факультетах компьютерных наук, статистики, электротехники и вычислительной техники, а также Тепперской школа бизнеса.

Описание: один из ведущих университетов КНР, был основан в 1911 г. Входит в состав девяти элитных вузов Китая «Лига С9», расположен в Пекине. Лидирует среди мировых университетов в сфере ИИ. Ведет совместные разработки с Baidu Research Institute.

Области исследования: междисциплинарные исследования в области ИИ. Некоторые исследователи по ИИ: Abhinav Gupta — Доцент института робототехники CMU, исследователь Facebook AI Research, лауреат многочисленных премий.

Pradeep Ravikumar — доцент, лидер группы статистического машинного обучения, лауреат стипендии Sloan, премии CAREER Национального научного фонда и стипендии Siebel.

Graham Neubig — профессор институ-

та языковых технологий CMU, основатель NEULAB, разработчик DyNet neural network toolkit.

Martial Hebert — директор института робототехники CMU, член редколлегий IEEE Transactions on Robotics and Automation, IEEE Transactions on Pattern Analysis и Machine Intelligence, and the International Journal of Computer Vision.

2 970

Публикации в области ИИ [68]

2 077

Исследователей [68]

Наиболее интересные проекты: || 2017 г. — Полутораметровая ро-

Некоторые исследователи по ИИ:

бот-змея, разработанная в лаборатории Биороботов университета Карнеги-Меллон, была применена для поиска пострадавших под завалами Мехико после землетрясения.

Jun Zhu — профессор, со-основатель TSAIL Group. Ранее — научный сотрудник Стэнфордского Университета, Университета Карнеги-Меллон и Института окружающей среды Вудса. Научные интересы: байесовские методы, глубинное обуение, обучение с подкреплением.

|| Libratus — робот автоматически при-

нимающий решения, благодаря алгоритмам, основанным на теории игр. В 2017 г. выиграл суммарно $1.8 млн у лучших мировых игроков в покер. Позже робот был использован для решения задач вооруженных сил США.

Wenwu Zhu — профессор, заместитель директора Национального исследовательского центра информационных наук и технологий и заместитель директора Центра больших данных Цинхуа. Ранее работал в Microsoft Research Asia,

Cornell University Описание: один из крупнейших и известнейших университетов США, входит в Лигу плюща, находится в Итаке, штат Нью-Йорк. В университете ведутся исследования по ИИ с 1990-х г. Области исследования: по всем направлениям ИИ. Некоторые исследователи по ИИ: Серж Белонги — профессор факультета компьютерных наук, глава группы компьютерного зрения, имеет свыше 44000 цитирований на google scholar. В 2004 г. вошел в список инноваторов до 35 лет, в 2007 г. получил почетную премию Марра за доклад по компьютерному зрению, в 2015 г. стал лауреатом Премии Гельмгольца ICCV. Клэр Карди — член ассоциации компьютерной лингвистики, лауреат премии национального научного фонда CAREER, член совета AAAI, член редколлеги Machine Learning journal и Computational Linguistics.

Йоав Артзи — группа обработки естественного языка, лауреат премий NSF CAREER award, EMNLP 2015, ACL 2017 и NAACL 2018. Джон Кляйнберг — именной университетский профессор (Tisch University Professor), лауреат многочисленных научных премий, член Национальных Академии наук (2011) и Инженерной академии (2008) США. Член Американской академии искусств и наук (2007), и Ассоциации вычислительной техники (2013). Наиболее интересные проекты: || Алгоритм ИИ, разработанный в 2019 г.,

получил название Stork — «аист», он используется для отбора наиболее жизнеспособных эмбрионов при ЭКО. || В 2018 г. совместно со стартапом

Conservation Metrics создали алгоритм, способный определять опасность, грозящую популяции африканских лесных слонов, и давать возможность оперативно ее ликвидировать..

Области исследования: в университете ведутся исследования по широкому спектру ИИ-технологий, представлены все направления ИИ.

ИЮНЬ 2019

Intel Research China, Bell Labs. Научный сотрудник AAAS, IEEE, SPIE и член Европейской академии.

Jiwen Lu, Wei Zhang, Shi-Min Hu, Bin Liu. Наиболее интересные проекты: || 21 января 2019 г. опубликовал откры-

тую платформу для обработки знаний с целью продвижения фундаментальных исследований в области ИИ. Платформа включает в себя граф языковых знаний HowNet на китайском и английском языках, веб-энциклопедический граф знаний XLORE, основанный на Википедии, и его китайского коллегу Байду Байке, а также научно-техническую информационную сервисную платформу Aminer, охватывающую более 200 млн научных статей.

61

7 653

Публикации в области ИИ [68]

5 539

Исследователей [68]

|| В 2011 г. 3 студента Yin Qi Tang

Wenbin и Yang Mu основали ИИ-стартап Megvii — платформу для обнаружения, распознавания и анализа лиц для веб-сайтов, мобильных приложений и интеллектуальных телевизоров. В 2019 г. стартап был оценен в $4 млрд.

Zhejiang University 1 155

Публикаций в области ИИ [68]

1 014

Исследователей [68]

Описание: Чжэцзянский университет — Один из старейших и престижнейших китайских государственных университетов. Сейчас в университете 14 государственных лабораторий национального уровня, 5 государственных инженерных исследовательских центров, около 40 тыс. студентов и около 9 тыс. человек профессорско-преподавательского состава и вспомогательного персонала.

Вэй Вэйдун — профессор. Направление исследований: компьютерные прикладные технологии, компьютерное зрение, естественное взаимодействие человека с компьютером, глубокое обучение.

Области исследования: компьютерное зрение, естественное взаимодействие человека с компьютером, глубокое обучение, когнитивные науки и моделирование визуализированного мышления,

|| В 2017 г. совместно с Alibaba Group со-

Некоторые исследователи по ИИ: Лин Ланфен — профессор, Заместитель директора Института искусственного интеллекта.

Пан Юньхэ — профессор, Направление исследований: ИИ, компьютерная графика, промышленный дизайн, умный город. Наиболее интересные проекты: здали новую исследовательскую лабораторию ИИ. Лаборатория сосредоточилась на исследованиях в пяти основных областях, связанных с большими данными и облачными вычислениями, а именно: сетевые вычисления, ИИ, информационная безопасность, безбарьерное восприятие, интеллектуальное производство и робототехника.

4 850

Публикации в области ИИ [68]

4 247

Исследователей [68]

62

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Peking University Описание: крупнейший университет Китая, один из старейших вузов страны, расположен на северо-западе Пекина. Его структура включает в себя 30 колледжей и 12 факультетов [70]. В планах университета на ближайшее десятилетие — занять одно из ведущих мест среди лучших университетов планеты. Университет получил в 2018 г. 660 млн юаней от Baidu на развитие ИИ. Области исследования: в университете ведутся исследования по широкому спектру ИИ-технологий, представлены все направления ИИ, с фокусом на задачи обработки естественного языка. Некоторые исследователи по ИИ: Rui Yan — доцент Института компьютерных наук и технологий (ICST) Пекинского университета. Основное направление научных интересов — обработка есте-

Области исследования: компьютерное зрение, взаимодействие человека с компьютером и виртуальная / дополненная реальность (VR / AR). Некоторые исследователи по ИИ: Юнхонг Ван – директор Института интеллектуальной обработки информации;

63

MIT Описание: Массачусетский технологический институт — университет и исследовательский центр, расположенный в Кембридже. В данный момент лаборатория компьютерных наук и искусственного интеллекта MIT (CSAIL) ведутся исследования по 64 проектам [71].

ственного языка.

Xu Sun — доцент Института компьютерной лингвистики факультета компьютерных наук Пекинского университета.

Yansong Feng — доцент Института компьютерных наук и технологий (ICST) Пекинского университета.

Dongyan Zhao — доцент факультета компьютерных наук Университета Цинхуа.

3 388

Публикации в области ИИ [68]

2 787

Исследователей

[68]

Xiaojun Wan — декан факультета компьютерных наук Университета Цинхуа. Наиболее интересные проекты:

Zhang, Fan — исследователь лаборатории MIT-IBM Watson AI Lab, инженер IBM Watson Core Platform Service, участник проекта по созданию программного обеспечения для Laser Interferometer Gravitational-Wave Observatory (LIGO), благодаря которому в 2018 г. были зарегистрированы гравитационные волны.

|| В 2017 г. разработали алгоритм, кото-

рый позволил проанализировать возможности современных систем искусственного интеллекта (ИИ). Самый высокий результат показал Google, чей IQ оказался немного ниже уровня шестилетнего ребенка.

директор лаборатории интеллектуального распознавания и обработки изображений. Ди Хуан — доцент лаборатории интеллектуального распознавания и обработки изображений. Ли Бо — профессор и научный руководитель Школы компьютерных наук и инженерии Университета. Наиболее интересные проекты: || В 2017 г. Baidu Inc. и Университет

Бейхан организовали первый в Китае курс обучения искусственному интеллекту в институте преподавателей программного обеспечения. Модули, изучаемые по программе, включают глубокое обучение, визуальное восприятие, робототехнику, когнитивные науки, беспилотные системы и многое другое.

Области исследования: все направления ИИ, с фокусом на решение прикладных задач при помощи алгоритмов машинного обучения. Некоторые исследователи по ИИ:

Beihang University Описание: Пекинский университет авиации и космонавтики, один из сильнейших технических университетов в Китае и имеет большое влияние на авиационную и космическую промышленность страны. В настоящий момент университет состоит из 17 школ и 6 факультетов. В университете преподают более 3 300 специалистов, из которых 10 — члены Китайской Академии Наук, более 1 400 профессоров, 290 профессоров аспирантуры. Всего в университете проходят обучение более 26 000 студентов.

ИЮНЬ 2019

Antonio Torralba — директор лаборатории MIT-IBM Watson AI Lab, директор MIT Quest for Intelligence — подразделения, занимающегося исследованиями в сфере сильного ИИ.

2 984

William T. Freeman, Regina Barzilay, Tommi S. Jaakkola.

2 574

Наиболее интересные проекты:

Публикации в области ИИ [68]

Исследователей [68]

|| В апреле 2019 г. командой студентов

“RoCycle” была создана роботизированная рука для сортировки отходов, которая может автоматически определять при помощи тактильных сенсоров, является ли мусор бумагой, металлом или пластиком. || В 2018 г. создали систему AI Physicist,

которая способна генерировать теории о физических законах в вымышленных вселенных. Это позволит ИИ экстраполировать свои знания и прогнозировать будущее.

University of California — Berkeley 5 710

Публикаций в области ИИ [68]

4 887

Исследователей [68]

Описание: государственный исследовательский университет США. Области исследования: Исследования в областях компьютерного зрения, машинного обучения, обработки естественного языка, планирования и робототехники. Некоторые исследователи по ИИ: Сергей Левин — доцент кафедры электротехники и компьютерных наук. Питер Аббил — Профессор, Директор лаборатории обучения роботов. Тревор Даррелл — Профессор, со-директор лаборатории исследований ИИ. Майкл И. Джордан, Анка Драган Некоторые проекты: || Команда профессора Сергея Левина

разработала новую комбинацию двух задач машинного обучения, в результате чего компьютер постоянно обновляет свою способность обобщать одну изученную задачу в другую.

|| В январе 2019 г. представили но-

вый алгоритм, способный научить роботов-«амбидекстеров» ловко захватывать и переносить предметы, отличающиеся по форме, размеру и текстуре. Алгоритм планируется применять в роботах, оснащенных различными типами захватных устройств, с целью облегчения автоматической сортировки предметов разной формы и размера. || Студентами Беркли был создан алго-

ритм ИИ Dadabots, основанный, на рекуррентной нейросети, способный сочинять оригинальные композиции в стиле death metal. Данный алгоритм создал 10 различных музыкальных альбомов, а также ведет регулярно обновляющийся канал на youtube. || Сотрудники Беркли в середине 2018 г.

создали алгоритм, позволяющий считывать танцевальные движения с видео-роликов, а затем переносить и на фигуры в других видео.

2 016

Публикации в области ИИ [68]

1 701

Исследователей [68]

64

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Nanyang University Описание: главный технологический университет Сингапура. НТУ состоит из 4 колледжей, в которые входят 12 школ. Институт ведет разработки по ИИ совместно с Alibaba и AMD. Области исследования: ИИ в здравоохранении, анализ данных, кибербезопасность, компьютерное зрение, NLP. Некоторые исследователи по ИИ: Huang, Guang-Bin — главный научный сотрудник совместных лабораторий BMW, Delta, Rolls Royce и ST Engineering и Наньянского технологического университета, младший редактор журналов Neurocomputing, Cognitive Computation, Neural Networks, и IEEE Transactions on Cybernetics, член совета по управлению исследовательскими данными Elsevier, один из трех директоров экспертного комитета экологического альянса индустрии больших данных Китая, член международного комитета экспертов по робототехнике Китая. В 2016 г. был

номинантом на премию Президента Сингапура в области науки, был удостоен премии Thomson Reuters «Высоко цитируемый исследователь 2014 г.».

Siu Cheung Hui — профессор Школы компьютерных наук и инженерии Наньянского технологического университета, суммарно опубликовал свыше 100 статей. Основное направление научных интересов — компьютерное зрение.

Описание: Технологический институт Джорджии — крупный образовательный и научно-исследовательский центр США. Имеет филиалы в Саванне, Меце, Атлоне, Шанхае и Сингапуре. В ИИ-департаменте института активно ведутся разработки в сфере сильного ИИ.

4 019

Публикации в области ИИ [68]

2 300

Исследователей

[68]

Chen Change Loy, Erik Cambria, Jianfei Cai.

Le Song — доцент, директор института машинного обучения.

В 2018 г. провели эксперимент, в ходе которого роботизированные клешни, управляемые при помощи алгоритмов ИИ, за 11 минут собрали стул IКЕА.

Hongyuan Zha — доцент, лауреат премий CAREER Award, 2016 Best Paper Award, ACM Conference on Recommendation System, 2016 Best Student Paper Award, Artificial Intelligence and Statistics (AISTATS), Best Paper Award, IEEE International Parallel & Distributed Processing Symposium (IPDPS).

В 2019 г. вместе с Университетом Гриффита разработали фотонный квантовый процессор, в котором потенциальные результаты принятия решений отображены местоположением фотонов.

терных наук и инженерии. Сфера научных интересов: машинное обучение, распознавание образов, компьютерное зрение, сокрытие информации, сложные сети.

Области исследования: компьютерное зрение, распознавание речи, обработка естественного языка, нейроинтерфейсы и обработка данных ЭЭГ. Некоторые исследователи по ИИ:

Наиболее интересные проекты:

Liu, Feng — исследователь школы физики и астрономии

|| В 2017 г. крупнейшая китайская ком-

Хунтао Лу — Профессор кафедры компью-

пания в области искусственного интеллекта SenseTime и Шанхайский университет Цзяо Тонг создали совместную лабораторию глубокого обучения и компьютерного зрения. || В 2018 г. Шанхайский университет

Цзяо Тонг и NVIDIA подписали меморандум о сотрудничестве в области ИИ.

Области исследования: машинное обучение, естественная обработка языка, системы распознавания паттернов, игровой ИИ. Некоторые исследователи по ИИ:

Наиболее интересные проекты:

Кай Ю — Профессор кафедры компьютерных наук и инженерии. Сфера научных интересов: распознавание речи, синтез речи, применение взаимодействия человека с машиной.

Баолианг Лу — Профессор кафедры компьютерных наук и инженерии. Область научных интересов: интеллектуальные вычисления, нейронные сети, машинное обучение, компьютерно-мозговой интерфейс, эффективные вычисления.

65

Georgia Institute of Technology

Байрон Бутс — Доцент школы интерактивных вычислений, также работает в лаборатории робототехники в Сиэтле

Shanghai Jiao Tong University Описание: государственный исследовательский университет с 16 129 студентами и 30 217 аспирантами. Факультеты университета включает в себя 3061 преподавателя.

ИЮНЬ 2019

и NVIDIA Research, сопредседатель технического комитета IEEE по робототехнике.

Devi Parich — профессор школы интерактивных вычислений, исследователь Facebook AI Research (FAIR), лауреат премии Lockheed Martin Inspirational Young Faculty Award. Наиболее интересные проекты:

2 544

Публикации в области ИИ [68]

2 086

Исследователей [68]

|| В 2016 г. ИИ-система Джил Ватсон

в течение семестра работала на форуме онлайн-курса «Методы ИИ», консультирую учащихся, которые не смогли отличить ИИ от преподавателя. || В 2015 г. система искусственного ин-

теллекта «Шахерезада», научилась писать сценарии к компьютерным играм из жанра «текстовых приключений» и интерактивных художественных произведений. || В 2016 г. разработали роботов с ИИ,

способных обманывать и лгать. Исследовательская группа под руководством профессора Рональда Аркина надеется, что их роботов смогут использовать военные в будущем.

Stanford University 5 490

Публикации в области ИИ [68]

4 579

Исследователей [68]

Описание: частный исследовательский университет в США, один из самых авторитетных и рейтинговых в США и в мире. Лаборатория ИИ Стэнфордского университета (SAIL) является центром компетенций по ИИ, аккумулирующим научные знания по всем смежным с ИИ областям. Области исследования: в университете ведутся исследования по широкому спектру ИИ-технологий, представлены все направления ИИ. Некоторые исследователи по ИИ: Fei-Fei, Li — профессор компьютерных наук. В настоящее время является со-директором Института искусственного интеллекта при Стэнфордском университете. В 2013-2018 была директором SAIL. В 2017 г. основала AI4ALL, некоммерческую организацию, ведущую разработки в сфере интеграции ИИ-технологий.

Andrej Karpathy, Sanjeev Satheesh, Michael Bernstein, Silvio Savarese. Некоторые проекты: || ECG Arrhythmia — глубокая нейрон-

ная сеть, которая может диагностировать аритмии во временных рядах ЭКГ произвольной длины. Архитектура сети имеет 34 уровня. || MRNet — модель глубокого обуче-

ния для выявления общих аномалий и специфических диагнозов (разрывы передней крестообразной связки и мениска) на МРТ-исследованиях коленного сустава. || CheXNeXt — алгоритм глубокого обу-

чения для одновременного выявления 14 клинически важных заболеваний на рентгенограммах грудной клетки. || AI Index — ежегодный аналитический

отчет по состоянию ИИ в мире.

2 532

Публикации в области ИИ [68]

2 475

Исследователей [68]

66

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В МИРЕ

National University of Singapore Описание: крупнейший университет в стране как по количеству студентов, так и программ обучения. НУС предлагает 27 программ бакалавриата и 115 программ магистратуры и доктората на 17 факультетах. При поддержке правительства Сингапура в Университете ведутся разработки по ИИ. В 2017 году компания Dyson открыла в НУС ИИ-лабораторию

компьютерных наук Сингапурского национального университета. Возглавляет лабораторию Лаборатория компьютерного зрения и восприятия роботов. Основное направление научных интересов — компьютерное зрение.

Области исследования: робототехника, компьютерное зрение, NLP

|| В 2018 г. группа ученых во главе с ис-

Некоторые исследователи по ИИ: Yan Shuicheng — декан факультета электротехники и компьютерных вычислений, глава института ИИ Сингапурского национального университета, главный научный сотрудник компании Qihoo/360, ISI Highly-cited Researcher 2014, 2015, 2016 г.

Gim Hee Lee — профессор факультета

Tat-Seng Chua, Beng Chin Ooi, NG Hwee Tou, David Hsu Наиболее интересные проекты: следователями из Национального университета Сингапура создала ИИ-платформу CURATE.AI для борьбы с онкологией с целью улучшить медикаментозную терапию пациентам с метастатическим раком. || RetinaCloud — облачной платфор-

мы, которая позволяет проводить как оценку состояния сосудов сетчатки, так и анализ диабетической ретинопатии.

2 882

Публикации в области ИИ*

1 909

Исследователей [68]

Ключевые университеты в России

06

68

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Университеты России — аналитический обзор Несмотря на открытость и публичность технологий в области искусственного интеллекта, значительный пул работ проводится в закрытом режиме без публикаций результатов. Поэтому, используя только открытые источники данных для объективного анализа и сравнения университетов, мы признаем, что некоторые научные группы и университеты могли не попасть в наше поле зрения. Методология оценки и градации университетов включала два ключевых фактора.

ЛИДЕРЫ ПО ПУБЛИКАЦИЯМ

Мы оценивали валовое количество и качество научных публикаций по ИИ и сопредельным тематикам для сотрудников, аффилированных с организацией, а также динамику изменения их численности во времени. Для этого были использованы различные открытые источники данных, подробно перечисленные в приложениях. Результаты этого анализа резюмированы в форме «тренд-карт», на которых графически отражены позиции университетов.

ТРЕНД-КАРТА УНИВЕРСИТЕТОВ RUSSIAN ACAD SCI MOSCOW MV LOMONOSOV STATE UNIV KAZAN FED UNIV

MOSCOW INST PHYS & TECHNOL SKOLKOVO INST SCI & TECHNOL SKOLTECH

ITMO UNIV NOVOSIBIRSK STATE UNIV ST PETERSBURG STATE POLYTECH UNIV TOMSK STATE UNIV NATL RES NUCL UNIV MEPHI SB RAS JINR DUBNA ST PETERSBURG STATE UNIV PETERSBURG NUCL PHYS INST NN BURDENKO INST NEUROSURG INST HIGH ENERGY PHYS

INST THEORET & EXPT PHYS ITEP

NATL RES UNIV HIGHER SCH ECON

JOINT INST NUCL RES

YANDEX ACAD SCI TATARSTAN VAVILOV OPT STATE INST

ST PETERSBURG ELECTROTECH UNIV LETI

MAIL RU GRP LTD ITEP NRNU MOSCOW ENGN PHYS INST

YURI GAGARIN STATE TECH UNIV SARATOV

URAL FED UNIV

VOLGOGRAD STATE TECH UNIV INNOPOLIS UNIV

ЛИДЕРЫ ПО ЦИТИРОВАНИЯМ Лидерами по количеству цитирований являются также РАН и МГУ. Однако сразу за ними с небольшим отрывом идет Сколтех, у которого в 7 раз меньше публикаций, зато эти публикации сделаны в более значимых журналах, что повышает внимание к ним и количество цитирований. Мы выделили в общей массе публикаций те, которые были сделаны в первом квартиле (Q1) рецензируемых журналов — то есть в 25% наиболее значимых журналов. Видно, что безусловным лидером по публикациям в «первом квартиле» является Сколтех. Далее идут ИТМО, НИУ ВШЭ и несколько других университетов.

PIROGOV RUSSIAN NATL RES MED UNIV SOUTHERN FED UNIV LOBACHEVSKY STATE UNIV NIZHNY NOVGOROD PENZA STATE UNIV

TOMSK POLYTECH UNIV SAMARA UNIV

NRC KI KAZAN VOLGA REG FED UNIV SHEMYAKIN OVCHINNIKOV INST BIOORGAN CHEM NRC KURCHATOV INST SAMARA STATE AEROSP UNIV VLADIMIR STATE UNIV NATL RES CTR NATL RES TOMSK POLYTECH UNIV SKOLKOVO INNOVAT CTR LOBACHEVSKY STATE UNIV NIZHNI NOVGOROD LEBEDEV PHYS INST BP KONSTANTINOV PETERSBURG NUCL PHYS INST NATL RES CTR KURCHATOV INST MELNIKOV PERMAFROST INST NORTH CAUCASUS FED UNIV CHELYABINSK STATE UNIV NORTH EASTERN FED UNIV UNIV NIZHNY NOVGOROD D ROGACHYOV FED RES CTR PEDIAT HEMATOL ONCOL & IM NATL RES NUCL UNIV STATE RES CTR MOSCOW INST AVIAT TECHNOL NIZHNY NOVGOROD STATE MED ACAD INST BIOMED CHEM YSDA MOSCOW RES INST PSYCHIAT ASTRAKHAN STATE TECH UNIV SARATOV STATE TECH UNIV GE GLOBAL RES IOFFE INST NATL RES UNIV HSE NATL UNIV SCI & TECHNOL MISIS AF IOFFE PHYS TECH INST SPIIRAS SOUTHWEST STATE UNIV ARCADIA INC VORONEZH STATE UNIV NOVOSIBIRSK STATE TECH UNIV MOSCOW STATE UNIV CIVIL ENGN NATL UNIV SCI & TECHNOL MISIS UFA STATE PETR TECHNOL UNIV ULYANOVSK STATE TECH UNIV SPEECH TECHNOL CTR OMSK STATE TECH UNIV KFU MEPHI NATL RES NUCL UNIV YAROSLAVL STATE UNIV TOMSK STATE UNIV CONTROL SYST & RADIOELECT RUSSIAN STATE UNIV HUMANITIES FAR EASTERN FED UNIV TVER STATE UNIV RSREU PLATOV SOUTH RUSSIAN STATE POLYTECH UNIV NPI PERM NATL RES POLYTECH UNIV MTUCI IRKUTSK STATE UNIV JSC NPP TELDA MOSCOW TECHNOL UNIV MIREA BONCH BRUEVICH ST PETERSBURG STATE UNIV TELECOMMU KAZAN NATL RES TECH UNIV ST PETERSBURG STATE UNIV AEROSP INSTRUMENTAT BAUMAN MOSCOW STATE TECH UNIV SIBERIAN STATE MED UNIV PG DEMIDOV YAROSLAVL STATE UNIV ROSTOV STATE TRANSPORT UNIV NATL RES UNIV ELECT TECHNOL NATL RES TOMSK STATE UNIV CHUVASH STATE UNIV VORONEZH STATE TECH UNIV DON STATE TECH UNIV ASTRAKHAN STATE UNIV VYATKA STATE UNIV SMART ENGINES LTD SKOLKOVO INST SCI & TECHNOL SKOLTECH

На карте отображена публикационная активность и цитирование публикаций университетов за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ [72]

По вертикальной оси — «Значимость» университета, чем выше точка на карте, тем больше есть значимых научных публикаций, связанных с ним (значимость публикации тем выше, чем выше ее цитируемость). По горизонтальной оси — «Динамичность» университета, чем правее точка на карте, тем быстрее за последние годы рост количества цитирований, связанных с ним. Если

точка в центре, то количество цитирований остается примерно постоянным. Таким образом справа сверху отображены те университеты, научный потенциал которых очень значим и постоянно растет. Сверху в центре университеты, которые примерно стабилизовали свой рост, но являются очень значимыми.

Третья — уникальные региональные университеты, такие как ТПУ или РГРТУ (Рязанский Государственный Радиотехнический Университет), которые нашли свою уникальную нишу в исследованиях и успешно публикуются в топовых журналах. К сожалению, в силу ограниченного объема мы не можем рассказать здесь про всех и рассмотрим подробнее лишь 10 университетов. ЛИДЕРЫ ПО КОНФЕРЕНЦИЯМ В отрасли ИИ многие исследователи в принципе не публикуют статьи, заменяя их выступлениями на ведущих конференциях с рейтингом А/A*, таких как AAAI, COLT, ICML, NIPS, ACL, CVPR, ICCV, ICDM, SIGIR. Публикация в трудах такой конференции ценится выше, чем публикации во многих журналах. Поэтому, мы также посмотрели публикации российских учреждений в топовых конференциях. На графике приведены конференции за 2017 год. ТОП-10 [73] Топ-10 по цитированиям

Цитирований за 5 лет

Публикаций за 5 лет

РАН

707

723

МГУ

596

700

Сколтех

622

110

ЛЕДОКОЛЫ И СПЕЦНАЗ

МФТИ

319

324

КФУ

302

199

Среди всех научно-исследовательских организаций России можно выделить три интересные группы. Первая — «ледоколы». Это большие научно-исследовательские центры со значимым финансированием и большим количеством научных сотрудников, такие как МГУ, СПбГУ, РАН. Они ведут много разных исследований и лидируют по количеству публикаций.

