Технологии искусственного интелекта

ByRuslan Novikov

May 12, 2021

ТЕХНОЛОГИИ

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

2019

Содержание

Глоссарий

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ

МАШИННОГО ОБУЧЕНИЯ

ВВЕДЕНИЕ

Компьютерное зрение

Основные этапы развития технологий искусственного интеллекта

Биометрическая идентификация

Текущая ситуация в России и мире

Обработка естественного языка, поиск и извлечение информации

из текстов

Эффект от применения технологий искусственного интеллекта

Распознавание речи

ИСТОРИЯ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Синтез речи

Машинное зрение

ОПРЕДЕЛЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Машинный перевод

Генерация текстов

СТАНДАРТИЗАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Диалоговые системы (чат-боты)

Анализ тональности

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Основные элементы современных технологий искусственного интеллекта

Уровень готовности технологий искусственного интеллекта в России

Направления исследований

Ключевые технические характеристики технологий искусственного

интеллекта

Основные цели работ по развитию искусственного интеллекта

Взаимосвязь технологий искусственного интеллекта с другими сквозными

Теоретические основы технологий искусственного интеллекта

цифровыми технологиями

Экспертная система (интеллектуальные системы)

Наиболее перспективные направления реализации технологий

Машинное обучение

искусственного интеллекта в промышленности

ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ

Технологии искусственного интеллекта для антифрода.

Внешние и инсайдерские угрозы

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Тенденции развития технологий

Технологии искусственного интеллекта и операционная эффективность

Рыночные тенденции

Технологии искусственного интеллекта на транспорте

Примеры внедрения технологий искусственного интеллекта

ГЛАВНЫЕ ОГРАНИЧЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО

на транспорте

ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в логистике

Главные нерешённые вопросы технологий искусственного интеллекта

Технологии искусственного интеллекта в торговле

Ограничения применения искусственного интеллекта

Технологии искусственного интеллекта в криминалистике

Типичные ошибки при внедрении искусственного интеллекта

Технологии искусственного интеллекта в судебной системе

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО

Технологии искусственного интеллекта в медицине/здравоохранении

ИНТЕЛЛЕКТА

Примеры внедрения технологий искусственного интеллекта

Внедрение технологий искусственного интеллекта в реальные проекты

в здравоохранении

Технологии искусственного интеллекта в промышленности

Технологии искусственного интеллекта в ОПК

Примеры реализации технологийискусственного интеллекта

Примеры внедрения технологий искусственного интеллекта

в промышленности

в оборонно-промышленный комплекс

Технологии искусственного интеллекта в социальной сфере

Технологии искусственного интеллекта в государственном секторе

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ

Технологии искусственного интеллекта в финансовом секторе

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в электроэнергетике

Компании мира – обзор

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ

Размер российского рынка решений в сфере искусственного интеллекта

137

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Влияние искусственного интеллекта на рынок труда

138

Кто в России занимается технологиями искусственного

интеллекта и машинного обучения

106

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ В ОБЛАСТИ ТЕХНОЛОГИЙ

Собственные решения компаний в области искусственного

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

139

интеллекта

108

Стратегия России в области технологий искусственного интеллекта

140

Российские компании и государственные органы, в которых

Стратегия США в области технологий искусственного интеллекта

142

применяются технологии искусственного интеллекта

110

Стратегия Европейского союза в области технологий искусственного

интеллекта

142

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ

Стратегия Германии в области технологий искусственного интеллекта

142

ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

111

Стратегия Великобритании в области технологий искусственного интеллекта

143

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ

Стратегия Франции в области технологий искусственного интеллекта

143

ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

120

Стратегия Китая в области технологий искусственного интеллекта

144

Стратегия Южной Кореи в области технологий искусственного интеллекта

144

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

127

Мировой рынок искусственного интеллекта

129

ПРИЛОЖЕНИЕ №1

145

Российский рынок искусственного интеллекта

132

Теоретические основы технологий искусственного интеллекта

146

Размер мирового рынка решений в сфере искусственного интеллекта

135

Список использованных источников

154

Глоссарий

Алфавит – некоторое множество элементов-симво-

или несколько взаимосвязанных комплексов, об-

лов.

разующих единую инфраструктуру.

Апостериорная вероятность

– условная вероят-

10.

Глубокие нейронные сети (Deep Neural Networks)

ность случайного события в случае наличия опыт-

– многослойная нейронная сеть, в которой «усво-

ных данных.

енные» данные пропускаются через несколько

слоёв «нейронов»; на каждом слое результат пре-

Аппаратное обеспечение – система взаимосвя-

дыдущего слоя используется в качестве вводной

занных технических устройств, предназначенных

информации.

для ввода (вывода), обработки и хранения данных.

11.

Дистрибутивная гипотеза – лингвистические еди-

Априорная вероятность – это вероятность, присво-

ницы, встречающиеся в схожих контекстах, имеют

енная событию при отсутствии знания, поддержи-

близкие значения.

вающего его наступление.

12.

Интеллектуальные агенты, программные агенты

Архитектура вычислительной системы – конфигу-

(Intellectual Agents) – программы, самостоятельно

рация, состав и принципы взаимодействия (вклю-

выполняющие задания, указанные пользователем

чая обмен данными) элементов вычислительной

или другими программами, в течение длительных

системы.

промежутков времени, используются для помощи

Байесовский классификатор – широкий класс алго-

оператору или сбора информации.

ритмов классификации, основанный на принципе

13.

Коммодитизация – это период развития какой-ли-

максимума апостериорной вероятности.

бо технологии, когда создаваемые с их помощью

Большие данные (Big Data) – данные, собранные

товары или услуги становятся предметом массово-

автоматическим способом, слишком большие

го спроса.

для сбора и обработки вручную, позволяющие на-

14.

Комплекс технологических решений включает

ходить новые закономерности и знания, которые

в себя:

невозможно получить из локальных фрагментов

данных.

14.1

Информационно-коммуникационную структу-

ру.

Бытовой искусственный интеллект – специализи-

рованные программы искусственного интеллекта,

14.2

Программное обеспечение (в том числе в ко-

внедрённые в бытовые устройства и процессы. На-

тором используются методы машинного обу-

пример, алгоритм Т9 или выделение лиц на фото

чения).

в смартфонах и камерах.

Процессы и сервисы по обработке данных

14.3

Вычислительная система

– предназначенные

и поиску решений.

для решения задач и обработки данных (в том чис-

15.

Марковская модель (скрытая марковская модель

ле вычислений) программно-аппаратный комплекс

(СММ))

– статистическая модель, имитирующая

работу процесса, похожего на марковский процесс

23.

Обучающая выборка (Dataset, Training Set) – на-

29.

Предложение (в алфавите) – произвольная (конеч-

с неизвестными параметрами, задачей которой

бор прецедентов (объектов, случаев, событий, ис-

ная) цепочка символов этого алфавита.

является определение неизвестных параметров

пытуемых, текстов, фотографий, образцов, и т.п.),

30.

Представление знаний/Онтология

(Ontologies/

на основе наблюдаемых данных.

выбранных для обучения алгоритма из множества

Knowledge Management – представление инфор-

всех возможных прецедентов, называемого гене-

16.

Марковский процесс – случайный процесс, эво-

мации о мире в форме иерархии понятий такой,

ральной совокупностью.

люция которого после любого заданного значения

чтобы система искусственного интеллекта могла

временного параметра t не зависит от эволюции,

24.

Общедоступная платформа

– информационная

использовать её для решения сложных задач.

предшествовавшей t, при фиксированных параме-

система для сбора, обработки, хранения и опубли-

31.

Прогностические системы – системы, улавливаю-

трах процесса.

кования наборов данных, доступная для любого

щие взаимосвязи между переменными в наборах

пользователя в информационно-телекоммуника-

17.

Машинное обучение (Machine Learning)

– тех-

данных за прошлые периоды и их итогами.

ционной сети «Интернет».

нологии автоматического обучения алгорит-

32.

Разметка (Mark-up) – обработка обучающей вы-

мов искусственного интеллекта распознаванию

25.

Открытая библиотека искусственного интеллекта

борки для присвоения объектам в ней свойств,

и классификации на тестовых выборках объектов

– набор алгоритмов, предназначенных для раз-

распознаванию которых обучается алгоритм.

для повышения качества распознавания, обработ-

работки технологических решений на основе ис-

ки и анализа данных, прогнозирования.

кусственного интеллекта, описанных с использова-

33.

Разметка данных – этап обработки структуриро-

нием языков программирования и размещённых

ванных и неструктурированных данных, в процессе

18.

Набор данных – совокупность данных, прошедших

в сети «Интернет».

которого данным (в том числе текстовым докумен-

предварительную подготовку и обработку. Такой

там, фото- и видеоизображениям) присваиваются

набор данных должен соответствовать требовани-

26.

Открытые данные – архивы, библиотеки данных,

идентификаторы, отражающие тип данных (клас-

ями законодательства РФ об информации, инфор-

обычно хранящиеся на облачных хранилищах

сификация данных), и (или) осуществляется интер-

мационных технологиях и о защите информации..

и доступные для скачивания в любой точке мира

претация данных для решения конкретной задачи,

любому пользователю.

19.

Наивный байесовский классификатор

– про-

в том числе с использованием методов машинного

стой вероятностный классификатор, основанный

27.

Персонализация

– настройка программных

обучения.

на применении теоремы Байеса со строгими (наи-

средств, сайтов, магазинов, рекламы и продуктов

34.

Рекомендательные системы (Recommender System,

вными) предположениями о независимости.

под конкретных пользователей или потребителей,

Collaborative Filtering) – системы, выдающие реко-

на основе анализа данных об их индивидуальном

20.

Независимость событий – в теории вероятностей

мендации на основе неявных закономерностей,

поведении и интересах.

два случайных события называются независимы-

обнаруживаемых алгоритмами искусственного ин-

ми, если наступление одного из них не изменяет

28.

Перспективные методы искусственного интеллек-

теллекта с помощью анализа больших данных.

вероятность наступления другого.

та – методы, направленные на создание принци-

35.

Рекуррентные нейронные сети – (recurrent neural

пиально новой научно-технической продукции,

21.

Нейронная сеть (Artificial Neural Network

– ма-

network, RNN) – вид нейронных сетей, в которых

в том числе в целях разработки универсального

тематическая модель

(а также её программное

связи между элементами образуют направленную

(сильного) искусственного интеллекта (автономное

или аппаратное воплощение), состоящая из слоёв

последовательность, благодаря чему появляется

решение различных задач, автоматический дизайн

“нейронов”, передающих друг другу данные, и по-

возможность обрабатывать серии событий во вре-

физических объектов, автоматическое машинное

строенная по принципу организации и функцио-

мени или последовательные пространственные

обучение, алгоритмы решения задач на основе

нирования биологических нейронных сетей.

цепочки.

данных с частичной разметкой и (или) незначи-

22.

Нейронные сети прямого распространения (Feed-

тельных объёмов данных, обработка информации

36.

Рекуррентные нейронные сети

(Recurrent

Forward Networks) – нейронная сеть с многими сло-

на основе новых типов вычислительных систем,

Networks) – глубокие нейронные сети, где данные

ями, где данные распространяются только вперёд.

интерпретируемая обработка данных и иные ме-

могут распространяться между слоями вперёд

тоды).

и назад.

ГЛОССАРИЙ

37.

Свёрточные нейронные сети (Convolutional Neural

решений и перспективные методы искусственного

55.

Closed vocabulary – закрытый словарь. В системах

Networks) – многослойные нейронные сети с че-

интеллекта.

распознавания речи – словарь с ограниченным

редованием специальных свёрточных (суммиру-

количеством слов, на который настроена система

44.

Технологическое решение – технология, програм-

ющих) и обычных слоёв, наиболее эффективные

распознавания и который не может пополняться

ма для электронно-вычислительных машин (про-

для распознавания изображений.

пользователем.

грамма для ЭВМ), база данных или их совокуп-

38.

Сильный/человекоподобный искусственный ин-

ность, а также сведения о наиболее эффективных

56.

Deep learning

(также deep structured learning,

теллект (Strong AI, Super-AI)

– интеллектуальный

способах их использования.

hierarchical learning) – глубокое (глубинное) струк-

алгоритм, способный решать широкий спектр ин-

турированное или иерархическое машинное об-

45.

Экспертные системы

– система, использующие

теллектуальных задач как минимум наравне с че-

учение, набор алгоритмов и методов машинного

отраслевые знания (из медицины, химии, права)

ловеческим разумом.

обучения (machine learning) на основе различных

в сочетании с наборами правил, описывающими,

видов представления данных. Обучение может

39.

Слабый/специальный искусственный интеллект

как применять знания.

быть контролируемым, полуконтролируемым

(Narrow AI, Weak AI) – интеллектуальный алгоритм,

46.

Эргатические системы – это системы типа «чело-

(semi-supervised) или неконтролируемым. Исполь-

имитирующий человеческий разум в решении

век-машина», содержащие качественно разно-

зование в глубоком обучении рекуррентных ней-

конкретных узкоспециализированных задач.

родные компоненты – человека и технические

ронных сетей (recurrent neural networks), позволяет

40.

Смежные области использования искусственного

средства – машины и механизмы, промышленные

эффективно решать задачи в областях компьютер-

интеллекта – технологии и технологические реше-

изделия.

ного зрения, распознавания речи, обработки тек-

ния, в которых искусственный интеллект использу-

стов на естественном языке, машинного перевода,

47.

Эффект Балдвина – суть этого эффекта в том, что на-

ется в качестве обязательного, включая робототех-

биоинформатики и др.

выки, приобретаемые организмами в течение жиз-

нику и управление беспилотным транспортом.

ни в результате обучения, через некоторое число

57.

Deep neural network (DNN) – глубокая нейронная

41.

Теория функциональных систем Анохина – функ-

поколений оказываются записанными в геном.

сеть, глубинная нейронная сеть, ГНС, многослой-

циональная система состоит из определённого ко-

ная сеть, содержащая между входным и выходным

48.

Язык (над данным алфавитом)

– произвольное

личества узловых механизмов, каждый из которых

слоями несколько (много) скрытых слоёв нейро-

(возможно, бесконечное) множество предложений

занимает своё место и имеет определённое специ-

нов, что позволяет моделировать сложные нели-

в этом алфавите.

фическое назначение. Первый из них – афферент-

нейные отношения. ГНС сейчас всё чаще исполь-

ный синтез, в котором выделяют четыре обяза-

49.

Языковая модель – это распределение вероятно-

зуются для решения таких задач искусственного

тельных компонента: доминирующую мотивацию,

стей следующего слова в предложении, если зада-

интеллекта, как распознавание речи, обработка

ситуационную и пусковую афферентацию, а также

но его начало.

текстов на естественном языке, компьютерное зре-

память. Взаимодействие этих компонентов приво-

ние и т.п., в том числе в робототехнике.

50.

ASR (Automatic (Automated) Speech Recognition) –

дит к процессу принятия решения.

автоматическое распознавание речи.

58.

Dictation – речевой (голосовой) ввод текста.

42.

Тест Тьюринга, критерий Тьюринга – общий не-

51.

Audio command – речевая (голосовая) команда; ко-

59.

Dictation system – система речевого ввода текста.

формальный критерий того, создан ли «сильный

манда речевого интерфейса пользователя.

искусственный интеллект».

60.

Homophone – омофон. Буква или комбинация букв,

52.

Audio user interface

(AUI)

– речевой интерфейс

представляющих один и тот же звук речи, слова,

43.

Технологии искусственного интеллекта – техноло-

пользователя.

одинаковые по звучанию, но имеющие разный

гии, основанные на использовании искусственного

смысл и/или написание.

интеллекта, включая компьютерное зрение, обра-

53.

Audio-to-text (также audio to text) – преобразова-

ботку естественного языка, распознавание и син-

ние аудиозаписи речи в текст.

61.

Homophone error – омофоническая ошибка, воз-

тез речи, интеллектуальную поддержку принятия

никающая при компьютерном распознавании

54.

AVR (Automatic Voice Recognition) – автоматическое

близких по звучанию, но различных по смыслу

распознавание речи.

произносимых слов.

ГЛОССАРИЙ

62.

IPA (International Phonetic Alphabet) – международ-

72.

Phonetic alphabet – фонетический алфавит для син-

способность систем распознавания речи настраи-

ный фонетический алфавит (МФА), специальный

теза речи.

ваться в результате обучения на речь диктора.

набор символов для фонетической транскрипции

73.

Phonetic searching (также phonetic search) – фо-

84.

Speaker-dependent

(также speaker dependent

(phonetic transcription) слов.

нетический поиск; функция некоторых поисковых

recognition)

– зависимый от диктора, зависимое

63.

Limited-vocabulary recognition

– распознавание

систем, реализующих фонетические алгоритмы,

от диктора распознавание; система распознава-

речи в системе с ограниченным словарём; распоз-

которые сопоставляют двум словам со схожим

ния речи, требующая предварительного обучения

навание речевых команд для конкретной предмет-

произношением одинаковые коды, что позволяет

или настройки на речь говорящего.

ной области с использованием хранящегося в па-

осуществлять сравнение и индексацию множества

85.

Speaker-independent

– независимый от диктора;

мяти системы словаря звуков (фонем).

таких слов на основе их фонетического сходства.

система распознавания речи, не требующая пред-

64.

LVCSR

(Large vocabulary continuous speech

74.

Phonetics – фонетика.

варительного обучения, т.е. настройки на речь го-

recognition)

– распознавание слитной речи

ворящего.

75.

Phonology – фонология (от греч. Phone – звуки,

на большом словаре.

logos – слово, учение), раздел языкознания, наука

86.

Speech analyser – анализатор речи; анализатор ре-

65.

MRCP (Media Resource Control Protocol) – протокол

о звуковом строе языка.

чевых сигналов.

управления медиаресурсами. Используется в голо-

76.

PLS

(Pronunciation Lexicon Specification)

– спец-

87.

Speech analysis – анализ речевых сигналов.

совых порталах (voice portal) для взаимодействия

ификация лексикона

(словаря) транскрипций;

с системами автоматического распознавания речи

88.

Speech API (SAPI) – интерфейс прикладного про-

определяет транскрипции

(произношения) слов

(ASR, speech recognition) и преобразования текста

граммного обеспечения для голосовых (речевых)

для применения в программах распознавания

в речь (TTS).

технологий.

речи и синтеза речи.

66.

Multimodal application – приложения с комбиниро-

89.

Speech bandwidth – речевая полоса частот; диапа-

77.

Recognition accuracy – точность (правильность, до-

ванным вводом-выводом данных. Многомодаль-

зон речевых частот, которые могут быть переданы

стоверность) распознавания.

ные приложения объединяют распознавание речи

или зарегистрированы данной системой.

с другими формами ввода-вывода.

78.

Silent Speech Interface (SSI) – безмолвный речевой

90.

Speech coding – кодирование речевого сигнала.

интерфейс, распознавание безмолвной речи; по-

67.

Natural language – естественный язык, например,

зволяет распознавать речь с помощью компьютер-

91.

Speech command – голосовая (речевая) команда.

русский или английский, используемый при по-

ной обработки артикуляции мышц лица.

вседневном общении людей.

92.

Speech compression – сжатие речи.

79.

SISR (Speech Interpretation for Speech Recognition) –

68.

Natural language processing (NLP) – обработка есте-

93.

Speech data – речевые данные; акустическая ин-

интерпретация речи для её распознавания.

ственного языка, обработка текстов на естествен-

формация, выраженная в текстовой форме, в виде

ном языке; одно из направлений вычислительной

80.

Speaker − говорящий, диктор, чтец, оператор (в си-

строк слов.

лингвистики.

стеме распознавания речи).

94.

Speech digitization (также speech digitizing) – оциф-

69.

NLP application – приложение для обработки есте-

81.

Speaker identification – идентификация говорящего,

ровка речи, преобразование речи из аналоговой

ственного языка.

распознавание диктора.

формы в цифровую.

70.

NLP technology

(Natural-language processing

82.

Speaker verification – установление (подлинности)

95.

Speech generation – генерация речи.

Technology) – технологии обработки естественного

личности говорящего, верификация говорящего

96.

Speech input – речевой ввод.

языка.

(диктора).

97.

Speech output – речевой вывод.

71.

Open vocabulary – открытый словарь, который мо-

83.

Speaker-adaptive

– адаптация к диктору, с на-

жет пополняться пользователем.

стройкой (настраивающийся) на речь говорящего;

98.

Speech perception – восприятие речи.

ГЛОССАРИЙ

99. Speech processing – обработка речи (речевых сиг-

совокупность слов модели, содержит все уникаль-

система, способная распознавать речевые коман-

налов), обработка речевых данных.

ные для модели слова.

ды (для управления оборудованием) и сообщения

(например, для их сохранения и передачи в тексто-

100. Speech recognition (SR) – распознавание речи.

114. Voice assistant – голосовой помощник.

вом виде), опознавать пользователя по голосу.

101. Speech recognition system – система распознавания

115. Voice command-and-control – речевое (голосовое)

128. Voice recognizer device – 1. Устройство распозна-

речи.

управление.

вания голоса. 2. Устройство распознавания речи.

102. Speech recognizer

– распознаватель речи, про-

116. Voice device – голосовое устройство.

129. Voice synthesis – синтез речи компьютером по тек-

грамма распознавания речи.

117. Voice digitization – оцифровка речи; преобразова-

стовому файлу или фонетическому описанию.

103. Speech technology – речевые технологии; совокуп-

ние речи в цифровую форму для хранения или пе-

130. Voice texture – характер (характерные особенности)

ность технологий, связанных с синтезом и распоз-

редачи.

голоса, речи.

наванием речи.

118. Voice input – речевой ввод, ввод данных голосом

131.

Voice translation device – устройство-переводчик;

104. Speech understanding – понимание речи.

технология и средства для ввода в компьютер

автоматический (синхронный) переводчик устного

и распознавания речевых команд и данных.

105. Speech-to-text (STT) – преобразование речи в текст;

языка.

технология распознавания речи, позволяющая

119. Voice interaction – речевое взаимодействие с ком-

132. Voice-driven

– управляемый голосом; с речевым

преобразовывать произнесённые слова в текст.

пьютером.

интерфейсом.

106. Spoken word

– произносимое

(произнесённое)

120. Voice interface – речевой интерфейс пользователя.

133. Voice-first device (также voice first device) – голосо-

слово.

121. Voice morphing

– речевой морфинг; изменение

вой помощник, речевой помощник; к этой катего-

107. SRAPI (Speech Recognition API) – API для распозна-

(преобразование) звучания голоса одного челове-

рии приложений и гаджетов относятся разнообраз-

вания речи.

ка таким образом, чтобы он был похож на голос

ные интеллектуальные устройства с голосовым/

другого человека.

речевым интерфейсом ввода и вывода данных.

108. SRGS (Speech Recognition Grammar Specification) –

спецификация грамматики систем распознавания

122. Voice output – речевой вывод.

134. Voice-first platform (также voice platform) – голосо-

речи.

вая/речевая платформа.

123. Voice portal – голосовой (речевой) портал; система

109. SSML – язык разметки для синтеза речи.

нового поколения, где взаимодействие с клиентом

135. Voice-recognition system – 1. Система распознава-

осуществляется с помощью голосового браузера.

ния голоса. 2. Система распознавания речи.

110. Text to speech (также text-to-speech, TTS) – преоб-

разование текста в речь, синтез речи.

124. Voice processing – обработка речевых (голосовых)

136. Voice-recognition technology – технология распоз-

сообщений; совокупность технологий, включаю-

навания речи (голоса).

111. Transcription

– 1. Транскрипция.

2. Сама запись

щих голосовую почту, цифровые автоответчики,

(правильного) произношения слова.

137. VRS (Voice Recognition System (Software)) – система

справочные киоски и т.п.

(ПО) распознавания речи.

112. Verbal command – речевая команда.

125. Voice prompt – речевая подсказка в системах с ре-

113. Vocabulary

–

1. Словарь.

2. Словарный состав.

чевым интерфейсом.

3. Терминология.

4. В системах распознавания

126. Voice recognition – 1. Распознавание речи. 2. Рас-

речи – словарь звуков (фонем), с помощью кото-

познавание (идентификация) голоса.

рого компьютер распознаёт слова. 5. В системах

анализа и распознавания текстов, обработки есте-

127. Voice recognition engine

(также voice-recognition

ственного языка, машинного обучения, искусствен-

engine) – система (механизм) распознавания голоса

ного интеллекта и др. – объект, представляющий

(речи); аппаратно-программная или программная

ВВЕДЕНИЕ

ВЕДЕНИЕ

Основные этапы развития технологий искусственного интеллекта

ЛАБИРИНТНАЯ ГИПОТЕЗА

способствовала развивающееся параллельно направ-

наблюдаемым данным, из-за чего приобретённые зна-

ление компьютерной лингвистики. Системы, основан-

ния не обладают полной достоверностью. Следствием

Первые исследователи в области искусственного ин-

ные на знаниях, нашли широкое применение в виде

этого является проблема представления нечётких зна-

теллекта опирались на научные направления, изучаю-

экспертных систем, с которыми одно время отождест-

ний в условиях неопределённости.

щие интеллект природный или естественный. В первой

влялся искусственный интеллект. Экспертные системы

половине XX века при исследовании психологами по-

оказались способны строить формальные описания

МЕТАОБУЧЕНИЕ ИСКУССТВЕННОГО

ведения животных было обнаружено, что поиск играет

задач, сформулированных на ограниченном естествен-

очень большую роль при реакции на ситуацию, для ко-

ном языке для одной узкой предметной области, зна-

ИНТЕЛЛЕКТА

торой нет готового решения. Для низших животных этот

ния о которой были в них заложены. Следуя такому

поиск происходит во внешнем пространстве, а у выс-

представлению, была переосмыслена суть мышления

Ещё одна группа проблем связана с применением ме-

ших животных такой поиск переходит из перепро-

– поиск решения проблемы в системах, основанных

тодов обучения к самой проблеме обучения, т.е. с мета-

изводства движения в сложный внутренний процесс

на знаниях, теперь являлся проблемой манипулирова-

обучением. При решении задач приобретения знаний

поиска в ментальном пространстве или «лабиринте»

ния знаниями [43].

их представления предполагаются заданными априо-

состояний, достижимых путём выполнения доступных

ри, и нужно лишь построить систему знаний в рамках

действий. Эти исследования позволили сформулиро-

этих представлений. Тогда как в задачах метаобучения

вать лабиринтную гипотезу мышления.

МАШИННОЕ ОБУЧЕНИЕ

ставится вопрос об автоматическом построении самих

представлений знаний, детали которых могут силь-

«Лабиринтная» гипотеза мышления получила развитие

По мере развития данного направления была выявле-

но меняться в зависимости от предметной области.

в области исследований искусственного интеллекта,

на проблема автоматического приобретения знаний,

Решение данной проблемы необходимо для снятия

первоначальный предмет исследования которых со-

которая была сформулирована как проблема машин-

существенного ограничения машинных систем – спо-

ставляли интеллектуальные игры и доказательство тео-

ного обучения. Важность обучения понималась мно-

собности функционировать только в узкой предметной

рем, т.к. поиск играл в них ключевую роль. Ранними ис-

гими учёными в области искусственного интеллекта,

области.

следователями искусственного интеллекта полагалось,

но после исследований в области представления зна-

что интеллект состоит в решении проблем, а процесс

ний стало ясно, насколько большой объём информации

решения представляет собой поиск пути от исходных

получает человек в процессе обучения, и насколько

ВОПЛОЩЁННЫЕ СИСТЕМЫ

данных к ответу в пространстве возможных реше-

трудоёмко закладывать эти знания в машинные систе-

ний. Такой подход имеет существенное ограничение:

В дальнейшем развитие технологий искусственного

мы вручную. Машинное обучение стало центральным

для них формализованное описание задачи должно

интеллекта было связано с универсализацией машин-

направлением исследований в области искусственного

составляться человеком. Отсюда возникает проблема

ных систем вследствие получения ими более широкого

интеллекта, выделившись в самостоятельное направ-

формирования самого «лабиринта», для решения ко-

доступа к информации в рамках исследования вопло-

ление в 1980-е годы. Учёные перестали рассматривать

торой необходимо, чтобы система могла применять

щённых систем, т.е. систем, помещённых в конкрет-

интеллект как некий готовый продукт, который можно

знания о предметной области; помимо указанной про-

ное информационное, физическое или социальное

воспроизвести, или как фиксированную способность

блемы не удалось создать универсальный алгоритм,

окружение. В воплощённых системах подразумева-

к решению задач и манипулированию знаниями.

который бы эффективно решал произвольную задачу

ется, что поступающая информация должна служить

В задачах поиска была сформулирована проблема

поиска в произвольном «лабиринте».

основой обучения, в результате которого формируется

автоматического построения эвристик поиска – оп-

Проблема представления знаний стала одной

система знаний с целью их применения для решения

тимизации поиска, т.к. методы машинного обучения

из главных с середины 1970-х годов. Этому во многом

поставленных задач.

