По данным исследования НИУ ВШЭ, российские работы показывают высокую международную цитируемость, однако между научными результатами и коммерческими продуктами сохраняется заметный разрыв. Как пишут "Известия", следующий этап для отрасли связан уже не столько с публикациями, сколько с вычислительной инфраструктурой, данными и переносом разработок в бизнес.
Российская ИИ-наука сохраняет сильные позиции на мировом уровне, прежде всего в компьютерном зрении, математических методах машинного обучения и технологиях речи. По данным исследования Наукометрического центра НИУ ВШЭ, Россия занимает третье место среди стран БРИКС по числу публикаций на ведущих международных конференциях по искусственному интеллекту, уступая только Китаю и Индии. Подробно о результатах исследования и проблемах отрасли пишут "Известия".
В 2020–2025 годах российские организации представили 560 исследований, получивших более 12,3 тыс. цитирований. Средний показатель международной цитируемости FWCI составил 3,59 против 3,10 у Индии. Это важный показатель: российские исследователи пока не конкурируют с крупнейшими странами по количеству публикаций, но отдельные работы получают заметно большее внимание научного сообщества.
Однако именно здесь начинается главный вызов. Сильная научная база сама по себе еще не превращается в технологическое лидерство. Для этого нужны вычислительные мощности, большие массивы данных, инвестиции и компании, способные доводить разработки до массового продукта.
Россия сильна там, где фундаментальные знания превращаются в алгоритмы
По оценке НИУ ВШЭ, Россия традиционно занимает сильные позиции в теоретической информатике. В БРИКС страна лидирует по анализу формальных понятий, а еще по 23 тематическим направлениям занимает второе место.
Фундаментом этой школы остаются математика и оптимизация машинного обучения. Именно поэтому российские исследователи заметны в направлениях, где качество алгоритма и математической модели имеет не меньшее значение, чем объем доступных вычислений.
Особенно выделяются компьютерное зрение и технологии обработки и распознавания речи. Эти компетенции имеют прямой прикладной потенциал: от промышленной дефектоскопии и медицинской диагностики до беспилотного транспорта, систем безопасности и автоматизации документооборота.
Отдельные разработки уже востребованы за пределами России. В качестве примера эксперты приводят инструменты автоматического машинного обучения FEDOT, которые за последние три года скачивали пользователи из 42 стран. Среди зарубежных направлений применения российских разработок также называют системы компьютерного зрения и распознавания лиц.
При этом сильная научная школа становится конкурентным преимуществом только тогда, когда ее результаты можно масштабировать. И здесь российской ИИ-индустрии предстоит пройти более сложный путь.
Главная проблема теперь не публикации, а переход от науки к продукту
Более 40% российских научных публикаций в области ИИ подготовлены при участии корпоративного сектора. Это показывает, что связь между университетами и бизнесом уже существует. Среди наиболее заметных участников научной активности называются "Яндекс", НИУ ВШЭ, Сколтех и AIRI.
Но участие бизнеса в исследованиях не означает автоматически коммерциализацию разработок. Наиболее сложный участок начинается после появления научного результата: необходимо создать модель, обучить ее на больших массивах данных, протестировать, интегрировать в конкретный процесс и обеспечить стабильную работу.
Именно поэтому Минцифры, как пишут "Известия", считает приоритетами развитие регулирования ИИ, вычислительной инфраструктуры, кадров и стимулирование спроса на отечественные решения.
Для экономики этот переход принципиален. Научная публикация создает знания, а конкурентный продукт создает производительность, экспортную выручку и спрос на специалистов. Поэтому эффективность государственной поддержки ИИ все больше будет зависеть не от количества опубликованных работ, а от числа технологий, которые дошли до реального применения.
Особенно перспективными направлениями эксперты называют генеративные модели, компьютерное зрение для промышленности и медицины, робототехнику, автономный транспорт, оптимизацию нейросетей, материаловедение, биоинформатику и геологию.
Вычислительные мощности становятся новой промышленной инфраструктурой
Еще один фактор, который способен ограничить развитие российских ИИ-компетенций, – доступ к вычислениям.
Современные большие модели требуют огромных ресурсов для обучения и последующего использования. Поэтому наличие сильных математиков и разработчиков без достаточной вычислительной инфраструктуры постепенно становится недостаточным условием технологического успеха.
По сути, ИИ превращается в капиталоемкую отрасль. Конкуренция идет уже не только между алгоритмами и исследовательскими школами, но и между странами за доступ к ускорителям, дата-центрам, электроэнергии, данным и квалифицированным специалистам.
Отдельным ограничением остаются данные. Для языковых моделей особенно важен масштаб качественных корпусов, а российские проекты, работающие преимущественно с русскоязычным контентом, располагают меньшим объемом исходного материала по сравнению с глобальными англоязычными платформами. Коммерческие базы данных, в свою очередь, могут быть дорогими.
При этом в российской ИИ-науке есть и обратная проблема – недостаточное внимание бизнеса к фундаментальным исследованиям. Эксперты указывают, что лишь ограниченное число компаний системно вкладывается в ИИ-науку, тогда как большинство заинтересовано прежде всего в быстром прикладном эффекте.
Получается парадокс: Россия имеет научные компетенции, которые хорошо выглядят в международных сравнениях, но для их превращения в экспортируемые продукты нужны существенно большие ресурсы.
Следующая битва для российского ИИ пройдет уже не в научных рейтингах
Высокая цитируемость российских исследований – важный результат, но сама по себе она не гарантирует технологического суверенитета или международной конкурентоспособности.
Для следующего этапа нужны три элемента одновременно: собственные вычислительные мощности, доступ к качественным данным и устойчивый спрос со стороны бизнеса и государства. Если хотя бы один из них отстает, научные разработки рискуют оставаться преимущественно в академической среде.
Именно поэтому нынешняя позиция России в международной ИИ-науке одновременно является и достижением, и своеобразным авансом. Страна уже располагает школами, способными создавать исследования мирового уровня. Теперь необходимо доказать, что эти компетенции способны превращаться в массовые технологии, конкурентоспособные продукты и экспорт.
Для внешней торговли это особенно интересный момент. Если российские решения в области компьютерного зрения, автоматического машинного обучения, робототехники и языковых технологий смогут масштабироваться, ИИ потенциально станет не только инструментом импортозамещения, но и самостоятельной экспортной отраслью. Перспективными рынками эксперты называют страны БРИКС, Китай, Индию и другие государства, заинтересованные в альтернативных технологических поставщиках.
Таким образом, главный вопрос для российского ИИ постепенно меняется. Речь уже не только о том, способны ли российские ученые создавать конкурентоспособные алгоритмы. Вопрос в том, сможет ли страна обеспечить этим алгоритмам инфраструктуру и рынок, необходимые для превращения научного преимущества в устойчивое технологическое и экономическое преимущество.
Ирина Лазарева, ТКС.РУ
Общение: 