ИТМО

219

751

НГУ

198

173

СПбГУ

178

381

ТГУ

175

182

МИФИ

170

408

SARATOV NG CHERNYSHEVSKII STATE UNIV

KURCHATOV INST

INVITRO LAB LTD

SOUTH URAL STATE UNIV

Лидерами по количеству публикаций являются ИТМО, МГУ и РАН1. Они обгоняют остальных с большим отрывом, имея 700+ публикаций за 5 лет. Следующая группа университетов — МИФИ, СПбГУ, ТПУ и МФТИ имеет около 350+ публикаций за 5 лет. Специализированные университеты, такие как Сколтех и Иннополис, имеют лишь около 100+ публикаций за 5 лет, однако качество этих публикаций заметно выше, что видно по цитированиям.

ИЮНЬ 2019

Вторая — «спецназ». Это научно-исследовательские центры новой формации, у которых значительно меньше и финансирование и количество научных сотрудников, но «плотность финансирования», в расчете на одного исследователя, значительно выше. К этой группе можно отнести Сколтех и Иннополис. Они ведут значительно меньше исследований, зато чаще публикуются в высокорейтинговых журналах и становятся быстро заметными на международном уровне.

1

Топ-10 по публикациям Q1

Публикаций Q1 за 3 года

Сколтех

12

ИТМО

8

ВШЭ

7

ТПУ

6

РУДН

6

Иннополис

4

МФТИ

3

ИТПМ

2

СПбГУ

2

ТГУ

2

В данном обзоре мы рассматриваем научно-исследовательские учреждения Российской Академии Наук как одно целое, так как большинство публикаций проходит в тесной коллаборации.

69

70

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Российская академия наук Описание: Российская академия наук включает в себя более 650 научных институтов, ведущих научные исследования. Фундаментальный характер исследований РАН в информатике, математике, психологии и лингвистике позволил заложить основы фундаментальных и междисциплинарных методов искусственного интеллекта. Значимый вклад внесли Ю.Д. Апресян, В.Н. Вапник, И.М. Гельфанд, Г.А. Золотова, Ю.И. Журавлёв, О.И. Ларичев, И.А. Мельчук, Г.С. Осипов, Э.В. Попов, Д.А. Поспелов, В.Л. Стефанюк, В.К. Финн, В.Ф. Хорошевский, М.Л. Цетлин, А.Я. Червоненкис и др.

Турдаков, А.М. Федотов

Коммерциализация и внедрение прикладных разработок ведется в партнёрствах с такими компаниями, как Microsoft, Яндекс, МТС, Samsung, Huawei.

|| Система анализа социальных медиа

Подразделения по ИИ: ИАПУ ДВО РАН, ИВМ РАН, ИВТ СО РАН, ИДСТУ СО РАН, ИМ СО РАН, ИПС РАН, ИПУ РАН, ИСП РАН, СПИИРАН, ФИЦ ИУ РАН. Некоторые исследователи по ИИ: К.В. Воронцов, И.А. Орлов, Г.С. Осипов, А.Л. Ронжин, К.В. Рудаков, Д.Ю.

Некоторые проекты: || Программно-аппаратный комплекс

поиска и анализа больших массивов текстов TextAppliance (ФИЦ ИУ РАН). || Интеллектуальная аналитическая

система автоматизированного выделения приоритетов научных исследований и экспериментальных разработок (ФИЦ ИУ РАН).

724

публикации в области ИИ [73]

1194

исследователей в ИИ [73]

для проектирования энергоэффективных сооружений (ИСП РАН).

Некоторые исследователи по ИИ: Максим Хлопотов, Владимир Парфенов, Алексей Потапов. Некоторые проекты по ИИ: || Symptom-checker — это система под-

держки принятия решений, реализуемая специалистами из ИТМО совместно с МТС. Она помогает врачу или пациенту оценить состояние больного, давая «второе мнение», позволяя принять определенное решение.

Области исследования: Обработка естественного языка, машинное обучение, архитектуры нейронных сетей, анализ данных [74].

Talisman (ИСП РАН).

|| Система автоматического распозна-

вания русской речи (СПИИРАН).

Описание: Национальный исследовательский университет Высшая Школа Экономики, основана в 1992 г., носит статус НИУ с 2009 г. Основной кампус находится в Москве, ещё три — в Нижнем Новгороде, Санкт-Петербурге и Перми.

|| Компьютерные инструментальные

средства разработки систем планирования и управления в транспортной логистике реального времени (СПИИРАН).

терных технологий ИТМО в 2017 г. разработала алгоритм, который поможет вычислять мошенников среди клиентов компаний по автострахованию. Программа создана на основе машинного обучения и может с некоторой точностью определять, была ли та или иная автоавария подстроена или же страховую выплату просит добропорядочный клиент. || В 2017 г. компания Tra Robotics и ко-

манда Университета ИТМО разработали алгоритм бездатчикового силомоментного регулирования для манипуляционного робота. Проект посвящен программному управлению роботов и бессенсорному управлению (soft sensing, sensorless control).

|| Создание отечественного высокотех-

нологичного программно-инструментального комплекса для реализации систем управления технологическими процессами на базе свободного программного обеспечения. || Интеллектуальные информационные

системы для анализа многомерной информации. || Совместно с партнером — IT-компа-

15 257 студентов [74]

1 500

преподавателей и исследователей [74]

182

публикации в области ИИ [73]

215

исследователей [73]

НИУ Высшая Школа Экономики (НИУ ВШЭ)

томатической классификации движущихся объектов (ИПУ РАН).

|| Команда студентов кафедры компью-

Известные проекты:

нией Rubius приступают к реализации масштабного digital-проекта — «Виртуальный университет 4.0».

Университет ИТМО Описание: Университет ИТМО — государственный ВУЗ Санкт-Петербурга, один из национальных исследовательских университетов России. Ведущий ВУЗ страны в области информационных и фотонных технологий. ИТМО включает 19 факультетов, 7 научно-исследовательских института и 110 кафедр.

Описание: первый российский университет на территории Русской Азии, один из трёх десятков национальных исследовательских университетов. Участник Проекта 5-100.

Даниэль Самате, Томас Пройсер.

|| Система технического зрения для ав-

71

Томский государственный университет

Некоторые исследователи по ИИ:

|| Интеллектуальные сервисы

ИЮНЬ 2019

16 000 студентов [74]

>1000

преподавателей и исследователей [74]

753

публикации в области ИИ [73]

716

исследователей [73]

исследований и экономики знаний (ИСИЭЗ) позволяет строить научно-технические тренды или визуализации многомерных массивов неструктурированных данных, например как карта компетенций ВШЭ.

Области исследования: Обработка естественного языка, машинное обучение, архитектуры нейронных сетей, анализ данных.

|| В 2019 г. ученые ВШЭ и Яндекса раз-

Некоторые исследователи по ИИ: Дмитрий Ветров, Антон Конушин, Сергей Николенко, Андрей Устюжанин, Сергей Кузнецов.

|| В 2017 г. сотрудники Лаборатории

Некоторые проекты: || Cистема интеллектуального анали-

за больших данных iFORA, разработанная Институтом статистических

работали метод, который ускорит моделирование процессов на Большом адронном коллайдере. космических исследований в области технологий, систем и процессов ВШЭ применили нейросеть для распознавания запахов. Это позволило получить патент на малогабаритное устройство «электронный нос» для распознавания образа запаха широкого класса химических веществ.

40 300 студентов [74]

≈7000

преподавателей и исследователей [74]

261

публикации в области ИИ [73]

297

исследователей [73]

72

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Московский Государственный Университет (МГУ) Описание: Один из старейших и крупнейших классических университетов России. Включает в себя 15 научно-исследовательских институтов, 43 факультета, более 300 кафедр и 6 филиалов. Области исследования: Обработка естественного языка, машинное обучение, кибербезопасность, квантовые компьютеры. Некоторые исследователи по ИИ: Владимир Воеводин, Игорь Соколов, Игорь Машечкин. Некоторые проекты по ИИ: || В 2017 г. сотрудники физическо-

го факультета МГУ имени М.В.Ломоносова предложили способ использовать искусственный интеллект

для поиска новых химических соединений с заданными свойствами. Разработанный подход существенно расширяет возможности и устраняет недостатки традиционно используемой для этой цели процедуры виртуального скрининга. || В 2017 г. трое студентов из МГУ вы-

играли международное состязание по созданию искусственного интеллекта. Хакатон по беспилотным автомобилям прошёл в Москве, в МИСиС, он длился 2 дня без перерывов. В соревновании приняли участие 27 команд из России, США, Великобритании, КНР и Испании. Первые три места заняли команды МГУ: на 1-м и 3-м местах, МФТИ — на 2-м.

Области исследования: Машинное обучение и ИИ, математическое моделирование для задач с большими объемами данных, статистическая теория обучения, высокопроизводительные вычисления и большие данные, интернет вещей.

Исследователи ИИ: Анджей Чихотцкий, Евгений Бурнаев, Иван Оселедец, Виктор Лемпицкий, Максим Федоров, AnhHuy Phan, Дмитрий Яроцкий, Гонзало Феррер, Алексей Фролов. Некоторые проекты по ИИ: || Алгоритмы ИИ применяются со-

трудниками Сколтеха для создания цифровых моделей месторождений и адаптируют их для применения на месторождениях «Газпром нефти». || В 2019 г. ученые Сколтеха создали су-

перкомпьютер «Жорес». В новом суперкомпьютере для передачи информации между узлами используются оптоволоконные каналы и полупроводниковые лазеры, основанные на полупроводниковых гетероструктурах. За их открытие в 2000 г. Нобелевскую премию получил академик Жорес Алферов. В его честь и назван суперкомпьютер.

73

Томский политехнический университет 38 150 студентов [74]

10 784

преподавателей и исследователей [74]

701

публикации в области ИИ [73]

733

Описание: Национальный исследовательский Томский политехнический университет» (ТПУ). Учрежден в 1896 г. Императором Николаем II как Томский практический технологический институт, с 1991 г. — Томский политехнический университет. В 2009 г. присвоена категория «Национальный исследовательский университет». Области исследования: Машинное обучение, анализ больших данных, распознавание изображений.

исследователей

[73]

Некоторые исследователи по ИИ: Спицын В.Г., Друки А.А., Иванова Ю.А., Гергет О.М., Скирневский И.П., Аксенов

С.В., Лунева Е.Е., Банокин П.И., Савельев А.О., Губин Е.И., Оздиев А.Х. Некоторые проекты: || Прогнозирование времени выполне-

ния вычислительных задач (в рамках проекта ATLAS, CERN). || Интеллектуальная система компью-

терного зрения для беспилотных летательных аппаратов. || Ренгеновская диагностика рака на ос-

нове мультиконтрастного подхода. || Оценка поведенческих аномалий

12 600 студентов [74]

1 730

преподавателей и исследователей [74]

328

публикации в области ИИ [73]

482

исследователей [73]

пользователей в соцсетях.

Московский Физико-Технический Институт (МФТИ)

Сколковский институт науки и технологий — Сколтех, Skoltech Описание: негосударственный институт, созданный в 2011 г. при участии Массачусетского Технологического Института (англ. Massachusetts Institute of Technology — MIT). Территориально расположен в инновационном центре Сколково. Отличительными особенностями Сколтеха являются интеграция образовательной и исследовательской деятельности, фокус на прикладные исследования и инновации, а также научная кооперация с ведущими зарубежными университетами. Обучение ведется по программам магистратуры и аспирантуры (PhD), рабочий язык — английский.

ИЮНЬ 2019

129

Описание: Один из ведущих российских университетов, готовящий специалистов в области теоретической и прикладной физики, математики, информатики, химии, биологии и смежных дисциплин. Основной кампус находится в городе Долгопрудном Московской области, отдельные корпуса и факультеты находятся в Жуковском и в Москве.

110

Области исследования: Обработка естественного языка, машинное обучение, архитектуры нейронных сетей.

977

студентов [74]

профессоров [74]

публикации в области ИИ [73]

105

исследователей [73]

Некоторые исследователи по ИИ: Михаил Бурцев, Алексей Назаров, Сергей Шумский, Андрей Райгородский. Некоторые проекты по ИИ: || Проект iPavlov по созданию разговор-

ного ИИ разрабатывается лабораторией Михаила Бурцева при поддержке ПАО Сбербанк. Проект решает проблему содержательного общения человека с машиной, чтобы создать передовые инструменты для бизнеса.

|| MAIYA (Medical Artificial Intelligence.

Your Assistant) — создание национальной всероссийской информационно-аналитической платформы для сбора и хранения мультимодальных медицинских данных и их анализа с помощью ИИ. С помощью этой системы можно будет анализировать кардиограммы, флюорограммы, маммограммы, проводить диагностику глазного дна и др. || В лаборатории Петра Федичева раз-

работали алгоритм, предсказывающий риск смертности. В работе исследователи опирались на медицинские данные 10 000 человек, собранные в 2003–2006 гг. в ходе национального исследования NHANES в США. С помощью алгоритмов глубокого обучения нейронную сеть научили выявлять неблагоприятные тенденции: связывать определенные паттерны, повторяющиеся последовательности движений с данными медицинских историй и показателями анализов.

6 095

студентов [74]

2 654

преподавателей и исследователей [74]

324

публикации в области ИИ [73]

377

исследователей [73]

74

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ УНИВЕРСИТЕТЫ В РОССИИ

Университет Иннополис Описание: Российский университет, специализирующийся на образовании и научных исследованиях в области информационных технологий и робототехники. Области исследования: Алгоритмы машинного обучения, глубинное обучение, обработка изображений и компьютерное зрение, контекстно-ориентированный анализ, автоматизированное моделирование, онтологии, автоматическое обоснование. Некоторые исследователи по ИИ: Цюй Цян , Садех Нобари, Браун Джозеф Александер, Хан Адил Мехмуд.

Некоторые проекты: || Специалисты лаборатории анализа

данных и биоинформатики разработали, смоделировали и протестировали операционную систему управления движением для части округа Монтгомери штата Мэриленд, США, которая организует вычислительные, коммуникационные и автомобильные технологии. || В рамках проекта «Цифровая модель

РТ» созданы опытные образцы облачной геоинформационной платформы, фотограмметрических и тематических сервисов.

602

студента [74]

82

преподавателей и исследователей [74]

108

публикации в области ИИ [73]

84

исследователей [73]

Санкт-Петербургский государственный университет (СПбГУ) Описание: Санкт-Петербургский государственный университет — научно-образовательный центр мирового значения, один из крупнейших центров отечественной науки и культуры, первый университет России, основан в 1724 г. Области исследования: Разработка систем понимания естественного языка и распознавания устной речи, распознавание образов, интеллектуальный анализ данных, нейронные сети, байесовские сети, нечеткая логика, машинное обучение, информационная безопасность Некоторые исследователи по ИИ: Абрамов М.В., Ананьевский М.С., Богданов А.Б., Гаврилова Т.А., Граничин О.Н., Дегтярев А.Б., Крылатов А.Ю., Матвеев А.С., Мартыненко Г.Я., Ногин В.Д., Панцерев К.А., Петросян О.Л.,

Резаев А.В., Трегубова Н.Д., Тулупьев А.Л., Тулупьева Т.В., Фрадков А.Л., Халин В.Г., Черниговская Т.В. Некоторые проекты: || Автоматизированная система обра-

ботки текстов «Линда». || Математические методы исследова-

ния конкурентоспособности российских вузов на основе интеллектуального анализа данных. || МЕтодология и ТЕхнология формиро-

вания Онтологий на основе интегРации с гетерогенными источниками данных (МЕТЕОР). || Методы искусственного интеллекта

в обеспечении информационно-психологической безопасности и анализе степени защищенности от социоинженерных атак.

30 000 студентов [74]

5 195

преподавателей и исследователей [74]

381

публикации в области ИИ [73]

544

исследователей [73]

Ключевые люди в мире

07

76

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Ключевые люди в ИИ — аналитический обзор Несмотря на открытость технологий в области ИИ много работ проводится в закрытом режиме без публикаций. Поэтому, используя открытые источники данных для анализа, мы сразу признаем, что некоторые люди могли не попасть в этот обзор. В данном разделе мы анализируем и обобщаем последние тренды в развитии ИИ, и вкладу отдельных личностей в развитие мировой науки и индустрии, в диапазоне 2013–2018 гг. Мы оценивали с одной стороны научных работников и исследователей — тех, кто публикует научные работы в передовых международных рецензируемых изданиях, по тематикам ИИ и во-многом предопределяют тренды и т развитие научной и технологической мысли. С другой стороны, мы видим, что есть другая группа людей, которая оказывает влияние на индустриальное развитие ИИ. В первую очередь это — бизнес-лидеры крупнейших компаний, но не только они — здесь же и видные философы и общественные деяте-

ли. Мы называем их «лидерами мнений», однако, мы не нашли метрики, по которой можно было бы измерить «лидерство», поэтому мы предпочитаем говорить о «ньюсмейкерах», которых мы будем оценивать по публикациям в средствах массовой информации и социальных сетях по теме ИИ. Безусловно, все многообразие личностей, участвующих в развитии ИИ невозможно сгруппировать только в 2 группы, но они уже дают общее представление об отрасли. Результаты проведенного анализа обобщены в форме «тренд-карт», на которых графически отражены условные позиции людей на мировой арене в области ИИ. Источники данных и методика формирования тренд карт подробно перечислены в приложениях. Эти карты не характеризуют полностью каждого конкретного человека, но помогают выявить направления и общие закономерности развития отрасли, а также косвенно оценить общественный интерес к отдельным направлениям ИИ.

ТРЕНД КАРТА НЬЮСМЕЙКЕРОВ MARK ZUCKERBERG

ANDREW NG ROB ENDERLE

RAY KURZWEIL

YANN LECUN

JEFF BEZOS PETER THIEL

SATYA NADELLA

DANIELA RUS

LARRY PAGE

TIM COOK

DEMIS HASSABIS ERIC SCHMIDT

MARC BENIOFF GEOFFREY HINTON

SEBASTIAN THRUN JOSEPH SIROSH

SERGEY BRIN

MARC ANDREESSEN

ASHLEY MADISON

STEVE WOZNIAK OREN ETZIONI YOSHUA BENGIO

SAM ALTMAN

JEFF DEAN

GEOFF HINTON

GILL PRATT SUNDAR PICHAI

ED BOYDEN

DAVID MARCUS

STEVE BALLMER

CRAIG FEDERIGHI

FEI FEI LI DIANE GREENE

ANDY RUBIN ERIK BRYNJOLFSSON MUSTAFA SULEYMAN AARON LEVIE

JOHN P. MELLO JR. MARK PIVAC

FENG ZHANG

MAX LEVCHIN

JOSEPH RICKERT

MARVIN MINSKY SCOTT GUTHRIE PETER DIAMANDIS

ILYA SUTSKEVER VIVEK WADHWA

HADLEY WICKHAM

ADAM CHEYER

GARY MARCUS PETER NORVIG

MARK CUBAN STUART RUSSELL

BRIAN KRZANICH

GINNI ROMETTY MASAYOSHI SON

CHRIS MESSINA

DIANE BRYANT JACK MA STEWART ROGERS CHRIS NICHOLSON DAG KITTLAUS ANTHONY LEVANDOWSKI TIM BERNERS LEE CHRIS URMSON IAN BUCK CHRIS SKINNER UDO KLINGENBERG KAZUYA KANEMARU DINA KATABI REID HOFFMAN DAVID JONES STUART MCCLURE ROB HIGH SARYU NAYYAR MARISSA MAYER STEPHEN WOLFRAM DAVID SILVER VISHAL SIKKA PETER LEE WOLFGANG ZIEBART JOHN MCCARTHY JULIE SHAH NIK ROUDA JEFF CLUNE IDAN TENDLER JOHN LEWIS HARRIET GREEN MARKUS GROSS ANDREJ KARPATHY TUOMAS SANDHOLMBORIS SOFMAN HILARY MASON RICHARD SOCHER WOJCIECH MATUSIK TIM SWEENEY ANDREW MOORE TODD DAVIS MICHAEL DELL VIK SINGH JEREMY HOWARD RUSLAN SALAKHUTDINOV DAVID SMITH BRYAN JOHNSON MAX TEGMARK MATT WOOD HARTMUT NEVEN JERRY YANG EDWARD BOYDEN BYRON REESE DHARMENDRA MODHA JACK DORSEY IAN GOODFELLOW SHERYL SANDBERG RICHARD MARKS STEVEN LEVY VINT CERF CYNTHIA BREAZEAL NAVEEN RAO STEVE JURVETSON PRAMOD SHARMA PHIL SCHILLER AMNON SHASHUA JOSH TENENBAUM KEVIN KELLY CHRIS BRIGHAM GREG BROCKMAN HOD LIPSON ANDY PALMER STEVEN SPIELBERG HILARY SCHNEIDER PEDRO DOMINGOS TERRY MYERSON CHAD JONES MIKE RHODIN CHRIS ANDERSON BRUCE SCHNEIER JESSICA HODGINS ADITYA KHOSLA TRAVIS KALANICK ZULFIKAR RAMZAN KATE CRAWFORD JOHNNY LEE KAY TYE AMIT SINGHAL IRA KEMELMACHER SHLIZERMAN BERNERS BRIAN BLAU JOHN HANKE LEE SAXENA LARRY ELLISON GILAD SHAINER CARLOS GUESTRIN MICHAEL COONEYASHUTOSH ROBIN LI MIKE SCHROEPFER TONY FADELL ALEX KRIZHEVSKY JAMES BOND MATEI ZAHARIA PAUL ALLEN MARTIN RINARD JASON LES DUJE TADIN TOM DAVENPORT JASON WAXMAN GEORGE KURTZ JOE LONSDALE ANDY JASSY JOHN KELLY JOHN GABRIELI PAUL DAUGHERTY MICHAEL STONEBRAKER BLAISE ZEREGA JOHN DOE JAYANT KADAMBI MAX KUHN RICK OSTERLOH REMI EL OUAZZANE RUSS TEDRAKE MARK JAFFE MARK RIEDL STEPHEN GOLD IHAB ILYAS EMERY BROWN TRAVIS OLIPHANT MONTE ZWEBEN NEIL DEGRASSE TYSON DANIEL BRUCKNER ROBERT SCOBLE JOHN GUTTAG ORIOL VINYALS ANTONIO TORRALBA JOI ITO MATT OCKO JOHN RIBEIRO DAVID CAMERON GEORGE BESKALES CHRIS DIXON BERKSHIRE HATHAWAY MICHAEL JORDAN PATRICK SOON SHIONG DAVID HANSON LINUS TORVALDS ARVIND KRISHNA DAPHNE KOLLER HELEN GREINER JOHN CHAMBERS WOLTERS KLUWER TIM BAJARIN NOEL SHARKEY ANANT MADABHUSHI SCOTT AARONSON OM MALIK ALEXIS OHANIAN CHEF WATSON SUNDEEP SANGHAVI ANANTHA CHANDRAKASAN VINOD KHOSLA

Таким образом справа сверху отображены те лидеры мнений, потенциал которых значим и постоянно растет в горизонте последних пяти лет. Сверху в центре лидеры, чей авторитет уже устоялся в сообществе. БИЗНЕСМЕНЫ

10

Как и следовало ожидать, в основном на карте лидеров мнений предлидеров ставлены со-основатели и рукомнений водители крупнейших компаний в отрасли — Google, Microsoft, Facebook, Amazon и других. Это связано в первую очередь с тем, что эти люди имеют высочайшую личную квалификацию и не просто «владеют компаниями», а построили их сами и, как правило, сами глубоко понимают все тонкости бизнеса. Мы сделали для Вас короткие справки по топ-10 лидеров мнений. Читая ниже описания отдельных людей вы увидите, что многие из них обладают феноменальными способностями, способствовавшими их успеху.

ELON MUSK

BILL GATES

EDWARD SNOWDEN

По вертикальной оси — «Значимость» человека, чем выше точка на карте, тем больше есть значимых сюжетов в СМИ, связанных с ним (значимость сюжета тем выше, чем больше публикаций на эту тему). По горизонтальной оси — «Динамичность», чем правее точка на карте, тем выше за последние годы рост количества публикаций, связанных с этим человеком в связи с ИИ. Если точка в центре, то количество публикаций остается примерно постоянным.

RODNEY BROOKS

На карте отображены упоминания людей в СМИ за последние 5 лет. Данные и визуализация сформированы системой iFORA, НУИ ВШЭ [75]. Красным цветом отмечены те люди, которых мы рассмотрим подробнее.

Среди лидеров мнений в бизнесе наиболее заметным инфлюенсером является Илон Маск, который не только ярко высказывается по теме ИИ, но и активно спонсирует разработки в области ИИ В частности, опасаясь возможных будущих рисков, которые могут принести неконтролируемое развитие технологий ИИ, Илон Маск основал некоммерческий научно-исследовательский институт OpenAI, за короткое время ворвавшийся в топовые центры ИИ мира.

ИЮНЬ 2019

ФИЛОСОФЫ И ФУТОРОЛОГИ И конечно, в этой теме присутствует множество писателей, философов и футорологов, из которых наиболее заметное влияние оказывают Рей Курцвелл, известный своими точными прогнозами многих технологических достижений, и Ник Бостром, один из самых ярких и глубоких оппонентов быстрому развитию технологий искусственного интеллекта. Несмотря на то, что он не вошел в топ людей на этой карте, он оказывает несомненное влияние на многих других, поэтому мы также включили его в обзор. ОСНОВНЫЕ ТЕМЫ ОБСУЖДЕНИЙ Наиболее острой общественной темой в мире, связанной рабочих с ИИ, является тема потери рамест боты большим числом людей исчезнет в связи с внедрением технолок 2030 г. [76] гий ИИ. Существуют полярные точки зрения на этот вопрос: от потери до 38% рабочих мест в перспективе 10 лет до роста количества рабочих мест в связи с появлением новых специальностей. С точки зрения современной экономической науки есть много подтверждений второго сценария, однако нужно учитывать, что новые рабочие места будут появляться в тех странах, где будут развиваться новые технологии, а остальные страны действительно могут потерять рабочие места.

38%

И, наконец, все больше и больше обсуждается вопрос о возможности создания «сильного ИИ» и потенциальные возможности и угрозы для человечества, связанные с ним. Философ Ник Бостром призывает к обдуманному темпу исследований и осторожности, ведь в результате прогресса науки мы можем создать интеллект, превосходящий человеческий, и тогда человечество может поставить себя на грань выживания. ТОП-10 НЬЮСМЕЙКЕРОВ [75]

ИССЛЕДОВАТЕЛИ В ИИ

Топ-10 ньюсмейкеров

Упоминания в СМИ

1

Илон Маск

1 571

На карте лидеров мнений заметен вклад исследователей из академической среды, которые в то же время являются высококвалифицированными специалистами в технологиях ИИ. Здесь необходимо отметить таких специалистов, как Эндрю Ын, Ян ЛеКун, Стюарт Рассел, Фей Фей Ли и др. Биографии и краткая информация по ним будет представлена в разделе «Исследователи».

2

Марк Цукерберг

7 80

3

Билл Гейтс

533

4

Роб Эндерле

315

5

Рэй Курцвел

296

6

Джефф Безос

273

7

Питер Тиль

240

8

Тим Кук

235

9

Сатья Наделла

228

10

Ник Бостром

77

78

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

ИССЛЕДОВАТЕЛИ В данном разделе мы анализируем и обобщаем последние тренды в развитии ИИ, и вкладу отдельных личностей в развитие мировой науки и индустрии, в диапазоне 2013–2018 гг. Мы оценивали результативность научных работников и исследователей по показателям их цитируемости и общему количеству публикаций. Результаты этого анализа резюмированы в форме «тренд-карт», на которых графически отражены позиции людей. Источники данных и методика формирования тренд карт подробно перечислены в приложениях. Карта отражает лишь условную мировую позицию научного сотрудника или исследователя в области ИИ относительно коллег, но не является их исчерпывающей характеристикой и не носит рейтинговой оценки.