применяются к неопределённым и противоречивым

ВЕДЕНИЕ

СИЛЬНЫЙ И СЛАБЫЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Поиск

Представление

Обучение

Технологические решения, разработанные с использованием методов машин-

ного обучения, являются примером искусственного интеллекта, способного ре-

шать только узкоспециализированные задачи – это т.н. слабый искусственный

Построение

Манипулирование

Представление

интеллект (Narrow AI, Weak AI).

Метаобучение

эвристик

знаниями

нечетких знаний

Создание сильного или универсального (Strong AI, Super AI), т.е. искусствен-

ного интеллекта, способного, подобно человеку, решать различные задачи,

мыслить, взаимодействовать и адаптироваться к изменяющимся условиям,

Рассуждения в условиях

является сложной научно-технической проблемой, решение которой находится

неопределенности

на пересечении различных сфер научного знания

– естественно-научной,

технической и социально-гуманитарной.

Решение этой проблемы может привести не только к позитивным изменениям

Рисунок 1 – Структура базового уровня области искусственного интеллекта

в ключевых сферах жизнедеятельности, но и к негативным последствиям,

вызванным социальными и технологическими изменениями, которые сопутствуют

развитию технологий искусственного интеллекта [43].

Когнитивные операции

Поиск

Представление

Обучение

СМЕНА ПАРАДИГМ В ИССЛЕДОВАНИЯХ ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

Подходы к реализации

Исследования в области искусственного интеллекта начались с парадигмы «мыш-

Эволюционные

Экспертные

Мультиагентные

ление как поиск» и с разработки методов решения формально поставленных за-

ИНС

вычисления

системы

дач. Дальнейшая смена парадигм была связана с увеличением универсальности

машинных систем, благодаря уменьшению объёма информации, подготавливае-

мой для них человеком [42]:

￮ На первом этапе развития искусственного интеллекта описание каждой

Предметные области

задачи формировалось человеком.

Машинный

Системы речевого

Доказательство

Компьютерное

￮ На втором этапе человек задавал описание некоторой узкой предметной

перевод

общения

теорем

зрение

области, включающей целый комплекс задач.

￮ На третьем этапе машинная система получает возможность частично

строить описание предметной области самостоятельно в рамках заданного

Рисунок 2 – Объединение направлений исследований искусственного интеллекта и области их применения.

человеком представления.

На рисунке 1 представлена схема, условно изображающая структуру базового

уровня области искусственного интеллекта, той её части, которая к настоящему

времени является устоявшейся.

Последующее развитие искусственного интеллекта связано с дальнейшей

искусственного интеллекта можно охарактеризовать как этап синтеза, на котором

универсализацией машинных систем и получением ими более широкого

происходит объединение методов, полученных ранее в рамках изолированных

доступа к информации в рамках направления, исследующего воплощённые

направлений исследований.

системы, т.е. системы, помещенные в конкретное информационное, физическое

На рисунке 2 представлено объединение направлений исследований

или социальное окружение. Современное состояние в области исследований

искусственного интеллекта и области их применения.

ВЕДЕНИЕ

Текущая ситуация в России и мире

Современное состояние технологий искусственного

60-х годов, то в Китае сделан прорыв в этом направле-

Разговорный искусственный интеллект.

интеллекта характеризуется объединением методов

нии за последние 10 лет.

Распознавание текстов и речи, лингвистический

и подходов, разработанных в рамках не связанных

Мировые лидеры в разработке решений и внедрения

анализ.

между собою исследований.

в практику технологий искусственного интеллекта, та-

При разработке технологий искусственного интеллек-

кие как Google, Amazon, Facebook, Apple, NetFlix, Baidu,

Экспертные, рекомендательные, информацион-

та используют достижения науки в генной инженерии,

Tencent, Alibaba, Tesla, Yandex уже доказали эффектив-

но-аналитические системы, автоматизация проек-

биотехнологиях, ядерном синтезе, квантовой физике,

ность долгосрочных инвестиций в область искусствен-

тирования и управления.

нанотехнологиях, робототехнике, микроэлектрони-

ного интеллекта, опередив по капитализации многих

ке, освоении космического пространства, создании

лидеров традиционных областей деятельности.

Специализированные процессоры и вычисли-

беспилотного транспорта и телекоммуникационных се-

тельные системы для искусственного интеллекта,

тей нового поколения. Прорыв в данных областях стал

дизайн-центр по проектированию специализи-

Как отмечают международные эксперты, в Рос-

возможен за счёт развития современных информаци-

рованных микросхем, микропроцессоров, микро-

сии сегодня существуют хорошие возможности

онных технологий и разработки новых вычислитель-

контроллеров, чипсетов и приборов для устройств

по развитию технологий искусственного интел-

ных средств. Дальнейшее развитие информационных

и систем с искусственным интеллектом.

лекта, благодаря:

технологий и экономики будет определяться способ-

ностью создать и внедрить в практику технологию,

Техническое зрение, обнаружение, распознава-

Созданию условий для развития искусственного

объединяющую академические знания и практиче-

ние, дешифрация, классификация изображений.

интеллекта, провозглашенных после подписания

ский опыт наблюдений и деятельности людей, а также

10 октября 2019 года Президентом Российской Фе-

Информационно-управляющие системы, робото-

методы и средства их применения. По согласованным

дерации В.В. Путиным Национальной стратегии

техника, умные машины.

оценкам различных экспертов такой технологией дол-

развития искусственного интеллекта на период

жен стать «искусственный интеллект».

до 2030 года.

«Умные» сети и системы в энергетике, связи, город-

В научных кругах существует мнение, что перевод тер-

ском хозяйстве и в других отраслях, «умный дом»,

мина «искусственный интеллект» с английского языка

Наличию подготовленного научного сообщества,

«умный город».

на русский (artificial intelligence) не совсем корректен,

способного решать проблемы, возникающие

так как слово «intelligence» несёт множество смыслов,

при создании и внедрении систем искусственного

интеллекта.

На сегодняшний день в отечественной промыш-

в том числе «ум», «сообразительность» и даже «раз-

ленности нашли наибольшее применение:

ведка». В этой связи, в России термин «искусственный

Достаточно высокой компьютерной грамотности

интеллект», зачастую, понимается как технология, спо-

￮ экспертные системы;

молодого поколения пользователей, способных

собная заменить человека в задачах, связанных с при-

к обучению новым технологиям.

￮ рекомендательные системы;

нятием решений в условиях неопределённости или от-

сутствия необходимой информации, и рассматривается

￮ информационно-управляющие системы;

более широко.

В рамках Программы создания и развития Цен-

￮ информационно-аналитические системы;

На мировом рынке искусственного интеллекта выделя-

тра Национальной технологической инициативы

ются два лидера – США и Китай [15]. Данные страны

на базе МФТИ по направлению «Искусственный

￮ робототехника;

сумели создать передовые центры компетенций в дан-

интеллект» выделено семь ключевых направле-

￮ системы технического зрения.

ной области. Однако, если в США соответствующие на-

ний, которые определяют содержание техноло-

учные исследования и разработки ведутся с середины

гии «Искусственный интеллект»:

ВЕДЕНИЕ

Наибольшее внедрение технологий искусственного интеллекта происходит в корпоративном секторе экономики посредством создания структурных подраз-

делений, отвечающих за корпоративные данные и их обработку. Данным подразделениям поручают поиск, разработку и внедрение на промышленных пред-

приятиях готовых решений, основанных на технологиях искусственного интеллекта. В российском корпоративном рынке можно выделить ряд крупных промыш-

ленных компаний, активно внедряющих решения в области искусственного интеллекта в производственные процессы: ПАО «Газпром», ПАО «Сибур Холдинг»,

ПАО «Северсталь», ПАО «Уралкалий», ГК «Русагро», ТК «Мираторг», Segezha Group [15], [16].

Эффект от применения технологий искусственного интеллекта

Широкое внедрение технологий искусственного интеллек-

та в промышленности существенно и повсеместно изменит

не только процесс промышленного производства, но и со-

стояние рынка труда.

По оценкам экспертов [44], к 2022 году из-за роботиза-

ции труда будет сокращено 75 миллионов рабочих мест,

но при этом создано 133 миллиона новых.

В России 54% работников потребуется серьёзное переобу-

чение или повышение квалификации.

86% работодателей не планируют вкладывать в обучение

сотрудников, а готовы нанимать новых, обладающих соот-

ветствующими знаниями.

Внедрение решений в области охраны труда – применение

видеоаналитики, составление тепловых карт, анализ нали-

чия комплектов средств индивидуальной защиты на работ-

никах, контроль опасных зон – позволяет снизить уровень

травматизма на производстве в среднем до 50% [45].

Несмотря на оптимизм, большинство внедряющих техноло-

гии искусственного интеллекта компаний пока так и не нау-

чились извлекать из них реальную выгоду.

При этом количество компаний, в которых видят риски из-

за внедрения технологий искусственного интеллекта, за по-

следние два года выросло – с 37% до 45% [46].

ИСТОРИЯ

РАЗВИТИЯ

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

Первые вычислительные модели, вдохновлённые принципом работы

нейронных связей мозга человека, начали разрабатываться до появ-

ления экспертных систем, в 1940-х годах. Они повлияли на развитие

информационных систем, помогающих человеку принимать решения.

В 1950-х годах появились экспертные системы, описывающие алгоритм

действий по выбору решения в зависимости от конкретных условий.

Опираясь на данные исследования, инженеры и учёные начали пред-

принимать попытки по разработке искусственного.

В 1950 математик Алан Тьюринг предложил набор критериев, по кото-

рым машина может считаться мыслящей. В знаменитом «тесте Тьюрин-

га» человек, задающий письменные вопросы, должен определиться,

кем является его собеседник – человеком или машиной. Сам Тьюринг

полагал, что к 2000 году машины будут способны обмануть 30% судей,

однако несмотря на экспонентное развитие вычислительных мощно-

стей, формально эту границу ещё ни одной разработке преодолеть

не удалось. На смену экспертным системам пришло машинное обуче-

ние, позволяющее информационным системам самостоятельно фор-

мировать правила и находить решение, анализируя зависимости и ис-

пользуя исходные наборы данных без предварительного составления

человеком перечня возможных решений.

ИСТОРИЯ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1832

1835

1914

1930

1940

Семён Корсаков изобретает

Машина Чарльза Бэббиджа

Устройство Леонардо Кеведо

Концепция «Крошка-машина»

Моделирование мышления:

перфокарты и 5 «интеллекту-

для игры в шахматы.

для обучения искусственного

нейрокибернетический и ло-

альных машин».

разума как ребёнка.

гический подходы. Нейронные

сети. ЭВМ. Простейшие робо-

ты. Устройства для распозна-

вания речи.

1997

1990

1980

Компьютер IBM Deep

Прикладные экспертные

Свёрточные нейросети. Ма-

Обучение с подкреплением.

В начале 1980-х гг. учёные

Blue обыгрывает чем-

системы. Нейронные

шинное обучение без учите-

Первые автономные

в области теории вычислений

пиона мира по шахма-

процессоры. Автономные

ля. Нейросетевой машинный

автомобили. Система

Барр и Файгенбаум

там Гарри Каспарова.

военные БПЛА.

перевод. Классификация

кодирования лицевых

предложили определение

Первые беспилотные

и распознавание лиц.

движений. Нейросетевая

искусственного интеллекта.

системы управления

ассоциативная память.

Экспертные системы,

автотранспортом.

Неокогнитрон. Компьютерная

основанные на нечёткой

лингвистика. Первые системы

логике. Продукционные

машинного зрения.

системы.

2000

2010

2011

2013

Библиотека Torch. NVidia

Виртуальные помощники.

IBM Watson победила бессмен-

Интернета и социальных сетей.

Исследования по сортировке

Cuda. Экспертные систе-

Системы распознавания лиц

ных чемпионов последних лет

Исчезает ключевой истори-

изображений.

мы на нейросетях. Deep

DeepFace. Искусственный

в игре Jeopardy! (российский

ческий стоп-фактор развития

В июле 2013 года для обуча-

Learning. Тестирование

интеллект для стратегических

аналог программы – «Своя

искусственного интеллекта –

ющегося компьютера была

автономного транспор-

игр. Разработка сильного

игра»). Внедрение в устройства

мощнейшие вычислительные

открыта возможность загрузки

та. Выявление объектов

искусственного интеллекта.

компании Apple голосового

системы, которые можно стро-

изображений из интернета

на фото и видео. Корпора-

Гуманоидные роботы Boston

помощника Siri. Появле-

ить как на дешевых серверных

в режиме 24 на 7 с тем, чтобы

тивные системы распозна-

Dynamics и Toyota. Коммерче-

ние крупнейшего открытого

мощностях, так и в крупнейших

он сам мог выявить и постро-

вания лиц.

ские чат-боты. Сенсорный ИИ.

источника персональных

облачных платформах в режи-

ить взаимосвязи между ними.

данных и кликстрима в виде

ме pay-as-you-go.

ИСТОРИЯ РАЗВИТИЯИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1950

1954

1956

1960

Тест Тьюринга. Первая кон-

Оливер Селфридж написал

ПО для игры в шахматы.

Появление термина

Исследования в МГУ

ференция по ИИ в Dartmouth,

статью «Глаза и уши компьюте-

«искусственный интеллект».

и Академии наук СССР.

США. Вопросно-ответные

ра» о машинном зрении.

Джозеф Вейценбаум (Joseph

системы. Первый алгоритм

Фрэнк Розенблатт представил

Weizenbaum) разработал

обучения. Компьютерные се-

компьютерную реализацию

первого виртуального

мантические сети. Универсаль-

персептрона.

собеседника (компьютерную

ный решатель задач. Системы

программу), которая

синтеза речи.

поддерживает диалог

с человеком.

1970

1966

1964

Экспертная система Mycin.

В СССР создан толковый

В. Ф. Турчиным был

Опубликована работа

Однослойный перцептрон.

Машинный перевод.

словарь по искусственному

разработан язык рекурсивных

ленинградского логика Сергея

Нейросеть ADALINE.

Лавренсе Робертс представил

интеллекту. Язык Prolog.

функций Рефал.

Маслова «Обратный метод

Промышленные роботы.

концепцию машинного

Простейшие алгоритмы

установления выводимости

Алгоритмы цифровой

Первый виртуальный

построения трёхмерных

распознавания образов.

в классическом исчислении

обработки изображений.

собеседник Eliza поддерживает

образов объектов.

Алгоритм backpropagation.

предикатов».

Программы обработки

диалог с человеком.

Ганс-Хельмут Нагель

Когнитрон. Андроиды.

Первые системы обработки

естественного языка.

представил теорию анализа

Язык программирования

изображений.

Алгебраическая теория

динамических сцен.

роботов.

распознавания образов.

2016

2017

2018

Развитие специализирован-

Искусственный интеллект

Gamalon представила техноло-

Создание универсальной систе-

игроков в сложных многополь-

ных систем искусственного

победил профессиональных

гию самообучения по фраг-

мы понимания естественного

зовательских играх Dota и Quake

интеллекта и исследования

игроков в покер.

ментам данных. По своей

языка GLUE – General Language

3 Arena. Применение аппарата

путей создания искусственного

эффективности и точности об-

Understanding Evaluation (общая

Программа Libratus, разра-

фундаментальной математики

разума. Искусственный интел-

учения новая разработка соот-

оценка понимания естествен-

ботанная в Университете

для формирования новых архитек-

лект Google DeepMind впервые

ветствует мощным нейронным

ного языка). Решена задача

Карнеги-Меллона, победи-

тур нейронных сетей и совершен-

одолел профессионального

сетям. Появился новый класс

распознавания объектов на изо-

ла в 20-дневном покерном

ствования алгоритмов машинного

игрока в го.

устройств — “умные” колонки.

бражении. Обучение с подкре-

турнире «Brains Vs. Artificial

обучения. Разработка автоматиче-

[20], [21], [22], [60]

плением позволило искусствен-

Intelligence: Upping the Ante».

ского поиска оптимальных архитек-

ному интеллекту выигрывать

тур нейронных сетей.

у команд профессиональных

ОПРЕДЕЛЕНИЕ

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

ОПРЕДЕЛЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Интеллект (от лат. intellectus – ощущение, вос-

В национальной стратегии развития искусственного интеллекта на период до 2030 года согласно указу

приятие, разумение, понимание, понятие, рас-

президента Российской Федерации от 10.10.2019 № 490 даётся следующее определение искусственного

судок), или ум – качество психики, состоящее

интеллекта [1]:

из способности приспосабливаться к новым си-

Искусственный интеллект – комплекс технологических решений, позволяющий имитировать когнитивные

туациям, способности к обучению и запомина-

функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать

нию на основе опыта, пониманию и примене-

при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуаль-

нию абстрактных концепций и использованию

ной деятельности человека.

своих знаний для управления окружающей

средой.

Позже к ИИ стали относить ряд алгоритмов и программных систем, отличительным свойством которых яв-

ляется то, что они могут решать некоторые задачи так, как это делал бы размышляющий над их решением

Другими словами, интеллект – это общая спо-

человек.

собность к познанию и решению трудностей,

которая объединяет все познавательные спо-

Основные свойства искусственного интеллекта:

собности человека: ощущение, восприятие, па-

￮ понимание языка;

мять, представление, мышление, воображение.

￮ обучение;

Существует ряд определений искусственного

￮ способность мыслить;

интеллекта, которые в той или мере дополняют

￮ способность действовать.

и уточняют друг друга.

В начале 1980-х гг. учёные в области теории

Искусственный интеллект применим в тех областях, где есть большой объём накопленных данных. Они бы-

вычислений Барр и Файгенбаум предложили

вают разных типов. Когда есть несколько типов данных, с ними справиться один аналитик. Искусственный

следующее определение искусственного интел-

интеллект оказывается эффективным, когда параметров тысячи, причём часть из них неструктурированные.

лекта (ИИ).

Искусственный интеллект – это область ин-

форматики, которая занимается разработкой

Существуют четыре фактора, благодаря которым можно говорить об искусственном

интеллектуальных компьютерных систем, то есть

интеллекте как о глобальном тренде.

систем, обладающих возможностями, которые

мы традиционно связываем с человеческим

разумом, – понимание языка, обучение, спо-

собность рассуждать, решать проблемы и т.д.

Данных стало

Рост

Развитие

Снижение

гораздо больше.

вычислительных

соответствующих

себестоимости

мощностей

областей

решений,

компьютеров.

математики.

использующих

технологии

искусственного

интеллекта.

ВЕДЕНИЕ

СТАНДАРТИЗАЦИЯ

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

СТАНДАРТИЗАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Стандартизация искусственного интеллекта.

интеллекта на английском, но и на русском языке. Доку-

В рамках работы на международном уров-

мент должен быть утверждён в начале 2021 года.

не России удалось добиться ряда решений,

которые будут иметь долгосрочный эффект

Развитие продуктов и услуг на базе искусственного ин-

для развития в стране технологий искусствен-

теллекта требует однозначной трактовки используемых

ного интеллекта. Разработка русскоязычной

понятий всеми участниками рынка. Стандарт термино-

версии стандарта, еще и со столь ранней

логии позволит унифицировать «язык», на котором об-

фазы – гарантия синхронизации с междуна-

щаются разработчики, заказчики и профессиональное

родным полем, а развитие подкомитета ISO/

сообщество, классифицировать такие свойства про-

IEC и инициация международных документов

дуктов на базе технологий искусственного интеллекта,

с российским соредакторством – это фунда-

как «безопасность», «воспроизводимость», «достовер-

мент для дальнейшего продвижения интере-

ность» и «конфиденциальность». Единая терминология

16 апреля

2019 года подкомитет ISO/IEC

(англ.

сов российских разработчиков за рубежом.

также станет важным фактором для развития техноло-

International Organization for Standardization

– меж-

гий искусственного интеллекта в рамках Национальной

В России ведётся разработка ряда националь-

дународная организация по стандартизации)

технологической инициативы – алгоритмы искусствен-

ных стандартов, утверждение которых запла-

по стандартизации в области искусственного интел-

ного интеллекта используют более 80% компаний в пе-

нировано на конец 2019 – начало 2020 года.

лекта поддержал предложение Технического комитета

риметре НТИ. Кроме того, решение ISO/IEC позволит

Кроме того, совместно с компаниями, рабо-

«Кибер-физические системы» о разработке стандарта

укрепить авторитет и расширить влияние российских

тающими в сфере искусственного интеллекта,

«Artificial intelligence. Concepts and terminology» на рус-

экспертов при дальнейшей разработке международных

идёт работа по формированию плана нацио-

ском языке в дополнение к базовой английской версии.

стандартов.

нальной стандартизации на 2020 год и далее.

Терминологический стандарт

«Artificial intelligence.

В ходе заседания эксперты ISO/IEC поддержали разра-

Concepts and terminology» является основополагаю-

ботку проекта международного документа Information

щим для всего семейства международных норматив-

Technology

– Artificial Intelligence

(AI)

– Overview of

но-технических документов в области искусственного

Computational Approaches for AI Systems, в котором

интеллекта. Кроме терминов и определений, данный

Россия выступает в качестве соредактора. Документ

документ содержит концептуальные подходы и прин-

предоставляет обзор современного состояния си-

ципы построения систем с элементами искусствен-

стем искусственного интеллекта, описывая основные

ного интеллекта, описание взаимосвязи технологий

характеристики систем, алгоритмы и подходы, а так-

искусственного интеллекта с другими сквозными тех-

же примеры специализированных приложений в об-

нологиями, а также базовые принципы и рамочные

ласти искусственного интеллекта. Разработкой этого

подходы к нормативно-техническому регулированию

проекта документа займётся специально созданная

искусственного интеллекта.

в рамках подкомитета рабочая группа

«Вычисли-

По итогам заседания профильного подкомитета ISO/

тельные подходы и вычислительные характеристики

IEC в Дублине эксперты ISO/IEC поддержали предло-

систем Искусственного интеллекта»

(SC

42 Working

жение делегации из России о синхронной разработке

Group 5 «Computational approaches and computational

терминологического стандарта в сфере искусственного

characteristics of AI systems») [47].

ТЕХНОЛОГИИ

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ǃǓǤǢǡǚǠǓǕǓǠǛǘ ǙǘǤǥǡǕ

ǃǓǤǢǡǚǠǓǕǓǠǛǘ ǣǘǪǛ

ƴǛǡǟǘǥǣǛǲ

ƽǡǟǢǯǱǥǘǣǠǡǘ

ǃǓǤǢǡǚǠǓǕǓǠǛǘ

ǚǣǘǠǛǘ

ǃǓǤǢǡǚǠǓǕǓǠǛǘ Ǣǡ ǔǛǡǟǘǥǣǛǛ

/U: ǛǠǧǡǣǟǓǩǛǲ

Ǥ ǗǓǥǪǛǝǡǕ

ǃǓǤǢǡǚǠǓǕǓǠǛǘ ǤǛǟǕǡǞǡǕ

ƳǠǓǞǛǚ Ǜ ǤǛǠǥǘǚ ǣǘǪǛ

ƷǛǓǞǡǖ ǠǓ ǘǤǥǘǤǥǕǘǠǠǡǟ ǲǚǮǝǘ

ǁǔǣǓǔǡǥǝǓ

ǘǤǥǘǤǥǕǘǠǠǡǖǡ ǲǚǮǝǓ

ƻǠǧǡǣǟǓǩǛǡǠǠǮǜ ǢǡǛǤǝ ǓǠǓǞǛǚ ǥǘǝǤǥǡǕ

ƿǓǫǛǠǠǮǜ ǢǘǣǘǕǡǗ 3:

ƻǤǝǦǤǤǥǕǘǠǠǮǜ

ǁǤǟǮǤǞǘǠǛǘ

ǛǠǥǘǞǞǘǝǥ

ǐǝǤǢǘǣǥǠǮǘ ǤǛǤǥǘǟǮ

ǂǣǡǖǠǡǤǥǛǪǘǤǝǛǘ ǤǛǤǥǘǟǮ

ƳǠǓǞǛǚ ǗǓǠǠǮǨ

ǂǣǘǗǤǥǓǕǞǘǠǛǘ ǚǠǓǠǛǜ ǁǠǥǡǞǡǖǛǲ

ǂǣǘǗǛǝǥǛǕǠǓǲ ǓǠǓǞǛǥǛǝǓ

ǂǣǡǟǮǫǞǘǠǠǮǘ

ƴǘǤǢǛǞǡǥǠǛǝǛ

Рисунок 3 – Структура технологий

ƷǘǜǤǥǕǛǘ

ǃǡǔǡǥǮ

искусственного интеллекта

ƷǡǟǓǫǠǛǘ ǣǡǔǡǥǮ

ǂǣǡǖǣǓǟǟǠǮǘ ǓǖǘǠǥǮ

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Основные элементы современных технологий искусственного

интеллекта

Современные технологии искусственного интеллекта базируются

на трёх ключевых составляющих:

1. Алгоритмы обучения искусственных нейронных сетей [48],

[49].

Открытость стала тем триггером, который вывел искусственный интеллект

в одну из самых перспективных областей – большинство базовых алгоритмов

Скрытые

современного машинного обучения публикуется под открытыми лицензиями –

узлы

OpenSource. Открытые библиотеки, такие как, например, платформа TensorFlow,

Входные

определяют технологические стандарты в области машинного обучения. Все

узлы

участники рынка технологий искусственного интеллекта позиционируют себя

открытыми для кооперации.

Искусственная нейронная сеть состоит из трёх компонентов:

Выходные

￮ входной слой;

узлы

￮ вычислительные слои;

￮ выходной слой.

В обучении искусственных нейронных сетей выделяют два подхода:

￮ Стохастический. Изменяют параметры сети случайным образом. При этом

сохраняются только те изменения, которые привели к улучшениям. Яркой

иллюстрацией данного подхода является «прямое распространение

ошибки».

￮ Детерминированный. Итеративно корректирует параметры сети,

основываясь на её текущих параметрах, величинах входов, фактических

и желаемых выходов. Яркой иллюстрацией данного подхода является

«обратное распространение ошибки».

2. Вычислительные мощности [50], [51].

Запуск программного обеспечения искусственного интеллекта на компьютере

обычно требует высокой скорости и большого объёма памяти, хотя некоторые

простые приложения могут работать и на 8-битном процессоре. Успех развития

Рисунок 4 – Слои искусственной нейронной сети

современных технологий искусственного интеллекта обусловлен технологией

CUDA от компании NVidia.

CUDA – программно-аппаратная архитектура параллельных вычислений, ко-

торая позволяет существенно увеличить вычислительную производительность

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

благодаря использованию графических процессоров

￮ блок (Block) – объединение тредов, которое

под быстрые параллельные вычисления с использова-

фирмы Nvidia, позволяющих проводить сверхбыстрые

выполняется целиком на одном SM. Имеет свой

нием нейронных сетей.

и массивные параллельные вычисления.

уникальный идентификатор внутри грида;

Архитектура CUDA даёт разработчику возможность

￮ тред (Thread, поток) – единица выполнения

3. Размеченные структурированные

по своему усмотрению организовывать доступ к набору

программы. Имеет свой уникальный

данные.

инструкций графического или тензорного ускорителя

идентификатор внутри блока;

и управлять его памятью.

Алгоритмы и вычислительные мощности сегодня

￮ варп (Warp) – 32 последовательно идущих треда,

не являются узким местом, а вот качественных данные

Программная часть CUDA содержит в себе всё

выполняется физически одновременно;

не хватает, именно данные – ключ к успешному раз-

необходимое для разработки программы: расширения

￮ ядро (Kernel) – параллельная часть алгоритма,

витию технологий искусственного интеллекта. Владель-

языка С, компилятор, API для работы с графическими

выполняется на гриде.

цем и правообладателем данных может быть государ-

адаптерами и набор библиотек.

На центральном процессоре – хосте – выполняются

ство, компания или частное лицо.

только последовательные части алгоритма программы,

подготовка и копирование данных на устройство, зада-

Основные термины и отношения между ними:

ние параметров для ядра и его

￮

хост (Host) – центральный процессор,

запуск. Параллельные части алгоритма оформляются

управляющий выполнением программы;

в ядра, которые выполняются на большом количестве

￮

устройство (Device) – видеоадаптер, выступающий

тредов на устройстве.

в роли сопроцессора центрального процессора;

Нейрочипы

(Neural Processing Unit, Neuromorphic

￮

грид (Grid) – объединение блоков, которые

Processor, Tensor Processing Unit, ASIC) – узкоспециализи-

выполняются на одном устройстве;

рованные процессоры, специально оптимизированные

Кеш инструкций

ПРИМЕРЫ РАЗМЕЧЕННЫХ ДАННЫХ

Планировщик “варпов”

(деформаций)

Год постройки

Спальни Ванные комнаты Кв. футов

Цена

Диспетчерский пункт

1901

1,800

$200,000

Набор регистров (4096 х 32-bit)

1995

2,500

$350,000

LD/ST

Ядро

Специальные

1980

1,300

$150,000

LD/ST

функции

LD/ST

(SFU)

Ядро

1922

1,900

$400,000

LD/ST

Ядро

Специальные

#бургер #картофель фри #еда #счастливый

1950

2,200

$220,000

LD/ST

функции

LD/ST

(SFU)

Ядро

LD/ST

Хэштеги пользователей

Цены на дома

LD/ST

Специальные

Ядро

LD/ST

функции

Рисунок 5 – Примеры размеченных данных

Рисунок 6 – Архитектура CUDA NVidia

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Направления исследований

Область искусственного интеллекта является крайне неоднородной. В ней существуют раз-

личные направления исследований, которые выделяются либо по задаче (или предметной

области), требующей интеллектуального анализа, либо по используемому инструментарию,

либо по разрабатываемой модели мышления.

