Искусственный интеллект как драйвер прорывных технологий

И.Э. Фролов
В.Н. Киселев

Первая четверть XXI в. ознаменовалась многими открытиями и проектными решениями в сфере инженерных наук и в отдельных областях прикладной науки. Они не только изменили понимание сложных природных процессов, но и обеспечили возможность создания кардинально новых технологий, позволяющих перейти на более высокие уровни и принципы исследований и разработок, изменить организацию производств и социальной сферы.

В настоящее время ученые и инженеры оперируют понятием «прорывных технологий». При этом каждый из предлагаемых перечней прорывных технологий включает технологию искусственного интеллекта (ИИ), применяемую в самых различных областях деятельности в качестве необходимого «катализатора», позволяющего создать условия для появления радикальных инноваций или принципиально новых производственных систем. Термин «искусственный интеллект» применяется к различным системам, наделенным свойствами, характерными для деятельности человека.

В самом общем случае под искусственным интеллектом понимается способность программно-аппаратного комплекса, включенного в функционирование социальных сетей, предполагающего процессы и сервисы по обработке данных и выработке решений, имитировать некоторые формализуемые способности человеческого разума на основе машинного обучения с учетом предыдущих состояний и формирования правдоподобных реакций на звуковую речь, текст и изображения. Определить искусственный интеллект единым образом пока невозможно. С одной стороны, технологии ИИ быстро развиваются, появляются все новые применения, подходы к его имплементации на практике. С другой – развиваются все новые осмысления того, что же такое «искусственный интеллект»¹. Одним из наиболее репрезентативных трудов, отражающих современные аспекты продолжающихся десятилетия дискуссий о природе ИИ, является работа [2], в которой удалось собрать представления многих выдающихся исследователей ИИ. Как правило, определения ИИ исходят из результатов компьютерных и когнитивных наук. Например, энциклопедия «Britannica» определяет ИИ как «…способность цифрового компьютера или робота, управляемого компьютером, выполнять задачи, которые обычно ассоциируются с разумными суще-ствами»². Корпорация IBM определяет искусственный интеллект как технологию, позволяющую «… компьютерам и машинам имитировать человеческое обучение, понимание, решение проблем, принятие решений, творчество и самостоятельность. Приложения и устройства, оснащенные искусственным интеллектом, могут видеть и идентифицировать объекты. Они могут понимать человеческий язык и реагировать на него…Они могут действовать самостоятельно, заменяя собой необходимость в человеческом интеллекте или вмешательстве (классический пример – беспилотный автомобиль)»³.

В России в соответствии с ГОСТ Р 59276-2020 искусственный интеллект определяется как «…способность технической системы имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных практически значимых задач обработки данных результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека»⁴.

Здесь мы лишь обратим внимание, что подход, основанный только на результатах компьютерных, когнитивных, а также нейробиологических наук, в значительной степени ограничивает и обедняет понимание будущих реальных возможностей ИИ. Следует также обратить внимание на принципиально иную традицию, связанную с проблемным полем антропосоциогенеза человека и антропологии, которая существенно более универсально ставит вопрос о том, что же такое человеческий разум (см., например, [3-5]. На взгляд авторов, без приемлемого ответа на вопрос, что такое человеческий разум и как он соотносится с психическими и интеллектуальными проявлениями, как минимум высших животных, попытки определения ИИ будут лишь общим названием множества разрозненных технологий, связанных с мечтой ученых об «умных машинах». В этой связи следует заметить, что традиционная калька перевода устойчивого английского словосочетания (artificial intelligence – AI) неудачна для русского языка, так как имеет избыточную антропоморфную окраску, что порождает ложные коннотации. Возможно, термин «intelligence» в используемом контексте, скорее, означает «умственные способности» или «разумность», но не «интеллект» (англ., «intellect»). Тогда «artificial intelligence» более точно – «искусственная имитация разумности». Важно, что области возможного применения ИИ, задаваемого разными определениями, влияют не только на оценки объемов рынков искусственного интеллекта, но и на предполагаемые разные возможности и ограничения, закладываемые в прогнозные гипотезы развития технологий ИИ. Исходя из этого, основная задача статьи состоит в анализе и оценке перспектив реализации прорывных технологий, связанных с ИИ в реальных секторах экономики, а также в изменении организации сектора «исследований и разработок (ИиР)». Это, в свою очередь, позволит критически оценить существующие прогнозные оценки мирового и российского рынков искусственного интеллекта, а на этой основе сформулировать некоторые рекомендации для научно-технологической политики. Но сначала рассмотрим историю создания ИИ с целью установления фаз его развития.