KARPATHY, ANDREJ KAVUKCUOGLU, KORAY KRAUSE, JONATHAN FEI-FEI, LI SCHMIDHUBER, JUERGEN TANG, XIAOOU KUMARAN, DHARSHAN

Резкий рывок сделали ученые из Китая, что во многом является результатом политики страны в области развития технологий и возвращения научных кадров. Практически каждый третий ученый из полученной выборки имел аффиляцию научных и исследовательских центров Китая, либо представлял диаспору за рубежом. Безуловно, такие выдающиеся результаты в области высокой цитируемости могут быть

YANG, MING-HSUAN

SUMMERS, RONALD M. CHENG, MING-MING

JIA, XIUPING MAJI, SUBHRANSU DI, CHONG-AN FANG, LONGYUN TOSHEV, ALEXANDER HUANG, CHANG

GHAEDI, M. YIN, ZHAO

WANG, FEI-YUE

YANG, YI

LIU, FENG

CAMBRIA, ERIK

WANG, LI QIU, JIANBIN WANG, TONG

GAO, HUIJUN QIN, JING ZHANG, YUNONG XU, FENG SHEN, XIAOHUI

ACHARYA, U. RAJENDRA LI, SHUAI

LIU, YANG RUECKERT, DANIEL

LI, ZHIJUN

FUJITA, HAMIDO

KISI, OZGUR KENDALL, ALEX ZHANG, WEI ZOU, QUAN

LEWIS, FRANK L. JIN, LONG LI, WEI AERTS, HUGO J. W. L. NIE, FEIPING OZCAN, AYDOGAN PORIA, SOUJANYA DONG, YITING LU, XIAOQIANG DEO, RAVINESH C.

ROMERA-PAREDES, BERNARDINO ZHANG, ZHENG

THRUN, SEBASTIAN

POURGHASEMI, HAMID REZA LAROCHELLE, HUGO

LEI, YAGUO LIN, JING

CHEN, WEI

MUELLER, KLAUS-ROBERT

ZHANG, LEFEI LU, JIWEN LU, HUCHUAN

DANELLJAN, MARTIN JI, GENLIN JORDAN, M. I. DELONG, ANDREW DU, DALONG CHEN, JUNJIE SARKER, ABEED LI, HONGYI TORRALBA, ANTONIO

SHAO, LING LI, LI

LIM, JONGWOO CHOU, KUO-CHEN PHILLIPS, PREETHA LUO, PING

BENGIO, SAMY

ZHANG, DAVID JIA, FENG GAO, SHENGHUA LI, HONGSHENG WANG, LIJUN GE, SHUZHI SAM YANG, JIQUAN CAMPS-VALLS, GUSTAU SAVARESE, SILVIO KHAN, FAHAD SHAHBAZ GREENSPAN, HAYIT FELSBERG, MICHAEL

SUN, JIAN

YAN, SHUICHENG

HERRERA, FRANCISCO

DU, BO

WEI, QINGLAI

BROX, THOMAS SHIN, HOO-CHANG OUYANG, WANLI ANDERSSON, JESPER DOSOVITSKIY, ALEXEY ELINAV, ERAN CHEN, YUSHI ALAHI, ALEXANDRE

WANG, GANG VON LILIENFELD, O. ANATOLE

WANG, MENG

VINEET, VIBHAV LENC, KAREL ESLAMI, S. M. ALI

CHEN, C. L. PHILIP SHI, PENG LIU, DERONG WANG, SHUIHUA

TONG, SHAOCHENG ZHANG, YUDONG

HE, KAIMING

LI, XUELONG VAN GINNEKEN, BRAM CHENG, GONG WANG, JUN ZHANG, LEI ZHANG, DINGWEN HUANG, TINGWEN WANG, WEI

WANG, XIAOGANG LI FEI-FEI

LIU, YAN-JUN

ZISSERMAN, ANDREW QIAO, YU FREY, BRENDAN J. LIN, LIANG KALENICHENKO, DMITRY MITRA, NILOY J. HU, SHI-MIN LU, LE CARLSON, ARTHUR YAO, JIANHUA ROTH, HOLGER R.

GIRSHICK, ROSS

HAN, JUNWEI COURVILLE, AARON TAO, DACHENG

LILLICRAP, TIMOTHY SUTSKEVER, ILYA

KING, HELEN

ESTEVA, ANDRE

KANG, WENWEN

Такая визуальная карта хороша тем, что она выявляет множество новых фактов. цитирований В частности, она показастатьи К.Хе [78] ла целую группу исследос 2016 г. вателей «новой волны», которые лишь в последние 3–4 года набрали свою известность. Тут мы видим множество новых имен, в основном китайского происхождения, из которых мы отдельно отмечаем группу из нескольких ученых, которые по Значимости и Динамичности вошли в топ-3 ученых Мира по интегральной проведенной оценке (крайние ученые в правом верхнем квартиле), а именно — Кайминг Хе, Гиршик Росс и Жуан Сан.

HASSABIS, DEMIS

SILVER, DAVID

TORR, PHILIP H. S. VEDALDI, ANDREA

LOY, CHEN CHANGE

TANG, JIEXIONG LV, YISHENG

ОБЩИЙ ВЗГЛЯД

BENGIO, YOSHUA

SERMANET, PIERRE

DONG, CHAO DIVVALA, SANTOSH

обусловлены кросс-цитированием коллегами, однако невозможно отрицать, что мы видим новый восходящий тренд по формированию огромного и влиятельного сектора ИИ в Китае.

РОСТ КИТАЯ

По вертикальной оси — «Значимость» человека, чем выше точка на карте, тем больше есть значимых научных публикаций, связанных с ним (значимость публикации тем выше, чем выше ее цитируемость и импакт-фактор журнала). По горизонтальной оси — «Динамичность», чем правее точка на карте, тем выше за последние годы рост количества публикаций, связанных с этим человеком. Если точка в центре, то количество публикаций остается примерно постоянным.

DIELEMAN, SANDER LANCTOT, MARC BEATTIE, CHARLES

Таким образом справа сверху отображены те исследователи, научная работа которых значима для всего сообщества и количество публикаций растет. Сверху в центре исследователи, которые примерно стабилизовали свой рост, но являются очень значимыми для отрасли.

На карте мировой науки в области ИИ мы видим много знаковых имен, внесших существенный вклад в становление и развитие науки. Среди них можно отметить Yoshua Bengio, Яна ЛеКуна, Джоффри Хинтона. Их присутствие на карте в верхнем правом квартиле говорит о том, что несмотря на признанный авторитет, они остаются активно публикующимися учеными, научные интересы которых в тренде развития ИИ полседних 5 лет.

ТРЕНД КАРТА ИССЛЕДОВАТЕЛЕЙ

HINTON, GEOFFREY LECUN, YANN

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

LIU, YU

ASPURU-GUZIK, ALAN MOU, LICHAO

LI, CHENG

YANG, CHENGUANG ZHAO, RUI

MURPHY, KEVIN

CHEN, LIANG-CHIEH

CHEN, HAO LI, PING LI, HAO WANG, YINHAI KARSSEMEIJER, NICO ZHANG, JIE SPRINGENBERG, JOST TOBIAS PARK, JU H. CABRERA, DIEGO ZHENG, YU HUSSAIN, AMIR YANG, JIANCHAO BADRINARAYANAN, VIJAY BARASH, YOSEPH SHEN, CHUNHUA SAKTHIVEL, R. RAMAKRISHNAN, RAGHUNATHAN DEBBAH, MEROUANE TUIA, DEVIS JOHNSON, JUSTIN TU, ZHUOWEN GARCIA, SALVADOR WANG, YUNPENG PARMAR, CHINTAN KHOSRAVI, ABBAS ZHANG, HAO FISCHER, PHILIPP YAN, YAN SU, CHUN-YI CHEN, MIN OLIVA, AUDE MCGIBBON, ROBERT T. FRANK, MICHAEL J. HAJATI, SHAAKER WANG, LIN NI, DONG YUAN, YUAN ZHANG, YI LEVINE, SERGEY GONG, MAOGUO MATHIYALAGAN, K. ZHOU, XIN LAMBIN, PHILIPPE SEFF, ARI CARNEIRO, GUSTAVO JODOIN, PIERRE-MARC BEAUCHAMP, KYLE A. TAN, TIENIU LI, JING CHAN, TSUNG-HAN GUPTA, ABHINAV DONG, ZHENGCHAO ILG, EDDY ZHAI, CHENGXIANG HAUSKNECHT, HU, XIAOSONG SUK, HEUNG-IL ZENG, NIANYIN ZHANG, YUN MATTHEW LIANG, XIAODAN MONGA, RAJAT CHEN, KAI LI, CHAO ZHU, QUANXIN SHELBY, ROBERT M. LIU, LI EFROS, ALEXEI A. BRUNTON, STEVEN L. DUDLEY, JOEL T. SHEN, WEI ZHANG, KAI YU, PHILIP S. WANG, JIANZHOU WEN, GUANGHUI DU, YONG ZHANG, JIAN LUO, BIAO JIANG, BIN XIE, YUAN DI NOLFO, CARMELO YAO, CONG WANG, JINHUA YANG, MING LUO, XIONG LI, JIN LIU, YAN BURGARD, WOLFRAM EIGEN, DAVID MA, XIAOLEI PRINCIPE, JOSE C. YU, JUN CHEN, SIZHE MALIK, JITENDRA YANG, SHUO SHAH, NIGAM H. AHMED, EJAZ WANG, MIN WANG, JIAN WANG, ZHONG LIN NAVAB, NASSIR

LIU, TING

MORRIS, QUAID

На карте отображены наиболее цитируемые исследователи в ИИ за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ [77]. Красным цветом отмечены те люди, которых мы рассмотрим подробнее.

НОВАЯ ВОЛНА

21 635

Все трое специализируются в области компьютеного зрения и глубокого обучения, двое работают в центре ИИ Фейсбук ( Кайминг Хе и Гиршик Росс), а Жуан Сан является ключевым исследователем в китайской компании по распознованию лиц (Face ++). В качестве их достижений, мы приведем статистику по количеству цитированний их публикаций. К примеру, публикация от 2016 года «Deep Residual Learning for Image Recognition» Кайминга Хе была процитирована в 21 635 работах. А публикация Гиршика Росса от 2014 года по теме «Caffe: Convolutional architecture for fast feature embedding» процитировали более 10 тысяч исследователей по всему Миру. Данный факт подчеркивает то, что в данный момент фокус в ИИ расположен в области Глубокого обучения, компьютерного зрения и машинного обучения.

ИЮНЬ 2019

ЛИДЕРЫ МНЕНИЙ В НАУКЕ Для полноты картины мы использовали несколько источников информации, так как информация зачастую противоречива. Поэтому мы приводим топ-10 исследователей в ИИ, сформированный на основе Google Scholar, который мы назвали «лидеры мнений в науке», где перечислены исследователи, внесшие огромный вклад в науку и технологии ИИ, их работы досконально изучаются всеми ведущими научными группами мира. ТОП-10 ЛИДЕРОВ МНЕНИЙ И ИССЛЕДОВАТЕЛЕЙ [79] Топ-10 лидеров мнений в науке

Цитирований c 2014 по Google scholar

1

Geoffrey Hinton

171 775

2

Youshua Bengio

159 572

3

Andrew Ng

79 070

4

Yann LeCun

81 734

5

Ilya Sutskever

102 682

6

Jürgen Schmidhuber

51 329

7

Ruslan Salakhutdinov

48 170

8

Tomas Mikolov

41 533

9

Ian Goodfellow

38 383

10

Demis Hassabis

18 953

Топ-5 исследователей «новой волны»

Цитирований c 2014 по Google scholar

1

Jian Sun

66 577

2

Ross Girshick

64 327

3

Kaiming He

60 294

4

Sebastian Thrun

37 643

5

Wei Chen

6 355

79

80

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Исследователи

Geoffrey Hinton Джеффри Хинтон Университет Торонто, Google

262 082 цитирований [79]

144

индекс Хирша [79]

Один из «отцов основателей» современных нейронных сетей. Закончил Cambridge University. В 1978 году ему присуждена степень доктора в области искусственного интеллекта за исследования под руководством Кристофера Лонге-Хиггинса. Был одним из исследователей, предложивших использовать метод обратного распространения ошибки для тренировки многослойной нейронной сети. Вместе с Терри Сейновски изобрёл машину Больцмана. Почетный доктор Эдинбургского университета. Награжден Золотой медалью Герцберга за достижения в области науки и техники. Почетный доктор Университета Шербрук. Был избран иностранным членом Национальной инженерной академии «За вклад в теорию и практику искусственных нейронных сетей и их применение в распознавании речи и компьютерном зрении». Лауреат нескольких премий. В 2018 году вместе с Йошуа Бенжио и Яном Лекуном получил премию Тьюринга за концептуальные и технические достижения, которые сделали глубокие нейронные сети критически важным компонентом вычислений.

;;

«I have always been convinced that the only way to get artificial intelligence to work is to do the computation in a way similar to the human brain....»

Yoshua Bengio

индекс Хирша [79]

Эндрю Ын Stanford University

114 989 цитирований [79]

;;

Наука машинного обучения в значительной степени экспериментальная, потому что не существует универсального алгоритма обучения — ни один не может дать компьютеру возможность усвоить каждую задачу, которую ему дают. Любой алгоритм получения знаний должен быть протестирован на учебных задачах и данных, специфичных для конкретной ситуации, будь то распознавание заката или перевод английского языка на урду. Нет никакого способа доказать, что в любой конкретной ситуации он будет последовательно лучше, чем все другие алгоритмы.

Основал и возглавил проект «Google Brain». Это привело к известному результату «Google cat», в результате которого массивная нейронная сеть с 1 миллиардом параметров извлекла из немаркированных видео YouTube кошек.

;;

115

индекс Хирша [79]

ИИ — это новое электричество… Трудно представить себе крупную отрасль, которую ИИ не трансформирует. Это включает здравоохранение, образование, транспорт, розничную торговлю, связь и сельское хозяйство. У ИИ есть удивительно четкие пути, чтобы сделать большую разницу во всех этих отраслях.

Yann LeCun Ян ЛеКун

115

Университет Монреаля, Канада

44

Andrew Ng

Признан одним из ведущих мировых экспертов в области искусственного интеллекта и пионером в области глубокого обучения.

В 2018 году вместе с Джеффри Хинтоном и Яном Лекуном получил премию Тьюринга за вклад в глубокие нейронные сети.

цитирований [79]

Окончил Carnegie Mellon University, аспирантура в MIT. В 2011 году он руководил разработкой основной платформы MOOC. Вел онлайн-курс по машинному обучению для 100 000 студентов, что привело к основанию Coursera.

Facebook

Йошуа Бенжио

156 781

Профессор. Ранее вице-президент и главный научный сотрудник Baidu

Профессор. Возглавляет MILA (Монреальский институт алгоритмов обучения), является содиректором проекта «Learning in Machines & Brains» Канадского института перспективных исследований (CIFAR).

В 2016 году соосновал инкубатор Element AI в Монреале, который превращает ИИ-технологии в стартапы мирового уровня.

ИЮНЬ 2019

92 295

цитирований [79]

Руководитель лаборатории ИИ. Лауреат премии Тьюринга (2018, совместно с Бенжио и Хинтоном за формирование направления глубокого обучения). Получил докторскую степень по информатике в Университете Пьера и Марии Кюри в 1987 году. В 1988 году начал работать в AT&T Bell Laboratories, где разработал серию методов машинного обучения, в том числе свёрточные нейронные сети. С 2003 года работал в Нью-Йоркском университете. В декабре 2013 года возглавил лабораторию искусственного интеллекта Facebook. Фокус исследований: машинное обучение, компьютерное зрение, мобильная робототехника и вычислительная нейробиология. Известен работами по применению нейросетей к задачам оптического распознавания символов и машинного зрения.

;;

индекс Хирша [79]

Желание доминировать не связано с интеллектом, на самом деле, у нас есть много примеров этого ... в мире. Тот не самый умный из нас, который хочет быть главным.

Главный научный сотрудник OpenAI. Является одним из изобретателей известной AlexNet, сверточной нейронной сети. Он изобрел Sequence to Sequence Learning вместе с Oriol Vinyals и Quoc Le. Также является соавтором AlphaGo и TensorFlow.

Ilya Sutskever Илья Суцкевер OpenAI

103 088 цитирований [79]

50

индекс Хирша [79]

Закончил университет Торонто, получил степень доктора компьютерных наук под руководством Geoffrey Hinton. Работал 2 месяца под руководством Andrew Ng в Stanford University. Потом присоединился к компании DNNResearch, которая позже была куплена Google и Илья стал исследователем в Google Brain. В конце 2015 года ушел во вновь созданный институт OpenAI. В 2015 был включен в список 35 ведущих инноваторов до 35 лет в MIT Technology Review.

;;

We’re going to do everything that can be done in the direction of general artificial intelligence while also making sure that we do it in a way that’s safe.

81

82

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

Jürgen Schmidhuber Юрген Шмидхубер Института исследований ИИ им. Далле Молле

62 037

цитирований [79]

89

индекс Хирша [79]

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Юрген Шмидхубер — один из «отцов (современного) ИИ». Со-директор Института исследований искусственного интеллекта им. Далле Молле в Манно, округ Лугано, в Тичино на юге Швейцарии.

Директор по машинному обучению в группе специальных проектов Apple, также работает научным сотрудником в OpenAI. Ранее он работал научным сотрудником в Google Brain.

Шмидхубер учился в университете Technische Universität в Мюнхене, Германия. Он преподавал там по 2009 год, когда стал профессором по искусственному интеллекту в Итальянском университете в Лугано, Швейцария.

Гудфеллоу закончил Stanford University и получил степень доктора по машинному обучении в Университете Монреаля под руководством Йошуа Бенжио. После окончания университета Гудфеллоу присоединился к Google в составе исследовательской группы Google Brain. Позже он покинул Google, чтобы присоединиться к недавно основанному институту OpenAI.

В 1997 году предложил концепцию LSTM-нейросетей, которые сейчас являются основой практически всех коммерчески используемых решений. В 2011 году показал, что конволюционные (CNN) нейронные сети могут в десятки раз быстрее выполняться на параллельных графических процессорах (GPU), сети его разработки выиграли подряд 4 соревнования по Computer Vision. Шмидхубер получил премию Гельмгольца Международной нейросети общества в 2013 году, и Pioneer Award Neural Networks из вычислительного интеллекта общества IEEE. Является членом Европейской академии наук и искусств.

Ian J. Goodfellow Ян Гудфеллоу Apple

38 226

цитирований [79]

47

индекс Хирша [79]

Гудфеллоу известен прежде всего тем, что он изобрел порождающие состязательные сети (GAN), широко используемые сейчас в машинном обучении. Он также является ведущим автором учебника Deep Learning. В Google он разработал систему, позволяющую Google Maps автоматически транскрибировать адреса с фотографий, сделанных Street View Cars, и продемонстрировал уязвимости в системах безопасности машинного обучения.

;;

Директор по исследованиям искусственного интеллекта в Apple. Профессор кафедры информатики в Carnegie Mellon.

Ruslan Salakhutdinov Руслан Салахутдинов Carnegie Mellon University, Apple

53 272

цитирований [79]

Широко известен разработкой Байесовской программы машинного обучения[3]. Получил докторскую степень в области компьютерных наук в Университете Торонто. С 2016 года профессор в CMU. Является редактором журнала Journal of Machine Learning Research и работал в комитете старших программистов на нескольких ведущих конференциях, включая NIPS и ICML. Он является лауреатом премии ранних исследователей, Google Faculty Award, награды Nvidia «Пионеры искусственного интеллекта». Также работает старшим научным сотрудником Канадского института. для передовых исследований (CIFAR). Его исследования в виде грантов финансировались корпорации Google, Microsoft, Apple и Samsung.

;;

73

индекс Хирша [79]

В научных кругах я чувствую, что у вас больше свободы для решения долгосрочных проблем. В то же время исследования, которые вы проводите в отрасли, также очень интересны, поскольку во многих случаях вы можете повлиять на миллионы пользователей, если разработаете основную технологию искусственного интеллекта.

Научный сотрудник в Facebook. Внес большой вклад в области обработки естественного языка, известен как изобретатель известного метода Word2vec, являющегося фундаментом современной технологии обработки естественного языка (NLP).

Tomas Mikolov Томас Миколов Facebook

42 191

цитирований [79]

33

индекс Хирша [79]

ИЮНЬ 2019

Миколов получил докторскую степень в области компьютерных наук в Технологическом университете Брно за свою работу над рекуррентными нейронными сетевыми моделями языков. До прихода в Facebook в 2014 году Миколов работал приглашенным исследователем в Университете Джона Хопкинса, Университете Монреаля, Microsoft и Google.

;;

Maybe not achieving AI is the danger for humanity. We as humans are very bad at making predictions of what will happen in some distant timeline, maybe 20 to 30 years from now. Maybe making AI that is much smarter than our own, in some sort of symbiotic relationship, can help us avoid some future disasters.

I’ve seen several people recently say that instead of deep learning, AI researchers should reverse engineer the brain. This is strange to me, because that was one of the motivations for deep learning (and the name of the team, Google Brain)... Deep learning isn’t intended to model brain function with high fidelity (that’s computational neuroscience) but it’s meant to work in somewhat brain-like ways, especially compared to what came before: kernel machines, Bayes nets with table CPDs, handengineered features.

Основатель компании DeepMind, нейробиолог, разработчик компьютерных игр, игрок мирового класса в шахматы.

Demis Hassabis Демис Хассабис DeepMind

21 176

цитирований [79]

44

индекс Хирша [79]

Хассабис получил образование в колледже Христа, государственной общеобразовательной школе в Северном Лондоне. Играя в детстве в шахматы, Хассабис был шахматным вундеркиндом, в возрасте 13 лет имел рейтинг Эло в 2 300 пунктов, занимая пятое место в мире среди до юношей до 14 лет[2], возглавлял многие английские юношеские шахматные команды. Выпускник Cambridge University. Получил докторскую степень в области когнитивной неврологии в Университетском колледже Лондона (UCL). Затем Хассабис продолжил докторантуру в MIT и Harvard University. В 2010 году Хассабис основал кампанию по исследованию искусственного интеллекта DeepMind. В 2014 году Google купил DeepMind за 400 миллионов фунтов стерлингов, хотя компания остается независимым юридическим лицом с офисом в Лондоне. Компания DeepMind, с момента приобретения её Google, под руководством Хассабиса добилась ряда значительных достижений в области создания самообучающихсянейронных сетей, самыми известными из которых являются AlphaGo, AlphaZero и AlphaStar.

;;

Конечная цель — создать технологии Сильного Искусственного интеллекта и применять их для решения всевозможных важных проблем реального мира.

83

84

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Главный научный сотрудник | Управляющий директор по исследованиям. Получил степень бакалавра, магистра и доктора наук. степень в университете Сиань Цзяотун в 1997, 2000 и 2003 годах соответственно. Сразу же после этого он присоединился к Microsoft Research Asia.

Jian Sun Джиан Сан Face ++ (Megvii Technology Ltd.)

76 108 цитирований

[79]

78

Работает в области компьютерного зрения и компьютерной графики, уделяя особое внимание решению фундаментальных исследовательских задач и созданию реальных рабочих систем. Его основные научные интересы — вычислительная фотография, распознавание лиц и глубокое понимание образов, основанных на знаниях. Обладатель множества наград и премий, в том числе Национальная премия естественных наук Китая (2-й класс), Приз победителя конкурса COCO Challenge 2015, 2017, 2018, Best Paper Award, конференция CVPR 2009 и 2016 годы.

ИЮНЬ 2019

Профессор компьютерных наук в Стэнфордском университете и бывший директор Стэнфордской лаборатории искусственного интеллекта. Занимается исследованиями в области робототехники, искусственного интеллекта, образования, взаимодействия человека с компьютером и медицинских устройств.

Stanford

Руководил разработкой роботизированного автомобиля Stanley, который выиграл DARPA Grand Challenge в 2005 году. Его команда также разработала автомобиль Junior, который занял второе место на DARPA Urban Challenge в 2007 году. Основал автомобильную команду Google.

98 094

Известен своей работой в области вероятностных методов программирования в области робототехники.

143

Имеет множество наград и премий, в том числе:

Sebastian Thrun Себастиан Трун

цитирований [79]

индекс Хирша [79]

индекс Хирша

[79]

|| CNBC 2018 Disrupter #8, 2017 #10 || Global Leadership Award 2018, World Affair Council

|| 2017 ICAPS Influential Paper award

Research scientist. Занимается компьютерным зрением и машинным обучением. Получил докторскую степень в области компьютерных наук в Чикагском университете под руководством Педро Фельзенцвальба в 2012 году.

Girshick Ross Росс Гиршик Facebook AI Research (FAIR)

66 702

цитирований [79]

53

индекс Хирша [79]

До прихода в FAIR Росс работал научным сотрудником в Microsoft Research, Редмонд и постдоком в Калифорнийском университете в Беркли, где ему посоветовали Джитендра Малик и Тревор Даррелл. Его интересы включают понимание объектов на уровне экземпляра и проблемы визуального мышления, которые сочетают обработку естественного языка с компьютерным зрением. Получил премию PAMI для молодых исследователей 2017 года и хорошо известен разработкой подхода R-CNN (региональная конволюционная нейронная сеть) к обнаружению объектов. В 2017 году Росс также получил премию Марра в ICCV за «Маску R-CNN».

Research Scientistю. Занимается компьютерным зрением и машинным обучением. Присоединился к Facebook AI Research (FAIR) в 2016 году в качестве научного сотрудника. Раньше работал в Microsoft Research Asia (MSRA), Научные интересы связаны с компьютерным зрением и глубоким обучением.

Kaiming He

Множество наград и премий, в том числе:

Кайминг Хе

|| Премия молодых исследователей PAMI 2018 год,

Facebook AI Research (FAIR)

|| Приз за лучшую работу в CVPR 2009, CVPR 2016, ICCV 2017,

61 463

работу в ECCV 2018.

цитирований [79]

44

|| Приз за лучшую студенческую работу в ICCV 2017 и награду за лучшую

индекс Хирша

[79]

Статья о Deep Residual Networks (ResNets) является наиболее цитируемой статьей в топ-100 мест публикаций во всех областях Google Scholar Metrics 2018. Приложения ResNets также включают язык, речь и AlphaGo.

21 635

цитирований [79] 1 статьи

|| UPCEA National Award, outstanding program, credit category, 2017 || AAAI Classic Paper Award, Association for the Advancement of Artificial

Intelligence (AAAI), 2017

Senior Researcher . Закончил университет Цинхуа, получил степень доктора в Корнелльском университете. Работал в корпорации Oracle до прихода в MSRA.

Wei Chen Вей Чен Microsoft Research Asia

9 052

цитирований [79]

38

индекс Хирша [79]

Основные научные интересы включают социальные и информационные сети, онлайн-обучение, алгоритмическую теорию игр, интернет-экономику, распределенные вычисления и отказоустойчивость. Его исследовательская работа направлена на соединение реальных приложений и явлений с теоретическими основами с помощью математических и алгоритмических инструментов. Является членом Технического комитета больших данных и теоретической информатики Китайской федерации компьютеров.

85

86

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Лидеры мнений Американский инженер, предприниматель, изобретатель и инвестор; долларовый миллиардер. Имеет фотографическую память. Со-основатель компании PayPal; основатель и генеральный директор компаний SpaceX и Tesla.

Elon Reeve Musk Илон Маск Tesla, SpaceX

Объединил свою компанию электронных платежей X.com с компанией PayPal Питера Тиля, которую в 2002 г. компания eBay выкупила за 1,5 млрд $. На этой продаже Маск выручил $180 млн. и вложил все в свои проекты SpaceX и Tesla Motors. Через 6 лет NASA заключило договор с SpaceX на сумму, превышающую полтора миллиарда долларов. Илон Маск характеризует ИИ как самую большую экзистенциальную угрозу человечества. На мероприятии MIT в конце 2014 года Маск назвал исследования на тему ИИ попыткой «вызвать демона». Летом 2015 года он вместе с Сэмом Альтманом основал некоммерческий исследовательский институт OpenAI с целью создать открытую компанию, работающую на благо общества, а не государства или корпорации. Открытость призвана избежать концентрации власти, которую дает ИИ, в одних руках.