К направлениям, выделяемым на основе решаемой задачи, относятся:

￮ машинный перевод;

￮ автоматическое реферирование и информационный поиск;

￮ системы речевого общения;

￮ игровой интеллект, доказательство теорем и автоматизация научных исследований;

￮ компьютерное зрение;

￮ извлечение данных;

￮ сочинение текстов и музыки и др.

Перечисленные направления характеризуются тем, что значительная часть проводимых

в них исследований посвящена не процессам мышления, а предмету интеллектуального

анализа.

Направления искусственного интеллекта, выделяемые по развиваемому

в них инструментарию, включают:

￮ искусственные нейронные сети;

￮ эволюционные вычисления;

￮ распознавание образов;

￮ экспертные системы;

￮ эвристическое программирование;

￮ мультиагентный подход и т.д.

Отличие данных направлений в том, что в них развивается аппарат решения большого

класса задач. Эта группа направлений более неоднородна, чем первая. В ней существу-

ют направления (например, ИНС), которые претендуют на то, чтобы называться отдельным

подходом к искусственному интеллекту в целом.

К направлениям третьего типа можно отнести:

￮ поиск в пространстве решений;

￮ представление знаний;

￮ машинное обучение.

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Основные цели работ по развитию

искусственного интеллекта

Автоматизация человеческой деятельности, в особенности тех её видов, которые

традиционно считались интеллектуальными.

Создание компьютерных моделей, имитирующих процессы решения человеком тех или иных

интеллектуальных задач в целях объяснения сущности этих процессов.

Создание усилителя интеллекта (УИ). Методология УИ направления не сильно, но отличается

от методологии направления исследования искусственного интеллекта. Но что отличается

существеннее – это прогнозируемые социальные последствия.

Стоит отметить, что первым двум целям соответствуют и два различных подхода к искусственному

интеллекту, которые обычно называются техническим (или эвристическим) и бионическим.

В рамках технического подхода психофизиологическая достоверность моделей мыслительных про-

цессов приносится в жертву эффективности, с которой эти модели решают поставленные перед ними

задачи, и интеллектуальность компьютерных программ определяется по тому, насколько хорошие

результаты они получают по сравнению с человеком.

При бионическом подходе, напротив, необходимым считается сходство самих процессов решения

некоторой задачи компьютерной программой и человеком в ущерб качества конечного результата.

Зачастую эти два подхода противопоставляют друг другу. Сторонники бионического подхода утвер-

ждают, что бессмысленно пытаться создать искусственный интеллект, не познав естественного,

который является единственным примером интеллекта, то есть того объекта, который хотят повторить

исследователи искусственного интеллекта.

В действительности, эти два подхода просто преследуют две несколько разные цели и друг другу

не противоречат.

Существует ещё один подход к искусственному интеллекту, называемый эволюционным, в рамках

которого предлагается имитировать не мыслительные процессы уже сформировавшегося интел-

лекта взрослого человека, а сам процесс становления этого интеллекта в онто₁– и филогенезе₂,

возможно, начиная с весьма ранних этапов эволюции.

Специалисты по искусственному интелету ставят перед собой не глобальную цель создания мыс-

лящих машин, а более конкретные задачи поиска автоматического решения некоторых интеллекту-

ально трудных задач, либо моделирования отдельных аспектов мышления человека или животных.

1. Онтогенез (от др. греч. ὄντος, ontos «сущий» + γένεσις, genesis «зарождение») – индивидуальное развитие организма, совокупность последова-

тельных морфологических и биохимических преобразований, претерпеваемых организмом от оплодотворения до конца жизни. У многоклеточных

животных в составе онтогенеза принято различать фазы эмбрионального (под покровом яйцевых оболочек) и постэмбрионального (за пределами

яйца) развития, а у живородящих животных пренатальный (до рождения) и постнатальный (после рождения) онтогенез [53], [54].

2. Филогенез, или филогени́я (др. греч. φῦλον, phylon – племя, раса и др.греч. γενετικός, genetikos – имеющий отношение к рождению) – исто-

рическое развитие организмов и живой природы. В биологии филогенез рассматривает развитие биологического вида во времени. Биологическая

классификация основана на филогенезе, но методологически может отличаться от филогенетического представления организмов. Был предложен

немецким естествоиспытателем второй половины XIX века Эрнстом Геккелем [55], [56].

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Теоретические основы технологий искусственного интеллекта

Теоретические основы технологий

Для обоих компонентов существует определённая специализация. Первый подход применяется для разработки экс-

искусственного интеллекта базируются

пертных, рекомендательных (экспертно-советующих), информационно-управляющих систем и роботизированных ком-

плексов.

на двух основных компонентах [43]:

Второй – для решения задач распознавания образов (текста, изображений, речи, смыслов и т.д.). Наибольший практи-

«Интеллектуальный агент»

ческий эффект применения технологий искусственного интеллекта ожидается от синтеза этих двух компонентов при ре-

(эспертные системы).

шения конкретных задач.

Различия в принципах, заложенных в качестве теоретической основы рассматриваемых подходов, обусловили их до-

«Нейронные сети».

стоинства и недостатки.

Достоинства технологий

Недостатки технологий

Достоинства технологий

Недостатки технологий

«интеллектуального агента»

«нейронных сетей»

￮

Алгоритмизация рассматриваемых

￮

Трудоёмкость разметки большого

￮

Объяснимость результатов

￮

Отсутствие необходимости

процессов и явлений ведёт к неизбеж-

объёма данных для создания

применения инструментов

в формализации объектов

ным допущениям и упрощениям.

представительной обучающей

и «прозрачность» выработанных

и процессов предметной

решений.

￮

Критерии, используемые при принятии

выборки.

области в виде классических

решений, являются статичными и уз-

￮

Высокая чувствительность

функциональных зависимостей.

￮

Наличие классической обратной

коспециализированными.

к соответствию структуры

связи в системе управления.

￮

Результаты работы напрямую зависят

￮

Возможность автоматической

и потока информации данным

￮

Возможность накапливать

от компетентности и согласованности

обработки больших объёмов

обучающей выборки.

структурированные знания,

экспертов, формирующих правила

накопленных ранее данных.

￮

Абсолютная нечувствительность

то есть исключительно полезную

выработки решений.

к возникновению новых,

￮

Способность накапливать

информацию для достижения

￮

Отсутствие даже малой части входных

не проявляющихся ранее условий

опыт решения конкретной

определённой цели.

данных, используемой в модели дела-

и обстоятельств, затрудняющая

практической задачи.

ют его неработоспособным.

прогнозирование.

￮

Возможность «менять правила

во время игры», то есть изменять

￮

Решения основаны на очевидных зако-

￮

Способность выявлять

￮

Непрозрачность

целеполагание, добавлять, удалять

номерностях и не учитывают неявные

и устанавливать неявные

и необъяснимость выработанных

и редактировать правила, входящие

связи и взаимозависимости.

(корреляционные) связи

решений.

в базу знаний.

￮

Несовершенство методов формализа-

исследуемых процессов

￮

Невозможность использования

ции и представления данных, описы-

и явлений.

«обученной» нейронной сети

￮

Результаты работы моделей

вающих взаимодействие различных

для решения других аналогичных

предсказуемы и доступны

объектов.

задач.

для оптимизации, в том числе

и многокритериальной.

￮

Оценки принятых решений носят ве-

￮

Отсутствие единой топологии

роятностный характер.

нейронных сетей для решения

универсальных задач.

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Несмотря на наличие множества подходов как к по-

Нисходящий (англ. Top-Down AI),

Восходящий (англ. Bottom-Up AI),

ниманию задач искусственного интеллекта, так и соз-

семиотический – создание экспертных систем, баз

биологический – изучение нейронных сетей

данию интеллектуальных информационных систем,

знаний и систем логического вывода, имитирующих

и эволюционных вычислений, моделирующих

можно выделить два основных подхода к разработке

высокоуровневые психические процессы: мышление,

интеллектуальное поведение на основе биологических

искусственного интеллекта:

рассуждение, речь, эмоции, творчество и т. д.;

элементов, а также создание соответствующих

вычислительных систем, таких как нейрокомпьютер

или биокомпьютер.

Экспертная система (интеллектуальные системы)

Экспертная система (ЭС) – это программный комплекс, который оперирует знаниями в определённой предметной области в целях решения проблем или выработки реко-

мендаций. Экспертные системы имеют многочисленные применения: диагностика неисправностей в технических и биологических системах, планирование, проектирование,

анализ сложных объектов, а также анализ наблюдательных данных. При этом от ЭС требуется не только получить какое-то решение, но и объяснить его пользователю.

Таким образом, ЭС включает следующие

Для функционирования экспертной

Для создания ЭС требуется использование основных

основные функции:

системе требуется наличие следующих

результатов, которые были достигнуты в рамках двух

компонентов:

главных парадигм в ИИ: поиске в пространстве реше-

￮ приобретение знаний (то есть передача

полезного опыта решения проблемы от экспертов

ний и представлении знаний. К этому также добавляют-

￮ базы знаний;

или некоторого другого источника знаний

ся результаты, полученные в области систем общения

и преобразование его в вид, позволяющий

на естественном языке. Такая концентрация основных

￮ машины логического вывода (или подсистемы

использовать эти знания в программе);

вопросов ИИ в одном месте на некоторое время сдела-

манипуляции знаниями);

￮ представление знаний;

ла проблему экспертных систем одной из центральных

￮ блока общения.

в области искусственного интеллекта [43].

￮ управление процессом поиска решений;

￮ разъяснение принятого решения.

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Машинное обучение

Развитие экспертных систем показало, что одной

из наиболее трудоёмких задач является приобрете-

Входное

Выходное

ние знаний или заполнение базы знаний для описа-

ния конкретной предметной области. В связи с этим,

представление

на первый план выходит задача автоматического при-

Система

обретения знаний или задача машинного обучения

машинного

[43].

обучения

Методы машинного обучения различаются в зависи-

мости от того, имеет ли обучающая информация ко-

Обучающая

Результат

личественный, логический или символьный характер.

информация

обучения

От этого зависит как привлекаемое выходное пред-

ставление, так и алгоритм обучения, в основе которого

лежит поиск. В зависимости от входного представле-

ния поиск может реализовываться либо в непрерыв-

ном пространстве, либо в виде методов эвристическо-

го программирования.

Рисунок 7 – Машинное обучение как преобразование информации

Методы машинного обучения

подразделяют на:

￮ обучение с учителем;

обучения поведение системы меняется в процессе

В зависимости от имеющейся информации

￮ обучение с подкреплением;

функционирования, что уменьшает её предсказуемость

и характера обучающей выборки можно

￮ обучение без учителя, также называемое

и осложняет адаптацию человека к этой системе, если

выделить следующие задачи:

самообучением.

она используется в качестве инструмента.

￮ задача классификации (распознавания

Машинное обучение делится на инкрементное и не-

Распознавание в машинном обучении – это отнесение

без обучения);

инкрементное. В неинкрементном обучении вся обу-

некоторого неизвестного объекта по его описанию

￮ задача группирования.

чающая информация предоставляется системе одно-

к одному из классов.

временно. В инкрементном же обучении обучающие

В задачах распознавания образов

В распознавании образов можно выделить

примеры предоставляются системе последовательно,

применяются следующие методы:

следующие методы:

и система должна корректировать результаты обуче-

￮ метод эталонных образов;

ния, выполненного по предыдущим примерам, на ос-

￮ логические (работающие с логическими

￮ метод ближайшего соседа;

нове новой информации.

представлениями);

Неинкрементное обучение чаще используется в при-

￮ синтаксические (работающие с символьными

￮ метод решающих функций;

кладных задачах, поскольку соответствует одноразо-

представлениями);

￮ метод линейных решающих функций;

вой настройке системы. В случае инкрементного

￮ дискриминантные (работающие с непрерывными

￮ метод опорных векторов;

представлениями).

￮ обобщённые решающие функции и ядра.

НАИБОЛЕЕ

ПОПУЛЯРНЫЕ

РЕАЛИЗАЦИИ

ТЕХНОЛОГИИ

МАШИННОГО

ОБУЧЕНИЯ

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Компьютерное зрение

Технологии компьютерного зрения означают обработку визуальной информации

для извлечения полезных знаний. Эта технология уже находит широкое приме-

нение в робототехнике. В данное направление технологий машинного обучения

входит множество задач [17]:

￮ детектирование объектов;

￮ трекинг объектов;

￮ распознавание образов;

￮ сегментация;

￮ оценка глубины расстояния.

ДЕТЕКТИРОВАНИЕ ОБЪЕКТОВ

Детектирование объектов на изображениях и в видео – базовая задача техно-

логии компьютерного зрения. Она состоит в поиске и определении координат

Рисунок 8 – Пример технологии компьютерного зрения

и размеров прямоугольников, которые наиболее плотно описывают местополо-

жение интересующего объекта или объектов.

Долгое время задача решалась без использования искусственных нейронных

сетей. Например, обнаружение лиц на изображениях с достаточной точностью

и скоростью было реализовано в 2001 г. Однако подобные методы могли находить

объекты лишь в одном ракурсе. Именно применение многослойных свёрточных

сетей позволило решать задачу для изображений больших размеров быстро и ка-

чественно.

В рамках этой задачи также решается распознавание отдельных характеристик об-

наруженных объектов, например, после обнаружения лица на изображении ре-

шается задача его распознавания и соотнесения с конкретным человеком. Таким

образом, может быть осуществлена биометрическая идентификация.

ТРЕКИНГ ОБЪЕКТОВ

Естественным развитием детектирования объектов является их трекинг на ви-

део, т.е. отслеживание перемещений одного и того же обнаруженного объек-

та в видеопотоке. Данная задача решена в обобщённом виде при помощи

рекуррентных нейросетей

– создан инструмент, который предсказывает

будущее состояние визуальной сцены с учётом тех объектов, которые оказались

Рисунок 9 – Пример технологии трекинга объектов

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

невидимы или загорожены. При этом используются

не только данные с камер, но и, например, лазерных

дальномеров.

Трекинг объектов применяется для лучшего понимания

визуальной сцены, предсказания поведения объектов

и принятия решений системой, оснащённой искус-

ственным интеллектом. Типичное применение, напри-

мер, реализация беспилотных автомобилей.

СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ

Ещё одна близкая по смыслу задача к детектирова-

нию объектов состоит в определении, какие пиксели

на изображении соответствуют обнаруженному объек-

ту – строится разбиение изображения на области, при-

надлежащие различным объектам.

Благодаря использованию свёрточных сетей, а также

Рисунок 10 –

принципов переноса обучения³ сегментация изобра-

Пример технологии оценки глубины

жения с высоким качеством может быть реализована

в реальном времени.

ОЦЕНКА ГЛУБИНЫ И РАССТОЯНИЯ

Задача состоит в определении расстояния до объек-

тов, используя фотографии или видеопоток, разбива-

ясь на определение расстояния до объектов на изо-

бражениях по одной и многим фотографиям. В общем

случае данная задача обобщается восстановлением

3-мерной геометрии объекта по серии 2-мерных сним-

ков. Для решения с высоким качеством используются

3-мерные свёрточные LSTM-сети – комбинация свёр-

точных и рекуррентных сетей. Задача оценки глубины

актуальна как для реализация беспилотных автомоби-

лей, так и для решения задачи захвата предметов.

Рисунок 11 – Пример технологии сегментации изображений

3. Перенос обучения – техника при осуществлении машинного обучения, при которой знания, полученные при решении одной задачи (например, распознавание легковых автомобилей), применяются для решения другой

задачи (например, распознание грузовиков).

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Биометрическая идентификация

Биометрическая аутентификация

– процесс доказа-

Существует целый ряд технологий

тельства и проверки подлинности через предъявление

биометрической идентификации [57]:

пользователем своего биометрического образа и пу-

тём преобразования этого образа в соответствии с за-

￮

система распознавания лиц;

ранее определенным протоколом аутентификации.

￮

идентификация по радужной оболочке глаза;

Биометрические системы аутентификации – системы

аутентификации, использующие для удостоверения

￮

анализ химического состава потоотделения;

личности людей их биометрические данные.

￮

анализ химического состава запаха тела;

Биометрические системы состоят из двух

частей:

￮

анализ микровибраций пальцев и микродвижений

￮ аппаратных средств;

руки;

￮ специализированного программного

￮

анализ скорости сердцебиения и формы

обеспечения.

и размера сердца;

￮

отпечатки пальцев;

Аппаратные средства включают в себя биометрические

сканеры и терминалы. Они фиксируют тот или иной

￮

голосовая биометрия;

биометрический параметр – отпечаток пальца, радуж-

ную оболочку глаз, рисунок вен на ладони или пальце

￮

распознавание людей по походке;

– и преобразуют полученную информацию в цифро-

вую модель, доступную компьютеру. А программные

￮

анализ действий пользователя – длина шага,

средства эти данные обрабатывают, соотносят с базой

усилия, прикладываемые для удержания

данных и выносят решение, кто предстал перед скане-

равновесия, и скорость передвижения;

ром.

￮

стилометрия Клавиатурный почерк –

Для того, чтобы биометрическая система смогла в даль-

распознавание индивидуального почерк автора

нейшем идентифицировать пользователя, в ней не-

при наборе текста на смартфоне или планшете;

обходимо сначала зарегистрировать сведения о его

Рисунок 12 – Биометрическая идентификация

идентификаторах. Коммерческие системы в отличие

￮

анализ осанки;

от систем, применяемых силовыми и правоохрани-

тельными органами, хранят не изображения реаль-

￮

идентификации личности по губам;

ных идентификаторов, а их цифровые модели. Когда

￮

анализ рисунка вен на ладони;

пользователь повторно обращается к системе, вновь

формируется модель его идентификатора, и она

￮

тест ДНК;

сравнивается с моделями, уже занесенными ранее

в базу данных [56].

￮

идентификации личности по ушной раковине.

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Обработка естественного языка, поиск

Точка приложения

свертки

и извлечение информации из текстов

(4 x 0)

(0 x 0)

При применении алгоритмов машинного обучения

(0 x 0)

сети – выбрать наиболее подходящие в данный момент

(0 x 0)

к языковым данным долго сохранялась проблема – не-

диалога.

(0 x 1)

возможность уловить значение нового слова, если оно

(0 x 1)

явно не было обозначено и предъявлено в процессе

(0 x 0)

ОБУЧЕНИЕ С ПЕРЕНОСОМ ЗНАНИЙ

Ядро свертки

обучения модели.

(0 x 1)

Одним из наиболее важных алгоритмов, качественно

+ (-4 x 2)

Результат свертки

Обучение с переносом знаний (от англ. transfer learning)

улучшивших понимание семантики слов, был алгоритм

-8

позволяет решать задачу анализа текста. Это приём, со-

word2vec, предложенный Томашем Миколовым в 2013

стоящий в том, что модель обучается решать некоторую

году.

задачу A, а затем внутреннее представление данных,

Задача заключается в том, чтобы научиться выражать

выученное моделью, используется для решения других

понятие смысла слова математически, т.е. сопоставить

задач B, C …. Этот приём особенно важен, когда есть

Рисунок 13 – Пример операции свёртки

каждому слову вектор в многомерном пространстве (в

много данных для решения задачи A, а для решения

первых работах Миколова рассматривалось 50-мер-

задачи B данных недостаточно.

ное или 100-мерное пространство), так, чтобы близ-

СВЁРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ

ким по смыслу словам соответствовали геометрически

близкие вектора, а далёким словам – далёкие.

РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ

Свёрточные нейронные сети являются на данный мо-

Опираясь на дистрибутивную гипотезу, – смысл слова

мент самой успешной моделью применения глубинно-

Однако для понимания смысла предложения часто бы-

определяется контекстом, в котором оно часто встреча-

го или глубокого обучения.

вает недостаточно понимания смысла отдельных слов.

ется – исследователи построили модель, которая долж-

Свёрточные нейронные сети работают на основе

Следующим важным этапом в развитии алгоритмов

на предсказывать слово по его соседям; или наоборот,

фильтров, которые занимаются распознаванием опре-

работы с текстами стало создание рекуррентных ней-

предсказывать соседей, когда дано слово.

делённых характеристик изображения. Фильтр – это

ронных сетей, подходящих для построения языковых

Современные языковые модели научились гене-

моделей.

коллекция кернелов1; иногда в фильтре используется

рировать тексты, по стилю почти не отличимые

один кернел. Фильтр перемещается вдоль изображе-

Рекуррентная нейронная сеть работает следую-

от человеческих. Однако современные алгоритмы пока

ния и определяет, присутствует ли некоторая искомая

щим образом. Она

«читает» предложение слева

не позволяют достаточно хорошо контролировать

характеристика в конкретной его части. Для получения

направо. На каждом шаге она выдает вектор, так

смысл сгенерированного текста.

ответа такого рода совершается операция свёртки, ко-

называемое

«скрытое представление», в котором

торая является суммой произведений элементов филь-

Именно поэтому в реальных приложениях генератив-

должна быть закодирована вся важная информация

тра и матрицы входных сигналов.

ные модели (то есть нейронные сети, генерирующие

об уже пройденном отрезке текста. На основе скрытого

тексты и ответы пользователям) используются доволь-

представления делается предсказание следующего

Если некоторая искомая характеристика присутствует

но слабо. Более распространены так называемые ран-

слова. На следующем шаге модель принимает на вход

во фрагменте изображения, операция свёртки на выхо-

жирующие модели: инженер заготавливает коллекцию

текущее слово и предыдущее скрытое представление,

де будет выдавать число с относительно большим зна-

из десятков, а иногда и сотен тысяч предложений

затем вычисляет на основе них следующее скрытое

чением. Если же характеристика отсутствует, выходное

и реплик на все случаи жизни; задача нейронной

представление, предсказывает слово, и т.д [16].

число будет маленьким [58].

4. Кернел – это обычная матрица чисел, называемых весами, которые «обучаются» с целью поиска на изображениях определенных характеристик.

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Распознавание речи

Примерами наиболее успешного применения технологии распознавания речи

Лев Толстой

могут служить программные продукты, использующиеся в call-центрах. Одним

Сервер

из ключевых компонентов таких систем является модуль распознавания речи.

Технология распознавания речи широко применяется в сфере образования,

Лев Толстой

в различных программных продуктах, направленных на изучение иностранных

языков.

Различают три вида ошибок распознавания речи, которые влияют

на её качество:

￮ замена – вместо какого-то слова распозналось другое;

￮ вставка – в результате распознавания присутствует лишнее слово;

Акустическая

￮ удаление – когда слово не распозналось вовсе.

модель

Все три вида ошибок объединяются в метрике, которая называется уровнем по-

словной ошибки (Word Error Rate). Она представляет собой процентное отношение

т о

суммы замен, вставок и удалений к общему числу произнесённых слов.

Наиболее продвинутая нейросетевая архитектура Transformer за счёт применения

механизма внимания (attention) позволят эффективно учитывать широкий контекст,

выводя качество языкового моделирования на принципиально новый уровень.

Интересной особенностью нейросетевых акустических моделей является наличие

Рисунок 14 – Технология распознавания речи

двух ветвей в архитектуре. Первая ветвь обрабатывает информацию, поступающую

с одного микрофона, вторая использует все имеющиеся микрофоны одновременно,

учитывая многоканальную информацию.

Так как в задаче распознавания речи с удалённого микрофона, уровень посторон-

него шума в аудио, как правило высокий, авторы используют комплексный подход

к шумоочистке:

￮ снижение реверберации исходного аудио, при помощи взвешенной ошибки

Современный уровень развития автоматического распознавания речи делает

предсказания (Weighted Prediction Error – WPE);

возможным использование таких технологий в широком спектре программ-

￮ разделение звука различных источников в местах их наложения, при помощи

ных продуктов, которые применяются в разнообразных областях человеческой

Guided Source Separation (GSS);

жизни [16].

￮ повышение уровня целевого речевого сигнала, за счёт формирования

диаграммы направленности (beamforming – BF). В качестве beamforming

подхода в работе используется минимизация выходного шума (Minimum

Variance Distortionless Response – MVDR).

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Образцы

Синтез речи

Мел*-спектрограмма

звуковой волны

Подобные системы включают три базовых компонента:

Пять одномерных

Глубокая нейронная

свёрточных слоев с 512

сеть для генерации

￮ модуль распознавания речи;

фильтрами в каждом

необработанных

(Post-Net)

звуковых сигналов

￮ диалоговая система;

￮ модуль синтеза речи;

Синтез речи требует более скрупулёзной разработки моделей ИИ, т.к. любой изъ-

Линейная

проекция

ян непременно будет услышан, вызывая некоторое подсознательное отторжение

Два слоя

полносвязных слоёв

сети с долгой

у пользователей, называемое эффектом «зловещей долины».

по 256 нейронов

краткосрочной

каждый (Pre-Net)

памятью

Остановить процесс

Линейная

токенизации**

Синтезированная речь должна удовлетворять следующим

проекция

требованиям:

￮ узнаваемость – соответствие индивидуальным характеристикам голоса диктора;

Местоположение

Чувствительность

￮ естественность;

Внимание

￮ разборчивость;

￮ выразительность – разнообразие интонаций, правильная расстановка пауз

Двунаправленная

Три одномерных

Встраивание

нейронная сеть

и фразовых ударений;

Входной текст

свёрточных слоя

символов

с долгой краткосрочной

нейронной сети

памятью

￮ эмоциональность.

* Мел – (от др.-греч. μελος — звук) — психофизическая единица высоты звука, применяется главным образом

Система text-to-speech (TTS) включает три ключевых компонента:

в музыкальной акустике.

￮ транскриптор – grapheme-to-phoneme (G2P), который разбивает входной текст

** Токенизация – в области информационной безопасности процесс замены конфиденциального элемента данных

на неконфиденциальный эквивалент, называемый токеном, который не имеет самостоятельного смысла/значения

на предложения и раскрывает сокращения, аббревиатуры и числа и строит

для внешнего или внутреннего использования.

фонемную транскрипцию, используя базу правил и словарь словесных

ударений;

Рисунок 15 – Архитектура нейросетевой модели синтеза речи

￮ алгоритм преобразования параметрического представления речевого сигнала,

последовательности фонем, в последовательность параметров речевого

ИИ открыл множество новых возможностей

сигнала;

в области синтеза речи:

￮ вокодер, генерирующий звуковую волну по набору параметров.

￮ управление просодическими характеристиками;

￮ изменение стиля речи;

Все эти три компонента могут быть реализованы в виде нейронных сетей и обучены

￮ генерация нескольких голосов из одной модели;

с помощью методов глубокого обучения.

￮ генерация ранее неизвестных голосов;

Используемые при этом технологии рекуррентных слоёв и свёрточных слоёв

￮ передача интонации высказывания по образцу;

превосходят по естественности и плавности синтезируемой речи технологию

￮ адаптация к голосу диктора от нескольких минут речи;

конкатенативного синтеза, в которой речь собирается из маленьких звуковых фраг-

ментов, выбираемых из большой заранее записанной голосовой базы оптимальным

￮ автоматический перевод речи с одного языка на другой минуя этап

образом [16].

распознавания.

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Машинное зрение

Машинное зрение – это применение компьютерного зрения для промышленности

и производства. Системы машинного зрения запрограммированы для выполнения

узкоспециализированных задач, таких как подсчет объектов на конвейере, чтение се-

ПО для анализа изображений

рийных номеров или поиск поверхностных дефектов.

Технологии машинного зрения помогают оборудованию увидеть процесс производ-

ства чего-либо, проанализировать данные и принять информированное решение.

Решаемые задачи:

￮ распознавание;

￮ идентификация и обнаружение;

Робот-сортировщик

Камера

￮ восстановление 3D формы по 2D изображениям;

￮ оценка движения;

￮ восстановление сцены;

￮ восстановление изображений;

￮ сегментация изображений;

￮ анализ оптического потока.

Конвейер

Системы машинного зрения оснащаются:

с продукцией

￮ обычными цифровыми или иногда даже аналоговыми камерами, которые

реагируют на специальные датчики в случае, если что-то пошло не так,

получают сырое изображение, обрабатывают его, распознают элементы и их

закономерности, принимают решение и отдают сигнал другим системам;

￮ умными камерами. В этом случае камеры самостоятельно проводят часть

Направление движения

анализа и разгружают процессоры системы.

Сейчас машины уже узнают до 98% объектов, т.е. не только фиксируют наличие,

Рисунок 16 – Технология машинного зрения

но и определяют, что именно они видят. Системы машинного зрения фиксируют аб-

солютно все объекты и действия, которые через картинку поступают в их процессоры

[59], [61].

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Машинный перевод

В зависимости от языковой пары и предметной области, а в реальности от того,

насколько ваши данные похожи на данные, использованные при обучении моде-

ƽǦǗǓ ǛǗǘǟ ǟǮ Ǥ ǂǲǥǓǪǝǡǟ%

лей машинного перевода, качество результатов различных систем может сильно

ƴǡǞǯǫǡǜ ǔǡǞǯǫǡǜ Ǥǘǝǣǘǥ

меняться.