Краткая история развития ИИ

Началом истории искусственного интеллекта принято считать 1950 г., когда известный британский математик А. Тьюринг предложил так называемый «тест Тьюринга» в качестве меры «имитации разумности» [6]. Сам термин «artificial intelligence» введен Д. Маккарти на знаменитом дартмутском семинаре 1956 г. [2; 7-10]. На наш взгляд, целесообразно выделить, как минимум, семь фаз развития технологий «искусственной имитации разумности» (рис. 1).

1.    Предыстория технологий ИИ уходит примерно к 1943 г., когда американские ученые У. Мак-Каллок и У. Питтс предложили первую упрощенную модель нейрона мозга, назвав ее математическим нейроном. На научном семинаре по управлению сложными системами, который работал с 1941 г. под руководством Н. Винера, К. Шеннона и Дж. фон Неймана (переросшем впоследствии в знаменитые конференции Мейси), начали обсуждаться и междисциплинарные проблемы управления и коммуникации искусственных и живых систем с привлечением нейропсихологов и философов [2, c. 16]. К настоящему времени доказано, что биологические нейронные сети функционируют совсем иначе, чем тогда предполагалось, но для того времени это было маленькой революцией. Первая формальная компьютерная сеть была реализована Ф. Розенблаттом в 1958 г. и названа им перцептроном [9]. Тогда же с появлением первых компьютеров стала формироваться и кибернетика, бурное развитие которой было связанно с созданием авиационной и ракетной техники, а также реализацией атомного проекта. Первые итоги развития кибернетики ознаменовались написанием Н. Винером двух революционных книг. Одна из них всемирно известна [11], но для будущего развития ИИ оказалась важнее вторая [12], многие положения которой актуальны до сих пор. В частности, Н. Винер предсказывал усиление контроля правительств над населением через компьютерные системы⁵, хотя и в значительной степени преувеличивал возможности кибернетики с точки зрения описания и объяснения живой природы и человеческого общества.

2.    В 1950-е годы первыми направлениями ИИ стали разработка программ игр в шахматы и создание программного обеспечения (ПО) машинного перевода с одного естественного языка на другой. С конца 1950-х и на протяжении 1960-х годов многие направления ИИ развивались согласно взглядам Дж. Фон Неймана и К. Шеннона, а не Н. Винера: в частности, цифровые вычисления опирались на формализмы, связанные с конечным алфавитом символов и, соответственно, вычислением целочисленных функций с выделением единичного целочисленного входа [2, с. 98-99; 10]. Произошел сдвиг тем исследований на разработку кодов, языков программирования, вычислительных функций, роста мощности компьютеров, их кратковременной и долговременной памяти и т. п. Появилось понятие «машинное обучение» и возник термин «глубокое обучение» [9], который вскоре был забыт, но затем возрожден в 2000-е годы с появлением сложных искусственных нейронных сетей (neural network) [13]⁶. В среде разработчиков ИИ царила эйфория, многие считали в обозримой перспективе – через поколение «… проблема создания искусственного интеллекта будет решена… у нас будет машина с общим интеллектом обычного человека» [9]⁷. При этом к концу 1960-х годов об идеях Н. Винера [12] временно забыли [2, с. 15-16].

3.    Завышенным ожиданиям не суждено было сбыться: к началу 1970-х годов разработчики ИИ и бизнес поняли, что это поколение искусственного интеллекта не способно решать задачи выше определенного порога сложности, который получил название «комбинаторного взрыва». Бизнес и правительства резко сократили финансирование исследования в области ИИ, наступила так называемая «зима ИИ» (AI winter), которая продолжалась до начала 1980-х годов (см. рис. 1). Из этого не следует, что прогресс в области ИИ прекратился, но завышенные ожидания существенно сократились.

В СССР работы в области кибернетики и ИИ, хотя и с некоторым опозданием в сравнении с ведущими западными странами, также развивались. Здесь следует отметить работы по созданию серии БЭВМ в Институте точной механики и вычислительной техники (ИТМ и ВТ) АН СССР под руководством основателя советской вычислительной техники академика АН СССР С.А. Лебедева, а также успехи в алгебраической теории алгоритмов, теории локальных алгоритмов оптимизации и других направлениях, развиваемых и ныне в школе академика РАН Ю.И. Журавлева. Важной вехой стала победа на чемпионате мира по игре машин в шахматы между собой в 1974 г. советской шахматной программы «Каисса» (М. Донской, А. Арлазаров, А. Битман, А. Усков).