;;

«Если у ИИ будет определенная задача и так сложится, что человечество будет стоять на пути решения этой задачи, то ИИ просто его уничтожит, как само собой разумеющееся. Без каких-либо колебаний и моральных терзаний. Это как строительство дороги, на пути которой по случайности оказался муравейник. Мы же не ненавидим муравьев, мы просто строим дорогу. Поэтому прощай муравейник»

Американский программист, предприниматель в области интернет-технологий, долларовый миллиардер, основатель социальной сети Facebook.

Mark Elliot Zuckerberg Марк Цукерберг Facebook

Высшее образование Марк Цукерберг не завершил: в 2002 году он поступил в Гарвардский университет, где до 2004 года обучался на факультете психологии. Параллельно с этим Марк посещал курсы ИТ. Свою сферу интересов указывал как «C, C++, Java, Visual Basic, VBscript, JavaScript, PHP и ASP». Цукерберг неоднократно характеризовал себя как хакера по призванию. Ещё в колледже на Марка обратили внимание сотрудники Microsoft, после того как он написал программу Synapse, которая позволяла компьютеру самостоятельно составлять последовательность музыкальных хитов для своего владельца. В 2010 году журнал Time назвал Цукерберга человеком года.

;;

«Я настроен оптимистично. В ближайшие пять-десять лет искусственный интеллект значительно улучшит нашу жизнь, а прогнозировать конец света — очень безответственно. ИИ помогает человечеству, в частности, благодаря подобным технологиям большой шаг сделан в возможности диагностировать болезни и совершенствовать медицинское обслуживание»

ИЮНЬ 2019

Американский предприниматель, глава и основатель интернет-компании Amazon.com, основатель и владелец аэрокосмической компании Blue Origin, владелец издательского дома The Washington Post

Jeff Bezos Джеф Безос Amazon

Джефф окончил Принстонский университет в 1986 году со степенями по электроинженерии и компьютерным наукам. До 1994 года работал по специальности на Уолл-стрит на различных должностях. В 1994 года, в ходе путешествия через страну из Нью-Йорка в Сиэтл, Безос придумывает и позже основывает интернет-магазин Amazon.com, первоначальные инвестиции в который составили 300 тысяч долларов. В настоящий момент это крупнейшая в мире компания в сфере интернет-торговли, а также крупнейший в мире поставщик облачных услуг через «Amazon Web Services».

;;

«В сфере ИИ наступил золотой век … За последние десятилетия компьютеры автоматизировали многие процессы, которые программисты могли описать через точные правила и алгоритмы. Современные техники машинного обучения позволяют нам делать то же самое с задачами, для которых намного сложнее задать четкие правила».

Американский предприниматель и общественный деятель, филантроп, один из основателей (совместно с Полом Алленом) и компании Microsoft.

Bill Gates Билл Гейтс Microsoft

В 1973 году Билл Гейтс поступил в Гарвардский университет. Спустя 2 года Гейтс был отчислен и сразу стал заниматься созданием программного обеспечения. Основал компанию Microsoft, ставшую лидером на рынке операционных систем для персональных компьютеров. Билл Гейтс уделяет внимание инвестициям в новейшие разработки, такие как строительство «Умного города», создание альтернативной энергетики, которая повлияет на снижение углекислого газа в атмосфере. Также предприниматель спонсирует создание безопасных аккумуляторов, способных стать альтернативой литий-ионным батареям Mata. В 2018 году филантроп перечислил $460 млн на борьбу с кризисом в образовании США. Также он участвует в программе по борьбе с болезнью Альцгеймера. В 2019 году он выступил с очередным прогнозом на ближайшее будущее. По словам Гейтса, робототехника готова выйти на новый уровень, разработки новых вакцин послужат снижению заболеваемости раком. Главными проблемами, которые стоят сегодня перед человечеством, Билл считает перенаселение планеты и изменения климата.

;;

«Я причисляю себя к тем, кто опасается искусственного суперинтеллекта. Сначала машины будут выполнять за нас только часть работы, не будут слишком умными и не будут нам угрожать. Если мы будем правильно ими управлять, то проблем не будет. Но через несколько десятилетий искусственный интеллект станет сложнее и может представлять собой опасность». «Я согласен с Илоном Маском и не понимаю, почему некоторых эта проблема совсем не беспокоит».

87

88

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

Rob Enderle Роб Эндерле Enderle Group

Известный американский аналитик в области технологий. Эндерле работал в нескольких технологических компаниях, включая EMS Development Company, ROLM Systems и IBM, прежде чем стать технологическим аналитиком. Он начал свою карьеру аналитика в Dataquest, потом работал в Forrester, пока не ушел, чтобы основать собственную фирму Enderle Group. Эндерле пишет ряд колонок для технологических изданий и регулярно появляется на радио и телевидении. Он член нескольких консультативных советов, в том числе Lenovo, AMD и HP. Он работал советником в Microsoft, Dell, IBM, Siemens и Intel.

;;

“The future of AI is humans + machines”

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Получил степень бакалавра в области промышленного производства в университете Обёрна в 1982 году и диплом МВА в школе Фукуа университета Дьюка в 1988 году.

Timothy Cook Тим Кук Apple

Raymond Kurzweil Реймонд Курцвелл Google

В книге 1999 года «Эпоха духовных машин» Курцвейл предложил «Закон ускоряющейся отдачи», согласно которому некоторые эволюционные системы, включая развитие технологий, развиваются экспоненциально. По мнению Курцвейла, экспоненциальное мышление не является интуитивным, поскольку биологически наш разум в процессе эволюции приспособился делать линейные экстраполяции.

;;

«У меня есть устойчивая дата — 2029 год — для этого предсказания. И сюда входит не только понятие логического интеллекта. Сюда входит эмоциональный интеллект, который может быть веселым, шутливым, милым, любящим, понимающим. Это самое сложное, что мы можем сделать. Это то, что разделяет компьютеры и людей сейчас. Но я верю, что к 2029 году эта пропасть исчезнет».

Начал карьеру в компании IBM, где он проработал 12 лет. Затем 6 месяцев проработал в компании Compaq, на должности вице-президента по корпоративным материалам, после чего он был нанят Стивом Джобсом и присоединился к компании Apple. В 2011 году по рекомендации Стива Джобса Тим Кук был назначен генеральным директором Apple. Также является членом совета директоров Nike. Лучший исполнительный директор 2014 года по версии CNN.

;;

Известный американский изобретатель и футуролог. В качестве изобретателя он создал многочисленные системы для распознавания речи. Как футуролог он известен научными технологическими прогнозами, учитывающими появление искусственного интеллекта и средств радикального продления жизни людей. Согласно Курцвейлу, в будущем человечество достигнет почти неограниченного материального изобилия, а люди могут стать бессмертными. Он также дал обоснование технологической сингулярности — феноменально быстрого научно-технического прогресса, основанного на мощном искусственном интеллекте и киборгизации людей.

Peter Thiel Питер Тиль Founders Fund

После основал глобальный хедж фонд Clarium Capital, занимающийся макроинвестированием и имеющий активы стоимостью около $700 млн; управляющий партнер в Founders Fund, венчурного фонда с капиталом $250 млн, который он основал вместе с Кеном Хоури и Люком Нозеком в 2005 году; сооснователь и председатель инвестиционного комитета Mithril Capital Management. Тиль был первым бизнес-ангелом Facebook, купив в 2004 году 10,2 % его акций за $500 тыс. и входил в его совет директоров. Основатель одной из самых закрытых компаний мира в области ИИ — Palantir.

;;

«Да, неизбежным результатом роботизации станет сокращение рабочих мест для людей. Однако люди также станут свободнее и смогут посвящать себя другим занятиям».

«Многое сказано о потенциальных опасностях искусственного интеллекта, но я не беспокоюсь о машинах, думающих как люди. Я переживаю о людях, думающих как машины. Мы должны работать над тем, чтобы внедрять технологии с человечностью и другими ценностями».

Шведский философ, профессор Оксфордского университета, известный своими работами об антропном принципе. Часто появляется в медиа, где рассуждает о вопросах, связанных с трансгуманизмом: клонирование, искусственный интеллект, загрузка сознания, крионика, нанотехнологии и моделируемая реальность.

Niklas Boström Ник Бостром Oxford University

В 1998 вместе с Дэвидом Пирсом выступили основателями Всемирной ассоциации трансгуманистов. Основал Институт Этики и Новых технологий. В 2005 был назначен директором созданного в Оксфорде Института будущего человечества. Возглавляет Центр стратегических исследований искусственного интеллекта.

;;

Американский бизнесмен немецкого происхождения, инвестор и управляющий хедж-фондами. Вместе с Максом Левчиным основал платёжную систему PayPal и был её генеральным директором до продажи в 2002 eBay за $1,5 млрд.

ИЮНЬ 2019

;;

Искусственный интеллект может быть менее человечен, чем пришелец. Нет ничего удивительного, что любого разумного пришельца могут побуждать к действию такие вещи, как голод, температура, травмы, болезни, угроза жизни или желание завести потомство. Искусственный интеллект, по сути, ничто из перечисленного интересовать не будет. Можно представить существование искусственного интеллекта, чьей единственной конечной целью будет пересчитать все песчинки на острове Боракай или найти десятичное представление числа π. Самым разумным поступком ребёнка с тикающей бомбой в руках было бы аккуратно положить бомбу на пол, быстро выбежать из комнаты и позвать взрослого. Но что если вся наша комната полна детей и каждый ребенок имеет свободный доступ к пусковому механизму. Шансы, что мы все положим опасную игрушку на пол, крайне малы. Какой-нибудь маленький идиот обязательно нажмёт на кнопку, лишь бы увидеть, что произойдёт.

89

90

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В МИРЕ

Satya Nadella Сатья Наделла Microsoft

генеральный исполнительный директор Microsoft. Закончил Бангалорский университет в Индии по специальности инженер-электрика. После переезда в США получил степень магистра в области компьютерных наук в Университете Висконсин-Милуоки и MBA в университете Чикаго. До прихода в компанию Microsoft в 1992 году Сатья Наделла работал в Sun Microsystems. В Microsoft Наделла начинал с позиции старшего вице-президента R&D-подразделения онлайн-сервисов, затем стал руководителем бизнес-подразделения и «облачных» сервисов. В 2014 Сатья Наделла был назначен главой корпорации Microsoft, заменив Стива Балмера. Наделла сильно изменил Microsoft, в том числе несколькими покупками новых компаний, например LinkedIn и GitHub. Он видит своей задачей внедрить в корпоративную культуру Microsoft ценности постоянного обучения и роста.

;;

Преимущества искусственного интеллекта (ИИ) должны использоваться для того, чтобы научить людей и машины работать вместе, а не создавать конкуренцию между ними.

Ключевые люди в России

08

92

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Ключевые люди в ИИ — аналитический обзор Мы анализируем и обобщаем последние тренды в развитии ИИ и вклад отдельных личностей в развитие ИИ в России в диапазоне 2014– 2018 гг. Мы видим, что есть группа людей, которая оказывает влияние на индустриальное развитие ИИ. Мы называем их «лидерами мнений», однако, мы не нашли метрики, по которой можно было бы измерить «лидерство», поэтому мы предпочитаем говорить о «ньюсмейкерах», которых мы будем оценивать по публикациям в средствах массовой информации и социальных сетях по теме ИИ.

Искусственный интеллект — это будущее не только России, это будущее всего человечества. Здесь колоссальные возможности и трудно прогнозируемые сегодня угрозы. Тот, кто станет лидером в этой сфере, будет властелином мира

Результаты проведенного анализа обобщены в форме «тренд-карт», на которых графически отражены условные позиции людей на мировой арене в области ИИ. Источники данных и методика формирования тренд карт подробно перечислены в приложениях. Эти карты не характеризуют полностью каждого конкретного человека, но помогают выявить направления и общие закономерности развития отрасли, а также косвенно оценить общественный интерес к отдельным направлениям ИИ.

ТРЕНД КАРТА НЬЮСМЕЙКЕРОВ ПУТИН ВЛАДИМИР

Владимир Путин ПОЛИТИКИ Главным ньюсмейкером в этой области безусловно является президент РФ Владимир Путин. Яркая цитата, прозвучавшая 1 сентября 2017 г. сразу стала крылатой и обозначила внимание к проблеме искусственного интеллекта на самом высшем уровне. Это высказывание регулярно цитируют в России и за рубежом. В топ-ньюсмейкеров от политики также вошел Максим Акимов, вице-премьер Правительства РФ, курирующий цифровую экономику. Он регулярно выступает по вопросам искусственного интеллекта и его нормативного регулирования.

АКИМОВ МАКСИМ

ГРЕФ ГЕРМАН УСКОВА ОЛЬГА ЕФИМОВ АЛЬБЕРТ КАСПЕРСКАЯ НАТАЛЬЯ

ВОЛОЖ АРКАДИЙ

ВАСИЛЬЕВ ВЛАДИМИР ВАРЛАМОВ КИРИЛЛ

АГАМИРЗЯН ИГОРЬ

КАСПЕРСКИЙ ЕВГЕНИЙ

АШМАНОВ ИГОРЬ

ЯН ДАВИД СЕМЕНОВ АЛЕКСАНДР МОИСЕЕНКОВ АЛЕКСЕЙ

БУРЦЕВ МИХАИЛ КУЗНЕЦОВ СЕРГЕЙ ХАЙТИН АЛЕКСАНДР

МИНКИН ЮРИЙ

ИВАНОВ ДМИТРИЙ

ХАНИН АЛЕКСАНДР БАКУНОВ ГРИГОРИЙ ПОСТНИКОВ РОМАН

ШУШКИН ДМИТРИЙ

ДЫРМОВСКИЙ ДМИТРИЙ

ВАРЛАМОВ ОЛЕГ

КОВАЛЕВ СЕРГЕЙ

ВЛАСОВА АННА

НЕДЕЛЬСКИЙ ВИТАЛИЙ

БИЗНЕСМЕНЫ Также, как и в мире, в России основные ньюсмейкеры по ИИ — это представители лидирующих компаний. Безусловным лидером мнений бизнеса является Президент, Председатель Правления Сбербанка Герман Греф. Его личная позиция по ИИ сильно влияет не только на Сбербанк, но и на всю индустрию в целом. Сбербанк за последние 3 года сделал колоссальный рывок вперед став, фактически, одним из лидеров ИИ в России. Но главной компанией в российской отрасли ИИ пока остается Яндекс и ее основатель, Аркадий Волож, остается в числе главных ньюсмейкеров в ИИ.

НОВИКОВ ДМИТРИЙ

БЕЛЫЙ ВЛАДИМИР САВИЦКИЙ ПАВЕЛ

МОРОЗОВ АЛЕКСАНДР

ЮЖАКОВ АЛЕКСЕЙ

ЛУКША ПАВЕЛ

МЕЛЬНИКОВА АЛИСА КАРПОВ ВАЛЕРИЙ

КАЛИНИН АНДРЕЙ

ИВАНОВ МИХАИЛ

ПАРАХИН МИХАИЛ

ТЕРЕЩЕНКО ВАДИМ

ДАНИЭЛЯН ТАТЬЯНА

УЛАСЕНЬ СЕРГЕЙ

ПАНОВ АЛЕКСАНДР

ГАВРИЛОВА ТАТЬЯНА

На карте отображены упоминания людей в связи с темой ИИ в СМИ за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ [80]

По вертикальной оси — «Значимость» человека, чем выше точка на карте, тем больше есть значимых сюжетов в СМИ, связанных с ним (значимость сюжета тем выше, чем больше публикаций на эту тему). По горизонтальной оси — «Динамичность», чем правее точ-

ИЮНЬ 2019

ка на карте, тем выше за последние годы рост количества публикаций, связанных с этим человеком в связи с ИИ. Оси отражают не нулевые значения, а медианные по выборке, то есть примерно средние показатели.

Другим ярким лидером мнений является Ольга Ускова, президент Cognitive Technologies. Ее яркие и острые блоги в Фейсбуке читают и цитируют тысячи людей и многие искренне болеют за Cognitive Technologies и ее успехи на международной арене. Еще один яркий предприниматель и визионер международного уровня — Давид Ян, чья компания ABBYY одной из первых в России начала применять технологии, относящиеся к ИИ.

Одной из наиболее упоминаемых тем в контексте ИИ в России является тема безопасности. И безусловными лидерами мнений здесь являются Наталья Касперская, Игорь Ашманов и Евгений Касперский. ОБРАЗОВАНИЕ Самыми значимыми лидерами мнений в образовании являются ректор университета ИТМО Владимир Васильев и вице-президент ВШЭ Игорь Агамирзян. Также, условно, к образованию можно отнести и бизнес-акселератор ФРИИ, который проводит образовательные программы для стартапов. Одной из последних успешных историй ФРИИ стала сделка по продаже стартапа Vision Labs, который купил Сбербанк. Про эту компанию подробно мы расскажем в следующем выпуске альманаха. А директор ФРИИ Кирилл Варламов заслуженно попал в топ-12 лидеров мнений в области ИИ. Как результат нашего анализа, мы сформировали список топ-12 ньюсмейкеров, влияющих на отрасль ИИ и определяющих ее движение. ТОП-12 НЬЮСМЕЙКЕРОВ [80] Топ-12 ньюсмейкеров

Сюжеты в СМИ за 5 лет

1

Герман Греф

158

2

Максим Акимов

87

3

Ольга Ускова

60

4

Альберт Ефимов

45

5

Наталья Касперская

41

6

Аркадий Волож

30

7

Владимир Васильев

30

8

Кирилл Варламов

25

9

Игорь Агамирзян

24

10

Евгений Касперский

18

11

Игорь Ашманов

18

12

Давид Ян

16

93

94

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

ИССЛЕДОВАТЕЛИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ми источниками данных. Мы не включали в подробный обзор русскоязычных исследователей, работающих за границей.

В данном разделе мы рассмотрим исследователей России — тех, кто ведет передовые научные исследования и публикует статьи, связанные с тематикой ИИ. Состояние российской науки и исследователей сложно оценивать используя метрики для зарубежной науки, так как российские ученые значительно меньше публикуются в западных журналах, многие предпочитают публиковать в российских. К тому же, в области ИИ зачастую имеет смысл не публикация в журналах, а публикация в результатах конференции. Как результат — данные для оценки известности и успешности российских ученых сильно хуже по качеству и «зашумлены». Тем не менее, мы также провели эту оценку, пользуясь разны-

Один из источников данных — анализ публикаций и цитирований исследователей с помощью системы iFORA. Для целей настоящего обзора было проанализировано около 200 тысяч публикаций за последние 5 лет. Результаты этого анализа резюмированы в форме «тренд-карты», на которых графически отражены позиции исследователей. Источники данных и методика формирования тренд карт подробно перечислены в приложениях. Эта карта не характеризует полностью каждого конкретного исследователя, но помогает выявить тренды и общие закономерности.

ТРЕНД-КАРТА ИССЛЕДОВАТЕЛЕЙ LEMPITSKY, VICTOR

GANIN, YAROSLAV USTINOVA, EVGENIYA

KRASNOPEVTSEV, D. KOMAR, A. A. ZHEMCHUGOV, A. KHARLAMOV, A. G.

BIAMONTE, JACOB

PUTIN, EVGENY

WICHMANN, SOREN BALDIN, E. M.

KOLOSOV, ALEXEY

VARNEK, A.

Тренд карта отразила многих ведущих ученых, работающих публикаций в отечественных орпроанализировано ганизациях, по тематикам машинного обучения, компьютерного зрения и глубокого обучения. В верхнем правом квартиле обозначились часто публикующиеся и высоко-цитируемые ученые, признанные научным сообществом. Неожиданностью для нас стали «новые звезды», например группа исследователей из Саратовского НИУ под руководством профессора, д.ф.-м.н. Храмова А.Е. Их суммарный вклад по количеству публикаций и цитированию их позволил им в промежутке последних 5 лет опередить на карте науки многих более известных ученых. Это показывает, что региональные научные центры активно разви­ ваются и возможно в скором времени составят сильную конкуренцию признанным «ледоколам» науки.

190 тыс

KOROL, A. A.

BOLDYREV, A. S.

DOLGOSHEIN, B. A. RYZHOVA, MARINA SOLDATOV, E. YU BARANOV, S. P.

АНАЛИЗ КАРТЫ

HRAMOV, ALEXANDER E. MAKSIMENKO, VLADIMIR A.

KUKHTIN, V.

BASKIN, IGOR I.

RUNNOVA, ANASTASIA E. TARKHOV, D. TALANOV, MAX NIKOLENKO, SERGEY MAZZARA, MANUEL IGNATYEV, DMITRY I. ASADULAEV, ARIP KHOLOD, IVAN KRAEV, IGOR FURSOV, VLADIMIR PIKOVSKY, A. PANOV, ALEKSANDR I. ROGOZHNIKOV, ALEX KAZANTSEV, VICTOR DOLENKO, SERGEY SERGEEVA, MARINA SUNGATULLINA, DIANA EFITOROV, ALEXANDER SHOROV, ANDREY V. KUZNETSOV, SERGEI O. MUKHINA, I. V. LITVINOVA, TATIANA RYBKA, ROMAN BUEVICH, ALEXANDER DANILIN, S. N. PETUKHOV, ILYA FOMENKOV, SERGEY LOBOV, SERGEY BURIKOV, SERGEY EVDOKIMENKOV, V. N. NIKIFOROV, MICHAEL B. NIKOLAEV, DMITRY VETROV, DMITRY SAENKO, IGOR KASHEVNIK, ALEXEY

CICHOCKI, ANDRZEJ

DEMIN, V. A.

CHURKIN, DMITRY V. KASHKAROV, P. K. BIKMAEV, I. OSELEDETS, IVAN PODRYABINKIN, EVGENY V. KADURIN, ARTUR ZHAVORONKOV, ALEX BASKIN, I. I. TSAMALAIDZE, Z. EGOROV, K. PIMENOV, D. YU.

OGANOV, ARTEM R.

MATVEYEV, YU.

BELYAEV, N. L.

MAKAROV, VLADIMIR V. LYUBUSHKIN, V.

ZHUKOV, NIKOLAY DRUZHILOVSKIY, D. S.

TUTUBALINA, ELENA BLATOV, VLADISLAV A.

KONONENKO, DANIIL

KUZNETSOV, V. V. SAVCHENKO, ANDREY V. BABENKO, M. G.

KAZANTSEV, V. B. SHOROV, ANDREY KARPOV, ALEXEY SHCHANIKOV, S. A.

DANILOV, M. BANDYOPADHYAY, RAJIB KRYSKO, VADIM A. AHMAD, MUHAMMAD

POPOV, PETR KRZHIZHANOVSKAYA, VALERIA V.

LAVRENTYEVA, GALINA BHATTACHARYYA, NABARUN KHAN, ADIL MEHMOOD MADZHIDOV, TIMUR I. LAPKIN, D. A.

KOROVIN, IAKOV S.

KOCHETOV, KIRILL

На карте отображены наиболее цитируемые исследователи в ИИ за последние 5 лет. Данные и визуализация сформированы системой iFORA, НИУ ВШЭ [81]

По вертикальной оси — «Значимость» человека, чем выше точка на карте, тем больше есть значимых научных публикаций, связанных с ним за 5 лет (значимость публикации тем выше, чем выше ее цитируемость). По горизонтальной оси — «Динамичность», чем правее точка на карте, тем выше за последние годы рост количества публикаций, связанных с этим че-

ПРИЗНАННЫЕ ЛИДЕРЫ И НОВЫЕ ЗВЕЗДЫ

KUDASHEV, OLEG

SHEVCHENKO, ALEXANDER P.

KOTENKO, IGOR

Другой неожиданностью на карте ИИ для нас стал известный российский ученый Артем Оганов, работающий в области новых материалов и кристаллографии. Оказалось, что он активно применяет в своей работе методы машинного обучения и сам создал некоторые новые алгоритмы, которые делают его работу столь успешной и его попадание на карту ИИ совершенно закономерно.

ловеком. Оси отражают не нулевые, а медианные значения для выборки, то есть усредненные показатели. Таким образом справа сверху отображены те исследователи, научная работа которых значима для всего сообщества и количество публикаций растет. Красным цветом на карте отмечены те люди, которых мы рассмотрим подробнее.

Мы проанализировали отрасль ИИ по многим известным источникам (Scopus, Google Scholar, Microsoft Academy) и включили в обзор подроб-

ИЮНЬ 2019

ную информацию по топ-12 исследователям России в ИИ, у которых не только высокий индекс цитирования, но и признанный авторитет в научном сообществе ИИ России. Интересно, что в этот список попали сразу несколько групп исследователей. Во-первых, здесь есть ученые, занимающиеся глубокими фундаментальными математическими исследованиями для машинного обучения — например Иван Оселедец и Дмитрий Ветров. Во-вторых мы видим много классических исследователи ИИ алгоритмов и их применений, таких, например, как Виктор Лемпицкий и Антон Конушин. И, наконец, мы видим и тех исследователей, кто используют алгоритмы машинного обучения для своих конкретных прикладных исследований — например Артем Оганов и Максим Федоров. Будем надеяться, что с каждым годом эта карта будет становиться все более полной и интересной! ТОП-12 ИССЛЕДОВАТЕЛЕЙ [81] Топ-12 исследователей

Цитирований c 2014 по Google scholar

1

Анжей Чихоцкий

38 926

2

Артем Оганов

16 762

3

Виктор Лемпицкий

11 496

4

Сергей Николенко

7 566

5

Александр Храмов

5 260

6

Иван Оселедец

4 264

7

Максим Федоров

3 521

8

Алекс Жаворонков

2 899

9

Дмитрий Ветров

1 245

10

Антон Конушин

894

11

Евгений Бурнаев

758

12

Константин Воронцов

637

95

96

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Исследователи Профессор Центра вычислительной и наукоемкой науки и техники. В настоящее время он работает в области искусственного интеллекта и биомедицинских приложений передовых технологий анализа данных и имеет широкое международное признание.

Анджей Чихоцкий Andrzej Cichocki Сколтех

39 000

цитирований [79]

88

Виктор Лемпицкий Victor Lempitsky

Согласно Скопусу, у него h-индекс 63 с более чем 16 000 цитатами, а по данным Google Scholar у него h-индекс 88 с более чем 39 000 ссылок.

Samsung, Сколтех

Под руководством профессора в СКОЛТЕХ создана новая лаборатория «Тензорные сети и глубокое обучение для приложений в области интеллектуального анализа данных». Выиграл пятый конкурс на получение грантов Правительства РФ на государственную поддержку в 2017-2019 научных исследованиях.

цитирований [79]

Победитель конкурса мегагрантов Минобрнауки.

11 518 45

индекс Хирша [79]

Artem Oganov МФТИ, Сколтех

16,762

цитирований [79]

63

индекс Хирша [79]

Основные работы в области теоретического дизайна новых материалов, изучения состояния вещества при высоких давлениях, разработки методов предсказания структуры и свойств вещества. Предсказанные им сверхтвёрдая структура бора, прозрачная фаза натрия, новый аллотроп углерода, стабильные соединения гелия и натрия, стабильность MgSiO3 пост-перовскита в мантии Земли и предсказание «запрещённых» соединений (таких, как Na3Cl, не вписывающихся в традиционные представления химии) были впоследствии подтверждены экспериментом и существенно повлияли на фундаментальные знания в материаловедении, физике, химии и науках о Земле. Разработанные Огановым теоретические методы позволяют предсказывать и получать материалы с заданными свойствами. Эволюционный метод предсказания кристаллических структур был положен им в основу программы USPEX, которую используют более 5000 исследователей по всему миру В 2017 г. Оганов Артем Ромаевич вошел в Совет по науке и образованию при Президенте Российской Федерации.

