Искусственный интеллект в России: перспективы и препятствия


26.08.2019

Сегодня уже более 30 стран имеют национальные стратегии развития ИИ. Правительство РФ также намерено утвердить Национальную стратегию развития ИИ в РФ и Дорожную карту развития искусственного интеллекта. Цель стратегии ИИ в России – добиться, чтобы страна вошла в число международных лидеров в развитии ИИ в ближайшие десятилетия. Это, по мнению разработчиков плана, будет способствовать росту благосостояния и качества жизни населения, стимулирует экономическое развитие РФ и обеспечит национальную безопасность и охрану правопорядка.


1. Что необходимо для того, чтобы Россия стала международным лидером в развитии ИИ? На чем необходимо сейчас сосредоточить усилия?
- на инвестициях в исследования ИИ;
- разработке эффективных методов взаимодействия человека и искусственного интеллекта:
- на изучении этических, правовых и социальных последствий развития ИИ;
- на обеспечении безопасности и защиты систем ИИ;
- на разработке и обеспечении доступа к широкому спектру данных
и сред для обучения и тестирования ИИ;
- на разработке стандартов ИИ и установлении контрольных показателей технологии ИИ;
- на подготовке кадров: как специалистов, так и преподавателей в области ИИ;
- на расширении государственно-частного партнерства для ускорения прогресса в области ИИ.
2. В каких сферах деятельности и жизни общества ИИ может принести пользу уже в ближайшем будущем?
3. Основные препятствия, тормозящие развитие ИИ в нашей стране: объективные и субъективные.
4. В каких компаниях ИИ может привести к ускоренному развитию - в корпорациях, среднем, малом бизнесе?
5. Поделитесь личным опытом влияния ИИ на нашу жизнь.

На вопросы «БИТа» отвечает Константин Доброток, руководитель направления Service Lab департамента аналитических решений ГК «КОРУС Консалтинг»

1. На мой взгляд, сосредоточиться необходимо в первую очередь на подготовке кадров. Важно понимать, что фундамент всех современных технологий в области ИИ – математика, и, даже если мы говорим про нейронные сети и машинное обучение, специалист должен понимать, как правильно подготовить данные и интерпретировать результаты обучения систем. Без математической базы это сделать практически невозможно. Сегодня существует большое количество курсов в области ИИ «для всех желающих». Но следует предостеречь людей, что эта область новая и интеллектуально сложная, соответственно, порог вхождения высокий. Возможно, через несколько десятков лет появятся шаблоны и регламенты, позволяющие практически любому человеку выполнять задачи в этой области. Но сейчас это далеко не так.

Основная трудность в области ИИ – сложность в разделении основной большой задачи на подзадачи, которые нужно решать поэтапно. От специалиста требуется комплексное видение, твердые знания в различных предметных областях (математика, программирование, бизнес-экспертиза), фантазия, позволяющая выдвигать различные гипотезы, которые потом необходимо быстро и качественно проверять, а также умение интерпретировать математические результаты на языке бизнеса. Практика показывает, что такие сложные задачи способны решать самостоятельно только те, которые отлично разбираются в математике. Остальное, я считаю, менее важно.

2. Сейчас технология ИИ распространена больше всего в ритейл-сетях, финансовом секторе и производственных компаниях из-за высокой скорости, с которой они генерируют большой объём разнообразных данных. Однако этот перечень может пополниться любой бизнес-областью, в которой есть достаточное для обучения системы количество проводимых операций и хорошо регламентированные процессы.

3. На снижение скорости развития технологии ИИ влияют два основных фактора. Во-первых, падающий уровень базового среднего и высшего образования в области математики. Хороших увлеченных математиков становится крайне мало, что вызывает кадровую проблему в ИТ-компаниях. И, во-вторых, слабое желание коммерческих компаний инвестировать в исследования применения ИИ в своем бизнесе.

4. На мой взгляд, больше шансов у крупных компаний. Во-первых, они накопили большой объем исторических данных для обучения систем, и, во-вторых, способны профинансировать исследования по применению ИИ в их бизнесе.

Источник: журнал БИТ