4.    В 1981 г. Япония начала проект создания «компьютера 5-го поколения», в рамках которого ожидалось, что можно научиться имитировать человеческое мышление с помощью тогдашнего поколения нейронных сетей, обрабатывающих информацию на основе коннекционистского подхода. Дж. Хинтон и Д. Румелхарт (на основе идей А. Галушкина и П. Вербоса) разработали алгоритм обратного распространения ошибки, что резко повысило возможности нейросетей. Данный алгоритм используется в машинном обучении и по настоящий день. Начался коммерческий успех в виде так называемых «экспертных систем».

В СССР важным этапом стало создание такого метода ИИ, как ситуационное управление: способов формализации представлений об объекте управления и способах управления им на уровне логико-лингвистических моделей, использование их для обучения при построении процедур управления по текущим ситуациям, использование дедуктивных систем для построения многошаговых решений [14].

5.    Тем не менее, в конце 1980-х годов бизнес и правительства ведущих стран снова начали испытывать очередное разочарование в возможностях экспертных систем и компьютеров 5 поколения, финансирование ИИ опять сократилось: наступила «Вторая зима ИИ» (примерно с 1988 г. до середины 1990-х годов) (см. рис. 1).

Но разработчики пытались найти новые способы развития технологии ИИ, что, в частности, проявилось в создании так называемых «интеллектуальных агентов (ИА)» – программно-аппаратных систем, которые самостоятельно выполняют задание, выданное пользователем, в течение длительных промежутков времени. Этому процессу способствовало развитие с 1991 г. сети Интернет, созданной с учетом опыта функционирования в 1980-е годы американской межуниверситетской сети NSFNet (National Science Foundation Network). Отрицательное влияние на развитие ИИ оказал «кризис домкомов» 2000-2001 гг.

6.    С середины 2000-х годов начались создание и масштабная коммерциализация социальных сетей, что стало важным условием внедрения нового подхода к построению ИИ на основе байесовских сетей, теоретически предложенное еще в 1980-х годах Дж. Перлом [2, с. 40-48]. Накопление глобальными поисковыми системами в сети Интернет и в социальных сетях огромного количества персональных данных, связанных с поведением сначала десятков миллионов, а теперь уже и нескольких миллиардов пользователей, позволило сформировать гигантские массивы макроданных о привычках и типах поведения, профилях предпочтений и т. п. практически всего населения планеты. Это, в свою очередь, как отмечается в [15, с. 37-48], позволило сделать поведение людей в новом виртуальном мире новым типом сырья (ресурса) для развития цифровой экономики. Одновременно накопление масштабных макроданных совпало с появлением нового поколения мощных графических карт персональных компьютеров, объединенных в сети, а также созданием новой архитектуры нейронных сетей на основе операции свертки. Каждый фрагмент изображения при этом умножается на матрицу (ядро) свертки поэлементно, результат суммируется и записывается в аналогичную позицию выходного изображения (convolutional neural network, CNN). Эти инновации породили новое поколение технологий ИИ (на основе глубокого обучения), и с конца первого десятилетия XXI в. стало принято говорить о «весне ИИ». При этом с 2019 г. вновь по экспоненте растет финансирование ИИ (третий раз за его историю).

7.    Новейший этап искусственного интеллекта начался в 2022 г., когда стартап OpenAI представил разработку генеративного ИИ (Generative AI, GenAI) на базе большой языковой модели (large language models, LLM), способного не только распознавать образы, звуки или изображения, но и генерировать достаточно сложный контент (псевдо-оригинальные тексты и качественные видео- и аудиоматериалы). Заметим, что, если раньше прорывные технологии достигали массового распространения в течение 15-30 лет, то технологии, связанные с применением нового поколения ИИ, могут появиться в различных отраслях экономики в более короткие сроки, уже в ближайшие 3-5 лет. Технология генеративного ИИ, воплощенная в ChatGPT, достигла числа пользователей в 100 млн чел. всего за 2 мес. (для сравнения: первая массовая соцсеть Linkedln – 8 лет, YouTube – 4 года, WeChat – 1 год и 2 мес., TikTok – 9 мес.) [16, p.2]. При этом прогресс в разработке и применении новых базовых моделей ИИ обусловлен бурным ростом вычислительных мощностей⁸.