ƻ Ǡǘ ǣǓǤǤǝǓǙǘǟ ǟǮ ǡ Ǡǘǟ

Новым подходом к машинному переводу является массовое внедрение доменно-

ǁ Ǡǘǥ Ǜ

адаптивного машинного перевода, который позволяет дополнительно обучать уни-

версальные или специализированные модели на своих собственных данных и повы-

сить качество машинного перевода в задачах конкретного бизнес-заказчика.

Языковая модель

Эта технология отличается от полностью кастомизированного машинного перевода,

когда на заказ с нуля обучается модель машинного перевода для конкретной задачи.

Главные отличия заключаются в том, что доменно-адаптивный перевод требует су-

щественно меньше данных для дополнительного обучения – можно начинать с де-

Рисунок 17 – Предиктивная модель машинного перевода

сятков тысяч параллельных сегментов текста, а не с миллионов, а также существенно

более дёшев и быстр [16].

Генерация текстов

Одной из методик машинного обучения являются предиктивные модели,

в них способность к длительной памяти, как это было сделано в LSTM (Long Short-

предсказывающие значения своих будущих входов. Такая модель обучения языку

Term Memory). Они предсказывают язык гораздо лучше, чем n-граммы. Модели языка

должна уметь предсказывать, как можно продолжить текущий отрывок текста, а в ко-

из нескольких слоев LSTM действительно показывают эффект длинной памяти и с не-

нечном итоге – уметь генерировать связный и осмысленный текст.

давнего времени стали основной рабочей технологией во многих практических NLP

Качество моделей языка можно измерять, например, через вероятность угадыва-

приложениях. Например, Google Translate использует с 2017 г. 8-слойные LSTM в каче-

ния следующего слова по предыдущему контексту. Обычно используют связанную

стве кодера и декодера смысла предложений.

с ней величину Perplexity Per Word, равную числу попыток, требующихся модели

В 2017 г. в Google Brain появилась альтернативная не рекуррентная архитектура,

для угадывания следующего слова.

Transformer, позволяющая эффективно учитывать очень далёкие корреляции за счёт

оригинальной схемы кодирования положения слов с использованием преобразова-

Долгое время в ходу были простейшие модели языка – n-граммы, представляющие

ния Фурье. Эта обычная архитектура seq2seq, использующаяся в машинном переводе.

собой марковские модели. В реальном языке корреляции между словами спадают

с расстоянием степенным образом, гораздо медленнее, чем в марковских моделях,

Но главная проблема на сегодняшний день состоит в том, что модель генерирует речь

где эти корреляции экспоненциально затухают с расстоянием между словами. Т.е.

слово за словом. Т.е., хотя она и генерирует связный текст, глядя далеко назад, она

в естественных языках не существует характерной длины – в предсказание дают

не держит мысль, глядя далеко вперёд. У неё нет плана диалога и намерения донести

вклад все временные масштабы – слова, фразы, предложения, абзацы и т.д. При-

до собеседника какую-то идею, как-то подвести его к ней. Она просто развивает

мером таких систем могут быть многослойные рекуррентные модели, если встроить

определённую тему, не зная, куда её занесет ход мыслей [16].

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Диалоговые системы (чат-боты)

Диалоговые системы стали стандартом взаимодействия

￮ с одной стороны, многие компании хотят

На данный момент, не существует единых

человека с машиной. Они нашли применение прак-

автоматизировать однотипные диалоги

показателей оценки качества чат-ботов, но

тически во всех отраслях, упрощая взаимодействие

с пользователями (например, покупки

есть самые популярные:

между людьми и компьютерами. Они легко интегри-

через интернет или техподдержку);

руются в веб-сайты, платформы обмена сообщениями

Показатели пользователей

￮ с другой стороны, многих привлекает задача

и устройства.

создать систему, которая будет человеку

1.1. Общее количество пользователей.

«электронным другом».

По назначению можно выделить три

основных типа диалоговых систем:

Современные интеллектуальные

1.2. Активные пользователи.

￮ общего назначения (чат-боты);

диалоговые системы имеют сложную

1.3. Вовлечённые пользователи.

￮ задачеориентированные, целеориентированные

архитектуру, и она может варьироваться в

системы;

зависимости от задач, но можно выделить

1.4. Новые пользователи.

три основных части:

￮ способные вести диалог на любую тему,

Метрики сообщений

«болталки».

￮

модуль понимания естественного языка (NLU);

Архитектура чат-ботов состоит из набора правил

￮

диалоговыи менеджер (DM);

1.5. Сообщения о начале разговора.

и заранее подготовленных ответов. Диалоговые системы

￮

модуль генерации естественного языка (NLG).

сегодня развиваются только в двух направлениях:

1.6. Сообщения бота.

1.7. Общие сообщения.

1.8. Потерянные сообщения.

1.9. Новые разговоры.

Модуль понимания

естественного языка

Метрики бота

(NLU)

1.10. Уровень удержания.

Диалоговый

менеджер

1.11. Скорость завершения цели.

(Dialogue manager)

1.12. Время завершения цели/сообщения.

Модуль генерации

1.13. Количество неудач.

естественного языка

(NLG)

1.14. Удовлетворенность пользователей [16].

Рисунок 18 – Архитектура чат-бота

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Анализ тональности

Целью анализа тональности является определение

отношения говорящего, пишущего или другого субъ-

екта к какой-либо теме, либо общей контекстуальной

полярности или эмоциональной реакции на документ,

действие или событие.

Полярность тональности

Полярность является основной метрикой анализа

тональности.

Кастомизированные модели

IBM Watson, Meaning Cloud и Salesforce Einstein

позволяют создавать кастомизированные модели

для учёта специфического сленга или языка,

используемого в некоторой конкретной области.

Аспектная оценка тональности

Модели, основанные на аспектной оценке

тональности, всегда зависят от предметной

области.

Оценка тональности, основанная

на извлечении сущностей

Извлечение сущностей позволяет

проанализировать тональность по отношению

к каждой сущности, упомянутой в предложении.

Языковая поддержка

Большая часть сервисов поддерживает

английский язык (13 провайдеров из 15, два

оставшихся – LexSent и Boson NLP работают

только на китайском языке).

Следующий по частоте встречаемости язык –

испанский (8 вендоров), затем – немецкий

и французский (по 6 вендоров) [16].

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Уровень готовности технологий искусственного

интеллекта в России

Таблица 1 – Оценка уровня готовности технологий искусственного интеллекта в России [26]

Уровень

Сопоставление с мировым

Наименование технология ИИ

Определение технологии

готовности⁵

уровнем

Класс решений, которые находят, отслеживают и классифицируют объекты,

Соответствует мировому

Компьютерное зрение

а также синтезируют видео/изображения.

уровню

Класс решений, направленных на понимание языка и генерацию текста, несущего

Соответствует мировому

Обработка естественного языка

смысл, а также общение на естественном языке при взаимодействии компьютера

уровню

и человека.

Класс решений, позволяющих осуществлять перевод речевого запроса

Соответствует мировому

Распознавание и синтез речи

в текстовый вид, в том числе анализ тембра и тональности голоса, распознавание

уровню

эмоций, а также синтезировать речь.

Рекомендательные системы

Класс решений, обеспечивающий выполнение процесса без участия человека,

Соответствует мировому

и интеллектуальные системы

поддержку в выборе решений, а также предсказание объектов, которые будут

уровню

поддержки принятия решений

интересны пользователю.

Перспективные методы

Методы и технологии, развитие которых влияет на все текущие технологии,

Соответствует мировому

и технологии в ИИ

а также на создание новых технологий в области ИИ.

уровню

Класс решений, позволяющих восстанавливать двигательные, чувствительные

Соответствует мировому

Нейропротезирование

и познавательные функции, возможности человека.

уровню

Нейроинтерфейсы,

Класс решений, позволяющих отслеживать и влиять на нервную систему

Соответствует мировому

нейростимуляция и нейросенсинг

человека, посредством инвазивных и неинвазивных методов.

уровню

5. Уровень готовности технологии (УГТ) дан согласно ГОСТ Р 57194.1-2016. Он обозначает степень готовности научно-технической продукции или технологии к промышленному производству и эксплуатации целевых технических систем. Определяется по шкале

УГТ, которая имеет девять качественных градаций от УГТ1 до УГТ9. Уровень УГТ1 говорит о том, что выявлены и опубликованы фундаментальные принципы, сформулирована идея решения той или иной физической или технической проблемы, произведено её

теоретическое и/или экспериментальное обоснование. УГТ 9 говорит о том, что продемонстрирована работа реальной системы в условиях реальной эксплуатации, технология подготовлена к серийному производству

6. Согласно протоколу заседания Наблюдательного совета АНО «Цифровая экономика» от 24 мая 2019 г. № 13 было рекомендовано исключить Нейортехнологии (Нейропротезирование, Нейроинтерфейсы, нейростимуляция и нейросенсинг) из перечня

приоритетных субтехнологий и продолжить их развитие в рамках Национальной Технологической Инициативы

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Ключевые технические характеристики

технологий искусственного интеллекта

Таблица 2 – Ключевые технические характеристики технологий искусственного интеллекта [26]

Наименование

Ключевые технические характеристики

технологии ИИ

Объём данных для обучения.

Скорость обработки и передачи информации.

Требования к качеству аудио данных.

Требования к качеству фото и видео данных.

Скорость обработки данных.

Пословная ошибка.

Объём данных для обучения.

Распознавание

Точность анализа (вероятность ошибки,

Точность анализа (вероятность ошибки, по сравнению

и синтез речи

по сравнению с человеком и др. устройствами).

Компьютерное

с человеком и др. устройствами).

Акустические возможности (определение частоты,

зрение

тембра, силы, исключение шумов).

Оптические возможности (определение цветов,

Требования к аппаратному обеспечению

расстояний и размеров, поиск по шаблонам и др.).

(качество и количество устройств ввода, требования

к памяти, CPU).

Требования к аппаратному обеспечению (увеличение

разрешения видеосенсоров, динамический диапазон

Скорость обработки и передачи информации.

и объёем вычислительной мощности для обработки).

Необходимое качество данных для обучения.

Объём данных для обучения.

Рекомендательные

Скорость обработки и передачи информации.

системы

Точность (качество вывода).

и интеллектуальные

Интерпретируемость ответа (объяснимость).

Необходимый объём текстовых библиотек

системы поддержки

Способность адаптироваться к изменениям входных

для обучения системы.

принятия решений

данных (самообучаемость).

Точность анализа (вероятность ошибки,

Требования к аппаратному обеспечению.

Обработка

по сравнению с человеком и др устройствами).

Потенциал масштабирования.

естественного языка

Требования к аппаратному обеспечению

Энергопотребление.

(качество и количество устройств ввода, требования

Решение задач экспоненциальной сложности.

к памяти, CPU).

Перспективные

Количество задач, решаемых с помощью ИИ.

методы

Пословная ошибка.

и технологии в ИИ

Количество успешных решений с применением

перспективного метода.

Требования к аппаратному обеспечению.

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Взаимосвязь технологий искусственного интеллекта

с другими сквозными цифровыми технологиями

Таблица 3 – Взаимосвязь технологий искусственного интеллекта с другими сквозными цифровыми технологиями [26]

Наименование

сквозной цифровой

Характер взаимосвязи ИИ с данной технологией

сквозной цифровой

Характер взаимосвязи ИИ с данной технологией

технологии

Принятие решений за робота.

Примеры совместных решений:

Интерпретация данных.

￮ Использование технологии «Рекомендательные

Примеры совместных решений:

системы и системы поддержки принятия

решений» для принятия решений на основе

￮ использование технологии «Рекомендательные

Промышленный

данных с различных устройств;

системы и системы поддержки принятия

интернет

￮ Использование технологии «Компьютерное

решений» для принятия решений роботом;

Компоненты

зрение» для обеспечения контроля

￮ использование технологии «Компьютерное

робототехники

работоспособности устройств промышленного

зрение» для обеспечения робота необходимой

и сенсорика

интернета.

информацией об окружающем пространстве;

Оптимизация процессов создания опытных

￮ использование технологии «Распознавание

Новые

образцов.

и синтез речи» для обеспечения коммуникации

производственные

робота с людьми.

Системы оптимизации и управления производством

технологии

на основе ИИ.

Обучение и работа на больших данных.

Использование механизмов предиктивной

Расчёт дополненной реальности.

аналитики.

Примеры совместных решений:

Большие данные

Обработка и утилизация данных с использованием

￮ Использование технологии «Компьютерное

ИИ и машинного обучения.

Технологии

зрение» для обеспечения систем виртуальной/

Повышение качества и консистентности данных

виртуальной

дополненной реальности информацией

при помощи data mining.

и дополненной

о совершаемых действиях;

реальностей

Технологии

В перспективе – снижение затрат на обмен

￮ Использование технологии «Распознавание

беспроводной связи

данными.

и синтез речи» для обеспечения более полного

погружения человека в систему.

Системы

Низкий уровень связи, так как блокчейн

распределённого

децентрализованная система хранения

реестра

и обработки данных, а ИИ – централизованная.

Повышение функционала датчиков.

Промышленный

Повышение точности расчётов на основе

В перспективе – возможность использования

Квантовые

интернет

полученной информации.

квантовых технологий для хранения данных

технологии

и выполнения вычислений.

НАИБОЛЕЕ ПОПУЛЯРНЫЕ РЕАЛИЗАЦИИ ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ

Наиболее перспективные направления реализации технологий

искусственного интеллекта в промышленности

По мнению экспертов, наиболее перспективными направлениями использования технологий искусственного интеллекта

в промышленности в ближайшей перспективе являются:

￮

создание интеллектуальных экспертных систем

￮

разработка детерминированных методов

поддержки принятия решений по управлению

обучения нейронных сетей для разметки данных

производством, основанных на анализе

экспертами;

больших данных (Big Data) и использовании

￮

создание формализованных баз знаний

специализированных баз знаний;

предметной области;

￮

оптимизация технологических процессов

предприятий на основе создания цифровых

￮

разработка детерминированных событийных

двойников объектов промышленного

моделей цифровых двойников объектов

производства;

реального мира;

￮

снижение влияния «человеческого фактора»

￮

создание информационно-управляющих систем

при обеспечении безопасности сложных

и роботизированных комплексов, самостоятельно

эргатических систем;

формирующих технологические цепочки

производства;

￮

разработка методов формализации и обработки

￮

организация сервисного обслуживания

неструктурированной разнородной информации;

промышленного предприятия на основе

￮

создание автоматизированных систем

прогнозирования отказов промышленного

классификации и расследования неблагоприятных

оборудования, его отдельных узлов и агрегатов;

событий.

￮

разработка методологии создания

информационно-управляющих систем

с элементами искусственного интеллекта на базе

системного объединения экспертных систем

поддержки принятия решений и рекурсивных

нейронных сетей;

￮

разработка методологии управления состоянием

сложных эргатических систем в режиме реального

времени;

￮

разработка методов конструирования архитектур

рекурсивных нейронных сетей;

ВЕДЕНИЕ

ПЕРСПЕКТИВНЫЕ

НАПРАВЛЕНИЯ

РАЗВИТИЯ

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ИИ

Тенденции развития технологий

Научные исследования:

Глобальные тенденции:

￮

совершенствование и придание нюансов уже существующим решениям

￮ освобождение человека от рутинных действий, замена или снижение

на рынке системы машинного обучения и ИИ, реализующееся

интенсивности интеллектуального труда в отдельных профессиях вплоть

под воздействием конкуренции и инвестиционных циклов;

до полной замены специалистов отдельных профессий на интеллектуальные

устройства;

￮

развитие адаптационных функций, включая коммуникативные навыки

и восприятие человеческих эмоций. Для эффективного дополнения

￮ построение цифрового интерактивного информационно-технического

деятельности человека вычислительной мощью систем ИИ востребованы

пространства, кооперация людей и машин в мыслящие системы;

дальнейшие исследования в области развития интерактивных функций

￮ обоснование и поддержка сложных и ответственных решений, надёжное

взаимодействия систем ИИ с человеком, повышение объясняющей роли

и эффективное управление сложными объектами и процессами;

алгоритмов машинного обучения, а также изучение влияния ИИ на социум;

￮ более эффективная обработка информации, характеризуемой многократно

￮

дальнейшие исследования в области алгоритмов обучения без учителя

возрастающим объёмом и разнообразием типов;

и алгоритмов с частичным привлечением учителя для поиска новых решений

в условиях ограниченных наборов данных;

￮ снижение неопределённости за счёт повышения эффективности работы

с данными из предметной области;

￮

продолжение исследований в области Computational Cognitive Science,

￮ увеличение объёма данных для анализа и повышение доступности данных

которые в будущем помогут приблизиться к созданию более гибких

надлежащего качества.

и многофункциональных систем ИИ и позволят совершенствовать

современных роботов;

Развитие аппаратного и программного обеспечения:

￮

новые методы машинного обучения, которые ускоряют разработку

и реализацию решений в области ИИ в условиях ограниченного количества

￮ расширение вычислительных и функциональных возможностей

данных;

программных продуктов;

￮

развитие перспективных методов анализа данных.

￮ развитие вычислительной вычислительной архитектуры следующего

поколения;

￮ появление множества платформ для сборки приложений на базе голосовых

интерфейсов;

Развитие существующих систем:

￮ многофункциональные платформы и кроссплатформенные решения,

￮ улучшениеУлучшение качества распознавания речи;

благодаря которым голосовой ассистент сможет одинаково работать

￮ ручной перевод будет целиком вытеснен машинным благодаря более

на разных устройствах;

глубокому машинному пониманию контекста и тематики документов;

￮ более широкое использование GAN (generative adversarial networks)

￮ машинное понимание языка выведет на новый уровень автоматическую

для генерации данных для обучения моделей;

обработку текстовых потоков в интернете и в социальных сетях: сбор

￮ появление новых, более эффективных вычислительных архитектур.

и компиляцию фактов, их анализ на непротиворечивость и достоверность;

Например, разреженные сети, сочетающие лучшие качества

￮ возможность создания достаточно длинных статей по произвольным темам

распределенных и символьных вычислений, модели сложность которых

в заданной области с управляемым содержимым.

адаптируется к количеству обучающих данных [15], [16], [17].

ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ИИ

Рыночные тенденции

Повсеместное внедрение голосовых

12.

Широкое внедрение технологий автоматической

интерфейсов.

проверки договоров и шире – автоматизации

договорной работы, в том числе проверка

Взрывной рост голосовых роботов.

выполнения обязательств и т.п.

Поиск информации на естественном языке.

13.

Появление моделей понимания юридических

текстов.

Крупные компании будут развивать

и наращивать собственную экспертизу в области

14.

Более глубокую интеграцию RPA-решений

ИИ.

с технологиями NLP.

Фокус банков будет направлен на извлечение

15.

Смарт-контракты, автоматически генерирующиеся

максимальной выгоды из уже накопленных

на базе анализа юридически обязывающих

банками данных с помощью ИИ вообще и NLP

документов.

в частности.

16.

Внедрение персонализированного маркетинга

Новое поколение конструкторов проектной

на основе онлайн-анализа цифрового следа

документации.

человека.

Появление систем, оценивающих

17.

Появление моделей понимания научных

непротиворечивости документов, описывающих

текстов. Такие системы кардинально изменят

сложные технические объекты.

технологический ландшафт и ускорят трансфер

технологий, за счет анализа и выявления

Появление автоматизированных систем

экспертов и экспертных сообществ в заданной

планирования контрольных мероприятий.

области на основе анализа источников научной

и патентной информации.

Внедрение голосовых интерфейсов позволит

в значительной мере освободить врача

18.

Обнаружение фальшивых новостей (fake news).

от записей текста и создавать автоматически

размеченные истории болезней.

19.

Анализа больших массивов информации

о компаниях, людях и транзакциях в разной

10.

Системы поддержки принятия врачебных

форме для решения прикладных задач типа

решений нового класса на базе технологий NLP.

поиска аффилированности и неявных связей

компаний и физлиц.

11.

Широкое применение технологий голосовой

биометрии – аутентификации и авторизации

20.

Персонификация и персонализация

человека по голосу – для предоставления услуг

государственных и муниципальных сервисов

на основе персонифицированных данных.

для каждого гражданина [15], [16], [17].

ГЛАВНЫЕ

ОГРАНИЧЕНИЯ

ТЕХНОЛОГИЙ ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

ГЛАВНЫЕ НЕРЕШЁННЫЕ ВОПРОСЫ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕ ЛЛЕКТА

Главные нерешённые вопросы

технологий искусственного интеллекта

программных агентов и роботов, способных самосто-

человек не в состоянии. Для нас такая нейросеть пред-

ятельно мыслить и решать широкий круг задач. Со-

ставляет собой «черный ящик», решениям которого

здание сильного искусственного интеллекта открывает

мы вынужден доверять. В этом новый нейросетевой

дорогу широкому распространению автономных робо-

искусственного интеллекта проигрывает прошлому по-

тов, способных к обучению, в отличие от сегодняшних

колению – экспертным системам. Поскольку последние

роботов с программируемым поведением. Ключевым

были основаны на системе правил, они всегда могли

для создания сильного искусственного интеллекта

объяснить своё решение, показать какая именно це-

является разработка архитектуры систем, обладающих

почка правил применима в данном конкретном случае.

искусственной психикой. Единственной известной нам

Решение этой проблемы пока что не найдено. Возмож-

системой, обладающей психикой, является мозг. Таким

но, что для этого нейросети должны будут научиться

образом, понимание принципов работы мозга мо-

разговаривать, чтобы комментировать свои решения,

жет служить ключом к созданию технологий сильного

формулируя свои мысли на человеческом языке.

искусственного интеллекта.

Этика искусственного интеллекта

Память и катастрофическое забывание

Искусственного интеллекта является ключевой техно-

Существующие нейронные сети способны обучаться

логией новой цифровой экономики. Ведь искусствен-

разным, даже очень сложным задачам. Однако, каждая

ный интеллект – это наделение машин человеческими

такая нейросеть будет иметь лишь тот конкретный

способностями. Следовательно, это ключ к массовой

навык, которому она обучилась. Если сеть, умеющую

замене человека разумными машинами и роботами.

играть в Го обучить игре в шахматы, то она при этом

Не удивительно, что быстрое развитие искусственно-

забудет, что она умела играть в Го. Человек, напро-

го интеллекта и скорость внедрения решений на его

тив, может накапливать различные навыки, которые

основе порождают опасения: а что станет с людьми,

он приобретает в течение жизни, и применять их в со-

которых он будет вытеснять с их привычных рабочих

ответствующих обстоятельствах по своему желанию.

мест?

Для решения этой проблемы необходим системный

Подобное уже не раз случалось в ходе прошлых про-

подход, а именно разработка архитектур сильного ис-

мышленных революций. Однако, современные тем-

кусственного интеллекта.

пы цифровой трансформации гораздо выше. Успеет

ли общество адаптироваться к столь резким переме-

Прозрачность и объяснимость

нам? Успеют ли сокращённые работники освоить свою

Сильный и слабый искусственный

Современные искусственные нейросети могут содер-

следующую профессию, прежде чем и там начнутся

интеллект

жать миллиарды параметров, которые автоматически

свои сокращения? Не рискуем ли мы потерять контроль

Существующие технологии слабого искусственного

подбираются под любую задачу в процессе обучения.

над собственной судьбой, передав бразды правления

интеллекта позволяют создавать подсистемы, обла-

И обученная нейросеть может в итоге решать эту за-

гораздо более сильному искусственному интеллекту –

дающие тем или иным видом когнитивных способно-

дачу даже лучше человека. Но вот понять, как именно

в своих же собственных интересах? Пока что у челове-

стей. Технологии сильного искусственного интеллекта

она это делает практически невозможно – разобрать-

чества нет обоснованных ответов на все эти вопросы.

позволят создавать из таких подсистем автономных

ся в структуре связей достаточно сложной нейросети

[15], [16].

ГЛАВНЫЕ НЕРЕШЁННЫЕ ВОПРОСЫ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕ ЛЛЕКТА

Ограничения применения искусственного интеллекта

Таблица 4 – Ограничения применения технологий искусственного интеллекта [26]

Наименование группы

Ограничения

ограничений

Ограничения

Низкая интенсивность научных исследований в сфере искусственного интеллекта.

в области «Алгоритмы

Дефицит финансирования.

и математические

Дефицит кадров для исследования в сфере искусственного интеллекта.

методы»

Низкая международная конкурентоспособность ведущих национальных исследовательских центров.

Низкий уровень участия России в международных исследовательских проектах, ограниченный доступ к зарубежным технологиям, вызванный санкциями

Искусственный интеллект является «чёрным ящиком».

Низкий уровень трансфера результатов обучения.

Ограничения в области

Дефицит современных программ подготовки специалистов в сфере искусственного интеллекта.

«Кадры»

Дефицит специалистов в сфере искусственного интеллекта на рынке труда.

Низкая готовность кадров в большинстве компаний к использованию технологий искусственного интеллекта и общий дефицит цифровых навыков.

Отсутствие обучения работе с технологиями искусственного интеллекта в большинстве образовательных программ.

Отток за рубеж квалифицированных специалистов в сфере искусственного интеллекта.

Влияние технологий искусственного интеллекта и автоматизации на моральное состояние персонала.

Завышенные ожидания.

Ограничения в области

Дефицит собственных научных исследований и технологических разработок в сфере искусственного интеллекта.

«Программное

Отсутствие крупных российских разработчиков и производителей специализированного аппаратного обеспечения и высокий уровень зависимости

обеспечение»

от импортных поставок оборудования и комплектующих.

Низкий уровень внедрения технологий искусственного интеллекта, ограниченный спрос со стороны компаний и государственных организаций,

значительные барьеры для внедрения (включая монополизацию в большинстве отраслей и ограничительное отраслевое регулирование).

Ограничения

Недостаточный уровень развития отечественных высокоскоростных энергоэффективных микропроцессоров, оптимальных для задачи искусственного

интеллекта.

в области «Аппаратное

обеспечение»

Недостаточная обеспеченность ЦОД коллективного или индивидуального использования под выполнение задач искусственного интеллекта.

Ограничения в области

Отсутствие методологии сбора и разметки данных.

«Данные»

Недостаточность общедоступных дата сетов.

Низкий уровень доступа к государственным данным.

Отсутствие единых подходов к форматам, разметке и доступу к данным – для совместимости данных из различных источников.

Ограничения в области

Отсутствие полноценной системы нормативно-технического регулирования в области искусственного интеллекта.

«Нормативное

Сложность административно-правового и нормативного-технического порядка тестирования и внедрения разработок в сфере искусственного интеллекта.

регулирование»

Несовместимость некоторых положений законодательства о защите данных с технологиями искусственного интеллекта.

Недостаточно разработанное технико-экономическое обоснование внедрения технологий искусственного интеллекта.

Недостаток знаний у компаний о технологиях искусственного интеллекта.

ГЛАВНЫЕ НЕРЕШЁННЫЕ ВОПРОСЫ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕ ЛЛЕКТА

Типичные ошибки при внедрении искусственного интеллекта

требований. Не все проекты могут оказаться успешны

общаться ежедневно, работать вместе. Это необходимо

Неверная постановка задачи и завышенные

по причине недостаточности или низкого качества дан-

для точной настройки модели, максимально коррект-

ожидания

ных. Но также встречается ситуация, когда некорректно

ной интерпретации её результатов, особенно проме-

Непонимание самой технологии, её реальных возмож-

поставлена задача или не учтены какие-то принципи-

жуточных неудач и аномалий, где нужна экспертиза

ностей и ограничений в лучшем случае грозит потерей

альные ограничения. В рамках пилота такие сложности

по конкретному бизнесу.

денег, в худшем – может затормозить процесс транс-

должны быть выявлены как можно раньше, а работы

Развитие рынка искусственного интеллекта и машинно-

формации компании. Применительно к задачам, не свя-

остановлены.

го обучения стимулируется ростом производственных

занным с анализом изображений, видео, звука и тек-

мощностей, увеличением объёмов данных, накоплен-

ста, пока не стоит спешить всюду применять глубокое

Нехватка компетенций и попытка

ных отечественными предприятиями и организациями,

обучение, но из-за того, что deep learning¹ постепенно

справиться собственными силами

а также информацией об успешных кейсах и о выгодах,

превращается в раскрученный бренд, многие компании

Минимальный состав команды для внедрения пилот-

полученных конкурентами благодаря использованию

могут предпринимать попытки использовать его повсю-

ного проекта в области искусственного интеллекта

технологий искусственного интеллекта.

ду вместо более классических подходов, что приведёт

– шесть человек. Это менеджер проекта, архитектор,

С помощью технологий искусственного интеллекта

к огромной пропасти между ожиданиями от машинного

эксперт МО, data science³ аналитик, бизнес-аналитик,

можно выявлять скрытые закономерности в поведе-

обучения и результатами и более сдержанному даль-

технический писатель и инженер инфраструктуры. Если

нии потребителей, определять вероятность отклика

нейшему внедрению машинного обучения.