Виктор много писал и работал в качестве члена / рецензента программного комитета для ведущих конференций и журналов по компьютерному зрению (ICCV, CVPR, ECCV, NIPS, TPAMI, IJCV). Он работал региональным председателем конференций CVPR’18, CVPR’15, ICCV’15 и ECCV’12. Он также является соавтором пяти патентов США. Виктор получил награду за лучшую работу на международном симпозиуме по функциональной визуализации и моделированию сердца (FIMH) в 2009 г.

Публикации в конференциях A: NIPS, ICML, ICCV, ECCV, CVPR

индекс Хирша [79]

Артём Оганов

Виктор является доцентом в Сколковском институте науки и технологий и создает группу Computer Vision. Он работал в качестве исследователя в различных местах, включая Яндекс, Оксфордский университет и Microsoft Research Cambridge. Его интересы связаны с компьютерным зрением, визуальным распознаванием и анализом биомедицинских изображений.

Scopus Award Russia 2018 (Computer science).

Самый цитируемый ученый в области ИИ, работающий в России

Профессор Сколтеха, профессор РАН, доктор физико-математических наук, зав лабораторией в МФТИ, выпускник МГУ Артем Оганов входит в число самых известных в мире российских ученых. Работал в университетах Великобритании, Швейцарии, США, и был приглашенным профессором в университетах Италии, Франции, Китая, Гонконга. Наиболее известен работами по созданию методов компьютерного дизайна новых материалов и предсказания кристаллических структур. Forbes включил его в список 10 самых влиятельных учёных российского происхождения.

ИЮНЬ 2019

Сергей Николенко Sergey Nikolenko ПОМИ РАН, НИУ ВШЭ

7 566

цитирований [79]

23

Специалист по машинному обучению (глубокое обучение, байесовские методы, обработка текстов и многое другое) и анализу алгоритмов (сетевые алгоритмы, конкурентный анализ). Автор более 100 научных публикаций, нескольких книг, авторских курсов «Машинное обучение», «Обучение глубоких сетей» и др. Большой опыт сотрудничества с индустрией в области машинного обучения (Neuromation, SolidOpinion, Surfingbird, Deloitte Analytics Institute). Защитил диссертацию на тему «Новые конструкции криптографических примитивов, основанные на полугруппах, группах и линейной алгебре». В основном занимается исследованиями и преподаванием в области теоретической информатики и криптографии, машинного обучения, вероятностного представления знаний и теории экономических механизмов.

индекс Хирша [79]

Руководитель лаборатории нейробиологии и когнитивных технологий Университета Иннополис.

Александр Храмов Alexander Hramov Университет Иннополис

5,260

цитирований [79]

40

индекс Хирша

[79]

Научные интересы: сети и сложные системы, нейродинамика, вейвлетный анализ, хаотическая синхронизация, активные среды, математические методы в нейронауке, эпилепсия, когнитивные процессы, биофизика, нелинейная динамика приборов и устройств СВЧ и ТГц диапазонов, коммуникационные сети, ляпуновские показатели. Регулярно публикуется в ведущих физических научных журналах, в частности, Phys. Rev. Lett., Phys.

Rev. B, Phys. Rev. E, Europhys. Lett., Physics of Plasmas, Chaos, Успехи физических наук, ЖЭТФ, Phys. Lett. A, Appl. Phys. Lett. и другие. В рамках научной деятельности опубликованы совместные научные работы более чем с 40 российскими и зарубежными исследователями. Опубликовано ≈ 200 работ, в том числе несколько монографий в издательствах Springer (Нью-Йорк), Физматлит (Москва), Университетская книга (Москва). Является членом Совета редакторов Chaos, Solitons and Fractals, Коммуникационных и информационных систем и Helyon (Elsevier).

97

98

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Доктор физико-математических наук, associate professor at Skolkovo Institute of Science and Technology, старший научный сотрудник Института вычислительной математики РАН.

Иван Оселелец Ivan Oseledets Сколтех

4 264

цитирований [79]

30

индекс Хирша

[79]

Лауреат премии Президента РФ в области науки и инноваций для молодых учёных за 2018 год. Премия присуждена за создание прорывных вычислительных технологий решения многомерных задач физики, химии, биологии, анализа данных на основе тензорных разложений. Опубликовано свыше 98 работ в высокопрестижных журналах WoS, Scopus, включая публикации в SIAM J. Sci. Comput, Computer Physics Communications. Результаты Оселедца И.В. по тензорным поездам вошли в четвертое издание классического учебника Дж. Голуба и Ч. Ван Лоана по матричному анализу (Matrix computations, Fourth edition, Gene H. Golub and Charles Van Loan, Johns Hopkins University Press, Baltimore, MD, 2013) и три работы автора вошли в список наиболее цитируемых статей в предметной области (согласно Web of Science). Публикации в конференциях A* класса: NIPS, ICML, ICLR, CVPR

Максим Федоров Maxim Fedorov Сколтех

3 521

цитирований [79]

29

индекс Хирша [79]

Учёный, работающий в области искусственного интеллекта, биологии старения, регенеративной медицины и экономики.

Александр Жаворонков Alex Zhavoronkov OOO «Инсилико», Biogerontology Research Foundation

3,000+

цитирований [79]

32

индекс Хирша [79] Профессор, Директор Центра Сколтеха по научным и вычислительным технологиям для задач с большими массивами данных. Кандидат физико-математических наук, Доктор физико-химических наук (обе степени получены в РАН). Руководитель магистерской программы «Наука о Данных» и аспирантской программы « Вычислительные системы и анализ данных в науке и технике» в Сколтехе. Председатель Образовательного Комитета Сколтеха. Основные области научных интересов профессора Федорова — высокопроизводительные вычисления (HPC) и Анализ Больших Данных (Big Data) с акцентом на приложениях ИИ, HPC и Big Data для развития вычислительных молекулярных технологий и биомедицины. В настоящее время руководит рядом проектов по разработке методов ИИ и математического моделирования для поиска и конструирования новых биоактивных молекул и создании новых цифровых платформ для предсказательной молекулярной биомедицины. Активно занимается вопросами ИИ в образовании и руководит разработкой и созданием новых образовательных программ по ИИ, Большим Данным и высокопроизводительным вычислениями. Активно участвует в обсуждении этических вопросов связанных с технологиями ИИ и Больших Данных, в том числе и на международных конференциях высокого уровня. Опубликовал более 100 рецензируемых публикаций и представил более 100 приглашенных докладов и лекций на международных семинарах и конференциях. Некоторые из этих публикаций стали топ-1% цитируемых статей в соответствующих областях. Имеет большой опыт работы за рубежом и участия в глобальных национальных и международных проектах. Является активным членом ряда международных исследовательских и научных обществ.

ИЮНЬ 2019

Он является основателем компании Инсилико в России и Китае и директором Biogerontology Research Foundation, аналитического центра в Великобритании, который занимается изучением вопросов старения. Также он возглавляет International Aging Research Portfolio, репозиторий биомедицинских грантов в открытом доступе. Опубликовал первые работы и развил направление генеративной химии и биологии с использованием генеративного искусственного интеллекта. Регулярно публикуется в журналах групп Nature, Cell и American Chemical Society. С 2012 г. он опубликовал более 120 статей и две книги. До перехода в науку работал на руководящих должностях в компании по разрабокте микрочипов для высокопроизводительных вычислений ATI Technologies (куплена компанией AMD за 9 млрд $). Привлек более 20 миллионов долларов от экспертов в области ИИ и фармакологии из Китая, Сингапура, Австралии, Великобритании, Кореи и США, и открыл исследовательские центры по ИИ в Johns Hopkins University в США, в Оксфорде, Тайпее, Гонконге, Шанхае и Сколково. Александр Жаворонков является приглашенным профессором в The Buck Institute for Research on Aging и приглашенным профессором Московского физико-технического института.

Кандидат физико-математических наук: Московский государственный университет им. М.В. Ломоносова, специальность 01.01.09 «Дискретная математика и математическая кибернетика», тема диссертации: Влияние устойчивости алгоритмов классификации на точность их работы.

Дмитрий Ветров Dmitriy Vetrov НИУ ВШЭ, Samsung

1 244

цитирований [79]

15

индекс Хирша [79]

Специалитет: Московский государственный университет им. М. В. Ломоносова, специальность «Прикладная математика и информатика». Почетная грамота Высшей школы экономики (декабрь 2015). Золотая медаль Российского отделения Европейской академии за цикл научных работ по байесовской регуляризации и выводу в графических моделях (декабрь 2012). Стипендия Президента РФ для ведущих молодых ученых (июнь 2012). Область научных интересов: Нейробайесовские модели машинного обучения, нейронные сети, компьютерное зрение. Имеет ряд публикаций на ведущих мировых конференциях ранга A* и А: NeurIPS, ICML, AISTATS, ICCV, ACL, EMNLP, UAI, CVPR.

99

100

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Доцент Факультет компьютерных наук / Департамент больших данных и информационного поиска.

руководитель лаборатории Машинного интеллекта МФТИ, в.н.с. ФИЦ «Информатика и управление» РАН (ранее Вычислительный центр им. А.А. Дородницына РАН), директор по науке ООО «Айтея».

Академический руководитель образовательной программы: Прикладная математика и информатика.

Антон Конушин Anton Konushin НИУ ВШЭ, Samsung

894

цитирований [79]

15

индекс Хирша [79]

Кандидат физико-математических наук: Институт прикладной математики им. Келдыша , специальность 05.13.11 «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей». Специалитет: Московский государственный университет им. М. В. Ломоносова, факультет: Вычислительной математики и кибернетики, специальность «Прикладная математика и информатика». Интересы: Компьютерное моделирование реальности. Виртуальная реальность Распознавание образов. Обработка изображений Программная реализация интеллектуальных систем Нейронные сети.

Evgeny Burnaev Сколтех, ИППИ РАН

758

цитирований [79]

15

индекс Хирша [79]

Константин Воронцов Konstantin Vorontsov МФТИ, ФИЦ ИУ РАН

637

цитирований [79]

15

Окончил Московский физико-технический институт по специальности «инженер-математик» (1994), к.ф.-м.н. (1999), д.ф.-м.н. (2010), профессор РАН (2015). Ведёт теоретические исследования и прикладные разработки в области анализа данных, распознавания образов, машинного обучения с 1992 г. Имеет более 100 научных публикаций. Ведёт активную преподавательскую деятельность. Автор известного курса лекций по машинному обучению (МФТИ, ВМК МГУ, ШАД Яндекс). Под научным руководством К.В.Воронцова защищено около 200 выпускных квалификационных работ, 14 кандидатских диссертаций.

|| Благодарность Высшей школы экономики.

Области научных интересов: интеллектуальный анализ данных, комбинаторная теория надёжности обучения по прецедентам, разведочный информационный поиск, вероятностное тематическое моделирование, обработка текстов естественного языка.

|| Благодарность Факультета компьютерных наук НИУ ВШЭ.

Персональная страница: www.MachineLearning.ru/wiki?title=User:Vokov

Достижения и поощрения:

Евгений Бурнаев

ИЮНЬ 2019

Доцент Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных, канд. физ.-мат. наук. В 2006 г. получил степень магистра прикладной физики и математики МФТИ. После защиты диссертации в 2008 г. работал в ИППИ РАН руководителем лаборатории интеллектуального анализа данных и предсказательного моделирования. С 2007 г. принимал участие в ряде проектов с такими компаниями, как Airbus, SAFT, IHI, Sahara Force India Formula 1 team, и др. В настоящее время Евгений руководит научной группой Advanced Data Analytics in Science and Engineering в Сколтехе и специализируется на приложениях в области индустриальной инженерии и разработке методов машинного обучения для этого. В частности, разработывает алгоритмы глубинного обучения для 3D компьютерного зрения и предиктивной аналитики, проводит анализ теоретических свойств разработанных алгоритмов. В 2017 г. Евгений Бурнаев стал лауреатом премии Правительства Москвы молодым ученым в номинации «Передача, хранение, обработка, защита информации» за научный вклад и руководство проектом «Разработка методов предсказательной аналитики в задачах обработки индустриальных, биомедицинских и экономических данных».

индекс Хирша [79]

101

102

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Ньюсмейкеры

Герман Греф Herman Gref Сбербанк

Герман Греф занимает пост Президента, Председателя Правления Сбербанка с ноября 2007 г. До прихода в Сбербанк с 2000 по 2007 г. был Министром экономического развития и торговли Российской Федерации. Перед этим Герман Греф занимал ряд руководящих должностей в органах федеральной и региональной государственной власти. Герман Греф окончил юридический факультет Омского государственного университета по специальности «Правоведение», аспирантуру юридического факультета Санкт-Петербургского государственного университета, является кандидатом экономических наук.

Известный российский предприниматель, основатель и президент ГК Cognitive Technologies. В 1992 г. создала компанию Cognitive Technologies. Через год компания заключила контракт по поставке OCR Cuneiform с Corel Corp. А через 2 года все сканеры HP в России комплектовались ПО Cognitive Technologies.

Ольга Ускова Olga Uskova Cognitive Technologies

«У ИИ много преимуществ. С его помощью мы можем обрабатывать огромные объёмы информации, извлекая знания, что помогает повышать скорость и качество принимаемых решений, улучшать клиентский опыт – это особенно важно в бизнесе. При этом ИИ способен самообучаться и принимать решения — этим он отличается, например, от простой автоматизации. Только с ИИ мы можем сделать уникальные продукты, персонализированные для наших клиентов с учетом их потребностей».

Maxim Akimov Заместитель Председателя Правительства РФ

;;

Искусственный интеллект – это и возможность, и опасность. Разработки в области искусственного интеллекта ориентируются на базовые этические принципы робототехники, то есть не могут причинять вред человеку. И если появятся какие-либо риски, то в России и во всем мире нормы безопасности в сфере искусственного интеллекта будут усилены на государственном уровне, чтобы не причинить вред не только людям, но и животному миру и экологии. Я считаю, что за искусственным интеллектом – будущее, но всё зависит от нас с вами.

Мы живем в смешанном обществе людей и роботов. Это революционный период, когда старые законы уже не действуют. В обозримом будущем искусственный интеллект уберет из многих бизнес-процессов посредников: копирайтеров, водителей, рекламистов, аналитиков и т.д., оставив себе решение рутинных задач. Пользователь будет замкнут с производителем напрямую в новых направлениях беспилотного транспорта, таргетного маркетинга, умного страхования, точечного земледелия.... Основная масса населения, по мнению экспертов, уйдет в гейминг. Малоприятная картинка, но она честная. За человеком останется востребованной креативная функция. К этому общество должно быть готово.

Российский технологический предприниматель, менеджер и общественный деятель. В 1991 г. поступил в Уральский государственный технический университет на специальность «Технология машиностроения», а окончил обучение в Университете Брэдли в Пеории в штате Иллинойс, США.

Окончил исторический факультет Калужского государственного педагогического университета им. К.Э. Циолковского.

Максим Акимов

Под ее руководством выпущен первый в мире прототип серийного 4D-радара, начаты проекты по созданию автономного трамвая, беспилотного сельхозтранспорта, производству экспортных решений для умных городов.

В 1994−1996 руководитель компании «Файнарт-аудит». Затем возглавлял комиссию по рынку ценных бумаг Калужской области. С 1998 по 2001 г. заместитель директора департамента экономики и промышленности правительства Калужской области. С 2004 г. на посту министра экономического развития Калужской области. В мае 2004 г. перешёл на работу в Городскую Управу Калуги в качестве первого заместителя Городского Головы. 14 ноября 2004 г. избран Городским Головой Калуги. 22 мая 2012 г. назначен заместителем руководителя Аппарата Правительства Российской Федерации. 18 мая 2018 г. Максим Акимов назначен заместителем председателя правительства Российской Федерации.

С 2008 г. основные бизнес-интересы Ольги лежат в области создания систем ИИ и робототехнических решений. Она является инициатором проекта по созданию системы управления для беспилотного автомобиля Cognitive Pilot, а также выхода Cognitive Technologies на мировой рынок automotive.

;;

Возглавив Сбербанк, он объявил о реформировании компании, с целью сделать банк современной клиентоориентированной организацией. Сейчас в ключевых бизнес-процессах банка применяются технологии искусственного интеллекта. Это позволяет не только сократить продолжительность операций, экономя самый ценный ресурс — время, но и более точно формировать индивидуальные предложения для улучшения клиентского опыта.

;;

ИЮНЬ 2019

Кирилл Варламов Kirill Varlamov ФРИИ

В 2001 г. стал соучредителем и занял должность исполнительного директора компании по разработке программного обеспечения Naumen. С 2013 г. Варламов возглавляет Фонд развития интернет-инициатив, с 2015 — является членом совета и правления Института развития интернета. Более десяти лет руководил успешной российской технологической компанией Naumen. В 2012 г. окончил Московскую школу управления «Сколково», Executive MBA. Входит в состав правления Российского управленческого сообщества.

;; ;;

Если говорить про технологии, то это по-прежнему машинное обучение, искусственный интеллект и большие данные. Рынок этих проектов далек от насыщения, и буквально в любую нишу, куда ни ткни, особенно это касается сельского хозяйства, ЖКХ, транспорта, — там очень большое поле для деятельности именно в области больших данных и искусственного интеллекта. Если брать уровень движков и машинного обучения, я бы не сказал, что наши наработки уступают. Мы не умеем делать маркетинговый продукт и создавать на его базе большие компании – это правда. Если говорить честно, то главное, что мы умеем в России блестяще «производить» – это человеческий капитал.

103

104

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

Альберт Ефимов Albert Efimov Лаборатория робототехники Сбербанка

Руководитель Лаборатории робототехники Сбербанка, имеет более чем 25-летний опыт работы, исследований и руководства в высокотехнологичных проектах. В 1992 г. окончил факультет кибернетики МИРЭА, в 2003 г. – магистратуру University of Strathclyde. В 2012 прошел обучение в летней школе робототехники в Imperial College of London, а в 2016 закончил аспирантуру Института мировой экономики и международных отношений РАН. До прихода в Сбербанк Альберт работал в Фонде «Сколково» с момента его основания, где в 2014 г. создал и возглавил первый в стране робототехнический центр. Благодаря работе центра в настоящее время только в Сколково собрано более 100 различных стартапов в области интеллектуальной робототехники, искусственного интеллекта и автономных транспортных средств.

;;

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Российский учёный, ректор Университета ИТМО, доктор технических наук, профессор. Вице-президент Российского союза ректоров.

Владимир Васильев Vladimir Vasilyev Университет ИТМО

В том, что касается искусственного интеллекта, мы в России находимся на хороших позициях, на уровне Китая и Европы. Это неплохая стартовая позиция. Я приглашаю всех, кто занимается бизнесом на искусственном интеллекте, поучаствовать в этом. Карта позволит командам узнать друг о друге, стыковать технологии внутри.

Natalya Kasperskaya InfoWatch

В 1974 г. окончил Ленинградский политехнический институт им. М. И. Калинина (ЛПИ) по специальности «Теплофизика». В 1991 г. основал и возглавил кафедру компьютерных технологических систем в Ленинградском институте точной механики и оптики (ныне – Университет ИТМО). В 1993 г. назначен первым проректором. С 1996 г. занимает должность ректора вуза. Под руководством Васильева были разработаны и внедрены новые системы управления и сопровождения спутниковой связи, передачи данных локальными и глобальными сетями. Действительный член и член-корреспондент ряда отраслевых и международных академий. Основоположник научно-педагогической школы университета «Компьютерные, сетевые и телекоммуникационные технологии». Руководитель проектного офиса «Умный Санкт-Петербург».

;;

Наталья Касперская

Российский предприниматель в сфере информационных технологий, генеральный директор группы компаний InfoWatch, сооснователь компании «Лаборатория Касперского». В 1989 г. окончила Факультет прикладной математики МИЭМ. имеет степень бакалавра бизнеса Открытого университета Великобритании. С сентября 1994 г. Наталья возглавляла отдел распространения антивируса AntiViral Toolkit Pro (AVP). В июне 1997 г. стала инициатором появления Kaspersky Lab., настояла на таком её названии и более 10 лет проработала генеральным директором этой компании. С октября 2007 г. Наталья Касперская является генеральным директором и владелицей контрольного пакета акций InfoWatch. Сегодня InfoWatch превратилась в группу компаний из нескольких дочерних предприятий, сгруппированных по двум направлениям — защита корпораций от внутренних угроз и от целевых атак извне.

;;

Я не верю, что искусственный интеллект начнет мировую ядерную войну. Искусственный интеллект — это производство людей. Он выполняет программу, которую заложили люди. Но есть ли уверенность, что люди закладывают позитивные программы. Многие глобальные корпорации пытаются добиться мирового доминирования любой ценой. Им не интересно нести благо для всех в мире. Им интересно упрочить свои позиции. Это представляет мощный глобальный риск, над которым надо внимательно задуматься.

ИЮНЬ 2019

Я думаю, что в 2035 г. будут популярны те профессии, которых пока не существует. Искусственный интеллект в ближайшие десятилетия возьмет на себя значительную часть рутинной работы на производстве и в сфере услуг, в которой сегодня задействовано много людей. Соответственно, увеличится потребность в специалистах по киберфизическим системам, по безопасности этих систем для человека, по их интеграции в существующую инфраструктуру. Соответственно, востребованы будут специалисты, деятельность которых связана с созданием и использованием киберфизических систем, обеспечением безопасности передачи данных в таких системах и интеграции их с человеком, робототехникой и искусственным интеллектом. Важно, что компетенции данных специалистов будут смещаться из логической, детерминированной области в эвристическую — ту, где во главе будет творчество, гуманизация, интердисциплинарность.

Сооснователь и генеральный директор группы компаний «Яндекс». Высшее образование получил в Институте нефти и газа имени И. М. Губкина, который окончил в 1986-м по специальности «прикладная математика». Занимался исследованиями в области обработки больших объемов данных в Институте проблем управления (ИПУ) АН СССР.

Аркадий Волож Arkady Volozh Яндекс

В 1997 г. за $10 000 Волож купил 3 сервера с материнскими платами емкостью в 1 Гб, на которых поместилось все проиндексированное содержимое Рунета. В этом же году на технологической выставке, посвященной IP-телефонии, команда программистов представила поисковик «Яндекс». В 1999 г. компания попала в семерку самых популярных русскоязычных сайтов.

;;

Все неуклонно движется к созданию искусственного интеллекта. Сегодня это нейросети, завтра – другие алгоритмы. И все это естественным образом стремится к централизации. И, конечно, вспоминая прочитанные еще в детстве фантастические романы, лично я волнуюсь от мысли, что у такой системы не будет альтернативы. Возможно, мы – одна из таких необходимых альтернатив. Именно поэтому существование такой компании, как «Яндекс», я считаю абсолютным императивом.

105

106

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / КЛЮЧЕВЫЕ ЛЮДИ В РОССИИ

Игорь Агамирзян Igor Agamirzyan

Ведущий эксперт в области компьютерных и информационных технологий, венчурного инвестирования и инновационно-технологического предпринимательства, вице-президент Высшей Школы Экономики. 2009–2016 гг. — Генеральный директор и председатель правления АО «Российская венчурная компания». Профессор факультета компьютерных наук НИУ ВШЭ. В 2017 г. возглавил кафедру менеджмента инноваций НИУ ВШЭ.

;;

НИУ ВШЭ

Многие путают машинное обучение, которое сейчас активно используется для решения задач искусственного интеллекта, и собственно искусственный интеллект. Однако надо понимать, что ИИ — это целый комплекс технологий, а машинное обучение — это один из важных элементов, необходимых для создания полноценного искусственного интеллекта. Если проследить всю технологическую цепочку, то для машинного обучения требуется работа с большими объемами данных, а получение «больших данных» (big data) невозможно без коммуникационных технологий, систем хранения и обработки данных. Такова иерархия, на вершине которой располагается ИИ. Действительно, на сегодняшний день «искусственный интеллект» — больше маркетинговый термин, не имеющий формального определения. Однако можно предположить, что его создание все же состоится в обозримом будущем, сначала, очевидно, в виде специализированных систем для решения конкретных задач.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Игорь Ашманов Igor Ashmanov Ашманов и партнёры

Российский предприниматель в сфере информационных технологий, искусственного интеллекта, разработки программного обеспечения, управления проектами. Управляющий партнёр, генеральный директор компании «Ашманов и партнёры». Руководил развитием лингвистического модуля ОРФО русской версии Microsoft Office, семьи электронных словарей «МультиЛекс», спам-фильтра «Спамтест» и др. В 1983 г. окончил механико-математический факультет МГУ. В апреле 1995 г., защитив диссертацию по теме «Архитектура и промышленная реализация прикладных лингвистических систем». В 2000–2001 гг. прошёл курс «MBA». В январе 2001 г. Ашманов стал исполнительным директором «Рамблера». При его участии была обновлена команда, разработано и запущено новое поисковое ядро Rambler 2.0, более двух десятков сервисов портала тех лет. В мая 2001 г. Игорь открыл собственную консалтинговую компанию «Ашманов и партнёры», фактически создавшую рынок поисковой оптимизации в России и ставшую одним из основных его игроков.

;;

Евгений Касперский – известный во всем мире эксперт по кибербезопасности и успешный предприниматель, ставший одним из основателей крупнейшей в мире частной компании, занимающейся разработкой защитных решений.

Евгений Касперский Eugene Kaspersky «Лаборатория Касперского»

Изучать вопросы кибербезопасности Евгений начал случайно после обнаружения на своем компьютере вируса Cascade в 1989 г. Специализированное образование в области криптографии помогло ему проанализировать этот вирус, понять его поведение и создать первое в своей жизни компьютерное противоядие. После этого Евгений стал проявлять еще больший интерес к феномену вредоносных компьютерных программ и разработке инструментов защиты от них. Экзотическая коллекция антивирусных модулей, созданных лично Евгением, впоследствии легла в основу антивирусной базы «Лаборатории Касперского». В 1997 г. Евгений вместе с коллегами принимает решение создать независимую компанию – «Лабораторию Касперского». С момента основания компании Евгений возглавлял антивирусные исследования, а в 2007 г. был назначен ее генеральным директором.

;; ;;

Пока настоящего ИИ точно не существует! Искусственный интеллект должен уметь сам учиться, адаптироваться, принимать решения в совершенно новых ситуациях с непонятным набором разноформатных вводных данных. При этом он должен иметь внутреннюю мотивацию и передавать изменения в конструкции своим наследникам. Собственно, именно в момент, когда машины, достигшие интеллектуального уровня человека, научатся делать ещё более умные машины, а те – ещё более умные, и так по экспоненте, и случится взрыв интеллекта и конец истории человечества, как мы её знаем.

ИЮНЬ 2019

Опасаться того, что в нём (прим. искусственном интеллекте) зародится собственный интеллект, и он будет обладать собственной волей, и он восстанет против своих создателей – скорее всего нет. Но стоит опасаться того, что злонамеренные люди научат роботов убивать людей и вообще причинять всякие гадости. Это так уже и есть. Уже давно есть спам-роботы, сообщения которых трудно отличить от человеческого общения…

Давид Ян David Yang ABBYY, Yva.ai

Кандидат физико-математических наук, со-основатель Yva.ai, основатель и председатель совета директоров ABBYY, участник самой активной в Кремниевой долине инвестиционной группы Band of Angels, серийный предприниматель в проектах с применением искусственного интеллекта (AI), основал 12 компаний. Всемирно признанный эксперт, спикер и консультант в области AI, искусственных нейронных сетей, People Analytics, оценки удовлетворенности сотрудников, HR-метрик, HR-стратегии, оценки талантов, workforce analytics, управления эффективностью и организационными изменениями.

«100 лет назад электричество в период индустриальной революции совершенно изменило наше общество. Человеку нужно было научиться перемещать тяжёлые предметы, и электричество предоставило ему такую возможность. Сегодня нам уже не нужно двигать тяжести, а нужно разобраться в том, куда и как их перемещать. Здесь на помощь приходит технология искусственного интеллекта, которая научилась впервые принимать решения, анализируя предыдущий опыт плохих или хороших событий, предсказывать явления в обществе и в мире в будущем, таким образом помогая нам принимать решения. Искусственный интеллект превращает информацию в полезные знания.»