За последние несколько десятилетий промышленные компании в рамках автоматизации производственных процессов активно интегрировали искусственный интеллект в оборудование и процессы управления. Однако базовые модели, на которых основаны новейшие приложения генеративного ИИ, стали появляться к 2020 г. и пока, по данным Международной федерации робототехники, все еще не созрели, поскольку количество промышленных роботов, установленных в мире с 2017 по 2022 гг., росло невысокими темпами (рис. 2).

Насколько преобразующими могут быть появившиеся приложения генеративного ИИ, пока слабо прогнозируемо. Но, по оценкам Института Банка Америки, в ближайшие 10 лет все крупные базовые модели, на которых базируются приложения ИИ, станут катализаторами инноваций во всех отраслях экономики [16-17]. В этой связи следует ожидать, что ИИ станет ключевой технологией, определяющей мировую технологическую парадигму, уже в первой половине XXI в.

Искусственный интеллект как драйвер прорывных технологий

Вероятно, что ИИ станет мощным драйвером появления прорывных технологий, обеспечивающих толчок не только развитию цифровых и вычислительных систем, но также совершенствованию многих промышленных, медицинских, фармацевтических и иных технологий (таблица). Предполагается, что прорывными направлениями развития непосредственно ИИ станут: ИИ для внешних устройств; моделирование сложных исследовательских процессов; графы знаний для структурирования и организации данных; ИИ для многомерных вычислений, универсальный ИИ.

Таблица

Прорывные технологии с интегрированным искусственным интеллектом

* What is artificial intelligence (AI)? History of AI. URL: https://www.ibm.com/topics/artificial-intelligence.

Источник: Институт Банка Америки [16].

Заметим, что ИИ может быть вписан в инструментарий научных исследований, позволяя обрабатывать огромные объемы данных, автоматизировать типовые повторяющиеся задачи, моделировать исследовательские процессы и, тем самым, рационализировать и ускорять научный поиск, в итоге повышая результативность исследований. Об этом, в частности, говорит доклад Организации экономического сотрудничества и развития (ОЭСР) [18], затрагивающий решение таких проблем в части организации науки, как усложнение научных исследований и использование ИИ в целях прогнозирования. Важным является фиксация застоя в продуктивности исследований при условии, что при прочих неизменных условиях страны были бы вынуждены тратить больше средств на поддержание существующих темпов роста полезной научной продукции [19]. Стремительный рост объема научных данных, получаемых в результате научных экспериментов и расчетов на суперкомпьютерах, все больше требует использования технологий ИИ для автоматизации анализа результатов исследований.

В связи с вышеизложенным представляет интерес вопрос о масштабах рынка ИИ в мировом разрезе и в России.

Мировой и российский рынки искусственного интеллекта

Воспользуемся данными и методологией аналитической компании «Statista»⁹. Структурно рынок искусственного интеллекта включает:

• исследования и разработки;
• производство вычислительных комплексов;
• создание базовых моделей;
• инструменты машинного обучения;
• создание приложений, в том числе мобильных;
• создание баз данных; услуги предприятий/компаний;
• автономные и сенсорные технологии и робототехнику.

Обратим внимание, что два последних сектора (базы данных, услуги предприя-тий/компаний, автономные и сенсорные технологии и робототехника) представляют собой так называемые «воплощенные» технологии, т. е. эффекты применения ИИ в реальных секторах экономики.

На фоне бурного роста исследований и разработок в области искусственного интеллекта аналитические и прогнозные оценки мирового рынка ИИ, публикуемые различными экспертными организациями, схожи. В РФ прогнозы ИИ обнародованы Банком России [20] на базе публикаций информационного агентства Bloomberg^{10, 11}, а также отчета Стэндфордского университета [21]. Компания «Statista» предполагала, что рынок воплощенных технологий в 2023 г. составит порядка 136 млрд долл., генеративного ИИ – 44 млрд долл., а к 2030 г. весь рынок ИИ может возрасти до 1,8 трлн долл.¹² Прогноз компании «Precedence Research» (США) [22] указывал на то, что объем мирового рынка ИИ в 2023 г. будет составлять 558 млрд долл. а к 2034 г. достигнет 3680,47 млрд долл., пройдя в 2030 г. отметку 1807,84 млрд долл., что в целом соответствует оценкам «Statista».