компания занимается одновременным запуском не-

на то или иное рекламное предложение, понимать, кому,

скольких пилотов и внедрением успешных проектов,

Точечные инициативы вместо конвейера

когда, как и что лучше предложить, чтобы выстроить

найти необходимое число квалифицированных специ-

решений

максимально персонализированные коммуникации

алистов внутри компании будет тяжело.

и повысить эффективность рекламных кампаний [19].

Реальный экономический эффект способна прине-

Поскольку необходимо сравнить затраты компании

сти лишь полная трансформация бизнеса по принци-

на разработку «самописного» решения (включая рас-

пу «искусственный интеллект как процесс». Для этого

ходы на оборудование, время разработчиков и, что са-

необходимо сформировать пул идей, сформулировав

мое сложное, оценку их квалификации и денежные за-

для каждой чёткую задачу, сценарии KPI², просчитав

траты) и стоимость покупки готового решения – лидера

риски и экономический эффект, приоритизировать эти

в своей сфере. В первом случае можно потратить много

идеи и выстроить их в очередь на реализацию. Про-

времени и сил и не получить качественного результа-

вести комплексное изменение компании и выстроить

та, поскольку это не является основной деятельностью

конвейер перестройки бизнес-процессов с учётом от-

компании и ресурсов на решение задачи не хватает.

крывшихся возможностей сейчас способны единицы.

Слабая коммуникация заказчика

Неготовность закрыть неудачный пилот

и исполнителя

Если пилотные проекты не поставлены на поток, отка-

При реализации проекта собственными силами недо-

заться от неудачного детища, в которое вложено много

статочно посадить участников в соседних кабинетах –

времени и сил, может быть сложно. Именно поэтому

нужно организовать их ежедневное взаимодействие.

чёткие критерии успешности и сроки проекта долж-

Но, даже пригласив специалистов со стороны, спихнуть

ны быть закреплены до его старта. Производственные

на них всю работу не получится – придётся постоянно

проекты очень сложны, поскольку скрывают в себе

находиться на связи и координировать процесс. Прак-

множество технических нюансов и противоречивых

тика учит, что data scientist⁴ и бизнес-заказчик должны

1. Deep learning – глубокое обучение нейронных сетей. 2. KPI (Key Performance Indicators) – числовые показатели деятельности подразделения (предприятия), которые помогают организации в достижении целей или оптимальности процесса,

а именно: результативности и эффективности. 3. Data science – это наука о методах анализа данных и извлечения из них ценной информации, знаний. 4. Data scientist – это аналитик данных, обладающий специализированными техническими навы-

ками для решения сложных задач в области науки о данных.

СФЕРЫ

ПРИМЕНЕНИЯ

ТЕХНОЛОГИЙ ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Отрасли применения технологий искусственного интеллекта согласно Дорожной карте развития «сквозной» цифровой технологии

«нейротехнологии и искусственный интеллект» [26].

В отрасли «Сельское хозяйство, лесное

В отрасли «Обрабатывающие производства»

В отрасли «Строительство» (Классификатор

хозяйство, охота, рыболовство и рыбоводство»

(Классификатор ОКВЭД «C») выделяются

ОКВЭД «F») выделяются следующие области

(Классификатор ОКВЭД «A») выделяются

следующие области применения:

применения:

следующие области применения:

3.1. Повышение качества и снижение затрат

5.1. Улучшение качества строительного

1.1. Повышение эффективности процессов

на проектирование продукции за счёт

процесса за счёт обнаружения ошибок

селекции за счёт учёта генетических

комплексного моделирования параметров

строительства.

и фенотипических¹ параметров.

будущего продукта.

5.2. Использование ИИ для моделирования

1.2. Повышение урожайности за счёт

3.2. Автоматизация и оптимизация

и анализа потенциальных опасностей

выстроенной автономной системы ухода

производственных процессов

(пожарных рисков, рисков разрушения

за культурами.

и сети поставок за счёт снижения

здания и др.).

производственных ошибок.

1.3. Снижение затрат на техническое

5.3. Улучшение качества архитектурного

обслуживание и ремонт за счёт

3.3. Минимизации влияния человеческого

планирования за счёт анализа изображений

прогнозирования поломок техники.

фактора.

окрестностей.

3.4. Эффективное прогнозирование спроса.

В отрасли «Добыча полезных ископаемых»

В отрасли «Торговля оптовая и розничная»

(Классификатор ОКВЭД «B») выделяются

(Классификатор ОКВЭД «G») выделяются

В отрасли «Обеспечение электрической

следующие области применения:

энергией, газом и паром» (Классификатор

2.1. Оптимизация разведки и извлечения

ОКВЭД «D») выделяются следующие области

6.1. Минимизации влияния человеческого

запасов на основе анализа геофизических

применения:

фактора и эффективное прогнозирование

данных.

спроса.

4.1. Сокращение сроков и затрат на

2.2. Повышение эффективности и безопасности

проектирование и строительство

6.2. Оплата товаров и услуг голосом, который

производственного процесса за счёт

объектов за счёт анализа данных об

был идентифицирован искусственным

применения автономного оборудования

условиях строительной площадки и опыта

интеллектом.

и транспорта.

предыдущих проектов.

6.3. Прогнозирование поведенческой модели

2.3. Предотвращение простоев оборудования

4.2. Оптимизация ремонтов за счёт

покупателя на основании ретроспективных

и дорогостоящих ремонтов за счёт

предиктивного обслуживания

покупок.

превентивного обслуживания.

оборудования.

6.4. Автоматизация инвентаризации в магазине

4.3. Оптимизация процессов управления

за счёт использования распознавания

сложными энергетическими системами

изображений.

за счёт улучшения процессов

диспетчеризации.

1. Феноти́п (от др.-греч. φαίνω «являю; обнаруживаю» + τύπος «образец») — совокупность внешних и внутренних характеристик, присущих организму или системе на определённой стадии развития или приобретённых в результате развития.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Использование технологий искусственного интеллекта

В отрасли «Транспортировка и хранение»

В отрасли «Деятельность в области

носит общий или «сквозной» характер и способству-

(Классификатор ОКВЭД «H») выделяются

информации и связи» (Классификатор ОКВЭД

ет созданию условий для улучшения эффективности

следующие области применения:

«J») выделяются следующие потребности:

и формирования принципиально новых направлений

7.1. Оптимизация выстраивания маршрутов,

9.1. Оптимизация распределения сетевых

деятельности хозяйствующих субъектов, в том числе

учитывая прогнозы транспортных потоков

ресурсов на основе реального времени

за счёт:

и характеристик ТС.

и анализ прогнозной нагрузки.

￮

повышения эффективности процессов

7.2. Обеспечение безопасности вождения

9.2. Рекомендации в области необходимых

планирования, прогнозирования

за счёт выявления и предупреждения

инвестиций по строительству сетевой

и принятия управленческих решений (включая

опасных ситуаций.

инфраструктуры за счёт оценки

прогнозирование отказов оборудования и его

потребностей сети.

превентивное техническое обслуживание,

7.3. Использование беспилотных ТС.

оптимизацию планирования поставок,

9.3. Прогноз региональных тенденций спроса

7.4. Предотвращение поломок транспорта

производственных процессов и принятия

на телекоммуникационный трафик.

за счёт прогнозирования неисправностей.

финансовых решений);

7.5. Оптимизация работы распределительных

￮

автоматизации рутинных (повторяющихся)

центров за счёт автоматизированного учета

производственных операций;

продукции и скорости погрузки.

В отрасли «Деятельность финансовая

10.

￮

использования автономного интеллектуального

и страховая» (Классификатор ОКВЭД «K»)

7.6. Роботизация складов.

оборудования и робототехнических комплексов,

выделяются следующие потребности:

интеллектуальных систем управления логистикой;

10.1. Оценка кредитоспособности

￮

повышения безопасности сотрудников

заёмщиков и предложение новых

при выполнении бизнес-процессов (включая

В отрасли «Деятельность гостиниц

банковских продуктов на основе данных

прогнозирование рисков и неблагоприятных

и предприятий питания» (Классификатор

о транзакциях, данных о клиенте

событий, снижение уровня непосредственного

ОКВЭД «I») выделяются следующие области

в соцсетях.

участия человека в процессах, связанных

применения:

10.2.Чат-боты, в том числе голосовые системы

с повышенным риском для его здоровья и жизни);

8.1. Мгновенный перевод речи туристов

обработки клиентских запросов.

￮

повышения лояльности и удовлетворённости

в гостиницах.

10.3.Повышение безопасности операций

потребителей (в том числе направление

8.2. Создание персонализированного меню

и предотвращение мошенничества.

им персонализированных предложений

и диеты.

и рекомендаций, содержащих существенную

10.4.Повышение эффективности

информацию);

8.3. Автоматизированная доставка продуктов

планирования личных финансов

питания.

и управления инвестициями.

￮

оптимизация процессов подбора и обучения

кадров, составления оптимального графика

10.5.Персонализация.

работы сотрудников с учётом различных факторов.

10.6.Таргетинг.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Внедрение технологий искусственного

интеллекта в реальные проекты

пришли к выводу, что успешное использование техно-

логий искусственного интеллекта без адекватной инте-

грации в корпоративную стратегию невозможно.

Исследователи отмечают, что это связано с устаревши-

ми бизнес-моделями, которые должны быть модерни-

зированы вместе с внедрением технологий искусствен-

ного интеллекта.

В начале ноября 2018 года было

опубликовано два исследования в сфере

искусственного интеллекта [32]:

￮

«Прогноз на 2019 год: автоматизация»;

￮

«Прогноз на 2019 год: искусственный интеллект».

Согласно данным отчётам, компании переоценили ис-

кусственный интеллект и разочаруются в нём через год.

В 2019 году до 10% компаний вернули в автоматизи-

рованные процессы человеческий фактор, и эта тен-

денция в значительной степени обусловлена ограни-

чениями технологий искусственного интеллекта и их

осознанием.

В большинстве случаев люди не должны полностью

В конце октября 2019 года исследователи опублико-

исключаться из цикла работы искусственного интел-

вали неутешительные выводы глобального опроса

лекта, сдует из этих отчётов. Автоматизацию можно

[32], касающиеся интеграции технологий искусствен-

использовать для анализа рынка и ускорения процес-

ного интеллекта в современный бизнес. Несмотря

сов поддержки клиентов, но непосредственный контакт

на то, что большинство компаний уверены в значимой

должен осуществляться людьми. В сбалансированных

роли искусственного интеллекта, которые эти техноло-

отношениях между искусственным интеллектом и людь-

гии будут играть в будущем, а почти половина опаса-

ми автоматизация будет применяться только в качестве

ются увидеть технологии искусственного интеллекта

первой линии ответа.

у конкурентов, на самом деле не более 40% компаний,

Учитывая вышеизложенное, спрос на автоматизацию

которые уже внедрили данные технологии в свой биз-

и технологии искусственного интеллекта вряд ли упадёт,

нес, смогли получить реальную прибыль.

т.к. всем компаниям так или иначе придется работать

Около 70% респондентов признались, что новые техно-

с ними и создавать среду, в которой автоматизация

логии никак не повлияли на их бизнес. Исследователи

позволит получить наибольшую выгоду.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в промышленности

Один из самых больших потенциалов применения

￮ в электроэнергетике – 11%;

и повышения эффективности его технического обслу-

технологий искусственного интеллекта

– в промыш-

живания. Предсказательная аналитика помогает про-

￮ научные работы университетов – 23%.

ленности. Это реальные производственные процессы

мышленникам получить информацию об остаточном

с реальными деньгами и возможностью сокращения

Технологии искусственного интеллекта

ресурсе промышленных активов, а предписывающая

себестоимости. Но эта отрасль пока несколько отстаёт

в производстве:

аналитика ещё и даёт рекомендации, что нужно сде-

в силу её низкой рентабельности, всё ещё низкой авто-

лать для предотвращения сбоев в работе и недопуще-

￮ на уровне проектирования: повышение

матизацией производственных процессов.

ния аварий.

эффективности разработки новых продуктов,

Сегодня производственные процессы шаг за шагом

автоматизированная оценка поставщиков

Вторая область применения – это роботехника и робо-

усложняются, появляется всё больше факторов и ню-

и анализ требований к запчастям и деталям;

зрение, когда создаются системы или модели, которые

ансов. Если раньше весь производственный процесс

способны обучить промышленных роботов эффектив-

￮ на уровне производства: совершенствование

умещался в голову одного технолога, то теперь он на-

ным действиям без участия человека.

процесса исполнения задач, автоматизация

ходится за гранью того, что один человек или группа

Первое направление в большей степени оптимизирует

сборочных линий, снижение количества ошибок,

людей может учесть. Соответственно, усложняющийся

расходы на содержание промышленного фонда, а вто-

уменьшение сроков доставки сырья;

процесс производства требует новых решений, в част-

рое перспективно с точки зрения генерации прибыли.

ности применения машинного обучения.

Если первый сценарий в России возможен при разви-

￮ на уровне продвижения: прогнозирование

На производстве особенно ценны люди, обладающие

тии систем мониторинга оборудования и промышлен-

объёмов предоставления услуг поддержки

уникальными компетенциями. Они могут заболеть,

ного интернета вещей, то второе направление пока

и обслуживания, управление ценообразованием;

выйти на пенсию, а использование технологий искус-

не столь активно в связи с низкой роботизацией отече-

ственного интеллекта повышает устойчивость бизнеса

￮ на уровне предоставления обслуживания:

ственного производства.

относительно человеческого фактора.

улучшение планирования маршрутов парка

В процессном производстве используются те же сце-

транспортных средств, спроса на ресурсы

В промышленности уже есть успешные примеры вне-

нарии с предиктивной аналитикой и предписываю-

автопарка, повышение качества подготовки

дрения технологий искусственного интеллекта. Напри-

щей аналитикой для более эффективного использова-

сервисных инженеров.

мер, проект по предотвращению брака на промышлен-

ния оборудования, что и в дискретном производстве.

ном производстве, где 1200 параметров определяют

Для решения задач IIoT* и промышленной аналитики

Но более перспективными с точки зрения влияния

качество продукции, причём более 800 влияют суще-

применяются такие методы, как многослойный пер-

на экономические показатели предприятия являют-

ственно на то, уйдёт ли готовое изделие в брак или нет.

цептрон ((D)MLP) – в 14% случаев, метод опорных век-

ся системы типа «цифровой советчик» для цифрового

Это химические и массовые характеристики, темпера-

торов (SVM) – в 14% случаев, сверхточные нейронные

управления технологическими процессами.

тура, скорость элементов производственного процесса,

сети (CNN) – в 11%.

показания приборов и настройки станков.

Большинство применений методов машинного обу-

Самые передовые методы, такие как метод обу-

чения относится к предиктивной аналитике (Predictive

Наиболее часто методы машинного

чения с подкреплением (самообучающаяся си-

analytics) – 26%, и описательной аналитике (Descriptive

обучения применяются:

стема, где обучаемое получает «вознаграждение»

analytics) – 23%. Также достаточно часто данные мето-

￮ в дискретном производстве (машиностроение,

за максимально эффективный алгоритм действий),

ды применяются в области управления роботами и ро-

авиастроение, приборостроение и т.п.) – 44%;

в промышленности практически не используются

бозрении – 14%.

в силу новизны и сложности, хотя и могут дать су-

￮ в процессном производстве (металлургия, химия,

В дискретном производстве методы искусственного

щественный эффект.

нефтехимия, нефтепереработка и нефтедобыча) –

интеллекта используются в первую очередь для уве-

22%;

личения срока службы промышленного оборудования

* Industrial Internet of Things (IIoT) – промышленный интернет вещей

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Примеры реализации технологий

искусственного интеллекта в промышленности

ПАО «СЕВЕРСТАЛЬ»

Цифровая модель для предотвращения отказов на стане-2000

На Череповецком металлургическом комбинате, одном из крупнейших

интегрированных заводов по производству стали в мире, в промышленную

эксплуатацию запущена предиктивная модель, позволяющая предотвращать

отказы на стане горячей прокатки 2000 с целью сокращения количества его

простоев. Модель выявляет вероятность перегрева подшипника шестерённых

клетей – одну из наиболее частых и ресурсозатратных причин остановки агрегата.

Это первая модель в области предиктивных ремонтов, внедрённая на производстве

ЧерМК в рамках реализации цифровой стратегии компании.

Прогноз формируется на основе потока данных с датчиков температуры, располо-

женных непосредственно на стане. С помощью разработанной цифровой модели

они анализируются, и на их основе формируется прогноз температурного режи-

ма на ближайший промежуток времени. В случае отклонения этих показателей

от нормы, оператору поступает соответствующее оповещение, тогда как раньше

Рисунок 19 – Стан 2000 ПАО «Северсталь»

датчики фиксировали нарушения работы агрегата лишь в момент, когда они непо-

средственно происходили. Горизонт прогнозирования отказа достаточен, чтобы

он смог предпринять необходимые меры и предотвратить незапланированную

остановку стана. Благодаря расчётам предиктивной модели количество простоев

по причине перегрева подшипника шестеренных клетей сократится на 80%.

На одном только стане-2000 контролируется более ста тысяч параметров,

что открывает огромные перспективы для реализации проектов по предиктивной

аналитике. Подобные модели основаны на алгоритме машинного обучения,

а значит, обрабатывая больше данных и сопоставляя больше параметров,

они могут самостоятельно обучаться и становиться точнее [64].

ПАО «СИБУР ХОЛДИНГ»

Прогнозирование цен

Текущая точность прогнозирования цен на сырье и продукты на основных рын-

ках не всегда позволяет направлять продукцию на более премиальные рынки,

Рисунок 20 – Видеоаналитика ПАО «СИБУР Холдинг»

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

а также оптимизировать материальные потоки между продуктами с наибольшей

эффективностью.

Инструмент «Динамическое ценооборазование» работает на анализе данных

и искусственного интеллекта. Система прогнозирует цены на продукты и сырье

на целевых рынках с применением методов анализа данных и искусственного

интеллекта, что позволяет принимать решения о времени и географии продаж

и своевременно направлять продукцию на более выгодные рынки.

Модели динамического ценообразования обучаются на больших массивах дан-

ных, используя все зависимости, за которыми человек не может уследить. Ис-

пользуются цены на продукт, сырьё и связанные продукты, спрос и предложение,

остановы и аварии оборудования, макроэкономика, биржевые цены, а также дру-

гие факторы.

Система повышает точность прогнозирования в среднем в 2 раза, а скорость вы-

дачи прогноза – с 2 недель до минут [62].

Видеоаналитика

Видеоаналитика может решать разные задачи – повышать качество продукции

благодаря автоматическому контролю и отбраковке, избегать неплановых оста-

новов производственных линий, своевременно предупреждая оператора о необ-

Рисунок 21 – Видеоаналитика ПАО «СИБУР Холдинг»

ходимости вмешаться в работу линии, контролировать соблюдение правил про-

мышленной безопасности.

Система компьютерного зрения распознаёт нештатные ситуации об отклонениях

в процессах работы установок, нарушениях требований безопасности и сигнали-

зирует об этом оператору. Если ранее оператору выводились все камеры, то те-

перь он видит только сигналы об отклонениях и их описания – те ситуации, в ко-

торые требуется оперативное вмешательство. При отсутствии отклонений экран

системы видеонаблюдения остаётся чёрным и не отвлекает оператора от управ-

ления технологическим процессом.

Компьютерное зрение совершенствуется с помощью алгоритмов машинного

обучения, которые детектируют необходимые объекты с последующей класси-

фикацией и описанием наблюдаемой ситуации. Если ситуация не соответствует

штатной, система принимает соответствующие меры [62].

Система Real Time Optimization (RTO)

RTO улучшает показатели работы существующих систем управления (РСУ, СУУТП)

на производстве пиролиза углеводородов нефти, компримирования, разделения

Рисунок 22 – Система Real Time Optimization ПАО «СИБУР Холдинг»

пирогаза.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Система моделирует процесс с учетом экономических

«КОГНИТИВНЫЙ ГЕОЛОГ»

и производственных задач в режиме реального време-

ни: варьирует переменными, которые оказывают влияние

на степень конверсии углеводородного сырья в процессе

пиролиза (температура реакции, время пребывания сы-

рья в змеевике печи, давление), а также на селективность

процесса по различным продуктам реакции. Для каждого

варианта возможного режима работы печи RTO рассчиты-

вает содержание целевых продуктов в пирогазе и значение

общей операционной прибыли.

Система способствует увеличению общей операционной

прибыли в условиях заданных экономических

и технологических ограничений. Основной задачей RTO

является достижение максимума общей операционной

прибыли, которая рассчитывается с учетом затрат сырья,

материалов и энергоносителей, а также дохода от продаж

продуктов. В зависимости от введённых цен на ресурсы, си-

стема оптимизации будет смещать режим пиролиза таким

образом, чтобы увеличить селективность процесса по наи-

более ценным продуктам.

Система предсказывает до 85% нештатных ситуаций с экс-

трудером на производстве полипропилена.

С помощью советчика удалось повысить производитель-

ность на 0,5% или 1200 тонн готовой продукции [62].

ПАО «ГАЗПРОМ НЕФТЬ»

Технологический лидер нефтегазовой промышленности,

компания «Газпром нефть», реализует сразу несколько

проектов с участием искусственного интеллекта. Один

из них, «Когнитивный геолог», предполагает создание са-

мообучающейся модели геологического объекта. Дело

в том, что ключевые решения по освоению месторожде-

ний приходится принимать уже на ранней стадии разра-

ботки, а ошибку, допущенную в начале процесса, в даль-

нейшем исправить практически невозможно.

Геологи по крупицам собирают данные, чтобы получить

достоверную картину строения недр и ответить на главный

вопрос: насколько рентабельной окажется добыча? Это

Рисунок 23 – Система «Когнитивный геолог» ПАО «Газпром нефть»

занимает год-два, при этом уверенность в правильности

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ответа всё равно не превышает 60%. «Когнитивный геолог»

ЦЕНТР УПРАВЛЕНИЯ БУРЕНИЕМ «ГЕОНАВИГАТОР»

будет математически обрабатывать исходную информацию,

оценивать вероятность правильности ответов и выдавать

рекомендации о методах разработки или необходимости

Дистанционное управление бурением всех сложных высокотехнологичных скважин из Санкт-Петербурга

проведения дополнительных исследований. По расчётам

специалистов

«Газпром нефти», время интерпретации

геологических данных за счет работы искусственного

интеллекта сократится в шесть раз, а количество извлечен-

ной из них полезной информации возрастет на 30% [63].

Ещё один проект «Газпром нефти» предполагает применение

часа

РОССИЯ

искусственного интеллекта при бурении сложных

в сутки

скважин. Пример: нефтяникам на основе геологической

СЕРБИЯ

модели необходимо на глубине в несколько километров

попасть в пласт толщиной всего два-три метра и вести

по нему скважину на протяжении километра, оперативно

реагируя на изменения конфигурации продуктивного

дней

горизонта, которые отслеживаются с помощью датчиков,

в неделю

доля высокотехнологичных скважин

установленных на буровом инструменте. Однако датчики

ИРАК

＞60%

в новом бурении

расположены в 17 метрах от долота, поэтому специалисты,

Сопровождение бурения

Схемы бурения

дистанционно контролирующие ситуацию из Центра

высокотехнологичных скважин

20+скважин в сутки

700+скважин в год

управления бурением «ГеоНавигатор» в Санкт-Петербурге,

узнают о выходе скважины из продуктивного горизонта

с задержкой в 20-30 минут. За это время траектория бу-

дней

рения может уйти от трехметрового пласта на большое

в году

365

расстояние. Решение проблемы найдено в обучаемой мо-

дели, которая в режиме реального времени будет делать

выводы об изменении условий в самой дальней точке сква-

жины на основе таких параметров, как нагрузка на буро-

вом инструменте, сопротивление, температура, вибрация

и скорость проходки. Это позволит специалистам «ГеоНа-

вигатора» оперативно корректировать траекторию бурения

Задачи

и уточнять геологическую модель месторождения, одно-

временно формируя дополнительные данные для даль-

Точное попадание горизонтальной

Корректировка геологической

нейшего обучения «умного» бура. В будущем математи-

скважины в продуктивный пласт

модели месторождения

ческая модель бурения позволит по косвенным данным

превентивно прогнозировать возможные нештатные

ситуации, устанавливать оптимальные режимы работы

Достижение оптимальной

Повышение эффективности расхода

оборудования и даже в реальном времени определять

траектории бурения без отклонений

производственных материалов

продуктивность пласта, при этом оценивая экономическую

эффективность разбуривания конкретного горизонта [63].

Рисунок 24 – Центр управления бурением «ГеоНавигатор» ПАО «Газпром нефть»

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в социальной сфере

Использование технологий искусственного интеллекта в социальной сфере способствует созданию условий для улучшения

уровня жизни населения, в том числе за счёт [47]:

ПОВЫШЕНИЯ КАЧЕСТВА УСЛУГ В СФЕРЕ

ПОВЫШЕНИЯ КАЧЕСТВА

ЗДРАВООХРАНЕНИЯ ВКЛЮЧАЯ

ОБРАЗОВАНИЯ ВКЛЮЧАЯ

ПРЕДОСТАВЛЕНИЯ

￮ профилактические обследования;

￮ адаптацию образовательного процесса

ГОСУДАРСТВЕННЫХ

И МУНИЦИПАЛЬНЫХ УСЛУГ,

к потребностям обучающихся

￮ диагностику;

А ТАКЖЕ СНИЖЕНИЯ ЗАТРАТ

и потребностям рынка труда;

￮ основанную на анализе изображений;

НА ИХ ПРЕДОСТАВЛЕНИЕ.

￮ системный анализ показателей

￮ прогнозирование возникновения;

эффективности обучения для оптимизации

и развития заболеваний;

профессиональной ориентации и раннего

￮ подбор оптимальных дозировок;

выявления детей с выдающимися

лекарственных препаратов;

способностями;

￮ сокращение угроз пандемий;

￮ автоматизацию оценки качества знаний

￮ автоматизацию и точность;

и анализа информации о результатах

хирургических вмешательств.

обучения.

Технологии искусственного интеллекта в государственном секторе

Спрос на технологии искусственного интеллекта, машинного обучения ранее озвучивали многие российские заказчики и в других отраслях, включая госсектор. Так, ФНС

в 2017 году начала использовать искусственный интеллект в личном кабинете физических лиц и планирует развивать этот проект в 2018 году. Новая версия личного кабинета

ФНС использует чат-бот, помогающий людям решать вопросы, связанные с налоговым администрированием. Его предстоит научить работать с базой данных, в которую

входит около порядка 150 тыс. различных жизненных ситуаций.

Управление ИТ Росимущества в числе планов ведомства по цифровизации рассматривают применение элементов искусственного интеллекта при формировании прогнозов

доходов федерального бюджета и плана приватизации и использование технологии блокчейна для организации взаимодействия с другими органами власти.

В конце 2017 года также Департамент проектной деятельности правительства России предложил концепцию новой системы правоприменения, в которой будет использоваться

искусственный интеллект. По задумке авторов инициативы, по типовым делам искусственный интеллект мог бы самостоятельно генерировать судебные решения и проверять

решения на ошибки и коррупционную составляющую [47].

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в финансовом секторе

В финансовой отрасли интерес к технологиям ис-

Современные банковские чат-боты умеют

Альтернативой финансовым консультантам по банков-

кусственного интеллекта особенно высок – о спросе

ским вопросам, конкретным покупкам и другим денеж-

￮ информирование об особенностях продуктов

и развитии этих технологий заявляли многие российские

ным операциям в режиме онлайн стал робоэдвайзинг.

и сервисов;

банки. В «Сбербанке» считают, что через 5 лет 80%

всех решений будут приниматься с помощью искус-

￮ предоставление контактных данных;

ственного интеллекта. В «Альфа-банке» прогнозируют,

Робоэдвайзеры дают большие

￮ проведение платёжных операций;

что отрасль активно будет переходить на безлюдные

преимущества в сфере онлайн-трейдинга.

технологии, и через 3 года клиенты в 50% случаев будут

￮ финансовые рекомендации клиенту;

Прежде всего, это:

общаться с ботами.

￮ показывать курсы и обменивают валюту;

￮ заявки в один клик;

Всё больше классических банков и страховых компаний

понимают экономическое обоснование эффективности

￮ осуществлять учёт личных финансов;

￮ открытие счёта в реальном времени;

использования искусственного интеллекта в их процессах

￮ осуществлять перевод с карты на карту;

￮ мониторинг;

и создают финансовые продукты с использованием

машинного обучения и компьютерного зрения.

￮ отправлять заявки на торговый и интернет

￮ актуальные новости;

эквайринг и проверять контрагента по ИНН/ОГРН

￮ обработка больших объёмов сделок сразу.

(ИП);

Технологии ИИ в банках:

￮ отвечать на вопросы пользователя.

Распространение брокеров в социальных сетях делает

￮ на уровне проектирования: прогнозирование

инвестиционные знания более доступными и понятны-

востребованности банковских продуктов,

Индивидуальные предложения

ми, а общение с клиентом – простым и адресным.