;; ;;

Не стоит ожидать, что искусственный интеллект станет «центральным мозгом»: принятие решений остается за людьми. Именно они должны быть «коллективным разумом» любой организации. Появится ли у нас эмпатия, любовь к искусственному интеллекту? Поразительно, но ответ: «Да». В силу своего генетического устройства люди влюбляются и в кошек, и в собак, и в искусственный интеллект.

107

Ассоциации, сообщества, конференции

09

110

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / АССОЦИАЦИИ, СООБЩЕСТВА, КОНФЕРЕНЦИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Мировые

Конференции

конференции

в России

ИЮНЬ 2019

111

112

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / АССОЦИАЦИИ, СООБЩЕСТВА, КОНФЕРЕНЦИИ

Малые тематические концференции в России

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

113

114

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / АССОЦИАЦИИ, СООБЩЕСТВА, КОНФЕРЕНЦИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Ассоциации и сообщества в России

Описание: Ассоциация разработчиков и пользователей искусственного интеллекта в медицине для ускоренного внедрения передовых технологий ИИ в клиническую практику

Российская ассоциация искусственного интеллекта (РАИИ)

Деятельность: организует национальные конференции по искусственному интеллекту, постоянно действующие семи-

нары, совместно с РАН издаёт журнал «Искусственный интеллект и принятие решений».

280

Деятельность: проводит Всероссийскую конференцию «Нейроинформатика», участвует в организации международ-

Контактные данные: secret@raai.org

Описание: инновационный центр, в котором обеспечиваются особые экономические условия для компаний, работающих в приоритетных отраслях модернизации экономики России, в том числе в ИИ. Есть сообщество ИИ компаний.

Сайт: www.raai.org

~200

Президент: Шумский Сергей Александрович

Сайт: www.niisi.ru/iont/ni

Деятельность: помощь участникам в привлечении финансирования, ускорение внедрения инновационных разработок, изменение нормативной до-

Руководитель: Иващенко Андрей Александрович Контактное лицо: Орлов Дмитрий Владимирович, orlov.dv@rusneuro.net Сайт: www.rusneuro.net

Руководитель: Зингерман Борис Валентинович Контактные данные: info@nbmz.ru Сайт: www.nbmz.ru

Деятельность: предоставляет место и необходимый сервис для инновацион-

ных компаний, чтобы они успешно развивали свои технологические активы и корпоративную структуру.

>1 900 компаний [84]

Руководитель: Игорь Дроздов Контактное лицо: Павел Кривозубов, PKrivozubov@sk.ru Сайт: www.sk.ru

НЕЗАВИСИМЫЕ ИНИЦИАТИВНЫЕ СООБЩЕСТВА

Контактные данные: i.a.i.a@mail.ru

кументации, популяризация научных и технических достижений среди молодежи.

численность [82]

численность [82]

Open Data Science

Отраслевой Союз НейроНет Описание: Объединение при рабочей группе НейроНет НТИ — объединение технологических и бизнес лидеров в области нейротехнологий с целью развития в России рынка нейротехнологий.

300

Сколково

Президент: Осипов Геннадий Семёнович

ных конференций. Представляет интересы России в международных организациях по нейронным сетям.

Деятельность: обеспечение равного доступа для российских разработчиков к биомедицинским данным, создание экспертной среды, работа по изменению нормативной документа-

ции, практическая апробация российских разработок в области искусственного интеллекта и машинного обучения в здравоохранении.

численность [82]

Российская ассоциация нейроинформатики Описание: межрегиональная общественная организация содействия развитию нейроинформатики. Создана специалистами республик СССР как сообщество по нейронным сетям.

115

Национальная база медицинских знаний (НБМЗ)

АКАДЕМИЧЕСКИЕ АССОЦИАЦИИ

Описание: всероссийская творческая профессиональная организация — создана на основе Советской ассоциации искусственного интеллекта.

ИЮНЬ 2019

~1 000

численность [83]

Описание: Международное сообщество, объединяющее специалистов, исследователей и инженеров, связанных с Data Science. Собирает начинающих и продвинутых data-scientistов и разработчиков.

ных, открытые образовательные курсы. Поиск подрядчиков и команд.

Деятельность: Data Fest — серия конференций, соревнования по анализу дан-

Сайт: www.ods.ai

Руководитель: Алексей Натекин Контактное лицо: Алексей Натекин

>5000 человек [85]

116

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / АССОЦИАЦИИ, СООБЩЕСТВА, КОНФЕРЕНЦИИ

AI Community Описание: Сообщество разработчиков продуктов и сервисов в индустрии искусственного интеллекта. Основной фокус — NLP, чат-боты. Деятельность: Организация мероприятий: митапы, конференции, хакатоны, конкурсы по анализу данных. Поиск

контрагентов для выполнения задач. Руководитель: Павел Доронин

5 000+

численность [82]

Контактное лицо: Павел Доронин, m.me/pavdor Сайт: www.ai-community.com

ScienceGuide Описание: Сообщество разработчиков продуктов и сервисов в индустрии искусственного интеллекта. Основной фокус: прикладное применение технологий машинного обучения с целью создания новых коммерческих продуктов и сервисов.

циплинарных конференций, митапов и хакатонов. Поиск подрядчиков и команд для решения задач в ИИ.

Деятельность: Организация кроссдис-

Сайт: www.vk.com/scienceguide

≈2 100

численность [86]

Руководитель: Коновалова Евгения Контактное лицо: Коновалова Евгения, info@sci-guide.com

OpenTalks.AI Описание: Сообщество профессионалов в ИИ, выросшее из независимой открытой конференции по ИИ. Собирает топ-профессионалов из бизнеса и науки. Деятельность: Организация конференций и семинаров. Проведение конкурсов и питч-сессий. Разработка аналитиче-

ских отчетов. Поиск подрядчиков и команд.

≈1000

численность [82]

Организатор: Игорь Пивоваров Контактное лицо: Северов Илья, manager@opentalks.ai Сайт: www.opentalks.ai

AI think tank Описание: закрытый клуб топ-профессионалов и визионеров по искусственному интеллекту. Деятельность: регулярные встречи экспертов, анализ текущего состояния отрасли, обсуждение стратегии бизнеса в

области ИИ и России. Организатор: Игорь Пивоваров Контактное лицо: Северов Илья, manager@opentalks.ai Сайт: www.opentalks.ai/thinktank

≈20

человек [82]

Стратегии в области ИИ

10

118

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ ОСНОВНЫХ СТРАН В ОБЛАСТИ ИИ

Цифры ИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

[87]

Великобритания Канада

392

329

Компаний

Компаний

285

128

Компаний

Заявки на AAAI

69

18 892

Заявки на AAAI

16 601

РФ

Н/д

Заявки на AAAI

10 258

Патенты

Патенты

7 998

Патенты

4 228 AI experts/talents

4 700

AI experts/talents

AI experts/talents

38 355

11 274

Публикации

Публикации

23 362

Япония

Публикации

40 Компаний

99 Заявки на AAAI

129 667 Патенты

3 117 AI experts/talents

30 409 Публикации

Китай 1 011

США

Компаний

1 242

2 028

Индия

Компаний

934

Заявки на AAAI

55 385

Заявки на AAAI

152

Патенты

358 086

Компаний

18 232

Патенты

76

AI experts/talents

28 536

Заявки на AAAI

176 463

AI experts/talents

9 090

Публикации

125 011

Патенты

Публикации

17 384 AI experts/talents

54 806 Публикации

119

120

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

Карелов Сергей Основатель и Chief Technology Officer компании Witology, председатель Лиги независимых IT-экспертов, эксперт РСМД

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ными двух глобальных трансформационных трендов, которые можно условно назвать || ИИ-национализм || ИИ-национализация

Появление этих трендов привело к тому, что многие развитые страны при создании своих национальных ИИ-стратегий синхронно стали менять отношение к двум базовым принципам, ранее казавшимся незыблемыми: || вместо всестороннего международного со-

ИИ-национализм и ИИнационализация — обзор стратегий ИИ разных стран Анализ влияния технологий ИИ на геополитику Технологическое неравенство и раньше сильно влияло на мировую политику и экономику. Самые технологически продвинутые государства становились самыми экономически успешными, они обретали неоспоримое военное превосходство и начинали диктовать свою волю менее развитым странам. В ХХ в. две мировые войны и немыслимое уско-

рение научно-технического прогресса еще более усилили это влияние. А с приближением третьей декады ХХI в. лавинообразный рост возможностей машинного обучения заставил говорить о спектре IT технологий, объединенных метафорическим обозначением «Искусственный интеллект» (ИИ) как о ключевом факторе экономического, геополитического и военного могущества ближайших десятилетий.

ИИ как геополитический фактор 2018 г. стал переломным. Ранее основное внимание СМИ, общества и политиков при обсуждении будущих угроз и вызовов развития ИИ было направлено на: грядущее вытеснение людей из многих профессий когнитивными агентами ИИ (роботами и программами); || правовые и этические проблемы автоном-

ных ИИ-устройств (например, беспилотных авто);

|| проблемы кибербезопасности; || пугающе манящую перспективу то ли дале-

кого, то ли не очень «бунта машин». Однако в 2018 г. всё вдруг начало меняться. Перечисленные выше угрозы и вызовы не то чтобы исчезли, но потускнели на фоне происходящего осознания политиками и воен-

трудничества, глобального разделения труда, внедрения открытых платформ и взаимного перетекания талантов, делается ставка на ИИ-национализм, декларирующий главной целью национальных ИИ-стратегий при-

ИЮНЬ 2019

оритет экономических и военных интересов своей страны; || вместо распространенного в развитых стра-

нах разделения государства и бизнеса, взят курс на ИИ-национализацию — интеграцию ресурсов государства и частных компаний, выравнивание скоростей внедрения ИИ-инноваций и рефокусировка стратегических целей на получение государством экономических, геополитических и военных преимуществ на международной арене. Усиление этих трендов способствует смещению государственных приоритетов в развитых странах от экономики к геополитике. И если это продолжится, то в самом недалеком будущем мир довольно сильно изменится.

Краткий техно-геополитический прогноз Во-первых, поменяются геополитические и военные доктрины большинства развитых стран. Произойдет кардинальная трансформация многих экономико-политических процессов, объединяемых понятием глобализация. Не исключено, что глобализация, резко ускорившаяся вслед за взрывной динамикой развития технологий после Второй мировой войны, ИИ-технологиями будет вообще остановлена. И тогда на смену глобализации придет «глобальная балканизация». Во-вторых, не менее сильно скажется изменение модели сосуществования государства и бизнеса. Интеграция целей и ресурсов государства и частного бизнеса для достижения военного превосходства, скорее всего, приведет ко всемирному торжеству авторитарно-демократической модели интеграции интересов частного бизнеса и государства, уже взятой Китаем на вооружение (в прямом и переносном смысле). В результате главными факторами международных отношений станут: || ИИ-неоколониализм во взаимоотноше-

ниях стран-лидеров и стран-аутсайдеров в ИИ-технологиях;

|| Гонка ИИ-вооружений между странами-ли-

дерами, определяющая и направляющая дальнейшее развитие ИИ-технологий.

У такой гонки возможны два варианта окончания: 1. Вариант «Большая война», в результате которой следующая война будет вестись уже камнями и палками.

2. Вариант «AI Сингулярность» (или «приход лесника»), при котором все ускоряемое гонкой вооружений развитие ИИ-технологий породит «сильный» ИИ, а тот поступит, как лесник в анекдоте, устранивший обе соперничающие стороны за ненадобностью. Первый вариант видится куда более вероятным. Однако и второй вариант не исключен. Важно отметить, что с какого-то момента тренды ИИ-национализма и ИИ-национализации станут самораскручивающимися. Другими словами, их поддержание и укрепление, как при всякой гонке вооружений, уже не будет зависеть от степени прогресса ИИ. И даже если прогресс ИИ окажется куда скромнее, чем предполагалось, потребуется немало времени и усилий для преодоления гигантской инерции обоих трендов. В следующих разделах будет представлена аргументация вынесенного в заголовок отправного тезиса о том, что впереди мир ждет именно ИИ-национализм вкупе с ИИ-национализацией. Для обоснования трендов исполь-

121

122

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

зован обширный корпус документов, с полным перечнем которых можно ознакомиться в Приложении 1. На сегодняшний день, насколько известно автору, данное исследование — единственный из опубликованных в сети экспертных анализов, выполненных с учетом настолько обширного и актуального (по состоянию на лето 2018) списка источников.

Но прежде чем приступить к изложению аргументации, считаю необходимым пояснить:

ИИ — это совокупность множества очень быстро развивающихся технологий, позволяющих «умным» машинам (компьютерам и прочим «умным» устройствам) совершать все более «умные» действия и принимать все более «умные» решения на основе доступной им информации. Под более «умными» действиями и решениями здесь подразумеваются такие, которые способствуют достижению поставленных перед машиной целей, по возможности максимизируя пользу и минимизируя вред предпринимаемых действий и выносимых решений. Откуда берутся цели — отдельный вопрос. Считается, что они каким-то образом заложены в машины людьми (например, запрограммированы и встроены в машины), как и оценка пользы и вреда. Приведенное выше обобщенное описание сути ИИ может иметь множество интерпретаций в зависимости от целей, вкладываемых людьми в машины. Вот три наиболее распространенные интерпретации этих целей.

1. В СМИ и соцсетях в качестве цели широ-

ИЮНЬ 2019

ного человеческому. Взамен этого приоритетом для бизнеса стали программно-аппаратные решения:

Третья цель кардинально отличается от первой свои прагматизмом, а от второй — уровнем ставок:

|| максимально универсальные и горизонталь-

|| одно дело проиграть в конкуренции на рын-

|| о каких ИИ-технологиях идет речь; || почему именно этот класс технологий спо-

собен привести к радикальным изменениям в мировой политике.

О каких ИИ-технологиях идет речь «Искусственный интеллект» (ИИ) — всего лишь многозначная метафора, в которую вложено много смыслов. Исследователи, журналисты, эксперты и аналитики дают десятки различных определений этого термина. В данном исследовании предлагается определение, суммирующее большинство распространенных трактовок.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ко распространено стремление к достижению превосходства над возможностями человечества во всех его возможных действиях и решениях. Именно с такой интерпретацией цели связаны всевозможные алармистские сценарии вплоть до «бунта машин».

2. В среде разработчиков, создающих коммерческие ИИ-системы (всевозможные приложения и гаджеты для частных пользователей и разнообразные «умные» ИИ-­ устройства и платформы для госсектора и корпоративного сегмента), под целью понимается достижение превосходства над действиями и решениями усредненных индивидов или групп специалистов с последующей автоматизациейэтих действий и решений, вплоть до (в идеальном случае) полной замены людей.

3. И, наконец, распространенная интерпретация целей среди военных и государственных деятелей — достижение военного и экономического превосходства над другими странами для получения за счет этого максимальной выгоды от своего доминирующего положения. Первая из названных целей — пока лишь предмет дискуссий философов-алармистов, журналистов и социальных медиа. И до тех пор, пока в этом вопросе не появится хоть какая-то определенность по части способов его практического решения, он так и останется лишь предметом горячих, но неплодотворных дискуссий. Вторая из целей — основной предмет современного бизнеса ИИ. Прагматичный бизнес отказался от амбициозных, но туманных планов по воссозданию в машинах интеллекта, подоб-

ные (т.е. применимые почти повсеместно): распознавание образов и речи, их обработка и генерация, интеллектуальная обработка текстов (поиск, перевод, извлечение семантических связей) и т.п. || не только позволяющие создавать все но-

вые и новые «умные» устройства, но и позволяющие встраивать возможности этих решений в постоянно расширяющийся спектр новых приложений, сервисов и бизнес моделей.

ке какого-то нового класса устройств (например, голосовой ассистент) и потерять на этом относительно немного; || другое дело — проиграть в конкуренции

за военное и экономическое превосходство; здесь, в принципе, можно потерять очень много, а иногда — почти все. Но почему именно ИИ может стать ключом к военному и экономическому превосходству? Об этом следующий раздел.

Почему именно ИИ способен радикально изменить мировую геополитику Логика здесь примерно одинакова, что у военных, что у гражданских экспертов, изучающих потенциал влияния ИИ на экономику, международные отношения, национальную безопасность и оборону [88-91].

1. ИИ — это универсальный подход с потенциально неограниченной отдачей.

2. ИИ обладает уникальной привлекательностью не только для бизнеса, но и для государства.

3. ИИ может стать «Святым Граалем» мирового могущества. ИИ — ЭТО УНИВЕРСАЛЬНЫЙ ПОДХОД С ПОТЕНЦИАЛЬНО НЕОГРАНИЧЕННОЙ ОТДАЧЕЙ Неограниченность потенциала отдачи от ИИ определяется тем, что это не просто совокупность многообещающих технологий (коих сегодня не мало), а нечто принципиально иное и небывалое. Это инновационный подход к созданию инноваций в любых областях деятельности человека, так или иначе, связанных с накоплением значительных объемов информации. А с переходом развитых стран к постиндустриальной экономике большие данные (Big

Data) стали накапливаться практически повсюду: в науке, при производстве товаров и услуг, в ходе естественнонаучных и гуманитарных исследований, при решении вопросов экономического и социального устройства общества и пр. И как только у людей появились компьютеры с вычислительной мощностью, позволяющей применять машинное обучение на больших данных, самая бурно развивающаяся область машинного обучения и, в целом AI, — глубокое обучение — превратилась в то, что на Западе называют General-purpose Invention for the Method of Invention. Иными словами, глубокое обучение превратилось в универсальный инновационный метод создания неограниченного множества инновационных методов решений практически любого класса задач, связанных с обработкой больших объемов информации. Похожий пример из истории инноваций в области визуальной информации — оптические линзы, позволившие создавать десятки новых инноваций: от очков, микроскопа и бинокля до кино и смартфона (и то ли еще будет). Еще более релевантный пример — электричество с неограниченным кругом все новых и новых применений, — все более совершенных, эффективных и невообрази-

123

124

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

обещает достижение военного или экономического превосходства над другими странами.

мых: от лампочки, холодильника и телевизора до электропоезда, кардиостимулятора и электромобиля. Таким образом превращение глубокого обучения в General-purpose Invention for the Method of Invention предопределяет гигантский потенциал экономической отдачи ИИ, ограниченный лишь временем и объемами средств, инвестируемых в R&D. И тут нас ожидает второе крайне важное качество ИИ. ИИ ОБЛАДАЕТ УНИКАЛЬНОЙ ПРИВЛЕКАТЕЛЬНОСТЬЮ НЕ ТОЛЬКО ДЛЯ БИЗНЕСА, НО И ДЛЯ ГОСУДАРСТВА

Если же манящее политиков и военных превосходство принимает (в их понимании) абсолютные формы, объемы госфинансирования могут расти лавинообразно. Вот два ярких примера, когда такое уже случалось: Манхэттенский проект создания ядерной бомбы и программа «Аполлон» для осуществления первой пилотируемой высадки на Луну. Оба примера характеризуются тремя отличительными особенностями:

Выше уже отмечался особый подход военных и государственных деятелей к целеполаганию технологического развития. Их главная цель — достижение военного и экономического превосходства над другими странами, обеспечивающего получение максимальной выгоды для государства от своего доминирующего положения. Процесс глобализации в последние десятилетия существенно скорректировал такое целеполагание среди политиков (но не военных). Да и то, лишь в тех областях, где в силу невозможности стать безусловным лидером из-за открытости и информационной прозрачности, международная кооперация оказывается выгодней конкуренции. В свете такого целеполагания мотивация военных и государственных деятелей вкладывать средства в развитие какой-либо новой технологии резко возрастает, если эта технология

|| Невозможность реализации без госфинан-

сирования — проекты слишком дороги и рискованы для финансирования даже самыми крупными из частных инвесторов. || Для достижения критической массы ис-

следований в рамках проекта необходима не конкуренция коммерческих компаний, а объединение их потенциалов при единой координации. || Цель проекта должна затрагивать нацио-

нальные интересы, без чего невозможно превратить ее в национальный приоритет, позволяющий мобилизацию финансовых и интеллектуальных ресурсов всей страны. В обоих примерах объемы финансирования и, соответственно, рост числа работающих на проекты в течение считанных лет после их начала росли невиданными темпами, достигая в пиковые годы 0,4% ВВП страны.

Динамика финансирования проектов национального уровня [92] 18 В текущих долларах

16

В долларах 2008 г.

14 12

Следуя этой исторической аналогии, можно предположить, что национальные программы развития ИИ в этом году находятся примерно в районе первого года каждого из проектов: 1942 г., в сравнении с Манхэттенским проектом, и 1960 г., в сравнении с программой «Аполлон». В пользу такого предположения свидетельствует опубликованный 10 мая 2018 г. документ «Summary of the 2018 White House Summit on Artificial Intelligence for American Industry» [91], подготовленный Комитетом по науке и технологиям Белого дома. Согласно этому документу, впервые в истории США: 1. в Бюджетном запросе Президента на 2019 г. [93] ИИ, автономные и беспилотные системы названы приоритетами для НИОКР со стороны Администрации США; 2. в официальной Стратегии национальной безопасности [94] Президента Трампа объявлено об особой важности ИИ для будущего военных сил США; 3. в официальной Стратегии национальной обороны [95] указаны приоритетные обязательства инвестировать в военные приложения автономных вооружений, ИИ и машинного обучения. Включение ИИ в качестве приоритетного направления в эти три весьма важные государственные документы 2018 г. может предвещать скорое превращение ИИ в новый национальный технологический проект США. И тогда, как показывает история Манхэттенского проекта и программы «Аполлон», объемы расходов бюджета на ИИ и связанные с ИИ технологические направления (согласно [96], примерно 7,4 млрд $ в 2017 г.) уже в самые ближайшие годы могут вырасти более, чем на порядок. Тем более, что для этого есть весьма весомый стимул.

10 8

ВОЕННЫЕ ВИДЯТ В ИИ «СВЯТОЙ ГРААЛЬ» МИРОВОГО МОГУЩЕСТВА.

6 4 2 0 Manhattan Project (FY1942-FY1946)

Apollo Program (FY1960-FY1973)

DOE Energy Technology Programs (FY1974-FY2008)

Второй и третий из вышеназванных документов касаются национальных стратегий обороны и безопасности. Да и первый из документов —

ИЮНЬ 2019

Бюджетный запрос Президента — с учетом указанных в нем цифр, говорит исключительно в пользу военных. Единственная статья из классификации федеральных агентств, получившая двузначный рост бюджета (31%) — это статья «Оборона». Целью, как продекларировано в «Summary of the 2018 White House Summit on Artificial Intelligence for American Industry», служит: «Достижение стратегического военного преимущества: Стратегия национальной безопасности Администрации Трампа признает необходимость достижения лидерства в области ИИ, и инвестиции Министерства обороны направлены на достижение этой цели». Принятая в октябре 2017 г. национальная программа NITRD «The Networking and Information Technology Research and Development Program» [97] в поддержку принятого годом раньше стратегического плана «The National Artificial Intelligence Research and Development Strategic Plan» [98] выводит на первое место программу «ArtificialIntelligence Research and Development Task Force», в рамках которой координируются R&D исследования в области ИИ, проводимые 12 основными агентствами (DARPA, DHS, DoD, DOE, NASA, NIH, NIST, NRL, NSA, NSF, ONR, OSTP) и 4 привлеченными агентствами (DOJ, DOT, IARPA, Presidential Innovation Fellows). Лидирующая роль среди агентств принадлежит Министерству обороны (через DARPA) и ЦРУ (через IARPA). Активизация военного лидерства R&D исследований в области ИИ началось еще в октябре 2016 г. созданием «Совета по инновациям в области обороны» (Defense Innovation Board) выпустившего тогда же свой первый набор рекомендаций [99]. Одной из ключевых рекомендаций было создание «централизованной, целенаправленной и обеспеченной ресурсами организации» в рамках Министерства обороны, чтобы «продвигать прикладные исследования в области искусственного интеллекта и машинного обучения».

125

126

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

американских военных в прошлом (например, высокоточное оружие), распространились по миру вследствие глобализации и передачи технологий. В результате страны — конкуренты США развили собственные возможности, которые все больше бросают вызов американскому военному превосходству.

Недавно Пентагон трансформировал эту рекомендацию в реальность. 27 июня 2018 г. заместитель министра обороны Патрик Шэнахэн опубликовал меморандум [100], в котором официально объявлялось о создании Объединенного центра искусственного интеллекта Министерства обороны (JAIC). Согласно меморандуму, главная цель JAIC — ускорить разработку военных решений на основе AI, масштабировать применение инструментов AI и синхронизировать усилия участников AI исследований и разработок. На эти цели JAIC планирует израсходовать в ближайшие 6 лет 1,7 млрд $.

«Это начало очень, очень большой программы, которая затронет всех», — так прокомментировал открытие JAIC председатель «Совета по инновациям в области обороны» США Эрик Шмидт, бывший руководитель Google и Alphabet, где он остается Technical Advisor. Секрет такой активизации военных США вокруг ИИ прост. После окончания холодной войны США располагали практически непревзойденным статусом сверхдержавы. Важнейшим фактором в этом было ее неоспоримое военно-технологическое превосходство. Тем не менее, технологии, которые лежали в основе обороны

Министерство обороны США, чтобы сохранить и расширить свое военное преимущество в будущем, сделало ставку на ИИ-технологии, потенциальное применение которых в военной области весьма разнообразно: от повышения эффективности логистических систем к более чувствительным задачам, таким как автоматическое управление и контроль в современных системах вооружения. Стратегия национальной обороны 2018 г. предполагает, что ИИ, скорее всего, изменит характер войны. И потому, по словам замминистра обороны Патрика Шэнахэна, Соединенные Штаты «должны стремиться к применению ИИ с дерзновением и готовностью» [100]. Так что есть основания предположить, что прошлогодний призыв Эрика Шмидта к осознанию того факта, что «”момент спутника” в области ИИ уже наступил», вроде как, наконец дошел до правительства США. Так что, похоже, что «момент спутника» подкрался незаметно.

March: PanCanadian Al Strategy

May: Al Singapore Announced

October: Al Strategy 2031

December: January: Finland's Al Budget for Al Strategy Taiwan

March: Al at the Service of Citizens

April: First Workshop for Strategy

April: UK Al Sector Deal

2017

March: Al Technology Strategy

July: Next Generation Al Plan

May: White House Summit on Al

May: June: Towards Sweden's Al an Al Strategy Strategy in Mexico

Fall 2018: EU's Al Strategy

2018

December: Three-Year Action Plan

January: January: Blockchain and Strategy for Al Task Force Digital Growth

2018 — год великого ИИ-перелома Так уж получилось, что ощущение «момента Спутника» испытало в 2018 г.не только правительство США. Число стран, продекларировавших национальную стратегию развития ИИ, выросло по сравнению с 2017 г. более чем в три раза. В 2017 г. энтузиасты ИИ (Япония, Канада и Сингапур) открыли марафон подписания национальных ИИ-стратегий. Следом за ними, сразу орудиями главного финансового калибра, вступил один из двух претендентов на мировое лидерство в области ИИ — Китай. Ну а в 2018 г., не дожидаясь конца года, гораздо проще сказать, кто еще не опубликовал свою национальную стратегию в области ИИ, поскольку Британия, Германия, Франция и еще дюжина стран свои стратегии уже представили. Краткое описание деталей и специфики каждой из нацстратегий можно прочесть в [101], а на следующем после статьи развороте можно увидеть резюме «великолепной девятки» (США, Китай, Франция, Великобритания, Герма-

March: April: France's Al Communication Strategy on Al

May: Australian Budget

Термин ИИ-национализм стал популярным после июньской публикации Яном Хогартом одноименного эссе [102]. Хогарт — серийный инвестор в ИИ-ориентированные стартапы и соавтор (вместе с Натаном Бенайхом) лучшего на сегодня, по мнению автора, аналитического материала о текущем состоянии ИИ-технологий. В эссе «AI Nationalism» это понятие определяется так: «Новый вид геополитики, набирающий силу в развитых странах вследствие наблюдаемого в последние годы бурного прогресса ИИ».