Что касается затрат на исследования и разработки по направлениям ИИ, интегрируемым в конкретные технологии, по данным компании «Statista», объем мирового рынка ИиР по направлениям ИИ в 2023 г. составил 135,84 млрд долл. (примерно 25% рынка). При этом основные затраты на ИиР по отдельным технологическим направлениям приходятся на машинное обучение, обработку естественных языков, компьютерное зрение, автономные и сенсорные технологии и робототехнику. В соответствии с данными корпорации AIPRM (США), лидером по валовым затратам на ИиР в сфере ИИ являются США, потратившие с 2019 по 2023 гг. на развитие ИИ 328,55 млрд долл. Только в 2023 г. страна инвестировала в разработки ИИ 67,9 млрд долл. (на 66% больше, чем в 2019 г.). КНР занимает 2 место по затратам на эти цели (в 2019-2023 гг. – 132,67 млрд долл., т. е. примерно на 60% меньше по сравнению с США). На 3 месте – Великобритания с объемом инвестиций 25,54 млрд долл. за тот же период (почти в 13 раз меньше по сравнению с США). Индия занимает 4 место (16,15 млрд долл.), ФРГ – 5 место (14,3 млрд долл.)¹³.

Однако, по нашему мнению, существующие прогнозы ИИ избыточно оптимистичны. Они, вероятно, отражают завышенные ожидания весьма влиятельной группы международных инвесторов из Кремниевой долины (США), которые полагают, что накопившиеся диспропорции мировой экономики могут быть решены на основе технологического прогресса, в том числе за счет развития технологий ИИ¹⁴.

Дискуссии, проводимые в 2023-2024 гг. в ИНП РАН, показали накопление большого набора имманентных диспропорций и рисков развития мировой экономики, поэтому развитие высокотехнологичных рынков, в том числе, рынка ИИ, может достаточно быстро затормозиться [23]. Более того, постоянно обновляемая база ИНП РАН по распределению финансирования ИиР ключевыми мировыми R&D-компа-ниями по технологическим направлениям позволяет в первом приближении оценить ограничения приростов сегментов цифровой экономики на основе тенденций 2011-2022 гг. [23, с. 30-44]. Методология расчетов ИНП РАН излагалась ранее (см., например: [24]). В консервативном прогнозном сценарии развития ИИ предполагается значительное торможение этих рынков в 2030-х годах, в том числе, из-за нового охлаждения инвесторов к перспективам ИИ в связи с более низким их влиянием на рост производительности труда в реальном секторе экономике («Третья зима ИИ»). Прогнозные сценарии представлены на рис. 3.

Результаты прогнозирования показывают:

• оптимистический сценарий предполагает увеличение мирового рынка ИИ в 2035 г. до 4,4 трлн долл., что составит примерно 2,3% мирового валового продукта;
• консервативный сценарий вводит ряд ограничений на объемы частных инвестиций в ИиР и эффекты ИИ в воплощенных технологиях. Тогда мировой рынок ИИ в 2035 г. возрастет до 2,8 трлн долл. (1,4% мирового валового продукта).

Что касается российского рынка искусственного интеллекта, то компания «Statista» оценивала его объем в 2023 г. в 3 млрд долл., в 2024 г. – в 4,05 млрд долл., к 2030 г. – в 18,37 млрд долл.¹⁵ Применение методики прогнозирования высокотехнологичных рынков ИНП РАН на базе динамических рядов этой компании с учетом технологических и макроэкономических ограничений развития российской экономики [25-27] позволило сформировать еще два сценария: оптимистический и консервативный (рис. 4).

Оптимистический сценарий развития рынка ИИ предполагает существенное увеличение затрат на ИиР и инвестиций в промышленные технологии с 2027 г., связанное с внедрением ИИ. Это связано с тем, что пересмотр российских программ разработки и внедрения технологий ИИ может быть осуществлен только после анализа действий новой команды 47-го президента США Д. Трампа, который обещает определенные результаты массового применения этих технологий уже к лету 2026 г.

Результаты прогноза показали следующее:

• в консервативном сценарии рынок ИИ в 2035 г. возрастет до 1,2% ВВП РФ;
• в оптимистическом сценарии доля рынков ИИ в ВВП РФ в 2035 г. составит примерно 1,9%.

Следует отметить, что исследования в области искусственного интеллекта включены в Программу фундаментальных научных исследований в РФ на долгосрочный период (2021-2030 гг.) и План фундаментальных и поисковых исследований на 20212030 гг., а направления развития технологий ИИ в научных целях определены соответствующими Указами Президента РФ¹⁶.