предсказание изменений спроса,

и повышение лояльности

автоматизированная оценка рисков;

￮ рекомендации банковских продуктов и покупок

￮ на уровне производства: автоматизация

(программы лояльности от различных

и оптимизация взаимодействия с существующими

Автоматизация позволяет преподносить инфор-

ритейлеров), в том числе с использованием

и потенциальными клиентами. Автоматизация

мацию в режиме 24/7, при этом снижая издержки

обработки документов и одобрения кредитов;

знаний о клиенте из социальных сетей;

процессов. Автоматизированные программные

алгоритмы (“советники”) доступны на стационар-

￮ определение B2B связей клиента с последующими

￮ на уровне продвижения: предоставление

ных персональных компьютерах или в формате

персонализированных предложений в нужный

рекомендациями новых контрагентов;

мобильных приложений, несут в себе функции

момент времени. Автоматическое регулирование

портфельного управляющего, определяющего

￮ моделирование финансовых рисков для малого

процентных ставок в зависимости от истории

риски и оптимальную инвестиционную стратегию

клиента;

бизнеса (дефолт, кассовый разрыв) в режиме

[33], [47].

реального времени с рекомендациями целевых

￮ на уровне предоставления обслуживания:

стратегий и продуктов.

развитие автоматизированных систем

и интерфейсов самообслуживания во всех каналах

коммуникации.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в электроэнергетике

НА УРОВНЕ

НА УРОВНЕ ПРОИЗВОДСТВА:

НА УРОВНЕ ПРОДВИЖЕНИЯ:

НА УРОВНЕ ПРЕДОСТАВЛЕНИЯ

ПРОЕКТИРОВАНИЯ:

ОБСЛУЖИВАНИЯ:

￮ оптимизация

￮ улучшенное

профилактического

ценообразования

￮ автоматический выбор наиболее

прогнозирование генерации

обслуживания;

в зависимости от времени

выгодного поставщика;

и спроса на энергоресурсы;

дня и динамическая

￮ повышение эффективности

￮ подробная статистика потребления;

тарификация.

￮ оценка надёжности

генерации;

￮ автоматизированное обслуживание

энергогенерирующего

￮ снижение потерь,

клиентов;

оборудования;

предотвращение краж

￮ оптимизация энергопотребления

￮ автоматизация повышения

энергоресурсов.

с учётом привычек и поведения

генерации при скачке спроса.

клиента [47].

Технологии искусственного интеллекта для антифрода.

Внешние и инсайдерские угрозы

В 2019 году стало известно о том, что всего через два года искусственный интеллект и машинное обучение будут использоваться для противодействия мошенничеству в три

раза чаще, чем по состоянию на июль 2019 года. Такие данные были получены в ходе совместного исследования компании SAS и Ассоциации сертифицированных специа-

листов по расследованию хищений и мошенничества (Association of Certified Fraud Examiners, ACFE). На июль 2019 года такие антифрод-инструменты уже используют в 13%

организаций, принявших участие в опросе, и в еще 25% заявили, что планируют их внедрить в течение ближайшего года-двух [47].

￮ Признаки использования пластиковой карты

￮ Выявление несанкционированных расходных

￮ Злоупотребления при проведении конверсионных

клиента третьим лицом.

операций по счетам клиентов и пластиковым картам

операций как по физическим, так и юридическим

клиента.

лицам.

￮ Признаки т.н. «дропперов» исходя из характера

поступлений и операций в интернет-банке

￮ Ошибки в параметризации программ

￮ Несанкционированное подключение интернет-

и банкоматах.

бонусирования по пластиковым картам, которые

банка к счетам клиента и выпуск пластиковых карт

ведут к «накруткам» и ущербу.

без ведома клиента.

￮ Выявление фиктивных зарплатных проектов

(кредиты, обналичивание).

￮ Схемы обналичивания денежных средств, в т.ч.

￮ Несанкционированное увеличение лимитов

с использованием интернет-банка и пластиковых карт.

по кредитным картам.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта

и операционная эффективность

￮ Выявление и автоматическая корректировка

￮ Мониторинг и прогнозирование выхода из строя

￮ Оптимизация поиска и найма персонала (анализ

отклонений в транзакциях.

инфраструктуры (банкоматы, IT-ресурсы).

резюме и первичный отбор).

￮ Natural Language Processing алгоритмы

￮ Оптимизация наличного оборота и остатков

￮ Речевая аналитика в режиме реального времени

для анализа и генерации исковых заявлений.

в кассах и банкоматах. Оптимизация работы

для колл-центров и отделений (управление

инкассаторских служб.

качеством консультаций) [47].

Технологии искусственного интеллекта на транспорте

В мире идёт активная разработка ITS (англ. Intelligent

работ, риск столкновения, оповещение о состоянии

transport systems

– умные транспортные системы) –

дорожного движения и оповещение о смене сигнала.

стандарта связи для автомобилей нового поколения

Децентрализированные базы данных будут предостав-

с большим спектром возможностей. Их стандартиза-

лять информацию об опасных зонах, осадках, сцепле-

цией занимаются такие организации, как ETSI, IEEE,

ниях на дорогах, видимости, ветре и др.

3GPP и другие. Современные системы ITS решают та-

Следующим шагом станет использование ITS в беспи-

кие задачи, как контроль допуска, управление и оплата

лотных автомобилях. Базовым компонентом для таких

парковками, предоставление информации о движении

автомобилей будут внешние камеры и радарное обо-

и оплата парковки, управление грузоперевозками,

рудование. Но именно обмен информацией между

контроль трафика и т.д.

автомобилями по средствам V2V-систем вместе с по-

Одним из основных применений ITS является помощь

лучением транспортными средствами через V2I-систе-

водителю транспортного средства. За счёт кооператив-

мы информации о ситуации на дорогах и актуальных

ной осведомленности транспортное средство может

цифровых карт дорог позволит обеспечить безопас-

получить оповещение об опасности, индикатор мед-

ное и эффективное дорожное движение беспилотных

ленно идущих машин, предупреждение о столкнове-

транспортных средств [47].

нии на перекрестке, индикатор о приближении мото-

Некоторые системы полагаются на инфраструктурные си-

цикла и т.д.

стемы (например, встроенные в дорогу или около неё),

Водителю будут доступны оповещения о таких ситуа-

но более продвинутые технологии позволяют симулиро-

циях, как поломка электрического освещения, невер-

вать присутствие человека на уровне принятия решений

ная дорога, стационарная машина (авария или полом-

о рулении и скорости, благодаря набору камер, сенсо-

ка транспортного средства), проведение дорожных

ров, радаров и систем спутниковой навигации.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ТИПЫ ИТС: V2V И V2I

По классификации SAE International систем помощи во-

дителю или ADAS (Advanced Driver Assistance System)

Преимущества

существует шесть классов автономности.

I тип

￮

Перевозка грузов в опасных зонах, во время

«Транспортное средство – транспортное средство»

Уровень 0

природных и техногенных катастроф

(vehicle-to-vehicle, V2V) – обеспечивает безопасное

Полностью ручное управление с возможностью

или военных действий.

вождение за счёт связи между автомобилями

предупреждения об опасных ситуациях на дороге.

￮

Снижение стоимости транспортировки грузов

на перекрестках с плохой видимостью. V2V-система

и людей за счёт экономии на заработной плате

может предупреждать водителей об опасности

Уровень 1

водителей.

лобового столкновения, бокового столкновения,

Предусматривает работу более продвинутой системы

￮

Более экономичное потребление

заднего столкновения, уведомлять о неисправности

предупреждения об опасности столкновения

топлива и использование дорог за счёт

транспортного средства, предоставлять дорожную

с автомобилями, пешеходами, а также о пересечении

централизованного управления транспортным

и нормативную информацию.

линии разметки, идентификацию дорожных знаков и т.

потоком.

п., а также вмешательство в систему управления.

￮

Экономия времени, ныне затрачиваемого

на управление ТС, позволяет заняться более

II тип

Уровень 2

важными делами или отдохнуть.

«Придорожная инфраструктура – транспортное

Это более активная помощь водителю (руление,

￮

У людей с ослабленным зрением появляется

средство» (vehicle-to-infrastracture, V2I) – обеспечивает

торможение, удержание в полосе и т. д.).

возможность самостоятельно перемещаться

передачу информации (сигнал и нормативная

на автомобиле.

Уровень 3

информация и т.д.) от придорожного оборудования

￮

Минимизация ДТП, человеческих жертв.

Автономное движение на заданных участках дороги,

к автомобилю через средства радиосвязи. Например,

￮

Повышение пропускной способности дорог

которое требует от водителя лишь частичного

придорожные сенсоры на перекрёстке обнаружат

за счёт сужения ширины дорожных полос.

надзорного контроля.

машины, которые собираются пересечь перекресток

или повернуть, и передадут информацию другим

Уровень 4

приближающимся машинам по средствам V2I-систем.

Это автономное движение автомобиля

Недостатки

в определённых режимах, при котором человек уже

СТЕПЕНИ АВТОНОМНОСТИ

не может повлиять на управление даже в критических

￮

Определение ответственности за нанесение

ситуациях.

АВТОМОБИЛЕЙ

ущерба.

Уровень 5

￮

Утрата возможности самостоятельного

вождения автомобиля.

Полная автономность транспортного средства, когда

￮

Надёжность программного обеспечения.

водитель лишь задает конечный пункт маршрута,

а весь процесс передвижения полностью ложится

￮

Отсутствие опыта вождения у водителей

на искусственный интеллект автопилота.

в критической ситуации.

￮

Потеря рабочих мест людьми, чья работа

связана с вождением транспортных средств.

￮

Потеря приватности.

￮

Этический вопрос о наиболее приемлемом

числе жертв, аналогичный проблеме

вагонетки, стоящий перед компьютером

автомобиля при неизбежном столкновении

[71].

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Примеры внедрения технологий искусственного интеллекта

на транспорте

TESLA, INC., USA

Принцип работы автопилота автомобиля Тесла

Автопилот автомобиля Тесла состоит из систем искусственного интеллекта. Одна от-

вечает за принятие решений и управление сервоприводами, а вторая – машнное

зрение.

Тесла модель S имеет 12 ультразвуковых датчиков дальнего радиуса действия, рас-

положенных вокруг автомобиля для того, чтобы «зондировать» происходящее во-

круг в диапазоне до 4,8 метров в любом направлении и при любой скорости. Мо-

дель также обладает передним радаром с радиусом действия 160 м., 360-градусной

фронтальной камерой, высокоточным GPS, и системой, которая обрабатывает все

Рисунок 25 – Принцип работы системы автопилота автомобиля Тесла

данные из указанных устройств для формирования виртуального образа дороги

и обстановки впереди. Автомобили Тесла могут распознавать перекрёстки, дорож-

ную разметку, траекторию дороги, другие транспортные средства на дороге и пе-

шеходов. Это означает, что они могут регулировать управление, скорость движения

самостоятельно без участия водителя.

Так как у автомобиля полностью цифровая комбинацию приборов, последняя

способна отображать то, что автомобиль «видит» в режиме реального времени [65],

[66].

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

TECHNISCHE UNIVERSITÄT MÜNCHEN, DEUTSCHLAND

Автономное приземление самолёта.

Технология использует GPS для навигации, и с помощью видимого света и инфра-

Многие самолёты могут приземляться автоматически, но не автономно. Обыч-

красных камер получается обнаружить взлётно-посадочную полосу и получить точ-

ная автоматическая посадка – это электронная радионавигация с использованием

ное представление о её состоянии и положении, даже во время тумана и дождя.

специального оборудования, помогающая приземлиться на заданную позицию

Система искусственного интеллекта самолёта может рассчитать глиссаду и призем-

в пространстве. И даже не все аэропорты регионального значения имеют такую

литься самостоятельно.

технологию. Исследователям из Мюнхенского Технологического Университета

(Technische Universität München) удалось создать полностью автономную систему

Проект ещё молодой, но перспективный. Пробная посадка прошла в конце мая.

посадки самолёта. Недавно была протестирована система, совмещающая компью-

Самолёт распознал взлётно-посадочную полосу с большого расстояния и призем-

терное оптическое распознавание с системой позиционирования в пространстве

лился на осевой линии без пилота. При дальнейшем усовершенствовании система

(GPS) для полностью автономной процедуры выхода на посадку и приземления.

может делать посадки без помощи пилота практически на любом аэродроме [67].

Рисунок 26 – Автономная система посадки самолёта Мюнхенского Технологического Университета

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в логистике

В мае 2018 был представлен отчёт «Искусственный

интеллект в логистике»

[68], в котором оценивался

потенциал использования искусственного интеллекта

в логистике и выдвигался ряд идей о преобразовании

индустрии, развитии нового класса логистических

активов и операционных систем с интеллектуальной

поддержкой.

Учитывая, что технологии искусственного интеллекта

уже повсеместно используются в работе с клиентами,

о чём также свидетельствует быстрый рост популярности

приложений с виртуальным помощником с функцией

распознавания речи, авторы отчёта приходят к выводу,

что постоянно совершенствующиеся технологии

искусственного интеллекта имеют ряд дополнительных

возможностей, актуальных для логистики. Так, они могут

помочь провайдеру логистических услуг улучшить

взаимодействие с клиентом с помощью интерактивного

общения и даже внедрить возможность доставлять

товары до того, как клиент их закажет [47].

Искусственный интеллект

позволит

изменить

операционную модель логистики с реактивной

на прогнозируемую, работающую на опережение,

что

обеспечит

более высокие результаты

при оптимальных затратах на бэк-офис, операционные

взаимодействия и фронт-офис.

Технологии искусственного интеллекта

позволят:

￮ использовать усовершенствованную систему

распознавания для отслеживания отправлений

Управление запасами, основанное на машинном зрении

Транспортные средства автономной доставки

и состояния активов;

Самообучаемые и самоориентирующиеся в пространстве

Модуль распознавания речи для управления

￮ могут привести к полной автономности процесса

мобильные роботы (автоматически управляемые тележки)

складом

доставки на всех его этапах;

Станция приёма видеопотока от систем машинного зрения

Система видеонаблюдения, управляемая

искусственным интеллектом

￮ предсказывать колебания в объёмах глобальных

Интеллектуальная сортировка, основанная на машинном зрении

отгрузок до того, как они произойдут.

Рисунок 27 – Технологии искусственного интеллекта в логистике

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в торговле

НА УРОВНЕ

НА УРОВНЕ ПРОИЗВОДСТВА:

НА УРОВНЕ ПРОДВИЖЕНИЯ:

НА УРОВНЕ ПРЕДОСТАВЛЕНИЯ

ПРОЕКТИРОВАНИЯ:

ОБСЛУЖИВАНИЯ:

￮ автоматизация управления

￮ оптимизация

￮ предсказание изменений

складом и магазинами;

ценообразования;

￮ персональные советы;

спроса;

￮ оптимизация

￮ персонализированные

￮ оперативное решение

￮ оптимизация

мерчандайзинга;

предложения для клиентов;

проблем с помощью

и автоматизация

виртуальных ассистентов;

￮

управления ассортиментом.

￮ актуализация отображения

взаимодействия

товаров в интернет-

￮ автоматическое обслуживание

с поставщиками

магазинах в режиме

в магазинах;

и заключения контрактов.

реального времени.

￮ доставка товара с помощью

квадрокоптеров.

В 2018 году 35% всех доходов получено за счет реко-

Централизованная платформа на основе

Персонализация предложений будет идти

мендации на основе технологий искусственного интел-

технологий искусственного интеллекта

двумя путями:

лекта, что на 25% больше, чем в 2017. Главное, что эти

позволит компаниям:

￮ сортировка результатов по личным

35% доходов поступают от 6% покупателей в празднич-

￮ эффективно отслеживать выкладку, товарные

предпочтениям. Например, показывать

ные дни, то есть покупатели, которые получают пра-

запасы и выполнение заказов, чтобы

покупателю кроссовки, похожие

вильные рекомендации, делают значительную долю

снизить траты на склад, задержки доставки,

на те, что он покупал ранее. Здесь помогут

покупок.

контролировать скидки и избегать прочих

CRM¹ или DMP², социальное прослушивание

дорогостоящих издержек;

По прогнозам, к концу 2020 года устройства для «ум-

и интеграция продаж, обслуживания и маркетинга;

￮ предугадывать желания клиентов до того,

ного дома», оснащённые экранами, станут основным

как они их озвучат, обеспечивая наличие

￮ интеграция с рекомендательными сайтами.

каналом для покупок в интернете. Поскольку челове-

всего необходимого им товара при посещении

Например, показать кроссовки с отзывами

ческий мозг обрабатывает изображения в 60 раз бы-

магазина;

пользователей, фотографиями пользователей,

стрее, чем текст, голосовые помощники с экранами по-

соответствующими постами в социальных сетях

￮ выявлять и устранять проблемы безопасности,

лучат широкое распространение. «Умные» устройства

и т.д.

включая мошенничество с платежами

с экранами позволят просмотреть несколько вариантов

и кибератаки;

товара, который покупатель хочет купить [69], [47].

￮ синхронизировать ассортимент в разных каналах,

В 2020 году 50% обслуживания клиентов в розничной

1. Customer Relationship Management (CRM) – система управления взаимоотноше-

чтобы, например, обеспечивать клиентам

ниями с клиентами. Прикладное программное обеспечение, предназначенное

торговле будут осуществлять чат-приложения на основе

для автоматизации стратегий взаимодействия с заказчиками (клиентами) путём

возможность забирать в магазине оплаченный

сохранения информации о клиентах и истории взаимоотношений с ними.

технологий искусственного интеллекта, а

85% взаи-

по интернету товар;

2. Data Management Platform (DMP) – платформа управления данными. Программ-

модействий с клиентами розничных магазинов будет

ное обеспечение, которое позволяет собирать, обрабатывать и хранить любые

￮ иметь доступ к качественным аналитическим

типы аудиторных данных

управляться искусственным интеллектом [70].

данным в одной системе.

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в криминалистике

В мае 2018 года стало известно об использовании

время обработки дел и раскрытия прошлых и будущих

голландской полицией искусственного интеллекта

преступлений с нескольких недель до одного дня.

для расследования сложных преступлений.

Искусственный интеллект будет распределять дела по их

Как сообщает издание The Next Web, правоохранитель-

«разрешимости» и указывать на возможные результаты

ные органы начали оцифровывать более 1500 отчётов

экспертизы ДНК¹. Затем планируется автоматизировать

и 30 млн страниц, связанных с нераскрытыми делами.

анализ и в других областях судебной экспертизы и, воз-

В компьютерный формат переносят материалы, начи-

можно, даже охватить данные в таких областях, как об-

ная с 1988 года, в которых преступление не раскрыва-

щественные науки и свидетельские показания.

лось не менее трёх лет, и преступники были пригово-

В голландской полиции есть специальное подраз-

рен к более 12 годам лишения свободы.

деление, специализирующееся на освоении новых

После оцифровки всего контента он будет подключён

технологий для раскрытия преступлений. Именно

к системе машинного обучения, которая будет анализи-

оно и создало ИИ-систему для быстрого поиска

ровать записи и решать, в каких делах используются са-

преступников по уликам [47].

мые достоверные доказательства. Это должно снизить

Технологии искусственного интеллекта в судебной системе

Разработки в области искусственного интеллекта помо-

включая данные, которые характеризуют участников

гут кардинально изменить судебную систему, сделать

спора. По аналогии с медицинской сферой, роботы-су-

её более справедливой и свободной от коррупцион-

дьи могут оперировать большими данными из храни-

ных схем.

лищ государственных служб. Можно предположить,

что машинный интеллект сможет быстро обрабатывать

Существующие сейчас решения в области искусствен-

данные и учитывать значительно больше факторов,

ного интеллекта можно успешно применять в разных

чем судья-человек.

сферах экономики и общественной жизни. Искусствен-

ный интеллект успешно применяется в медицине, од-

Эксперты-психологи, впрочем, считают, что отсутствие

нако в будущем способен полностью изменить и судеб-

эмоциональной составляющей при рассмотрении су-

ную систему.

дебных дел негативно скажется на качестве решения.

Использование искусственного интеллекта в судебной

Вердикт машинного суда может оказаться слишком

системе учёный считает «логичным шагом» по разви-

прямолинейным, не учитывающим важность чувств

тию законодательного равенства и справедливости.

и настроения людей [47].

Машинный разум не подвержен коррупции и эмоци-

ям, может чётко придерживаться законодательных ра-

мок и выносить решения с учётом многих факторов,

1. Дезоксирибонуклеиновая кислота́ (ДНК) – макромолекула, обеспечивающая хранение, передачу из поколения в поколение и реализацию генетической программы развития и функционирования живых организмов

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта

в медицине/здравоохранении

НА УРОВНЕ

НА УРОВНЕ ПРОИЗВОДСТВА:

НА УРОВНЕ ПРОДВИЖЕНИЯ:

НА УРОВНЕ ПРЕДОСТАВЛЕНИЯ

ПРОЕКТИРОВАНИЯ:

ОБСЛУЖИВАНИЯ:

￮ автоматизация и оптимизация

￮ управление

￮ прогнозирование

процессов в больницах;

ценообразованием;

￮ адаптация терапии и состава

заболеваний;

лекарств для каждого

￮ автоматизация и повышение

￮ снижение рисков

отдельного пациента;

￮ выявление групп пациентов

точности диагностики.

для пациентов.

с высоким риском

￮ использование виртуальных

заболеваний;

ассистентов для построения

маршрута пациента

￮ организация

в поликлинике или больнице.

профилактических мер.

В начале марта 2019 г. была представлена нейросеть,

IBM, Google, Nvidia, Amazon, Intel, General Electric и Xilinx.

НАИБОЛЕЕ ПЕРСПЕКТИВНЫЕ

которая может предсказывать сердечный приступ. Ре-

Одним из главных катализатором спроса на техноло-

ПРИМЕНЕНИЯ ИИ В МЕДИЦИНЕ

зультаты работы новой технологии описаны в опубли-

гии искусственного интеллекта в медицине является

кованной статье «Кластеризация на основе результатов

дефицит врачей. По данным Всемирной организации

￮

Хирургические операции с использованием

пациентов с острым коронарным синдромом при ис-

здравоохранения, по состоянию на 2019 год 57 странам

роботов. Во время подобных операций,

пользовании многозадачной нейронной сети»/

не хватает около 2,3 млн медсестёр и докторов [73].

как правило, делается серия небольших разрезов

Исследователи предупреждают, что, хотя кластеризация

По мнению экспертов, искусственный интеллект

и используются миниатюрные инструменты.

имеет значение для прогноза заболевания, неясно,

останется объектом интереса как инвесторов, так

￮

Использование виртуальных помощников

могут ли эти данные эффективно использоваться

и медицинских работников. Технологии искусственно-

вместо медсестёр позволяет поддерживать связь

в клинической практике. Тем не менее, их работа де-

го интеллекта всё ещё развиваются, становясь быстрее

пациентов с медработниками и одновременно

монстрирует, что кластерный анализ на основе ис-

и точнее. При этом только несколько фармацевтических

сократить количество обращений в больницы.

кусственного интеллекта является перспективным

компаний интегрировали решения на основе

подходом для классификации пациентов с инфарктом

технологий искусственного интеллекта в свои процессы.

￮

Автоматизация административного

миокарда. Будущие исследования сосредоточатся

В большинстве случаев, такие решения используются

документооборота с помощью искусственного

на определении «кластерно-специфических» вмеша-

лишь в пилотных проектах и ещё не получили должного

интеллекта. Прежде всего, это решения,

тельств, при которых учитывается эффективность пред-

развёртывания.

позволяющие ранжировать неотложные задачи

шествующего лечения [30], [72].

Благодаря искусственному интеллекту «умные» телеме-

и сэкономить время на рутинных задачах, таких

Больше всего на медицинский искусственный интеллект

дицинские сервисы сделают качественную медицину

как выписывание рецептов и анализов.

– машинное обучение, контекстно-зависимые вычисле-

более доступной для широкого круга людей и будут

ния, обработка естественного языка, компьютерное зре-

помогать им предотвращать развитие хронических за-

ние, распознавание речи – тратят в США, обусловлено

болеваний благодаря своевременным консультациям

наличием таких технологических гигантов, как Microsoft,

с доктором [47].

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Примеры внедрения технологий искусственного интеллекта

в здравоохранении

DEEPMIND HEALTH

QTROBOT

Искусственный интеллект обрабатывает всю информа-

Данный робот предназначен для терапии детей с за-

QTrobot предназначен для детей в возрасте от четырёх

цию о пациенте, анализирует все его симптомы и выда-

болеваниями аутистического спектра. Такие больные

лет. Он общается с больными с помощью слов, жестов

ёт список рекомендаций лечащему врачу, который в ре-

с трудом могут контактировать с окружающими, т.к.

и различными выражениями лица. Такой робот помо-

зультате ставит точный и окончательный диагноз [74].

почти не в состоянии воспринимать чужие эмоции

гает ребёнку со временем научиться распознавать эмо-

и с трудом выражают свои. Чем старше становится

ции и настроение окружающих людей, чтобы общаться

человек, тем труднее ему приходится из-за развития

с ними. В ходе опытной эксплуатации выяснилось,

ADA

болезни. Поэтому если не уделить должного внима-

что дети с аутизмом уделяют роботу в среднем в два

Искусственный

интеллект

обрабатывает

всю

ния данной болезни в раннем возрасте, впоследствии

раза больше внимания, чем лечащему врачу [74].

информацию о пациенте, анализирует все его симпто-

справиться с ней трудно.

мы и даёт консультации напрямую пациенту, подсказы-

вает ему, к какому врачу стоит обратиться и предлагает

удалённую консультацию со специалистом [74].

SENSE.LY

Данная программа предназначена для людей, которые

недавно прошли длительный срок лечения и у них

имеются хронические заболевания. Система выдаёт

оповещение о наступлении времени приёма лекарств,

необходимости наблюдения у врача, структурирует

данные о состоянии пациента и отправляет статистику

его лечащему врачу [74].

Рисунок 28 – Робот QTrobot

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Технологии искусственного интеллекта в ОПК

В 2017 году продажи сервисов

искусственного интеллекта для

ОПК, программного обеспечения

и оборудования в глобальном

масштабе достигли $6,26 млрд

К 2025 году показатель поднимется

до $18,82 млрд, а ежегодный рост

рынка будет измеряться 14,75%,

прогнозируют эксперты.

Главными драйверами подъёма продаж военных

решений в области искусственного интеллекта специ-

алисты называют растущие инвестиции в разработку

использующих искусственный интеллект интегриро-

ванных систем и расширенное использование облач-

ных приложений.

Крупнейшим сегментом рынка продуктов в области

искусственного интеллекта для нужд армии являют-

ся ПО, услуги и устройства, применяемые в наземных

проектах. Использование искусственного интеллекта

в беспилотных автомобилях способствует успешному

используемой для предотвращения инцидентов

систем ведения войны, участием в ассиметричных во-

выполнению различных операций, особенно тех, кото-

в области информационной безопасности, говорится

енных действиях и различными программами модер-

рые связаны с обезвреживанием взрывных устройств.

в исследовании.

низации, которые развивают вооруженные силы США

Что касается стран с наибольшими расходами на воен-

и которые помогли крупным оборонным предприя-

Наибольшие темпы роста расходов на рассматри-

ваемом рынке ожидается в секторе программного

ный искусственный интеллект, то в 2017 году лидером

тиям создать в стране технологические продвинутые

обеспечения, что можно объяснить высокой значи-

были США. Первое место страны аналитики связыва-

системы искусственного интеллекта для военных опе-

мостью такого софта в усилении ИТ инфраструктуры,

ют с необходимостью развития автоматизированных

раций [35].

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Военное ведомство России намерено внедрить искусственный интеллект

в автоматизированную систему управления войсками, т.к. в настоящее время

важной компонентой в общевойсковом бое выступает так называемая автоматизи-

рованная система управления войсками, а значит, в неё в первую очередь и будет

внедрён искусственный интеллект. Помимо этого военное командование намере-

но создать в России оружие с искусственным интеллектом. К его разработке могут

быть привлечены ведущие учебные и научные организации, которые будут работать

в сотрудничестве с технополисом «Эра».

Огромные массивы информации, которые необходимо обрабатывать, распреде-

лять, выявлять различные приоритеты поражения целей, оценки обстановки и т.д.

будут собираться и обрабатываться в автоматизированном режиме с привлечением

специализированных программ, которые можно подвести под понятие

искусственного интеллекта. Например, оценка характера угроз распределения

Рисунок 30 – Турель Корнет, оснащённая искусственным интеллектом

целей, распределение сил и средств – всёе это должно происходить в режиме

реального времени, беспрерывно и в достаточно сжатые сроки. Человеческий мозг

не может справляться с обработкой огромных массивов поступающей информации,

поэтому внедрение автоматизированных систем подразумевает следующий шаг –

внедрение технологий искусственного интеллекта, которое в свою очередь позво-

ляет решать задачи любой сложности, любой информационной нагрузки достаточ-

но быстро и оперативно.