May: Al R&D Strategy

June: National Strategy for Al

Fall 2018: Germany's Al Strategy

ния, Южная Корея, Япония, Европейский союз), содержащее гиперссылки на основные релевантные документы по каждой из стран. Что же объединяет все 20+ национальных видений будущего ИИ, на сегодняшний день уже сформулированных государствами в самых разнообразных формах: от планов и дорожных карт (как у Японии) до «судебных решений», вменяющих своему правительству конкретные поручения (как у Великобритании)? Внимательно изучив весь этот корпус документов, опубликованных по состоянию на конец августа 2018 г, автор выделяет два ключевых тренда, явственно проявляющихся во всех «нацстратегиях»: 1. Курс на ИИ-национализм 2. Курс на ИИ-национализацию Осталось рассказать, что под этим понимается.

ИИ-национализм ПЕРВЫЙ ИСТОЧНИК ИИ-НАЦИОНАЛИЗМА — СВЕРХВЫСОКИЕ ОЖИДАНИЯ.

Страны мира, разработавшие свои национальные стратегии развития AI. Источник www.politicsplusai.com

ИЮНЬ 2019

Это происходит поскольку в ближайшем будущем ИИ может стать ключевым фактором обретения экономического и военного превос-

ходства. Обоснование причин этого уже было рассмотрено в разделе «Почему именно ИИ способен радикально изменить мировую геополитику». Ниже автор резюмирует и развивает ключевые моменты. Будучи универсальным технологическим подходом с потенциально неограниченной отдачей, в котором (помимо очевидных экономических плюсов) военные видят еще и Святой Грааль мирового могущества, ИИ порождает новый вид нестабильности на национальном и международном уровнях, вынуждая правительства развитых стран действовать, чтобы не оказаться среди проигравших в этой новой для мира конкуренции за обладание ИИ-превосходством. Эта конкуренция уникальна и не похожа ни на что в прошлом, включая конкуренцию за обладание ядерной бомбой и межконтинентальными ракетами.

127

128

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

Уникальность ИИ определяется тремя факторами — экономическим и двумя военными.

1. Универсальность инструментария ИИ как средства повышения эффективности практически во всех постиндустриальных отраслях и видах деятельности (наиболее близкий пример такой универсальности — повсеместное внедрение электричества); 2. Базирующееся на прошлом военном опыте предположение о высочайшем потенциале ИИ для революционных прорывов, || как в создании абсолютно новых воен-

но-технологических комплексных классов решений (типа комплекса способов снижения заметности боевых машин в радиолокационном, инфракрасном и других областях спектра обнаружения — стелс-технологий), || так и в построении на основе ИИ кардиналь-

но более совершенных систем военной осведомленности и управления военной логистикой и непосредственно боем на всем театре военных действий (включая смену привычных парадигм для тех или иных видов войск, как, например, произошло с превращением авианосца из транспорта для самолетов разведки и наведения палубной артиллерии в плавающий аэродром, супер-эффективно решающий самостоятельные военные задачи).

3. Предполагаемая возможность (еще не доказанная, но принимаемая многими военными всерьёз) решения проблемы ядерного сдерживания в свою пользу (по старой ковбойской мудрости, что главное — умение выстрелить быстрее противника). Названные факторы в значительной мере гипотетические. Они нисколько не отражают реальные возможности уже достигнутого уровня ИИ-технологий, сколько являются их экстраполяцией в ближайшее будущее, при условии сохранения текущих темпов развития ИИ-технологий. Но это вовсе не мешает им утверждать, что мир находится на пороге новой сингулярности — военной. То, насколько серьезно к этому относятся лидеры гонки в области ИИ — США и Китай — иллюстрирует отчет CNAS «Battlefield

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Singularity» [103]. Поражает не только логика и аналитика отчета, но и гигантский корпус из 334 американских и китайских источников, на которые он ссылается.

ского сплава» интересов и ресурсов частного бизнеса и государственных структур Китая — National Strategy for military-civil fusion (军民融 合) (подробнее см. [105]).

ВТОРОЙ ИСТОЧНИК ИИ-НАЦИОНАЛИЗМА — ТЕХНОЛОГИЧЕСКАЯ ЗАПУТАННОСТЬ.

Таким образом, крайне высокие ожидания небывалой отдачи от ИИ, способной обеспечить превосходство страны на международной арене, наряду с все усугубляющейся технологической запутанностью, стали основными источниками подпитки техно-националистической повестки ряда стран, число которых увеличивается.

Беспрецедентно высокая важность ИИ может сделать политику в этой области ключевым элементом государственной политики. Однако, на данном пути возникает крайне неприятная проблема т.н. технологической запутанности (Technological entanglement), присущей ИИ-технологиям, как никаким другим (подробнее см. в [104]). Под технологической запутанностью понимается возникающее и усиливающееся в процессе глобализации тесное и многогранное сплетение интересов и ресурсов международных компаний в разработке элементов технологий, имеющих двойное назначение (мирное и военное). В результате технологической запутанности понятие технологического суверенитета практически исчезает. Даже несомненный технологический лидер в области ИИ — США в условиях технологической запутанности оказывается в крайне затруднительном положении. || Как могут США сохранять лидерство в ИИ,

предотвращая утечку своих технологий зарубежным конкурентам, если: || технологическим локомотивом США являет-

ся частный бизнес; || международные гиганты частного бизнеса,

такие как Alphabet, в рамках глобализации располагают свои исследовательские лаборатории по ИИ в главном конкуренте в этой области — Китае и нанимают на работу тысячи китайских специалистов; || китайские инвесторы, среди которых круп-

нейшие ИИ-компании Китая, владеют существенными долями во многих самых перспективных в области ИИ компаниях Кремниевой долины; || китайские студенты и аспиранты тысячами

учатся в лучших университетах США. Последним и решающим витком технологической запутанности стало провозглашение Китаем национальной стратегии «военно-граждан-

Потенциальные последствия этого — всевозможные протекционистские действия государств для поддержки своих «национальных чемпионов» в области ИИ, ограничения (а в развитии и возможный запрет) на передачу патентов, открытую публикацию исследований и экспорт ИИ технологий, а также ограничения (а в развитии и возможный запрет) на проведение M&A сделок, свободный переток инвестиций и конечно же талантов, как при обучении, так и в профессиональной деятельности. КТО В АВАНГАРДЕ ИИ НАЦИОНАЛИЗМА || Китай — в рамках национального Плана 13

пятилетки, программы «Artifcial Intelligence 2.0» Плана Научно-технического и инновационного развития 13-й пятилетки, 3-летнего Action Plan for Promoting Development of a New Generation Artifcial Intelligence Industry (2018–2020) — и все это под зонтиком национальной стратегии «военно-гражданского сплава» [105].

|| США — в рамках Стратегии национальной

безопасности [94], Стратегии национальной обороны [95] и Меморандума замминистра обороны от 27 июня 2018 г. о создании Объединенного центра искусственного интеллекта Министерства обороны (JAIC) [100].

| | Индия — в рамках Национальной стра-

тегии развития ИИ, подготовленной для правительства Индии аналитическим центром NITI Aayog [106] и «Дорожной карты развития ИИ для обеспечения обороны и безопасности Индии», подготовленной «Tata Sons» по поручению Министерства обороны.

|| Франция — в рамках (1) объявленного ми-

нистром французских вооруженных сил

ИЮНЬ 2019

Флоренсом Парли резкого увеличении расходов страны на ИИ для развития будущих систем вооружений (1,83 млрд $); (2) парламентского «отчета Виллани» [107], фиксировавшего, что «ИИ теперь является центральным политическим принципом обеспечения безопасности», «поддержки господства над нашими потенциальными противниками» и «поддержки нашей позиции по отношению к союзникам»; (3) дорожной карты изучения возможностей ИИ для вооружений и ее первого этапа — проекта Man-Machine Teaming (MMT). || Великобритания надеется в области ИИ

стать частью военных программ США и в рамках этой кооперации решением Министра обороны в мае 2018 г. открыла AI Lab — единый исследовательско-внедренческий центр ИИ при Defence Science and Technology Laboratory (Dstl).

В качестве главных векторов курса ИИ-национализма все названные страны, так или иначе, продекларировали следующие три политики.

1. Политика, гарантирующая сохранение экономических и военных преимуществ первопроходцев (first mover advantages) ИИ, которыми эти страны себя, не без оснований, считают.

2. Политика препятствования копированию новых ИИ-технологий, и, в первую очередь, тех, что легко воспроизводимы любыми странами, обладающими аналогичным технологическим уровнем.

3. Политика ослабления стимулов международной торговли, автоматически ведущих к распространению ИИ-технологий по миру. Особо отмечается «готовность действовать» всем арсеналом средств госрегулирования, быстро и решительно разрабатывая новые правила и жестко пресекая любые попытки подрыва другими странами покуситься на национальный технологический суверенитет в области ИИ. В заключение этого раздела важно констатировать, что политика ИИ-национализма — это уже не только про ИИ. Это часть общемирового тренда возрождения политики национализма, идущего на смену глобализма.

129

130

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

ИИ-национализация Страх отстать в мировой гонге за превосходство в сфере ИИ породил тренд ИИ-национализма. Однако этим дело не ограничивается. Когда выяснилось, что проводимая Китаем политика интеграции целей и ресурсов частного бизнеса и государства (Military-Civil Fusion) позволила КНР в считанные годы практически догнать ранее недосягаемого мирового лидера в области ИИ — США, стало ясно, что и остальным странам ничего не остается, как пойти тем же путем. Вместо привычного для развитых стран разделения государства и бизнеса, заговорили о преимуществах ИИ-национализации — интеграции ресурсов государства и частных компаний, выравнивания скоростей внедрения инноваций в области ИИ и рефокусировки их стратегических целей на получение государством экономических, политических и военных преимуществ на международной арене. Повестка ИИ-национализации разделяется на: || повестку лидеров гонки ИИ; || повестку аутсайдеров гонки ИИ.

ПОВЕСТКА ЛИДЕРОВ ГОНКИ ИИ — США И КИТАЯ Некоторые эксперты приводят аргументы, что Китай пока что чуть ли не вдвое отстает в области ИИ от США [108]. Однако, комплексный анализ гражданских и военных прорывных технологий Китая [109], результаты слушаний в комиссии United States-China Economic and Security Review Commission [110] и её итоговый отчет Конгрессу США [111], а также новейший отчет по углубленному анализу вооружений Китая [112] зафиксировали примерный паритет в развитии ИИ-технологий США и Китая Выводы этих экспертов [109-112] учитывают, в отличие от весьма качественного, но гражданского отчета [108], три особых фактора:

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ление войсками противника, а не физическое уничтожение танков, кораблей и самолетов».

1. В долгосрочной стратегии развития вооружений Китая автономные беспилотные системы и ИИ обладают высшим приоритетомразвития.

2. Особенности китайской дорожной карты развития ИИ, отдающей высокий приоритет созданию «интеллектуального (智能化) оружия», включив его в перечень 4-х критических технологических областей «strategic frontier» (战 略前沿), в которых ставится цель превзойти американских военных, используя стратегию «leapfrog development» (跨越发) — перепрыгивания через несколько стадий развития.

3. Намерение Китая использовать ИИ для ускорения совершенствования так называемого «козырного оружия» — «accelerate the development of shashoujian (杀手锏) armaments», по иронии судьбы, переводимого на английский как Trump Card. Но речь вовсе не о президенте Трампе, а о т.н. «шатсёшианском вооружении». Термин шатсёшиан (杀手锏) может быть переведен по-разному: в переводе на английский — это «козырь» или «булава убийцы», а на русский — «киллер». Термин ссылается на китайскую легенду, в которой шатсёшиан использовался для неожиданного выведения из строя более сильного врага с помощью хитрого трюка (типа пращи, которой Давид поразил Голиафа). В свое время председатель Компартии Китая Цзян Цзэминь так использовал термин шатсёшиан: «За что враг больше всего боится, то мы и должны атаковать». С тех пор военная доктрина Китая установила приоритетное развитие «козырного оружия» — шатсёшиан, хитроумно бьющего в самые болезненные уязвимости противника. Ну а ИИ, как оказалось, очень при таком подходе полезен. Военные США прекрасно осведомлены о ставке Китая на «козырное оружие». Как сказал Роберт Ворк, бывший замминистра обороны США с 2014 по 2017 гг., «китайская стратегия победы — это битва за разрушение систем (systems destruction warfare), поскольку в ней основное внимание уделяется электронно-парализующему воздействию на командование и управ-

Наиболее простым и очевидным примером может быть использование коллективного интеллекта роя микродронов для вывода из строя авианосцев. Другой пример — интеллектуализация ракетного оружия. Здесь перед ИИ ставится цель «качественного расширения возможностей ракет по восприятию внешней информации (感知) и принятию на этой основе решений (决策) в целях итогового выполнения (执行) миссий, «осознавая» (认知) происходящее и проявляя способности к обучению» [113]. По большому счету, как сказал недавно один из высоких чинов Пентагона: «Первая нация, развернувшая на поле боя электромагнитное импульсное оружие, способное отключить вражеские системы управления, изменила бы лицо войны. И далеко не очевидно, что в этой гонке победят Соединенные Штаты». И речь здесь идет ни о чем ином, как объединении возможностей электромагнитного импульсного оружия и ИИ. Подробное описание всего ландшафта потенциальных угроз от приоритетного внедрения Китаем ИИ-технологий в передовые системы вооружений см. в [114]. Пока что США и Китай в области ИИ идут ноздря в ноздрю. Но немало экспертов считают, что максимум через декаду китайский авторитаризм одержит убедительную победу над американской демократией за счет абсолютного доминирования в объеме собираемых данных. Уже сейчас у Китая собрано вчетверо больше данных, чем у США. И этот разрыв растет. Как сказал один из самых осведомленных в вопросах ИИ-противостояния Китая и США специалистов и мой бывший коллега по «Silicon Graphics» Кай-Фу Ли (см. его новую книгу «ИИ Superpowers: China, Silicon Valley, and the New World Order»):

ИЮНЬ 2019

А для глубокого обучения нужно как можно больше данных. И тот, кто обладает бóльшими данными, скорее всего, уже выиграл соревнование. Хотя, как говорил Смок Беллью, «никто не проиграл, пока никто не выиграл», и США так просто не сдастся в гонке ИИ-вооружений. Пока же в ближайшем будущем просматривается дуополия. При этом два мировых лидера в области ИИ — США и Китай — имеют диаметрально противоположные стратегии: || Китайская стратегия — продолжать делать

«ЭТО» во что бы ни стало; || Американская стратегия — всячески препят-

ствовать Китаю делать «ЭТО». Детальное описание, что такое «ЭТО», содержится в [115]. Ну а вкратце речь идет о следующем: 1. Использование протекционистских мер по защите своего рынка от импорта и конкуренции в области ИИ.

2. Спонсируемое государством незаконное или «околозаконное» приобретение интеллектуальной собственности в области ИИ посредством: физической кражи, кибер-шпионажа, нарушения экспортного законодательства США, контрафакции и пиратства.

3. Навязывание или принуждение американских компаний передавать ИИ-технологии китайским компаниям, как правило, в обмен на ограниченный доступ к китайскому рынку.

4. Выкачивание ценной открытой информации непосредственно из первоисточников научных инновационных идей (университеты, лаборатории, исследовательские центры), а также через скупку талантов из всех смежных областей: бизнес, финансы, экспертиза.

5. Господдержка инвестиционной деятельности китайских компаний в перспективные ИИ-технологии за пределами Китая.

На самом деле в ИИ существует лишь одна фундаментальная инновация — глубокое обучение. И всё, что делается сейчас в области ИИ — лишь подстройка глубокого обучения под нужны конкретных прикладных областей.

131

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

ПОВЕСТКА АУТСАЙДЕРОВ ГОНКИ ИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Абсолютное лидерство США и Китая по числу научных публикаций по теме глубокого обучения. Источник:

«В гонке ИИ только США и Китай находятся в выигрышном положении. Остальные страны, может, и имеют большое население, но они не имеют ИИ-технологий уровня тех, какими располагают Google, Tencent, Baidu, Alibaba, Facebook и Amazon. И потому им ничего не остается, как превратиться в поставщиков данных для тех американских или китайских ИИ-компаний, программное обеспечение которых доминирует в их странах…США и Китай, уже обладающие наивысшей мощью в области ИИ за счет огромного объема накопленных ими данных, в дополнение получат еще больше данных от всех стран — аутсайдеров гонки ИИ. Что превратит их в недосягаемых лидеров… бóльшая часть денег, полученных от ИИ, будет поступать в США и Китай. ИИ — это отрасль, в которой сила порождает силу: чем больше данных у вас есть, тем лучше ваш продукт; чем лучше ваш продукт, тем больше данных вы можете собрать; чем больше данных вы сможете собрать, тем больше талантов вы сможете привлечь; чем больше талантов вы можете привлечь, тем лучше ваш продукт. Этот логический круг обладает волшебной силой, а США и Китай уже накопили таланты, долю на рынке и данные, чтобы привести его в движение. Такое глобальное геополитическое будущее вызывает большое беспокойство, поскольку у большинства стран просто не будет выбора, кроме как стать вассальным государством США или Китае: я отдаю вам свои данные и делаю все, что вы пожелаете, а вы взамен помогаете накормить бедных в моей стране».

2012

Вопрос о потенциале и перспективах России несколько сложнее простого отнесения её к аутсайдерам гонки.

2013

Во-первых, теоретически существует сценарий, в котором аутсайдеры могли бы получить преимущество перед лидерами в области ИИ для военных целей. Этот сценарий остался за границами статьи, поскольку в ней не ставилась задача рассмотреть все сценарии, а лишь наиболее вероятные из них. Но, тем не менее, упомянуть сценарий, благоприятствующий аутсайдерам, необходимо, поскольку он прорабатывается и анализируется весьма авторитетными экспертами. Этот сценарий рассматривался в только что вышедшем осеннем тематическом выпуске журнала «Foreign Policy’s Fall 2018», посвященном будущему войны (The Future of War). В статье Michael C. Horowitz «The Algorithms of August», в анализе перспектив такого сценария, Россия выделена в качестве

2014

По словам уже упоминавшегося самого признанного в Китае и США эксперта по ИИ-технологиям Кай-Фу Ли:

«ОСОБЫЙ АУТСАЙДЕР». ПОЗИЦИИ РОССИИ В ГОНКЕ ИИ

Digital Transformation Monitor

ИЮНЬ 2019

«особого аутсайдера» — потенциально способного, подобно Китаю, составить конкуренцию в борьбе за лидерство. Во-вторых, сочетание традиционной российской асимметричности ответов на геополитические вызовы в совокупности с все еще существующим немалым научно-технологическим наследием СССР могут иметь вполне серьезные последствия на стыках технологий ИИ с новыми классами вооружений (от гиперзвука до систем электронного подавления сигналов). А ведь есть еще стык ИИ с квантовыми вычислениями и кое-что еще, что может принципиально изменить расклад военных сил в ближайшем будущем. Так что с Россией всё не так однозначно. И это заслуживает отдельного экспертного анализа, поскольку даже лучшие из существующих работ на эту тему (например, «Влияние технологических факторов на параметры угроз национальной и международной безопасности, военных конфликтов и стратегической стабильности») названных вопросов касаются лишь вскользь.

Заключение

2015

Реальное положение таково, что в аутсайдерах AI гонки оказались все, кроме ее лидеров — США и Китая. И хотя технологически развитые страны, типа Франции и Германии или Индии и Южной Кореи, казалось бы, несопоставимы со странами третьего мира по уровню развития ИИ-технологий, — и тем, и другим уготована участь превратиться в ИИ-колонии стран лидеров.

В завершение попытаюсь предельно кратко зафиксировать ключевые последствия.

2016

132

1. Главным следствием тренда ИИ-национализма станет ИИ-балканизация.

100

200

300

400

Китай

Австралия

Япония

США

Канада

Германия

500

600

Англия

Вот такой получается ИИ-неоколониализм. Вместо золота и серебра страны-колонизаторы в XXI веке получают их заменитель — большие данные для обучения своих ИИ-технологий. А странам-колониям остается только уповать на цивилизаторский дух ИИ-неоколониалистов и их финансовую помощь.

2. Главным следствием тренда ИИ-национализации станет новая модель сосуществования государства и бизнеса, которую можно было бы условно назвать авторитарно-демократический ИИ-капитализм.

3. Главным интегральным следствием действия обоих трендов станут новая геополитика и новый мировой порядок, основанные на ИИ-неоколониализме.

4. Главным следствием гонки ИИ-вооружений видится: || либо вариант «Большой войны», в результа-

те которой следующая война будет вестись уже камнями и палками. || либо вариант «ИИ Сингулярности»

(или «Приход лесника»), при котором все ускоряемое гонкой ИИ-вооружений развитие ИИ-технологий породит «сильный» ИИ, а тот поступит, как лесник в анекдоте, устра-

нивший соперничающие стороны за ненадобностью. Хотя, возможно, ничего этого и не случится. || Глобализация продолжится. || Гиганты американского ИИ-бизнеса отка-

жутся работать с Пентагоном. || Китай откажется от своих планов мирового

доминирования в ИИ. || Идеалы демократии помогут выиграть у ав-

торитаризма гонку за превосходство в области ИИ. || И, в результате, мир забудет об ИИ-национа-

лизме и ИИ-национализации. Все страны будут дружно совместно работать исключительно во благо мирного использования ИИ всем человечеством. А эта моя статья будет заслуженно забыта, как и десятки прочих несостоявшихся ИИ-страшилок. Я — за. Здорово было бы, если так… Осталось только переубедить военных и политиков Китая и США.

133

134

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

Стратегии основных стран в ИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

135

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / СТРАТЕГИИ В ОБЛАСТИ ИИ

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

Игорь Пивоваров

+ Сильные стороны

Главный аналитик Центра НТИ на базе МФТИ по направлению «Искусственный интеллект»,

|| высокий уровень базового физико-

член Рабочей группы НТИ Нейронет, член Экспертного совета по научно-технологическому

математического образования;

развитию и интеллектуальной собственности при комитете по науке и образованию интеллекту OpenTalks.AI, генеральный директор ООО «АйПи Лаборатория»

О стратегии развития ИИ в России Искусственный интеллект (ИИ) является бурно развивающейся технологической областью, к которому приковано внимание не только бизнеса, но и политиков и общества. За 20172018 гг. многие страны на официальном уровне уже сформировали свою стратегию развития этой отрасли. В России область ИИ также бурно развивается, но до последнего времени центрами развития являлись крупные компании, которые сформировали пул высококлассных специалистов и развивают те или иные области ИИ. Государство не публиковало официальных документов, занимая скорее наблюдательную позицию. Но, как известно, русские долго запрягают, но быстро едут. Настало время для решительных перемен.

как ведущие исследователи или лидеры мнений. На первой стратегической сессии были сформулированы основные направления и разделы стратегии и для каждого направления были определены лидеры, организующие его разработку. Лидеры сформировали свои экспертные группы и разрабатывали свои разделы. На регулярных встречах лидеров групп они докладывали свои результаты и формулировки постепенно оттачивались. В экспертные группы было вовлечено в общей сложности около 50 авторитетных представителей из науки и бизнеса, все они по праву являются соавторами Стратегии, которая тем самым становится не безликим документом, а результатом живой работы профессионального сообщества.

В январе 2019 г. Президент России Владимир Путин дал поручение разработать национальную стратегию развития искусственного интеллекта. Это поручение является вершиной айсберга, показывая, что уже несколько месяцев велась подготовительная аналитическая работа и было принято решение, что России необходим свой официальный документ на самом высшем уровне.

Процесс написания и обсуждения был непростым, необходимо было учесть и наш потенциал и текущую ситуацию. Несложно делать стратегию для лидера отрасли, это фактически продолжение существующего курса. Куда сложнее найти пути достижения поставленной цели находясь не в лучшей стартовой позиции и в условиях различных ограничений. И здесь важно, что каждый эксперт, понимая реальную ситуацию, видит возможности и способы для прорыва в ИИ. Задачей организаторов стало объединить эти видения в одно целое.

КАК РАЗРАБАТЫВАЛАСЬ СТРАТЕГИЯ Пока Стратегия еще не утверждена и не опубликована, можно лишь немного приоткрыть завесу процесса ее разработки, который был организован на базе самых современных мировых подходов в области создания стратегических документов. Была сформирована рабочая группа, которая провела поиск ведущих специалистов в области ИИ, многие из которых, кстати, оказались на страницах этого Альманаха

СИЛЬНЫЕ И СЛАБЫЕ СТОРОНЫ Стратегия — это план достижения поставленной цели, использующий имеющиеся ресурсы, опирающийся на сильные и нивелирующий слабые стороны, в условиях, когда тебе противодействуют в достижении этой цели. Вот основные тезисы наших сильных и слабых сторон:

Внутренние

Государственной Думы ФС РФ, организатор Открытой конференции по искусственному

|| сильная научная школа в области

математики и естественных наук; || наличие базовой ИКТ-инфраструктуры

(высокое проникновение смартфонов, высокая доступность Интернета, распространение 4G-сетей).

ИЮНЬ 2019

-

Слабые стороны

|| отсутствие отечественных производителей

аппаратного обеспечения для технологий ИИ; || низкий уровень развития облачных решений

и недостаточность специализированных вычислительных мощностей; || сильная нехватка квалифицированных

специализированных кадров; || низкая доступность и качество данных

(значительная часть данных не оцифрована, существуют пробелы в регулировании).

+ Возможности || высокий потенциал экспорта технологий

Внешние

136

-

Угрозы

|| текущие и потенциальные санкционные

ИИ (растущий глобальный рынок, все

ограничения (на поставки аппаратного

решения являются глобальными);

обеспечения и ПО, доступ к технологиям

|| развитие международного сотрудничества

в области ИИ (совместные проекты, доступ к зарубежным технологиям и

и зарубежным рынкам); || риски использования ИИ в противоправных

целях (мошенничество, кибертерроризм).

инвестициям, привлечение талантливых иностранных специалистов).

Из этих тезисов видно, что главное ключевое преимущество России — это сильные научные школы, именно они могут стать источником будущего прорыва. Ведь многие ведущие специалисты по ИИ уже говорят об исчерпании потенциала современной парадигмы deep learning и необходимости новых архитектур и моделей ИИ. А для них важны не количество данных и программистов, а сильные математики, физики и нейрофизиологи. Для новых моделей ИИ, возможно, потребуется меньше данных и они смогут обучаться в реальном времени на меньшем вычислительном ресурсе. И это может изменить весь расклад на рынке ИИ. РОССИЯ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Главной задачей стратегии стала попытка понять, какое место в глобальном рынке ИИ сможет занять Россия. Безусловно, мы отдаем себе отчет, что начинаем не с лидирующих позиций. Однако, было бы ошибочным полагать, что у России нет перспектив занять одно из лидирующих мест в мире по ИИ. Как известно, истоки математических работ по нейронным сетям берут свое начало в России и российских науч-

ных школах. Российские программисты работают в ведущих компаниях мира, а российские студенты выигрывают на ведущих мировых олимпиадах и конкурсах. Колоссальный потенциал, воля к победе и умение совершать невозможное — вот то, что всегда отличало русского человека! Нужно сконцентрировать все усилия на достижении цели, нужно задать для всех единую рамку, вдохновить на достижение цели и показать, что она возможна. Для этого и нужна национальная Стратегия в области ИИ — важный целеуказующий инструмент, который направит работу государственных агентств и ведомств и покажет направления финансирования для государственных фондов и перспективные рынки для частных инвестиций. Нужно развернуть всю государственную машину в сторону развития Искусственного интеллекта, который может и должен стать новым «атомным проектом» для России, толкая вперед не только отрасль ИИ, но и образование, науку, здравоохранение. Нужно сфокусировать усилия — и тогда Россия по праву займет достойное место в области искусственного интеллекта в мире!