Выводы и уроки для России

Говоря о перспективах развития технологии искусственного интеллекта в РФ, следует отметить, что:

• искусственный интеллект как форма коммуникации с внешними объектами находится в начале своего роста, но уже в настоящее время ИИ может с успехом применяться в обработке данных экспериментов, в лингвистическом поиске и т. д.;
• в ближайшей перспективе будут востребованы активные меры государственной поддержки ИиР, и в части прикладных исследований применение ИИ способно сделать многие технологические направления реально прорывными.

Что касается использования ИИ в российской науке, то приоритетные направления научно-технологического развития предполагают исследование искусственного интеллекта либо как самостоятельного объекта, либо как ключевой составляющей в составе важнейших наукоемких технологий. Принимая во внимание глобальные тренды развития (особенно в контексте перспектив интеграции ИИ в производственные, медицинские, транспортные, энергетические и другие технологии, включая технологии двойного назначения) и учитывая текущую международную обстановку, представляется целесообразным рассмотреть возможность применения следующих мер:

1. в целях повышения оперативности реализации ИиР по приоритетным направлениям научно-технологического развития (каждое из которых фактически предполагает исследования и разработки в области искусственного интеллекта) предусмотреть не программно-целевой, а проектно-целевой подход, основанный на централизованном формировании исследовательских команд, имеющих соответствующий опыт, формировании государственного заказа и на государственном мониторинге и управлении реализацией приоритетных проектов технологического развития;
2. в целях обеспечения высоких темпов реализации ИиР по приоритетным направлениям научно-технологического развития предусмотреть анализ достигнутых результатов в рамках проектов технологического развития и пересмотр объемов финансирования на ежегодной основе.

¹ Это называют «эффектом ИИ» (AI Effect), который заключается в том, что как только ИИ начинает решать принципиально новый класс задач, ранее немыслимый, то критики перестают считать эти задачи интеллектуальными. В таком контексте удачным выглядит известная формула американского ученого в области информатики Л. Теслера: «Искусственный интеллект – это те задачи, которые мы еще не научились решать» [1, с. 131].

² Энциклопедия «Britannica». URL: https://www.britannica.com/technology/artificial-intelligence

³ IBM. URL: https://www.ibm.com/topics/artificial-intelligence

⁴ ГОСТ Р 59276-2020. URL: https://meganorm.ru/Data/754/75401.pdf

⁵ Историк науки Дж. Дайсон отмечал, что Н. Винер прогнозировал: «Возникновение нового … фашизма, который будет опираться на machine a gouverner» (цит. по [2, с. 14-15]), но критика со стороны научного сообщества и давления властей заставили убрать ученого многие острые моменты его труда во втором издании 1954 г.

⁶ Машинное обучение (machine learning) предполагает обучение аппаратно-программного комплекса формированию решений на основе данных, причем без предварительного программирования на выполнение конкретной задачи. Существует множество алгоритмов машинного обучения, включая линейную регрессию, логистическую регрессию, дерево решений, кластеризацию и др. Глубокое обучение (deep learning) описывает алгоритмический подход к построению и обучению более сложных нейронных сетей. Характерной чертой глубокого обучения является алгоритмизация на примере множества сходных задач с применением многослойных (глубоких) нейронных сетей. В отличие от классических моделей машинного обучения, которые обычно имеют только один или два рабочих слоя, глубокие нейронные сети имеют входной слой, сотни скрытых слоев и выходной слой. Наличие многочисленных слоев обеспечивает возможность обучения на огромном массиве данных без контроля человека, в том числе с применением технологий компьютерного зрения и обработки естественных языков.

⁷ Следует отметить создание в 1963 г. языка для функционального программирования задач ИИ Lisp и логического программирования (язык Prolog, 1971 г.).