Использование технологий искусственного интеллекта позволит военным быстрее

принимать решения, определять в случае необходимости наиболее опасные, при-

оритетные цели и наносить по ним удары высокоточным вооружением. Причём ра-

бота искусственного интеллекта затронет все виды вооружения, которые работают

Рисунок 29 – Боевой модуль концерна «Калашников», работающий под контролем искус-

на дальних рубежах.

ственного интеллекта

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

При этом всё будет обрабатываться в едином информационном пространстве, ко-

торое ещё называют военным Интернетом, что позволит привлекать для решения

задач любые виды войск, сопрягать их между собой, тем самым достигая высокой

эффективности применения вооружения и военной техники с наименьшими затра-

тами и расходами боеприпасов.

Эти системы будут выполнять вспомогательную, но при этом очень существенную

роль в решении задач: логистических, снабженческих и других, которые будут воз-

никать в процессе ведения и планирования боевых действий.

Частично эти элементы уже обработаны

– национальный центр управления

обороной участвовал в управлении боевыми операциями в Сирии [75].

Оружие, оснащённое искусственным интеллектом, сможет самостоятельно

принимать решение о ликвидации цели. Но так как это очень серьёзное решение,

поэтому всё равно многое зависит от человека-оператора. Отправляя комплекс

в полностью автоматический режим, человек должен быть стопроцентно уверен,

что цель правильная и уничтожен будет именно противник.

Опытные образцы оружия с элементами искусственного интеллекта есть

«Калашникова»,

«Техмаша»,

«Высокоточных комплексов» и некото-

рых других. В реактивных системах залпового огня концерна «Техмаш»

Рисунок 31 – Комплекс «Уникум», оснащённый искусственным интеллектом, изготовленный

Объединённой приборостроительной корпорацией

давно используются решения с применением технологий искусственного

интеллекта [76].

Концерн «Калашников» представил модуль с искусственным

интеллектом

Концерн «Калашников» представил боевой модуль, работающий под контро-

лем искусственного интеллекта. Автоматическая станция управления оружием

под контролем искусственного интеллекта может выполнять задачи без человека

в любое время суток. Система гиростабилизации позволяет вести огонь

в движении. Искусственный интеллект создан на основе нейронных сетей и может

совершенствоваться в процессе работы. Он способен обнаруживать и распознавать

цели, определять приоритеты в последовательности поражения, отдавать команды

автомату сопровождения и принимать решения об открытии огня. Станции могут

быть установлены как стационарно, так и на технике, возможно объединение их

в сеть для согласованных действий. Последний вариант рекомендуется для решения

задач охраны, например, периметра. Оснащение такими станциями важных

объектов позволит исключить такой человеческий фактор, как усталость и потеря

Рисунок 32 – Боевой робот «Нерехта», изготовленный ОАО «Завод им. Дегтярёва»

бдительности [77].

СФЕРЫ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Примеры внедрения технологий искусственного интеллекта

в оборонно-промышленный комплекс

ИСПОЛЬЗОВАНИЕ ДЛЯ РАСПОЗНАВАНИЯ

Алгоритм позволяет распознавать лица из маленькой

которые должны будут повысить эффективность их

базы данных, но в будущем планируется, что система

работы в условиях боя. Система ATLAS

(Advanced

ЛИЦ В ТЕМНОТЕ И ЧЕРЕЗ СТЕНЫ

сможет узнавать лица в реальном времени прямо

Targeting & Lethality Automated System, автоматизиро-

в местах военных действий. Кроме того, разработку со-

ванная расширенная система прицеливания и повы-

В апреле 2018 года стало известно о создании амери-

бираются интегрировать с тепловизором, способным

шения смертоносности), будет создаваться с использо-

канской армией системы, распознающей лица в темно-

видеть сквозь стены и также разрабатываемым в США.

ванием технологий машинного обучения.

те и даже сквозь стены. Разработка использует техно-

логию искусственного интеллекта.

В американской армии ожидают, что новая технология

Предполагается, что ATLAS снизит нагрузку на экипаж.

поможет находить места военных действий и иденти-

В частности, системе предполагается доверить обнару-

Лаборатория армейских исследований США (U.S. Army

фицировать главарей банд и других лиц, за которыми

жение целей, которые пропустили люди, приоритизи-

Research Laboratory, ARL) опубликовала в репозитории

охотятся власти [35].

ровать обнаруженные цели, а также наводить на них

arXiv статью с описанием работы алгоритма, позволяю-

щего распознавать лица на изображениях, полученных

орудие. Военные полагают, что новая система позволит

при помощи тепловизора.

повысить скорость реакции боевых машин в бою.

УПРАВЛЕНИЕ ИСТРЕБИТЕЛЯМИ

Согласно требованиям военных, ATLAS будет обра-

По словам учёного Бенджамина Риггана

(Benjamin

Riggan) из ARL, при использовании тепловизионных

В июле 2016 года стало известно, что искусственный

батывать не только данные с собственных датчиков

камер для фиксации изображения лица в темноте ос-

интеллект для управления истребителями ALPHA

и устройств боевой машины, но также получать дан-

новная проблема заключается в том, что полученное

одержал уверенную победу над бывшим лётчиком-а-

ные с такого оборудования на других танках. Бла-

изображение должно сопоставляться с библиотекой,

сом американской армии в виртуальном воздушном

годаря этому точность обнаружения новых целей

состоящей из фотографий, которые сделаны при нор-

бою.

значительно увеличится. Кроме того, это позволит

точно идентифицировать закамуфлированные цели.

мальной видимости.

Искусственный интеллект ALPHA – совместная разра-

ATLAS не сможет самостоятельно принимать решение

В ARL решили эту проблему путём создания алгорит-

ботка Университета Цинциннати, промышленности

об открытии огня – соответствующую команду должен

ма распознавания лиц на тепловых картах при помощи

и Военно-воздушных сил (ВВС) США. Программа со-

будет отдать командир боевой машины [35].

машинного обучения. Благодаря свёрточной нейросе-

здана специально, чтобы превзойти профессиональ-

ти разработчики добились того, чтобы программа на-

ных летчиков-истребителей в виртуальном поединке.

ходила общие черты лица на изображениях, сделанных

В одном из виртуальных боев против ALPHA сража-

обычной камерой и с помощью тепловизора распре-

лись два пилота на двух истребителях. Искусственный

деления электромагнитного теплового излучения.

интеллект победил, одновременно управляя четырьмя

На тепловизионном изображении лица выделяются

самолетами. При этом для управления ALPHA

общие черты (например, контур лица) и отдельные

использовался компьютер стоимостью всего $35 [35].

(нос, рот и глаза), после чего сопоставляются с чертами

из выборки, на которой обучена нейросеть, и состав-

СИСТЕМЫ ПРИЦЕЛИВАНИЯ

ляются в видимые черты – уже на готовой фотографии

лица. С использованием обученной модели, как утвер-

В начале

2019 года командование армии США

ждают учёные, удалось добиться точности распознава-

инициировало программу разработки виртуального

ния лиц на уровне 85%.

помощника для экипажей танков и боевых машин,

КЛЮЧЕВЫЕ

КОМПАНИИ

В МИРЕ

В ОБЛАСТИ ТЕХНОЛОГИЙ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

-UUMRK

Таблица 5 –

3OIXUYULZ

‘SG`UT

Крупнейшие компании

Компании мира – обзор

/(3

?GTJK^

мира в области

(GOJ[

‘VVRK

искусственного

На графике справа приведены результаты экспертного опроса по тому, какие

4[GTIK

компании являются лидерами в той или иной области технологий искусственного интеллекта.

,GIKHUUQ

интеллекта [15], [16]

*KKV2

Экспертов, собранных авторами альманаха «Искусственный интеллект», попросили указать

IRGXGHXOJMK

5 компаний в данной области в порядке убывания приоритета. Далее все ответы взвесили

8’9′

GZZKTYOZ_

следующим образом: если эксперт указал компанию Х на 1 месте, то она получает 5 баллов,

3GT_)NGZ

ТОП-20

если на 5 месте – то 1 балл. Далее баллы для каждой компании суммировались и общий

2;/9

1UXK’/

КОМПАНИЙ

рейтинг показывает общее количество баллов, которые получила каждая компания. Таким

3OTJ9OS[RGZOUT

МИРА

образом, если в итоговом рейтинге у компании 1 балл, значит ее упомянул только 1 эксперт

5VKT’/

в конце списка [16]. В оценке участвовало 39 экспертов из РФ.

4GXXGZO\KYIOKTIK

Google

0.;

Список компаний

?GNUU

<KXOTZ

Microsoft

Результирующий список компаний не выглядит неожиданным. Безусловным лидером

5TZUZK^Z

рейтинга является компания Google, набравшая 271 балл, что означает, что она была в сред-

)RKGX,UXKYZ

)U\KU

Amazon

нем упомянута каждым экспертом в каждой технологической области (99% в пересчете

(XGTJ=GZIN

на каждый ответ).

3OZY[Q[6GTJUXGHUZY

IBM

:GRRG

За ней идут компании Microsoft и Amazon, чьи компетенции в области ИИ безусловны

0[YZ’/

‘XXOG

Intel

и общеизвестны. Facebook не оказалась в самой вершине этого списка, это видимо связано

6GRGTZOX

с тем, что Facebook не активен во многих областях, таких как распознавание или синтез

‘((??

Baidu

речи, или машинный перевод, а в общем рейтинге суммировались все баллы. Интересно,

9ZGTLUXJ

+RGYZOIIU

что эксперты не отметили, что Facebook занимается анализом тональности текстов, хотя FAIR

:GRQ=GRQKX

Apple

безусловно ведет работы в этой области. С другой стороны, например, маленькая немецкая

)NGZ,[KR

‘[ZUSGZKJOTYOMNZY

компания DeepL, занимающая только машинным переводом, набрала достаточно много го-

9_YZXGT VTSZ

Nuance

лосов экспертов. Это объясняется тем, что по мнению многих и российских и зарубежных

9GSY[TM

экспертов, движок машинного перевода разработанный в DeepL является лучшим и в неко-

8UIQKZ9ULZ]GXK

Facebook

3/:

торых случаях переводит лучше, чем Google. Российская компания Яндекс была отмечена

1XOHX[S

многими экспертами как одна из топ-мировых компаний. Компетенции Яндекса в области

8GJOGT狨

Netflix

.[G]KO

ИИ бесспорны.

*OMOZGR-KTO[Y

9KW[KR

Tencent

Никто из экспертов не упомянул китайские компании Tencent, Alibaba и iFlytek, такой ре-

:KTIKTZ

зультат может быть вызван формой вопроса, в котором просили экспертов указать топ-5

]OZGO

Alibaba

компаний и большинство российских экспертов не предполагает, что Tencent и Alibaba могут

:K^ZKTMOTK

HGH_RUT YULZ]GXK

оказаться в топ-5. Также, вероятно по этой же причине никто из экспертов не упомянул

:KSOY

NViDIA

компанию SalesForce, хотя она сейчас является сильным центром компетенций, поглотив

Ƴǜ ǥǘǝǡ

недавно стартап MetaMind, основанный одним из топ-исследователей мира в области ис-

4\OJOG

*,1/

Huawei

кусственного интеллекта Ричардом Сочером.

4KZ(GYK

Так же были проанализированы публикации компаний в СМИ и цитирование этих публика-

6XKJVUR

Samsung

‘[J++8/4-

ций другими источниками. Результаты этого анализа резюмированы в форме «тренд-карт»,

G\GGSU

на которых графически отражены позиции компаний [15].

9’6

Uber

6XUSZ

По вертикальной оси – «Значимость» компании, чем выше точка на карте, тем больше есть

4::

9VKKINSGZOIY

Open AI

значимых публикаций в СМИ, связанных с этой компанией (значимость публикации тем

1ULG^

выше, чем выше ее цитируемость). По горизонтальной оси -«Динамичность» компании, чем

/TLUTOI

Deepmind

правее точка на карте, тем быстрее за последние годы рост количества публикаций, связан-

9OTKW[G

4G\OKX

ных с этой компанией. Если точка в центре, то количество публикаций остается примерно

3GORX[

AI2

постоянным. Таким образом справа сверху отображены те компании, потенциал которых

<OYGRU

2K^GR_ZOIY

значим и постоянно растет. Сверху в центре компании, которые примерно стабилизовали

Deepl

свой рост, но являются очень значимыми для отрасли.

ǞǽȈȈȘ ȚȇȎȌȂȍȏȋǿ

В результирующий список вошло 23 компаний, которые образуют основное ядро компетен-

Рисунок 33 – Ведущие мировые компании в области искусственного интеллекта

ций в области искусственного интеллекта в мире.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Google

ОПИСАНИЕ: крупнейшая поисковая система в мире

￮

Google Переводчик – это бесплатный инструмент,

￮ Google Cloud Natural Language – сервис

с интегрированными онлайн-сервисами (Gmail,

благодаря которому любой пользователь может

для глубокого анализа текстов. Позволяет делать

Google Maps, Google Hangouts и др.). Входит в холдинг

перевести текст с одного языка на другой.

синтаксический анализ, вычленять образы,

Alphabet, Inc. Основной доход компании приносит

Этим сервисом ежемесячно пользуются

анализировать эмоции.

таргетированная реклама. Также компания является

более 500 млн людей по всему миру, а в день

￮ Google Cloud AutoML Natural Language –

создателем операционной системы Android – круп-

Переводчик обрабатывает больше 100 млрд слов.

позволяет создавать специализированные модели

нейшей мобильной ОС.

Во время телефонного разговора технология

для категоризации текстовых данных на основе

распознавания речи превращает звуки в слова,

ваших данных, не требуя при этом глубоких

ИИ ПОДРАЗДЕЛЕНИЯ: Google AI, Google Brain,

а обработка естественных языков помогает

знаний в области ИИ.

DeepMind.

компьютеру понять смысл вашей речи. Эти

￮ Dialogflow – это комплексный пакет разработки

ОСНОВНОЕ НАПРАВЛЕНИЕ ИССЛЕДОВАНИЙ:

технологии используются, к примеру, в режиме

для создания диалоговых интерфейсов для веб-

машинный перевод, поиск и извлечение информации

разговора в Google Переводчике – благодаря ему

сайтов, мобильных приложений, популярных

из текста, обработка естественного языка.

вы можете общаться на 32 языках.

платформ обмена сообщениями. Может быть

￮

Автоматическое создание субтитров для YouTube

ЛИДЕРЫ В ИИ: Хьюго Ларошель – директор Google

использован для создания интерфейсов (таких

– с помощью машинного обучения YouTube

Brain.

как чат-боты и разговорный IVR, голосовые

автоматически создал субтитры более чем для 1

ассистенты), которые обеспечивают естественное

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Илья Суцкевер, Томас

млрд видео на 10 языках. Благодаря этому видео

и насыщенное взаимодействие между

Миколов, Ориол Виньялс, Грегг Коррадо, Джеффри Дин.

стали доступны для более чем 300 миллионов

пользователями и бизнесом.

людей с нарушениями слуха.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮

Google Cloud ML APIs – набор уже обученных

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

￮ Google Ассистент позволяет общаться с Google

моделей для машинного обучения в виде готовых

853 млрд $ капитализация,

как с живым человеком. Технология ИИ

к использованию облачных сервисов, которые

анализирует предложения целиком, чтобы понять

136 млрд выручка,

могут быть интегрированы с продуктами. Среди

контекст и дать подходящий ответ на запрос

$16.6 млрд R&D,

них есть и сервисы для ИИ:

пользователя.

934 публикаций,

266 патентов.

Netflix

ОПИСАНИЕ: крупнейший поставщик медиа контента

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

НЕКОТОРЫЕ ИИ-ПРОЕКТЫ:

(фильмов, сериалов) на основе стриминговых видео-

машинное обучение, предиктивная аналитика, реко-

￮ BellKor- рекомендательные системы.

сервисов, уникален своей бизнес-моделью на основе

мендательные системы.

рекомендательных ИИ-алгоритмов.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

ЛИДЕРЫ В ИИ: Тони Джебара – директор по машин-

164 млрд $ капитализация,

ИИ ПОДРАЗДЕЛЕНИЕ: Netflix Research.

ному обучению Netflix Research, руководитель лабора-

16 млрд $ выручка,

тории машинного обучения Columbia University.

1.2 млрд $ R&D.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Microsoft

ОПИСАНИЕ: крупнейшая международная компания

академии США, основатель Партнерства по ИИ

￮ Luis (Language Understanding) – сервис

в области информационных технологий и цифровой

для поддержки людей и общества.

обработки естественного языка на основе

трансформации, ведущий поставщик облачных реше-

машинного обучения, встраиваемый в различные

Christopher Bishop – директор Microsoft Research Lab

ний и интеллектуальных сервисов, ИТ-платформ для

приложения, боты и устройства IoT.

в Кембридже, Великобритания, профессор компьютер-

корпоративного и персонального использования.

Может применяться как обычными, так

ных наук в Университете Эдинбурга и сотрудник Дар-

и индустриальными пользователями.

винского колледжа в Кембридже.

ИИ ПОДРАЗДЕЛЕНИЯ: Clout+AI Group,

￮ Microsoft анализ текста – API для извлечения

Топ исследователей ИИ: Chris Brockett, Michel Galley, Ji-

Experiences+Devices Group, AI+Research Group.

информации из текста, анализа тональности,

anfeng Gao, Matthew Richardson.

определения языка текста, выделения ключевых

ЛИДЕРЫ В ИИ: Скотт Гатри – исполнительный вице-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

слов и именованных сущностей.

президент, руководитель Microsoft Cloud+ AI Group.

Принимал участие в создании Azure и облачных сер-

￮ Cortana – голосовой помощник, работающий

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

висов, был одним из основателей проекта .NET.

на Windows Phone 8.1, Microsoft Band, Windows 10,

Android, Xbox One и iOS. На основе персональных

939 млрд $ капитализация,

Гарри Шум – исполнительный вице-президент, руко-

110 млрд $ выручка,

данных предугадывает потребности пользователя,

водитель Microsoft Artificial Intelligence and Research

строит индивидуальные рекомендации,

Group, член Нац. инженерной академии США, IEEE

14.7 млрд $,

осуществляет поиск необходимой информации

Fellow и ACM Fellow

2190 публикаций,

в интернете.

Эрик Хорвиц – Technical Fellow и директор, Microsoft

574 патентов.

Research Labs в Редмонде, США, член Нац. инженерной

Samsung

ОПИСАНИЕ: южнокорейская группа компаний, один

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

￮ Samsung Bot – ИИ-робот, выполняющий

из крупнейших чеболей, основанный в 1938 году. На

компьютерное зрение, интернет вещей, обработка

за человека обязанности по дому – уборку,

мировом рынке известен как производитель высоко-

естественного языка.

приготовление пищи и др.

технологичных компонентов, включая полноцикловое

￮ Bixby – интеллектуальный ассистент

ЛИДЕРЫ В ИИ: Ларри Хек – глава американского

производство интегральных микросхем, телекоммуни-

с возможностями компьютерного зрения,

подразделения Samsung R&D, вице-президент по

кационного оборудования, бытовой техники, аудио- и

распознавания и генерации речи и выдачи

направлению ИИ, сооснователь Microsoft Cortana.

видеоустройств.

рекомендаций пользователю.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ИИ ПОДРАЗДЕЛЕНИЕ: открыли 7 центров ИИ по

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

всему миру (Россия, Корея, США, Великобритания,

￮ Tizen – платформа для ПО для интернета вещей,

326 млрд $ капитализация,

Канада).

к которой можно подключать все устройства

производства Samsung.

221 млрд $ выручка,

15.2 млрд $.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Amazon

ОПИСАНИЕ: транснациональная компания, профи-

￮

Kinesis – технология сбора, обработки и анализа

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

лирующаяся в электронной коммерции (маркетплейс,

видеопотоков и потоковых данных в режиме

883 млрд $ капитализация,

аукционы), облачных вычислениях (AWS) и искусствен-

реального времени.

233 млрд $ выручка,

ном интеллекте.

￮

QuickSight – сервис бизнес-аналитики на основе

5.4 млрд $ R&D,

алгоритмов машинного обучения.

ИИ ПОДРАЗДЕЛЕНИЕ: Amazon AI Labs, Amazon

147 публикаций,

Alexa.

59 патентов.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

обработка естественного языка, голосовые помощни-

https://aws.amazon.com/ru/mp/ai/

ки, поиск и извлечение информации из текста.

ЛИДЕРЫ В ИИ: Эдо Либерти – глава Amazon AI Labs,

окончил Tel Aviv University, Yale, ранее работал в Yahoo

Research.

Инструменты

Интеллектуальные

Решение для данных

для исследования данных

приложения

Рохит Прасад – главный научный сотрудник Amazon

Alexa.

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Рухи Сарикая, Язер

Аль-Онайзан, Эдлено Томас Другман, Томас Мерритт,

Янг Бум Ким.

Международное

Преобразование

Обработка

Построение

Обучение

Компьютерное

приложение

данных

модели

зрение

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮ Alexa – виртуальный помощник с алгоритмами

обработки естественного языка.

Amazon

Интернет вещей

Оптимизация

Валидация

Распознавание

￮ Amazon Go – магазины будущего, оснащенные

Redshift

модели

речи

камерами, умными весами, роботизированной

техникой, датчиками, подключенными к единой

облачной системе с алгоритмами ИИ.

￮ Amazon DeepLens – видеокамера

Amazon

Умная поисковая

Чистка

Дедупликация

Тестирование Развертывание

Признание

EMR

оптимизация

для разработчиков с алгоритмами глубокого

обучения.

￮ Neo-AI project – фреймворк для оптимизации ИИ-

моделей.

Социальные сети

Хостинг

Глубокое обучение

Лицензии на программное

￮ SageMaker – коллекция моделей и алгоритмов

обеспечение по подписке

для машинного обучения.

Рисунок 34 – Решения в области искусственного интеллекта от компании Amazon [85]

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

IBM

ОПИСАНИЕ: производит и продает компьютерное

ЛИДЕРЫ В ИИ: Роб Хай – вице-президент и CTO IBM

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

оборудование и программное обеспечение, а также

Watson.

125 млрд $ капитализация,

предоставляет услуги хостинга и консалтинга в различ-

Дарио Хиль – директор IBM Research.

80 млрд $ выручка,

ных областях от мейнфреймов до нанотехнологий. IBM

Джефф Бернс – директор AI Hardware Center.

5.4 млрд $ R&D,

также является крупной исследовательской организа-

цией, которая удерживает рекорд по большинству па-

2450 публикаций,

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

тентов США, полученных бизнесом (по состоянию на

932 патентов.

￮ IBM Watson – экспертная система на основе

2018 год) в течение 25 лет подряд. Создатель эксперт-

суперкомпьютера, способная понимать вопросы,

ной системы IBM Watson.

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

сформулированные на естественном языке,

https://www.ibm.com/watson

ИИ ПОДРАЗДЕЛЕНИЕ: IBM Research China, IBM

и находить на них ответы в базе данных.

Research Israel, IBM Research Ireland, IBM Research

￮ Debater – разговорный ИИ, который может

Almanden, IBM Research Austin, IBM Research Cambridge.

общаться на различные темы, «понимает»

вопросы и самостоятельно конструирует

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

развернутые ответы на базе поиска вариантов

Обработка естественного языка, разработка новых

ответов в Интернете.

архитектур для ИИ, компьютерное зрение, аппаратное

￮ Diversity in Faces(DiF) – датасет для тренировки

обеспечение для ИИ, облачные экспертные

алгоритмов распознавания лиц.

и рекомендательные системы.

Intel

ОПИСАНИЕ: один из крупнейших в мире производи-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮ Loihi – самообучающийся нейроморфный

телей электронных устройств и компонентов, в частно-

процессор. Для его обучения и тестирования

￮ Reinforcement Learning Coach – открытый

сти, микропроцессоров и чипсетов.

компания организовала открытое сообщество.

фреймворк, работающий на многоядерных

CPU Intel, для тренировки моделей на основе

ИИ ПОДРАЗДЕЛЕНИЕ: Intel AI.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

алгоритмов обучения с подкреплением.

245 млрд $ капитализация,

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

￮ Distiller – открытая платформа с алгоритмами

сжатия нейронных сетей, повышающие скорость

70.8 млрд $ выручка,

нейроморфные чипы, фреймворки для тренировки ИИ

вывода.

13.5 млрд $ R&D.

на основе CPU, открытые датасеты для обучения моде-

лей от сообществ разработчиков.

￮ CARLA – среда, представляющая симулятор для.

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

￮ BrainIAK – ПО для автоматического анализа

ЛИДЕРЫ В ИИ: Навин Шеной – глава подразделения

https://www.intel.ru/content/www/ru/ru/analytics/

снимков МРТ головного мозга.

Data Center Group.

artificial-intelligence/overview.html

Навин Рао – руководитель Intel AI.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Baidu

ОПИСАНИЕ: Крупнейшая поисковая система в Ки-

Юаньцин Лин – директор Baidu Institute of Deep

￮ ERNIE 2.0 – фреймворк для понимания

тае, основные доходы от таргетированной рекламы,

Learning.

естественного языка, работает на английском

составляет, ≈ 1,5% глобального рынка поисковиков.

Лианг Хуанг – директор Institute of Deep Learning US

и китайском языках, поддерживает логический

Также предоставляет ряд онлайн-сервисов.

(IDL-US)

вывод, определение семантического сходства,

распознавание именованных сущностей, анализ

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Kenneth Ward Church,

ИИ ПОДРАЗДЕЛЕНИЕ: Baidu Institute of Deep

тональности и сопоставление вопросов и ответов.

Yanjun Ma, Mark Liberman, Hao Tian.

Learning.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

59.3 млрд $ капитализация,

голосовые помощники, разговорный ИИ, автономный

￮ DuerOS – Разговорная ИИ-платформа,

15 млрд $ выручка,

транспорт.

установлена более, чем на 100 миллионах

устройств.

2 млрд $ R&D,

ЛИДЕРЫ В ИИ: Эндрю Ын – до марта 2017 года –

￮ Raven H, Aladdin – голосовые помощники.

135 публикаций,

ведущий специалист лаборатории искусственного

29 патентов,

интеллекта.

1300 исследователей.

Apple

ОПИСАНИЕ: крупнейший производитель смартфонов

Руслан Салахутдинов

– директор Apple по ИИ,

￮ CreateML – фреймворк для обучения моделей,

в мире. Основной доход получает от продажи iPhone,

профессор Carnegie Mellon University. Ian Goodfellow –

позволяющий значительно снизить время

iPad, Mac. Также компания специализируется на ПО

директор направления «машинное обучение» в Группе

обучения и размер модели, в качестве исходных

для операционной системы MacOS и мобильной опе-

Специальных Проектов Apple, ранее работал в Google

данных CreateML позволяет использовать

рационной системы iOS.

Brain и OpenAI.

изображения, тексты и структурированные

объекты.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

Инфраструктура для создания и обучения различных

￮ Siri – виртуальный помощник и вопросно-ответная

моделей, обработка естественного языка, выделение

система с встроенной технологией обработки

883 млрд $ капитализация,

и классификация объектов на изображениях.

естественного языка.

266 млрд $ выручка,

￮ CoreML – фреймворк для работы с технологиями

11.6 млрд $ R&D,

ЛИДЕРЫ В ИИ: John Джон Джаннандреа – старший

машинного обучения, позволяющий создавать

вице-президент по машинному обучению и стра-

110 публикаций,

под iOS приложения, в которых используются

тегии ИИ Apple, ранее работал в Microsoft и ИИ-

различные алгоритмы машинного обучения.

73 патента.

подразделении Google.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Nuance

ОПИСАНИЕ: транснациональная корпорация – про-

￮

Engagement of things – решение

Project Pathfinder строит более эффективные

изводитель программного обеспечения, управляемая

на основе разговорного ИИ и интернета вещей,

разговорные модели.

из Burlington, Massachusetts, США. Разрабатывает

объединяющее все электронные устройства

￮ Nina – виртуальный помощник, интегрируемый

пользователя в рамках единой платформы.

приложения, работающие с голосовыми данными и с

в мобильные приложения на операционных

изображениями.

￮

Nuance Healthcare Solutions – виртуальные

системах iOS и Android, объединяющий в себе

ассистенты, системы распознавания речи

технологии распознавания речи, преобразование

ИИ ПОДРАЗДЕЛЕНИЕ: Nuance Research.

и программное обеспечение для обработки

текста в речь, систему голосовой биометрии.

документации, применяемые в медицинских

На базе Nina разработчики программного

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

учреждениях.

обеспечения могут создавать собственные

распознавание речи, биометрия, улучшение качества

￮

Dragon Drive – виртуальный помощник

системы распознавания голоса.

речи, NLP, синтез речи.

для автомобиля с функциями разговорного ИИ,

биометрии, распознавания голоса и дополненной

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

ЛИДЕРЫ В ИИ: CTO – Джо Петро – ранее вице-пре-

реальности.

зидент Eclipsys Corporation.

4.5 млрд $ капитализация,

￮

Siri – система распознавания голоса, используемая

в голосовом помощнике Siri (Apple, Inc.), была

2 млрд $ выручка,

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Маркус Бак, Герхард

разработана Nuance.

305 млн $ R&D,

Шмидт, Тим Хаулик, Брайан Раундтри, Уильям Ганонг,

￮

Project Pathfinder – проект по машинному

Дэвид Кей.