137

Приложения

11

140

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ПРИЛОЖЕНИЯ

Основные ссылки и методика формирования отчета В ЭТОМ РАЗДЕЛЕ ПРИВЕДЕНЫ ССЫЛКИ И ОПИСАНЫ ПРОЦЕДУРЫ ПОЛУЧЕНИЯ ЦИФР В ОТЧЕТЕ.

1.

Данная визуализация была создана на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Для визуализации терминов, связанных с ИИ, в виде облака слов, использовались данные более 10 миллионов новостных статей СМИ за 2015-2019 гг. На первом этапе из более 10 миллионов новостных статей были отобраны новостные статьи, релевантные ключевым словам (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence).

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

recognition), означающие организации. Значимость терминов, обозначающих организации, рассчитывалась как сумма упоминаний этих организаций в проанализированных новостных статьях. Динамичность терминов, обозначающих организации, была рассчитана как темп прироста упоминаний этих организаций в проанализированных новостных статьях.

14.

Facebook annual report 2018: https://www.sec.gov/Archives/edgar/ data/1326801/000132680119000009/fb-12312018x10k.htm

15.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/FB/facebook/market-cap

16.

Сотрудники Facebook Research: https://research.fb.com/people/

17.

Apple annual report 2018: https://www.sec.gov/Archives/edgar/ data/320193/000032019318000145/a10-k20189292018.htm

18.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/AAPL/apple/market-cap

19.

Amazon annual report 2018: https://www.sec.gov/Archives/edgar/ data/1018724/000101872419000004/amzn-20181231x10k.htm

20.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/AMZN/amazon/market-cap

2.

Hilbert, M. and P. López (2011). The world’s technological capacity to store, communicate, and compute information. In: Science (New York, NY) 332.6025, pp. 60-65.

21.

3.

Manyika, J. et al. (2017). The productivity puzzle: a closer look at the United States. McKinsey Global Institute.

Netflix annual report 2018: https://www.sec.gov/Archives/edgar/ data/1065280/000106528019000043/form10k_q418.htm

22.

4.

Андерсон, К. (2012). Длинный хвост. Эффективная модель бизнеса в интернете. Манн, Иванов и Фербер.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/NFLX/netflix/market-cap

23.

5.

Desjardins, J. (2018). The 8 Major Forces Shaping the Future of the Global Economy. Visual Capitalist.

Alphabet annual report 2018: https://www.sec.gov/Archives/edgar/ data/1652044/000165204419000004/goog10-kq42018.htm

24.

6.

Bughin, J. et al. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy.

McKinsey Global Institute.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/GOOGL/alphabet/market-cap

25.

7.

Press, G. (2018). The Thriving AI Landscape in Israel And What it Means for Global AI Competition.

Forbes, Sept 24.

NVIDIA annual report 2018: https://www.sec.gov/Archives/edgar/ data/1045810/000104581019000023/nvda-2019x10k.htm

26.

8.

Shoham, Y. et al. (2018). The AI Index 2018 Annual Report. Stanford University.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/NVDA/nvidia/market-cap

9.

Lee, K.-F. (2018). AI Superpowers: China, Silicon Valley, and the New World Order. Houghton Mifflin.

27.

Huawei annual report 2018: https://www.huawei.com/en/press-events/annual-report/2018

10.

CB Insights 2018 report: “The State of Artificial Intelligence. Recent advances, startup landscape, the road ahead”.

28.

Рыночная капитализация была взята на 31.03.2019: https://www.bloomberg.com/ quote/002502:CH

11.

AI Index 2018 annual report: http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20 Report.pdf

29.

Baidu annual report 2018: http://media.corporate-ir.net/media_files/IROL/18/188488/2019/ Baidu%202018%20Form%2020-F.pdf

12.

Данные по грантам, патентам и публикациям были предоставлены платформой dimensions.ai

30.

13.

Рыночная капитализация была взята на 31.03.2019: https://ycharts.com/companies/BIDU/ market_cap

Данная визуализация и численные данные по упоминаниям мировых компаний в СМИ были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта мировых организаций по упоминаниям в СМИ была построена по данным более 10 миллионов новостных статей СМИ за 20152019 гг. На первом этапе из более 10 миллионов новостных статей были отобраны новостные статьи, релевантные ключевым словам словам (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence). На втором этапе в отобранных новостных статьях были распознаны именованные сущности (named-entity

31.

Исследователи Baidu Research: https://research.fb.com/people/

32.

Tencent annual report 2018: https://www.tencent.com/en-us/articles/17000441554112592.pdf

33.

Рыночная капитализация была взята на 31.03.2019: https://ycharts.com/companies/TCEHY/ market_cap

34.

Здесь Alibaba reports 2018: https://www.alibabagroup.com/en/ir/newsevents?page=2&year=all&ty pe=all

141

142

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ПРИЛОЖЕНИЯ

35.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/BABA/alibaba/market-cap

36.

IBM annual report 2018: https://www.sec.gov/Archives/edgar/data/51143/000104746919000712/ a2237254z10-k.htm

37.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/IBM/ibm/market-cap

38.

Microsoft annual reports 2018 https://www.sec.gov/cgi-bin/browse-edgar?CIK=MSFT&Find=Search &owner=exclude&action=getcompany

39.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/MSFT/microsoft/market-cap

40.

Intel annual report 2018: https://www.sec.gov/Archives/edgar/ data/50863/000005086319000007/a12292018q4-10kdocument.htm

41.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/INTC/intel/market-cap

42.

Samsung annual report 2018: https://images.samsung.com/is/content/samsung/p5/global/ir/ docs/2018_con_quarter04_all.pdf

43.

Рыночная капитализация была взята на 31.03.2019: https://www.bloomberg.com/ quote/005930:KS

44.

Uber annual report 2018: https://www.sec.gov/Archives/edgar/ data/1543151/000119312519103850/d647752ds1.htm

45.

https://www.crunchbase.com/organization/openai#section-overview

46.

https://www.crunchbase.com/organization/deepmind

47.

https://allenai.org/team.html

48.

Tesla annual report 2018: https://www.sec.gov/Archives/edgar/ data/1318605/000156459019003165/tsla-10k_20181231.htm

49.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/TSLA/tesla/market-cap

50.

Данная визуализация и численные данные по упоминаниям российских компаний в СМИ были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта российских организаций по упоминаниям в СМИ была построена по данным более 10 миллионов новостных статей СМИ за 2015-2019 гг. На первом этапе из более 10 миллионов новостных статей были отобраны новостные статьи из российских СМИ, релевантные ключевым словам (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence). На втором этапе в отобранных новостных статьях были распознаны именованные сущности (named-entity recognition), означающие организации. Значимость терминов, обозначающих организации, рассчитывалась как сумма упоминаний этих организаций в проанализированных новостных статьях. Динамичность терминов, обозначающих организации, была рассчитана как темп прироста упоминаний этих организаций в проанализированных новостных статьях.

51.

Данная визуализация была взята из интерактивной карты искусственного интеллекта России http://airussia.online/, куда вошли 329 компании, фигурирующие на российском рынке, которые занимаются разработками в сфере Искусственного Интеллекта. Размер компаний (а точ-

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

нее объем пузырька, отображающего компанию) пропорционален их выручке, или равен минимальному значению, если выручка равна 0. Если компания активна в нескольких группах – то и на карте она будет в нескольких группах.

52.

Данная визуализация была взята из интерактивной карты искусственного интеллекта России http://airussia.online/, куда вошли 329 компании, фигурирующие на российском рынке, которые занимаются разработками в сфере Искусственного Интеллекта. Оценка долей рынка производилась по данным на конец 2017 год. Доли оценивались, исходя из текущей выручки компаний. Данные по выручке взяты из открытых источников. По компаниям, у которых нет российского юридического лица, данных по выручке нет.

53.

Данная визуализация была взята из интерактивной карты искусственного интеллекта России http://airussia.online/, куда вошли 329 компании, фигурирующие на российском рынке, которые занимаются разработками в сфере Искусственного Интеллекта. Оценка динамики общей выручки компаний в каждом сегменте производилась по времени, начиная с 2000 года до 2017 в млн руб. Данные по выручке взяты из открытых источников. По компаниям, у которых нет российского юридического лица, данных по выручке нет.

54.

Данная визуализация была взята из интерактивной карты искусственного интеллекта России http://airussia.online/, куда вошли 329 компании, фигурирующие на российском рынке, которые занимаются разработками в сфере Искусственного Интеллекта. Рост количества компаний в каждом сегменте показан по времени, начиная с 2000 года до 2018. Рост выводится посегментно.

55.

Рыночная капитализация была взята на 31.03.2019: https://www.macrotrends.net/stocks/ charts/YNDX/yandex/market-cap

56.

Yandex 2018 annual report: https://cache-mskm906.cdn.yandex.net/download.cdn.yandex.net/ company/annual_2018.pdf

57.

Данные предоставлены ПАО Сбербанк.

58.

Sberbank 2018 annual report: https://www.sberbank.com/common/img/uploaded/redirected/com/ gosa2019/docs/sberbank-annual_report_2018_en.pdf

59.

Рыночная капитализация была взята на 31.03.2019: https://www.bloomberg.com/quote/MAIL:LI

60.

Выручка: Mail.ru Group 2018 annual report: https://corp.imgsmail.ru/media/files/mail. rugrouparfy2018.pdf

61.

Неаудированные данные по МСФО

62.

Данные по расходам на R&D предоставлены компанией ABBYY

63.

https://www.abbyy.com/media/4336/corporate-profile_global.pdf

64.

Рыночная капитализация была взята на 31.03.2019: https://ycharts.com/companies/ROSYY/ market_cap

65.

Годовой отчет ПАО Ростелеком за 2018 год: https://www.company.rt.ru/upload/iblock/b1b/0201_Annual_Report_2018.pdf

66.

https://vc.ru/finance/64147-vedomosti-sberbank-poluchit-kontrol-nad-razrabotchikom-sistemraspoznavaniya-golosa-i-lic-crt

67.

Данная визуализация и численные данные по публикациям мировых университетов были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта мировых организаций по публикациям была построена по данным Web of Science за 2015-2019 гг. С помощью ключевых слов, релевантных теме искусственного интеллекта (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots;

143

144

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ПРИЛОЖЕНИЯ

fuzzy systems; data mining; cognitive science; data science; machine intelligence), было отобрано 190787 публикаций, из метаданных которых были выделены аффилированные организации. Значимость терминов, обозначающих организации, рассчитывалась как сумма цитирований публикаций, с которыми аффилированы организации. Динамичность терминов, обозначающих организации, была рассчитана как темп прироста цитирований публикаций, с которыми аффилированы организации.

68.

Данные предоставлены платформой Dimensions.AI, на который собираются публикации из Scopus и Web Of Science, Количество публикаций и исследователей считалось за период 2014-2018 год по направлениям: 0801 Artificial Intelligence and Image Processing 725 0806 Information Systems 107 0803 Computer Software 28 0802 Computation Theory and Mathematics 21 1702 Cognitive Sciences 14.

69.

Данные приведены за период 2014-2018 год по дисциплинам Artificial intelligence, Computer vision, Machine learning & data mining, Natural language processing, The Web & information retrieval на основе рейтинга CSRankings (http://csrankings.org).

70.

http://www.xinhuanet.com/english/2018-04/28/c_137144303.htm

71.

https://www.csail.mit.edu/

72.

Данная визуализация и численные данные по публикациям российских университетов были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта российских организаций по публикациям была построена по данным Web of Science за 2015-2019 гг. С помощью ключевых слов, релевантных теме искусственного интеллекта (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence), было отобрано 190787 публикаций, из метаданных которых были выделены аффилированные российские организации. Значимость терминов, обозначающих организации, рассчитывалась как сумма цитирований публикаций, с которыми аффилированы организации. Динамичность терминов, обозначающих организации, была рассчитана как темп прироста цитирований публикаций, с которыми аффилированы организации.

73.

Данные по публикациям российских университетов по ИИ предоставлены платформой Dimensions.AI, на который собираются публикации из Scopus и Web Of Science, Количество публикаций и исследователей считалось за период 2014-2018 год по направлениям: 0801 Artificial Intelligence and Image Processing 725 0806 Information Systems 107 0803 Computer Software 28 0802 Computation Theory and Mathematics 21 1702 Cognitive Sciences 14.

74.

Количество студентов и преподавателей собиралось с официальных сайтов университетов.

75.

Данная визуализация и численные данные по упоминаниям мировых ИИ-ньюсмейкеров в СМИ были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта людей (персон) по упоминаниям в СМИ (мир) была построена по данным более 10 миллионов новостных статей СМИ за 2015-2019 гг. На первом этапе из более 10 миллионов новостных статей были отобраны новостные статьи из российских СМИ, релевантные ключевым словам (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence). На втором этапе в отобранных новостных статьях были распознаны именованные сущности (named-entity recognition), означающие персоны. Значимость терминов, обозначающих персоны, рассчитывалась как сумма упоминаний этих персон в проанализированных новостных статьях. Динамичность терминов, обозначающих персоны, была рассчитана как темп прироста упоминаний этих персон в проанализированных новостных статьях.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

76.

PWC 2017 Research: “UK Economic Outlook March 2017 - Will robots steal our jobs?”, https://www. pwc.co.uk/economic-services/ukeo/pwcukeo-section-4-automation-march-2017-v2.pdf

77.

Данная визуализация и численные данные по публикациям мировых ученых были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта людей (персон) по публикациям (мир) была построена по данным Web of Science за 2015-2019 гг. С помощью ключевых слов, релевантных теме искусственного интеллекта (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence), было отобрано 190787 публикаций, из метаданных которых были выделены аффилированные авторы. Значимость терминов, обозначающих авторов, рассчитывалась как сумма цитирований публикаций, с которыми аффилированы авторы. Динамичность терминов, обозначающих авторов, была рассчитана как темп прироста цитирований публикаций, с которыми аффилированы авторы.

78.

http://scholar.google.com/citations?user=DhtAFkwAAAAJ&hl=en Информация за период с 2016 года по 1 мая 2019 года.

79.

Данные по цитированиям исследователей и их текущие индексы Хирша за период c 2014 года по 1 мая 2019 года получались в их профилях в системе https://scholar.google.com/.

80.

Данная визуализация и численные данные по упоминаниям российских ньюсмейкеров в СМИ были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта людей (персон) по упоминаниям в СМИ (Россия) была построена по данным более 10 миллионов новостных статей СМИ за 2015-2019 гг. На первом этапе из более 10 миллионов новостных статей были отобраны новостные статьи из российских СМИ, релевантные ключевым словам (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence). На втором этапе в отобранных новостных статьях были распознаны именованные сущности (named-entity recognition), означающие персоны. Значимость терминов, обозначающих персоны, рассчитывалась как сумма упоминаний этих персон в проанализированных новостных статьях. Динамичность терминов, обозначающих персоны, была рассчитана как темп прироста упоминаний этих персон в проанализированных новостных статьях.

81.

Данная визуализация и численные данные по публикациям российских ученых были получены на базе системы анализа больших данных iFora Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Тренд-карта людей (персон) по публикациям (Россия) была построена по данным Web of Science за 2015-2019 гг. С помощью ключевых слов, релевантных теме искусственного интеллекта (artificial intelligence; maсhine learning; deep learning; neural networks; image recognition; computer vision; natural language processing; semantic analysis; supervised learning; unsupervised learning; reinforcement learning; chatbots; fuzzy systems; data mining; cognitive science; data science; machine intelligence), было отобрано 190787 публикаций, из метаданных которых были выделены аффилированные авторы. Значимость терминов, обозначающих авторов, рассчитывалась как сумма цитирований публикаций, с которыми аффилированы авторы. Динамичность терминов, обозначающих авторов, была рассчитана как темп прироста цитирований публикаций, с которыми аффилированы авторы.

82.

Информация была предоставлена сообществами.

83.

Информация доступна на сайте сообщества: http://rusneuro.net/

84.

Информация доступна на сайте: http://sk.ru/net/participants/p/index.aspx

85.

Информация доступна на сайте: https://habr.com/ru/company/ods/fans/all/rating/

86.

Информация доступна по адресу: https://www.facebook.com/Sci.Guide/

145

146

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ПРИЛОЖЕНИЯ

87.

Данные по количеству статей, патентов и исследователей получались на основе выгрузки из системы dimensions.ai, где брались в расчет уникальные исследователи, аффилированных с российскими организациями, по публикациям по направлению «искусственный интеллект». Данные по количеству заявок на AAAI были получены на основе отчета AI Index за 2018 год. Цифры по российским компаниям получены из карты российского искусственного интеллекта http://airussia.online/. Цифры по мировым компаниям были взяты из отчета CB Insights за 2018 год.

88.

«Artificial Intelligence and National Security» отчет подготовлен экспертами Congressional Research Service для Конгресса США в апреле 2018 г.

89.

«Strategic Competition in an Era of Artificial Intelligence» и «Artificial Intelligence and International Security» отчеты опубликованы «Центром новой американской безопасности» CNAS в июле 2018 г.

90.

«Artificial Intelligence and National Security» отчет подготовлен Belfer Center for Science and International Affairs для U.S. Intelligence Advanced Research Projects Activity (IARPA) в июле 2017 г.

91.

«Summary of the 2018 White House Summit on Artificial Intelligence for American Industry» отчет подготовлен The White House Office of Science and Technology Policy в мае 2018 г.

92.

«The Manhattan Project, the Apollo Program, and Federal Energy Technology R&D Programs: A Comparative Analysis» отчет подготовлен экспертами Congressional Research Service для Конгресса США в июне 2009 г.

93.

«FY2019 Budget Request Administration R&D priorities»«FY2019 Budget Request Administration R&D priorities».

94.

«National Security Strategy of the United States of America».

95.

«A Summary of the 2018 National Defense Strategy of The United States of America».

96.

«Govini’s DoD Artificial Intelligence, Big Data and Cloud Taxonomy».

97.

«The Networking and Information Technology Research and Development Program».

98.

«The National Artificial Intelligence Research and Development Strategic Plan».

99.

«Defense Innovation Board Recommendations».

100. «Memorandum: Establishment of the Joint Artificial Intelligence Center (JAIC)».

101. «An Overview of National AI Strategies» отчет подготовлен Politics + AI».

102. «AI Nationalism», Jan Hogarth, эссе опубликовано в июне 2018 г.

103. «Battlefield Singularity. Artificial Intelligence, Military Revolution, and China’s Future Military Power» отчет опубликован «Центром новой американской безопасности» CNAS в ноябре 2017 г.

104. «Technological entanglement. Cooperation, competition and the dual-use dilemma in artificial intelligence» отчет опубликован The Australian Strategic Policy Institute в июне 2018 г.

105. «Blurred Lines: Military-Civil Fusion and the «Going Out» of China’s Defense Industry».

106. «National Strategy for Artificial Intelligence» отчет подготовлен The National Institution for Transforming India (NITI Aayog) для правительства Индии в июне 2018 г.

107. Отчет доступен по ссылке: https://www.army-technology.com/features/intelligent-design-insidefrances-e1-5bn-ai-strategy/ 108. «Deciphering China’s AI Dream. The context, components, capabilities, and consequences of China’s strategy to lead the world in AI» отчет опубликован Future of Humanity Institute, University of Oxford в марте 2018 г.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

109. «Planning for Innovation: Understanding China’s Plans for Technological, Energy, Industrial, and Defense Development» отчет подготовлен US-China Economic and Security Review Commission в июле 2016 г.

110. «CHINA’S ADVANCED WEAPONS. HEARING BEFORE THE U.S.-CHINA ECONOMIC AND SECURITY REVIEW COMMISSION»ю 111. «2017 Report to Congress of the U.S.-China Economic and Security Review Commission» Executive Summary and Recommendations отчета и его полный текст.

112. «China’s Advanced Weapons Systems» отчет подготовлен Jane’s by IHS Markit для U.S.-China Economic and Security Review Commission в мае 2018 г.

113. «Chinese Advances in Unmanned Systems and the Military Applications of Artificial Intelligence— the PLA’s Trajectory towards Unmanned, «Intelligentized» Warfare» – Testimony before the U.S.China Economic and Security Review Commission в июле 2017 г.

114. «Implications of China’s Military Modernization» - Testimony before the U.S.-China Economic and Security Review Commission в феврале 2018 г.

115. «How China’s Economic Aggression Threatens the Technologies and Intellectual Property of the United States and the World» отчет опубликован White House Ofce of Trade and Manufacturing Policy в июне 2018 г.

116. Исследование Domo Data Never Sleeps 5.0 2017 research ( https://www.domo.com/ )

147

148

ТЕКУЩЕЕ СОСТОЯНИЕ В РОССИИ И МИРЕ / ПРИЛОЖЕНИЯ

Литература 1.

AI Index 2017 Annual Report.

2.

AI Index 2018 Annual Report.

3.

Ernst & Young 2019 Artificial Intelligence Report: “Artificial Intelligence in Europe: Outlook for 2019 and beyond”.

4.

East-West Digital News Report, Startup Investment and Innovation in Emerging Europe, Part 3: “AI: The New Powerhouse of Europe?”, January 2018.

5.

CB Insights 2018 Report: “The State of Artificial Intelligence. Recent advances, startup landscape, the road ahead”.

6.

Nathan Benaich, Ian Hogarth, Stateof.ai 2018 AI Report.

7.

Science Guide, Artificial Intelligence in Russia, First Edition Analytical Report, 2017.

8.

Stanford University, A 2015 Study Panel Report: Artificial Intelligence and Life in 2030. One Hundred Year Study on Artificial Intelligence, September 2016.

9.

Greg Allen, Daniel Chan, Artificial Intelligence and National Security, A study on behalf of Dr. Jason Matheny, Director of the U.S. Intelligence Advanced Research Projects Activity (IARPA), July 2017.

10.

Российская Академия Народного Хозяйства и Государственной Собственности при Президенте Российской Федерации, “Искусственный Интеллект и Государство: Пути для России”, 2019.

11.

Relecura, Inc., Artificial Intelligence: IP Landscape Report, 2017.

12.

CB Insights 2018 Report: “Amazon Strategy Teardown”.

13.

CB Insights 2018 Report: “Game Changers-2018. Emerging trends to watch and high - momentum startups with world - changing potential.”

14.

CB Insights Report: “Google in healthcare. How the tech giant is attacking the healthcare space.”

15.

CB Insights Report: “Surviving the retail apocalypse. Retailers and startups poised to transform brick - and - mortar retail in the age of e - commerce.”

16.

CB Insights Report: “State of AI 2018.”

17.

Sinovation Ventures, “China embraces AI: A Close Look and A Long View”, 2018.

18.

Blog Post by Guest Blogger for Net Politics, “China’s Artificial Intelligence Strategy Poses a Credible Threat to U.S. Tech Leadership”, December 2017.

19.

Jeffrey Ding, Governance of AI Program, Future of Humanity Institute, University of Oxford “Deciphering China’s AI Dream The context, components, capabilities, and consequences of China’s strategy to lead the world in AI”, March 2018.

20.

Professor Dame Wendy Hall and Jérôme Pesenti, “Growing the Artificial Intelligence Industry in the UK”, 2018.

21.

The National Institution for Transforming India, Discussion Paper: “National Strategy for Artificial Intelligence”, June 2018.

22.

Report of Strategic Council for AI Technology of Japan: “Artificial Intelligence Technology Strategy”, March 2017.

АЛЬМАНАХ «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

ИЮНЬ 2019

23.

Cedric Villani, “For a Meaningful Artificial Intelligence Towards a French and European Strategy”, 2018.

24.

Networking and Information Technology Research and Development Subcommittee, National Science and Technology Council, “The National Artificial Intelligence Research and Development Strategic Plan”, October 2016.

25.

Cooperation of Artificial Intelligence Declaration, April 2018.

26.

China’s State Council, “A Next Generation Artificial Intelligence Development Plan”, June 2018.

27.

HM Government, “Industrial Strategy Artificial Intelligence Sector Deal”, 2018, http://www.gov.uk/ beis.

149

ДИСКЛЕЙМЕР

РЕДАКЦИЯ

Настоящий аналитический отчет подготовлен на основе анализа открытых источников, в том числе научных публикаций, патентов, СМИ, сайтов компаний, сайтов университетов и других. Также мы использовали закрытые системы поиска и машинного анализа больших текстов, которые обрабатывают открытые источники, такие как iFORA или Dimensions.ai.В отчете приводятся ссылки на источники и процедуры получения тех или иных цифр. При такой методике сбора и обработки информации, возможно, не все компании, университеты и люди попали в наше рассмотрение. Мы не включили в рассмотрение военные применения технологий ИИ, так как по ним нет открытой достоверной информации. Мы также не включали в рассмотрение информацию о ведущихся прикладных проектах в университетах или компаниях, так как по ним нет объективной метрики для оценки.

Руководитель проекта: Игорь Пивоваров

Данный аналитический отчет выражает мнение редакции и может не совпадать с официальной позицией Центра НТИ по искусственному интеллекту на базе МФТИ и/или его членов и/или партнеров настоящего издания.

БЛАГОДАРНОСТИ Мы благодарим наших партнеров: � НИУ

ВШЭ и персонально Леонида Гохберга, Валерия Салуна, Илью Кузьминова и Марину Клубову за предоставление данных по авторам, университетам, компаниям на базе публикаций в открытых и закрытых источниках.

� Сколтех

и персонально Максима Федорова и Марию Пукальчик за предоставление данных по авторам, университетам, компаниям на базе публикаций в открытых источниках.

�

�

АО Сбербанк и персонально Максима ЕременП ко, Владимира Авербаха и Ксению Тотьмянину за помощь в подготовке Альманаха и издании печатной версии. кадемию искусственного интеллекта – за соА здание чат-бота Альманаха

Главный редактор: Сергей Шумский Аналитики: Наталья Гутенева, Илья Северов, Леонид Картушин, Дмитрий Суцилов Координатор верстки и графики: Елена Чинарина Верстка: Юрий Брусницин Инфографика: Дарья Голдычева

АВТОРЫ Авторы статей: Сергей Шумский, Михаил Бурцев, Сергей Карелов, Игорь Пивоваров Авторы текстов разделов: Михаил Федоров, Игорь Ашманов, Мария Пукальчик, Григорий Сапунов, Роман Душкин, Аркадий Сандлер, Игорь Пивоваров, Наталья Гутенева Авторы концепции: Сергей Шумский и Игорь Пивоваров

Утверждение концепции — 15.04.2019 Собран аналитический материал — 06.05.2019 Отдано в верстку — 13.05.2019 Подписано в печать — 24.05.2019

© Центр Национальной технологической инициативы на базе МФТИ по направлению «Искусственный интеллект», июнь 2019

� ООО

АйПи Лаборатория за помощь в верстке, подготовке инфографики.

Мы благодарим всех авторов и контрибьюторов, которые нашли время и возможности внести свой вклад в этот Альманах.

Мы приглашаем все заинтересованные организации к партнерству и участию в следующих номерах Альманаха! Пишите нам на сайте Альманаха www.AIreport.ru

Этот выпуск содержит обзор текущего состояния отрасли искусственного интеллекта (ИИ) в России и мире, включая основные технологии и применения, ключевые компании, университеты и людей – как исследователей, так и лидеров мнений. Главной темой номера является стратегия – мы проводим анализ ситуации в мире, обзор стратегий основных стран в области ИИ и обсуждаем возможную позицию России в области ИИ.

В следующих выпусках мы подробно осветим отдельные технологии и сферы применения ИИ, в том числе: Распознавание речи и NLP Computer Vision Предиктивная аналитика и рекомендательные системы Reinforcement learning и сильный ИИ

www.AIreport.ru здесь Вы можете получить электронную копию Альманаха с кликабельными ссылками