⁸ Dongarra et al. Computational capacity of the fastest supercomputers [dataset]. 2023. URL: https://our-worldindata.org/grapher/supercomputer-power-flops

⁹ URL: https://www.statista.com/

¹⁰ Generative AI to Become a $ 1.3 Trillion Market by 2032. Bloomberg. June 2023. URL: https://www.bloom-berg.com/company/press/generative-ai-to-become-a-1-3-trillion-market-by-2032-research-finds/

¹¹ Artificial Intelligence Market to Hit $ 1,811.75 Billion by 2030: Grand View Research. Bloomberg. July 2023. URL: https://www.bloomberg.com/press-releases/2023-07-03/artificial-intelligence-market-to-hit-1-811-75-billion-by-2030-grand-view-research-inc

¹² Artificial intelligence (AI) worldwide – statistics & facts. URL: https://www.statista.com/topics/3104/artificial-intel-ligence-ai-worldwide/#topicOverview

¹³ AI Investment Race: Discover Which Countries Are Dominating the Future of Technology. URL: https://ifamaga-zine.com/ai-investment-race-discover-which-countries-are-dominating-the-future-of-technology

¹⁴ См., в частности, публикацию в 2017 г. М. Андриссеном «Манифеста технооптимиста». URL: https://a16z.com/-the-techno-optimist-manifesto/?ref=404media.co

¹⁵ Statista. Artificial Intelligence – Russia. URL: https://www.statista.com/outlook/tmo/artificial-intelligence/rus-sia#market-size

¹⁶ Распоряжение Правительства РФ от 31 декабря 2020 г. № 3684-р. URL: https://www.ras.ru/FStorage/Down-load.aspx?id=48c1fef5-a422-4bf7-8774-67e002578c0f; См. Указ Президента РФ от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в РФ (вместе с Национальной стратегией развития искусственного интеллекта на период до 2030 года)» (в редакции от 15.02.2024). URL: https://sudact.ru/law/ukaz-prezidenta-rf-ot-10102019-n-490/natsionalnaia-strategiia-razvitiia-iskusstvennogo-intellekta/v/podderzhka-nauchnykh-issledovanii-i-razrabotok/; Указ Президента РФ от 18.06.2024 г. № 529 «Об утверждении приоритетных направлений научно-технологического развития и перечня важнейших наукоемких технологий». URL: http://www.krem-lin.ru/acts/bank/50755

Литература / References

1. Пройдаков Э.М. Современное состояние искусственного интеллекта // В сб. Науковедческие исследования. М., ИНИОН РАН. 2018. C. 129-153. DOI: 10.31249/scis/2018.00.09. [Proidakov E.M. Sovremennoe sostoyanie iskusstvennogo intellekta // In Naukovedcheskie issledovaniya. M., INION RAN. 2018. Pp. 129-153. (In Russ.)]
2. Искусственный интеллект – надежды и опасения [сборник: пер. с англ. В. Желнинова] / под ред. Дж. Брокмана. М., АСТ. 2020. 384 с. [Possible Minds: Twenty-five Ways of Looking at AI / ed. John Brockman. Penguin Press. 2019. 320 p.]
3. Поршнев Б.Ф. О начале человеческой истории (проблемы палеопсихологии). М., «ФЭРИ–В». 2006. 640 с. [Por-shnev B.F. O nachale chelovecheskoi istorii (Problemy paleopsikhologii). M., «FERI–V». 2006. 640 p. (In Russ.)]
4. Ламсден Ч. Дж., Уилсон Э.О. Прометеев огонь: размышления о происхождении разума. Пер. с англ. М., Едиториал УРСС, 2017. 304 с. [Lumsden Ch.J., Wilson E.O. Promethean Fire. Reflections on the Origin of Mind. Iuniverse Inc. 1999. 228 p. (In Russ.)]
5. Панов Е.Н. Человек и природа в архаическом коллективном сознании. М., Гнозис. 2021. 343 с. [Panov E.N. Mankind and Nature in the Archaic Collective Consciousness. M., Gnosis. 2021. 343 p. (In Russ.)]
6. Turing A.M. Computing Machinery and Intelligence. Mind. 1950. Vol. 59. No. 236. Pp. 433-460.
7. McCarthy J. Recursive Functions of Symbolic Expressions and Their Computation by Machine. Communications of the ACM. 1960. Vol. 3. No. 4. Pp. 184-195. DOI: 10.1145/367177.367199.
8. What is artificial intelligence (AI)? History of AI. URL: https://www.ibm.com/topics/artificial-intelligence
9. Aizenberg Igor N., Aizenberg Naum N., Vandewalle J. Multi-Valued and Universal Binary Neurons: Theory, Learning and Applications. Springer. 2000. 280 p.
10. Anyoha R. The History of Artificial Intelligence. Harvard University. 2017. URL: https://sitn.hms.har-vard.edu/flash/2017/history-artificial-intelligence/
11. Wiener N. Cybernetics: Or Control and Communication in the Animal and the Machine. Camb. Mass. (MIT Press). 1948, 2nd revised ed. 1961.
12. Винер Н. Кибернетика и общество. Человеческое применение человеческих существ. Пер. с англ. В. Желнинова. М., АСТ. 2019. 340 с. [Wiener N. The Human Use of Human Beings: Cybernetics and Society. The Riverside Press (Houghton Mifflin Co.). 1950, 2nd revised ed. 1954. (In Russ.)]
13. Goodfellow I., Bengio J., Courville A. Deep Learning (Adaptive Computation and Machine Learning Series). The MIT Press. 2016. 800 p.
14. Поспелов Д.А. Ситуационное управление. Теория и практика. М., Наука. 1986. 288 с. [Pospelov D.A. Situatsionnoe upravlenie. Teoriya i praktika. M., Nauka. 1986. 288 p. (In Russ.)]
15. Срничек Н. Капитализм платформ / Пер. с англ. М., Изд. дом ВШЭ. 2019. 128 с. [Srnicek N. Platform Capitalism (Theory Redux). Cambridge: Polity. 2016. 120 p. (In Russ.)]
16. Bank of America Institute. The AI evolution: Reality justifies the hype. November 2023. URL: https://insti-tute.bankofamerica.com/content/dam/transformation/the-ai-evolution. pdf
17. Everitt T., Hutter M. Universal Artificial Intelligence: Practical Agents and Fundamental Challenges in H. A. Abbass et al. (eds.). 2018. Pp. 15 46. URL: https://doi.org/10.1007/978-3-319-64816-3_2
18. Artificial Intelligence in Science: Challenges, Opportunities and the Future of Research. OECD Publishing, Paris. 2023. 298 p. URL: https://doi.org/10.1787/a8d820bd-en.
19. 1Bloom N. et al Are ideas getting harder to find? American Economic Review. 2020. Vol. 110/4. Pp. 1104-1144. URL: https://doi.org/10.1257/aer.20180338
20. Применение искусственного интеллекта на финансовом рынке. Доклад для общественных консультаций. М., ЦБ РФ. 2023. 52 с. [Primenenie iskusstvennogo intellekta na finansovom rynke. Doklad dlya obshchestven-nykh konsul'tatsii.   M.,   TsB RF. 2023.   52 p. (In Russ.)] URL:   https://www.cbr.ru/Content/Document/File/156061/Consultation_Paper_03112023.pdf
21. Artificial Intelligence Index Report 2023. 386 p. URL: https://aiindex.stanford.edu/wp-content/uploads/2023/04/-HAI_AI-Index-Report_2023. pdf
22. Artificial Intelligence (AI) Market Size, Share, and Trends 2024 to 2034 // Precedence Research Report. URL: https://www.precedenceresearch.com/artificial-intelligence-market
23. Трансформация мировой экономики: возможности и риски для России. Научный доклад / Под ред. члена-корреспондента РАН А.А. Широва. М., Динамик Принт. 2024. 144 с. [Transformation of the World Economy: Possibilities and Risks for Russia. Scientific report / ed. corresponding member of the Russian Academy of Sciences A.A. Shirov. M., Dynamic Print. 2024. 144 p. (In Russ.)]
24. Ganichev N.A., Koshovets O.B. Rethinking Russian Digital Economy Development Under Sanctions. Studies on Russian Economic Development. 2022. Vol. 33. No. 6. Pp. 645-655.
25. Frolov I.E. Capitalization of Russian Science and Its Effect on Productivity and Effectiveness of Research Sector. Studies on Russian Economic Development. 2015. Vol. 26. No. 3. Pp. 205-217.
26. О долгосрочном научно-технологическом развитии России: монография / Под ред. Д.Р. Белоусова и И.Э. Фролова. М., Динамик Принт. 2022. 168 с. [On the Long-Term Scientific and Technological Development of Russia: monograph / ed. D.R. Belousov and I.E. Frolov. M., Dynamic Print. 2022. 168 p. (In Russ.)]
27. Россия 2035: к новому качеству национальной экономики. Научный доклад / Под ред. члена-корреспондента РАН А.А. Широва. М., Артик Принт. 2024. 264 с. [Russia 2035: Toward a New Quality of National Economy. Scientific report / ed. corresponding member of the Russian Academy of Sciences A.A. Shirov. M., Artique Print. 2024. 264 p. (In Russ.)]