1270 публикаций,

обучению, запущенный Nuance в начале 2019

г., направленный на усовершенствование

950 патентов.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

алгоритмов, используемых в виртуальных агентах

￮ Cerence – новый спин-офф компании Nuance,

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

и чат-ботах. На основе логов чатов и транскриптов

специализирующийся на внедрении разговорных

диалогов между агентами и пользователями

https://www.nuance.com/

ИИ-платформ в транспортные средства.

iFlytek

ОПИСАНИЕ: является частично государственной ки-

ЛИДЕРЫ В ИИ: CEO: Лю Цинфэн,

￮ iFLYTEK iFLYOS – открытая платформа,

тайской компанией информационных технологий, ос-

Шипенг Ли – Со-президент по исследованиям.

предоставляющая технологии голосового

нованной в 1999 году. Компания создает программное

управления различным устройствам.

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Чжэнь Хуа Лин, Юань

обеспечение для распознавания голоса и более 10

Цзян, Ли-Ронг Дай, Лонг Цинь, Рен-Хуа Ван

￮ iFlytek Super Brain Project – проект, нацеленный

голосовых интернет / мобильных продуктов. охваты-

на эмуляцию нейронов человеческого мозга

вает образование, коммуникацию, музыку, интеллекту-

альные игрушки. Государственное предприятие China

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

для перехода от сенсорного к когнитивному

Mobile является крупнейшим акционером компании.

интеллекту.

￮ iFlytek Translator – голосовой переводчик 33 языков

Крупнейшая публичная AI компания в Азиатско-Тихо-

и различных китайских диалектов. Также переводит

океанском регионе. iFLYTEK занимает более 70% китай-

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

текст на фотографиях. Устройство позволяет точно

ской доли рынка речевой индустрии.

распознавать различные акценты и получать

10 млрд $ капитализация,

наиболее приближенный к контексту результат.

1.1 млрд $ выручка.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

Как уверяют создатели, аппарат «понимает» до 98%

машинный перевод, распознавание речи, синтез речи.

слов, речевых оборотов и предложений.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Facebook

ОПИСАНИЕ: самая большая группа социальных сетей

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Ян ЛеКун – француз-

￮ для тестирования алгоритмов понимания

в мире, в портфеле компании следующие платформы:

ский ученый, лауреат премии Тьюринга (2018)

естественного языка.

Facebook, Instagram, Whatsapp. Основной доход от

￮ FastText – фреймворк для классификации текста,

НЕКОТОРЫЕ ИИ-ПРОЕКТЫ:

рекламы.

выделения ключевых слов и именованных

￮ PyTorch, Torch, Caffe2 – фреймворки

сущностей.

ИИ ПОДРАЗДЕЛЕНИЕ: Facebook AI

для машинного обучения.

ПОКАЗАТЕЛИ КОМПАНИИ 2018:

￮ CommAI – разработка виртуальных агентов

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

общего назначения, полезных для человека

472 млрд $ капитализация,

распознавание изображений и видео, классификация

в повседневной жизни.

и генерация текста, семантический анализ, распозна-

55.8 млрд $ выручка,

вание речи, машинный перевод, диалоговые системы.

￮ ParlAI – открытая платформа для обучения чат-

7.8 млрд $ R&D,

ботов.

233 публикаций,

ЛИДЕРЫ В ИИ: Jérôme Pesenti, VP по искусственному

￮ bAbI – платформа для автоматического понимания

44 патента,

интеллекту в Facebook, ранее CEO в BenevolentTech,

текстов, а также набор датасетов

топ-менеджер в IBM.

200+ исследователей.

Tencent

ОПИСАНИЕ: китайская инвестиционная холдинговая

ЛИДЕРЫ В ИИ: Чжэнъю Чжан – директор Tencent AI

￮ Jingle – голосовой помощник, аналог Amazon

компания, основанная в 1998 году в городе Шэнь-

Lab, ранее работал в подразделении Tencent, занима-

Alexa.

чжэнь. Tencent является одной из крупнейших инве-

ющимся робототехникой, в 2013 году ему была при-

￮ Tencent NLP – открытая платформа с функциями

стиционных и венчурных компаний. Дочерние компа-

суждена награда Helmholtz Test of Time Award за до-

семантического анализа, предоставляющая

нии Tencent, как в самом Китае, так и в других странах

стижения в области компьютерного зрения.

API для разработки NLP-систем и решения

мира, специализируются на различных областях вы-

прикладных задач по обработке естественного

сокотехнологичного бизнеса, в том числе различных

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

языка.

интернет-сервисах, разработках в области искусствен-

￮ Открытая ИИ-платформа для здравоохранения

ного интеллекта и электронных развлечений. крупней-

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

для онлайн-консультаций, назначения

шая китайская интернет-компания, владеет социаль-

и проверки лечения, подбора медицинских

447 млрд $ капитализация,

ной сетью и мессенджером WeChat, приложением QQ,

специалистов.

238 млрд $ выручка,

крупнейший в мире производитель онлайн-игр.

￮ NIO – стартап, занимающийся разработкой

2.7 млрд $ R&D,

ИИ ПОДРАЗДЕЛЕНИЕ: Tencent AI Lab.

и выведением на рынок электроавтомобилей

124 публикации,

и автономного транспорта.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

13 патентов

￮ Голосовой помощник TingTing.

разговорный ИИ, машинный перевод, голосовые по-

мощники и виртуальные ассистенты, компьютерное зре-

ние, персонализированные рекомендательные системы.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Alibaba

ОПИСАНИЕ: китайская компания, специализирующа-

включению дорожных камер в облачное решение

￮ AliTranx – переводчик, применяемый в Alibaba

яся на e-commerce. Основные статьи дохода – B2B тор-

ET City Brain увеличилось число ежедневных

International B2B, AliExpress и платформе Lazada,

говые операции и розничная онлайн-торговля. Поми-

сообщений об авариях в Ханчжоу и уменьшилось

ежедневно его используют более 700 млн

мо торговли выстраивает целую экосистемы платежей,

время реагирования. Уровень точности

человек.

логистики и сервисов.

идентификации инцидентов составил более 92%.

￮ Judicial brain – NLP-платформа для юристов.

￮

Автономный транспорт – компания активно

￮ Система контроля качества медицинских записей.

ИИ ПОДРАЗДЕЛЕНИЕ: Alibaba DAMO Academy,

разрабатывает данное направление, планируя

помимо DAMO, компания проинвестировала в

￮ AliNLP – NLP-система, использующаяся

использовать беспилотные автомобили

исследовательских лабораторий, ведущих разработки

в различных продуктах Alibaba, более 800 млрд

для доставки продукции. В 2018 году бюджет

в сфере ИИ.

использований в день.

Alibaba на исследования составил $720

миллионов. Тестирования беспилотных

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

транспортных средств проводятся в городе

машинное обучение, анализ данных и предиктивная

470 млрд $ капитализация,

Ханчжоу, средняя скорость движения составляет

аналитика, финтех, интеллектуальная робототехника,

на данный момент 30-40 км/ч, грузоподъемность

37,5 млрд $ выручка,

голосовые помощники.

– до нескольких тонн.

3.6 млрд $ R&D,

ЛИДЕРЫ В ИИ: Янцин Цзя – директор по ИИ в

￮

Tmall Genie – голосовой помощник.

70 публикаций,

Alibaba, ранее работал в Facebook над ИИ проектами

￮

AliReader – технология анализа

20 патентов.

(Caffee2).

неструктурированного текста, интеллектуального

поиска и извлечения информации из различных

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

документов, использующаяся во многих продуктах

￮ ET City Brain – открытая ИИ-платформа для умного

Alibaba.

города. Реализована в городе Ханчжоу. Благодаря

RASA

ОПИСАНИЕ: открытая платформа для создания и обу-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

чения разговорного ИИ.

￮ RASA Platform – инфраструктура для создания

14.1 млн $ привлеченный инвестиций,

ОСНОВНОЕ НАПРАВЛЕНИЕ ИССЛЕДОВАНИЙ: NLP,

и обучения разговорного ИИ. Платформа

3.5 млн $

диалоговые системы, чат-боты.

с открытым исходным кодом для создания,

улучшения и развертывания текстовых

ЛИДЕРЫ В ИИ: CTO – Алан Никол

и голосовых чатов и помощников. Платформа

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Том Боклиш, Джои

RASA была успешно внедрена в финансовом

https://rasa.com/

Фолкнер, Ник Павловски.

секторе (ReifeisenBank), в здравоохранении (ERGO,

Tia), логистике и телекоме.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

NVIDIA

ОПИСАНИЕ: крупнейший разработчик и произ- ЛИДЕРЫ В ИИ: Брайан Катандзаро – глава подраз-

￮ NVIDIA Jetson – система для автономного

водитель графических процессоров, видеокарт, си-

деления машинного обучения, PhD (Berkley), ранее

транспорта на базе графических ускорителей.

стем-на-чипе и ускорителей для высокопроизводи-

работал в Baidu.

￮ Nvidia Tesla – графические ускорители для дата-

тельных вычислений, видеоигр, профессиональных

центров, предназначенные для тренировки

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

визуализаций и автомобильной промышленности.

алгоритмов ИИ.

￮ NVIDIA Metropolis – проект умного города,

ИИ ПОДРАЗДЕЛЕНИЕ: NVIDIA Research.

в котором данные с 500 млн камер собираются

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

в единой системе, где обрабатываются

112 млрд $ капитализация,

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

и используются для обеспечения безопасности

ускорители и системы на чипе для ИИ-технологий,

12 млрд $ выручка,

граждан.

бортовые компьютеры для беспилотного транспорта,

1.8 млрд $ R&D

￮ Nvidia GPU Cloud (NGC) – облачная платформа

компьютерное зрение, умный город, интеллектуальная

для разработчиков решений для искусственного

робототехника.

САЙТ С ИИ:

интеллекта.

https://www.nvidia.com/ru-ru/gpu-cloud/

Huawei

ОПИСАНИЕ: Одна из крупнейших мировых компаний

Qun Liu (Кун Лю) – глава департамента речевых техно-

￮ на базе нейронных процессоров (NPU).

в сфере телекоммуникаций, производитель сетевого

логий Noah`s Ark Lab.

￮ SoftCOM AI – платформа

оборудования, смартфонов, планшетных компьютеров,

для высокопроизводительных вычислений,

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

терминалов, мобильных приложений и ПО.

содержащая фреймворки для генерации

￮ CANN – (компьютерная архитектура

и тренировки различных ИИ моделей.

ИИ ПОДРАЗДЕЛЕНИЕ: Noah`s Ark Lab (Гонконг).

для нейросетей) процессорная операторская

библиотека и высокоавтоматизированный

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

операторский пакет инструментальных средств

564 млрд $ капитализация,

компьютерное зрение, речевые технологии, оптимиза-

разработки.

ция работы нейросетей, предиктивная аналитика.

107 млрд $ выручка,

￮ MindSpore – унифицированная инфраструктура/

15 млрд $ R&D.

среда обучения и логического вывода

ЛИДЕРЫ В ИИ: Цянь Чжао – директор Noah`s Ark

для устройств, периферии и облака (как

Lab.

независимых, так и комплексных).

Ци Тянь – глава департамента компьютерного зрения

￮ HiAI – мобильная платформа

Noah`s Ark Lab.

для высокопроизводительных вычислений

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

OpenAI

Создание агента, который сможет побеждать в он-

ОПИСАНИЕ: некоммерческая исследовательская

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

компания из Сан-Франциско, занимающаяся лайн-конкурсах по программированию. Программа,

￮ OpenAI Gym – открытая среда для тренировки

искусственным интеллектом. Цель компании – разви- которая может писать другие программы, по очевид-

и сравнения ИИ-моделей на основе алгоритмов

вать открытый, дружественный ИИ. Одним из основате-

ным причинам будет очень мощным инструментом.

обучения с подкреплением, в данной среде

лей является предприниматель Илон Маск, известный

Обеспечение кибер-безопасности.

поддерживаются различные алгоритмы движения

по проектам PayPal, SpaceX, Tesla Motors. Открытость

призвана избежать концентрации власти, которую дает Создание ИИ для защиты от хакеров, в том числе ис-

и командных игр.

ИИ, в одних руках. В планах компании открыто сотруд- пользующих ИИ.

￮ Dota bot – алгоритм игры в Dota2, на сегодня

ничать со всеми лицами и учреждениями, публиковать

последняя версия бота OpenAI Five побеждает

Реализация комплексных многоагентных моде-

все результаты своих исследований.

в 99,4% игр.

лей

– множество разных агентов, которые могут

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

взаимодействовать друг с другом, учиться в течение

￮ GPT-2 model – нейронная сеть, обученная на 8

Обнаружение скрытых от общественности прорывных длительного периода времени, создавать свой язык

млн сайтов, с рекордным числом параметров (1,5

систем искусственного интеллекта. По мере увеличе-

и достигать различных целей.

млрд), способная генерировать полноценные

ния количества организаций и ресурсов, выделяе-

связные тексты высокого качества.

мых на исследования ИИ, увеличивается вероятность,

ЛИДЕРЫ В ИИ: Илья Суцкевер – главный научный со-

что организация в тайне сделает прорыв в области ИИ

трудник.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

и использует систему для потенциально злонамерен-

Грег Брокман – технический директор, образование

1 млрд $ инвестиции от YCombinator

ных целей.

Гарвардский Университет, MIT.

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

https://spinningup.openai.com/en/latest/

Uber

ОПИСАНИЕ: американская международная публич-

ИИ ПОДРАЗДЕЛЕНИЕ: Uber AI Labs.

позволяет сотрудникам компании

ная компания из Сан-Франциско, создавшая однои-

создавать, развертывать и эксплуатировать

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ: оп-

мённое мобильное приложение для поиска, вызова

решения в области машинного обучения

тимизация работы нейросетей, предиктивная аналити-

и оплаты такси или частных водителей и доставки еды.

для удовлетворения потребностей бизнеса.

ка, беспилотное управление.

С помощью приложения Uber заказчик резервирует

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

машину с водителем и отслеживает её перемещение

ЛИДЕРЫ В ИИ: Зубин Гахрамани – главный научный

к указанной точке. В большинстве случаев водители

сотрудник Uber.

￮

104 млрд $ капитализация,

используют свои собственные автомобили, а также

￮

11.27 млрд $ выручка,

машины таксопарков или партнёров. В большинстве

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮

1.5 млрд $ R&D.

стран 80 % оплаты переходят водителю, 20 % перечис-

￮ Michelangelo – платформе ML поддерживает

ляются Uber.

большинство решений в Uber. Платформа

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

DeepMind

ОПИСАНИЕ: британская компания, занимающаяся ис-

Мустафа Сулейман – сооснователь и директор направ-

￮ AlphaStar – компьютерная система,

кусственным интеллектом. Основана в 2010 году в Лон-

ления прикладного ИИ.

предназначенная для стратегической игры

доне под названием DeepMind Technologies. В 2014

в StarCraft II, в декабре 2018 года AlphaStar

Шейн Легг – сооснователь и директор направления ма-

году была приобретена Google за $400 млн. Компания

одержала уверенную победу над Grzegorz

шинного обучения.

получила известность благодаря разработке компью-

Komincz (MaNa) из команды Liquid, одного

терной системы AlphaGo, победившей профессиональ-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

из сильнейших игроков в мире, со счетом 5:0.

ного игрока в го. DeepMind создала нейронную сеть

￮ AlphaGo – программа для игры в го,

￮ WaveNet – многослойная нейронная сеть,

способную научиться играть в видеоигры на уровне

разработанная компанией DeepMind в 2015 году.

применяющаяся для генерации аудио,

человека.

используется в голосовых помощниках компании

￮ AlphaGo стала первой в мире программой,

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ: со-

Google.

которая выиграла матч без гандикапа у чемпиона

здать общий ИИ (General AI) и с его помощью решить

мира в го на стандартной доске 19 × 19.

все остальные задачи человечества.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

￮ AlphaZero – нейросеть играющая в любые

ЛИДЕРЫ В ИИ: Демис Хассабис – британский ис-

500 млн $ инвестиции от Google.

стратегические игры, обучается с нуля играя

следователь искусственного интеллекта, нейробиолог,

сама с собой. Выиграла у прежних программ-

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

разработчик компьютерных игр, игрок мирового клас-

чемпионов в Го, шахматах, сёги.

са в шахматы, сооснователь и генеральный директор

https://www.deepmind.com/

￮ DQN – архитектура на основе алгоритмов

DeepMind.

обучения с подкреплением, находится в открытом

доступе.

Allen Institute for Artificial Intelligence

ОПИСАНИЕ: исследовательский институт, основанный

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮ AllenNLP – является открытым исходным кодом

покойным соучредителем Microsoft Полом Алленом.

NLP научная библиотека остроена на PyTorch.

￮ Aristo – флагманский проект AI2. Цель

Институт стремится к научным прорывам, создавая

состоит в том, чтобы создать искусственно

￮ MOSAIC – проект Mosaic направлен

системы искусственного интеллекта с возможностями

интеллектуальную систему, которая может

на определение и построение здравого смысла

рассуждения, обучения и чтения.

успешно читать и понимать научные тексты

и рассуждений для систем искусственного

и в конечном итоге демонстрировать свои знания,

интеллекта.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

сдавая экзамен по биологии AP.

системы искусственного интеллекта с возможностями

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

￮ Семантический ученый – платформа для поиска

рассуждения, обучения и чтения. Фундаментальные

110 исследователей.

и открытия научной литературы, уделяя особое

проекты в области науке и медицине.

внимание семантике и пониманию текста. Система

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

ЛИДЕРЫ ИИ: Джонатан Берант, Чандра Бхагаватула,

позволяет пользователям находить ключевые

Валид Аммар, Из Белтаги, Питер Кларк.

обзорные статьи по теме или составлять список

https://allennlp.org/

важных цитат или результатов в данной статье.

КЛЮЧЕВЫЕ КОМПАНИИ В МИРЕ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

DeepL

ОПИСАНИЕ: немецкая ИИ-компания, специализиру-

Гереон Фрахлинг – руководитель R&D.

представляет собой платформу, на основе которой

ющаяся в области глубокого обучения, которая разра-

разработчики могут создавать новые продукты:

батывает системы искусственного интеллекта для ре-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

например, приложения для синхронного

шения задач, связанных с языками. Отмечена многими

￮ DeepL Переводчик – бесплатная система

перевода видео и чартов, дополнения к браузеру

изданиями и экспертами как лидирующая система в об-

машинного перевода. К середине 2019 г. доступны

и почтовым программам, а также переводчики

ласти машинного перевода.

версии DeepL Переводчика на английском,

в режиме дополненной реальности.

немецком, французском, нидерландском,

￮ Linguee – глобальная система контекстуального

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

испанском, русском, итальянском, польском

поиска по переводам.

машинный перевод, поиск информации.

и португальском языках.

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

ЛИДЕРЫ В ИИ: CEO: Ярослав Кутыловски – соучреди-

￮ DeepL Pro – продукт, выпущенный в марте 2018 г.,

тель, ранее CTO DeepL.

предлагает профессиональный API и расширенные

https://www.deepl.com/ru/home

возможности для онлайн-перевода. DeepL Pro

Salesforce

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ: по-

MQAN – открытая библиотека по машинному

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

иск и извлечение информации, диалоговые системы,

обучению, одновременно решающая 10

https://www.salesforce.com/products/einstein/overview/

NLP-алгоритмы, одновременно решающие несколько

различных NLP-задач. обработки естественного

ОПИСАНИЕ: американская компания, разработчик

различных NLP-задач.

языка и диалоговых систем.

одноимённой CRM-системы, предоставляемой заказ-

￮ Salesforce Einstein Language – фреймворк

чикам исключительно по модели SaaS. Под наимено-

ЛИДЕРЫ В ИИ: CEO: Марк Бениофф

на основе алгоритмов глубокого обучения

ванием Force.com компания предоставляет PaaS-плат-

для решения NLP-задач.

ТОП ИССЛЕДОВАТЕЛЕЙ ИИ: Ричард Сошер, Каи-

форму для самостоятельной разработки приложений,

минг Сюн, Ишаан Гулраджани, Крейг Вейсман, Джеймс

а под брендом Database.com – облачную систему управ-

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

Брэдбери.

ления базами данных. Salesforce вышла в лидеры NLP

117.6 млрд $ капитализация,

индустрии после покупки стартапа MetaMind с сильней-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

13.3 млрд выручка,

шей командой Ричарда Сочера (Richard Socher), являю-

￮ The Natural Language Decathlon – соревнование

1.8 млрд R&D,

щего одним из топ-исследователей мира по NLP.

NLP-алгоритмов по одновременному решению 10

146 публикаций,

ИИ ПОДРАЗДЕЛЕНИЕ: Salesforce research.

различных задач в области машинного перевода,

75 патентов.

КЛЮЧЕВЫЕ

КОМПАНИИ

В РОССИИ

В ОБЛАСТИ ТЕХНОЛОГИЙ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ǒǠǗǘǝǤ

Список российских компаний был куда менее

Таблица 6 – Крупнейшие

ǉǃǅ

предсказуемым, чем мировых. Безусловным лиде-

компании России в области

‘((??

3GORX[

ром рейтинга российских компаний является Яндекс,

искусственного интеллекта

0[YZ’/

набравшая 252 балла, что означает, что она была

6853:

[15], [16].

в среднем упомянута каждым экспертом в почти ка-

ǅǛǠǯǝǡǧǧ

ǀǓǠǡǤǘǟǓǠǥǛǝǓ

ждой технологической области (0.92 балла в пересче-

ТОП-20

(XGTJ’TGR_ZOIY

те на каждый ответ). За ней идет компания Центр ре-

КОМПАНИЙ РОССИ

ǄǔǘǣǔǓǠǝ

8)5

чевых технологий

(ЦРТ), которая специализируется

-UUMRK

Яндекс

на распознавании/синтезе речи и других технологиях

ƳǄƿ

ƿǘǗǛǓǞǡǖǛǲ

ИИ. В 2019 году 51% компании ЦРТ был куплен Сбер-

Mail.ru Group

банком, так что теперь можно сказать, что пул компе-

ǄǂƻƻǃƳǀ

Сбербанк

ƽǣǛǔǣǦǟ

тенций ЦРТ входит в пул компетенций Сбербанка. Ви-

ƿǅǄ

димо поэтому некоторые эксперты даже не разделяют

3KMGV[ZKX/TZKRROMKTIK

Cognitive

4G[SKT

эти компании, указывая в ответах ЦРТ-Сбербанк. Тем

technologies

JKKVVG\RU\

не менее сам Сбербанк также указывался экспертами

‘[ZU,’7GO

Лаборатория

3OTJ9OS[RGZOUT

как центр компетенций в искусственном интеллекте,

Ƴƴƽ

Касперского

и он по праву вошел в лист топ-компаний.

ƻǠǧǡǕǡǥǪ

ǃǡǤǥǘǞǘǝǡǟ

Ростелеком

Список российских компаний сочетает несколько кате-

9KSGTZOI.[H

горий компаний. Во-первых – это поисковики и ком-

ǄǘǟǓǠǥǛǝ

ABBYY

TK[XUJGZGRGH

пании, которые уже много лет занимаются текстовы-

+58’8;

ми технологиями – это Яндекс, ABBYY, Mail.ru, PROMT

INGZSKGO

Группа ЦРТ

ƿǛǕǓǣ

и RCO (часть группы Rambler). Во-вторых, это огромные

3X(UZ

корпорации, которые лишь в последние 3-4 года на-

Just AI

?U[9IGT

ƳǠǥǛǢǞǓǖǛǓǥ

чали формировать свои компетенции в области ИИ –

Ƴǜ ǥǘǝǡ

PROMT

Сбербанк, Тинькофф, МТС, но все они уже добились

3狣狥

*OMOZGR/TZKRROMKTIK

впечатляющих результатов, несмотря на то, что делают

Тинькофф

)XGLZ:GRQ

в основном технологии для внутреннего пользования,

Ǆǂǔƶǆ

:OTQULL

но наружу все равно прорывается информация о том,

Наносемантика

ǄǥǰǞ

что делается внутри. И наконец, в списке топ-компаний

,UTKSOIG

Brand Analytics

狥O

несколько компаний, еще недавно бывших стартапами,

9SGXZ+TMOTKY

но уже позврослевших и уверенно стоящих на ногах.

‘SG`UT

RCO

3OIXUYULZ

Это и АСМ технологии, специализирующаяся на рас-

ƿǓǤǥǘǣǄǛǠǥǘǚ

познавании / синтезе речи, и две лидирующих по чат-

АСМ Решения

*992GHY

ботам в России компании Just AI и Наносемантика, и на-

ƳǤǝǠǘǥ

ǀǓǦǟǘǠ

конец три компании, специализирующихся на анализе

Медиалогия

ƻǅƿǁ

медиа пространства в Интернете – Brand Analytics,

O6G\RU\

Kribrum

-XGVN-XGOR’O

Медиа-логия и Крибрум. Каждая из них сильна в своем

4[GTIK

сегменте и про каждую упоминали эксперты [16].

<UOYO

МТС

8GSHRKXX[

Кроме компаний, описанных экспертами, добавили

‘OOXK

к списку компании, упомянутые в СМИ – Cognitive tech,

Naumen

ǄǢǦǥǠǛǝ

ǂǣǘǧǘǣǘǠǥǦǟ

Ростелеком, Лаборатория Касперского, Мивар, mail.ru.

Мивар

ǞǽȈȈȘ ȚȇȎȌȂȍȏȋǿ

В результате получился следующий список компаний.

Рисунок 35 – Крупнейшие компании в России в области искусственного интеллекта

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Яндекс

ОПИСАНИЕ: российская транснациональная компа-

ПОДРАЗДЕЛЕНИЯ ИИ: Яндекс Переводчик, Яндекс

￮

Yandex SpeechKit – Комплекс технологий

ния, зарегистрированная в Нидерландах и владеющая

Алиса, Яндекс SpeechKit

распознавания и синтеза речи, предоставляемый

одноимённой системой поиска в Сети, интернет-пор-

как сервис для внешних разработчиков. C 2019 г.

талами и службами в нескольких странах. Наиболее

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

технология синтеза и распознавания речи Yandex

заметное положение занимает на рынках России,

машинный перевод, распознавание речи, виртуальные

￮

SpeechKit доступна по модели SaaS на платформе

Турции, Белоруссии и Казахстана. Поисковая система

ассистенты, поиск и извлечение информации из текста.

Яндекс. Облако. Технологию уже активно

«Яндекс» является четвёртой среди поисковых систем

используют более 300 государственных и частных

ЛИДЕР В ИИ: Михаил Биленко – руководитель управ-

мира по количеству обрабатываемых поисковых за-

компаний из отраслей телекоммуникаций,

ления машинного интеллекта и исследований.

просов (свыше 6,3 млрд в месяц на начало 2014 года).

финансов, услуг, медицины. Самые популярные

По состоянию на сентябрь 2018 года, согласно рейтин-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

сценарии применения технологии – Yandex

гу Alexa.com, сайт yandex.ru по популярности занимает

SpeechKit -это роботизация колл-центров

￮

Алиса – виртуальный голосовой помощник,

21-е место в мире и 1-е – в России.

и речевая аналитика. Роботизация колл-центров

доступный во всех устройствах с программным

Поисковая система Yandex.ru была официально анон-

дает возможность сокращать затраты на персонал,

обеспечением Яндекс. 1 кв. 2019 г. ежемесячная

сирована

23 сентября

1997 года и первое время

уменьшать время ожидания ответа оператора,

аудитория Алисы составляет около 35 млн

развивалась в рамках компании CompTek International.

повышать уровень удовлетворенность клиентов

человек.

Как отдельная компания

«Яндекс» образовалась

результатом обращения. Применение речевой

￮

Яндекс Переводчик – сервис автоматического

в 2000 году. В мае 2011 года Яндекс провёл первичное

аналитики позволяет увеличивать эффективность

перевода слов, фраз, целых текстов, а также

размещение акций, заработав на этом больше, чем

диалогов оператора с клиентов (например,

веб-страниц. Сервис использует технологию

какая-либо из Интернет-компаний со времён IPO-

повышать процент успешных продаж), оперативно

машинного перевода, разработанную в Яндексе.

поисковика Google в 2004 году.

улучшать сценарии работы и повышать

На 2019 г. осуществляется поддержка более 90

удовлетворенность клиентов.

Приоритетное направление компании – разработка

языков.

поискового механизма, но за годы работы «Яндекс» стал

￮

Яндекс Толока – краудсорсинговая платформа

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

мультипорталом. В 2016 году «Яндекс» предоставлял

для сбора и обработки данных. В Толоке

11.9 млрд $ капитализация,

более 50 служб. С целью продвижения своего голосо-

зарегистрировано более 5 млн исполнителей

вого помощника Алиса Яндекс учредил ежемесячную

1.8 млрд $ выручка,

и 20 тыс. заказчиков, в числе которых

премию для разработчиков «Премия Алисы» в разме-

325 млн $ R&D,

команды Яндекса, представители бизнеса,

ре от 50 до 100 тысяч рублей за создание наиболее ча-

исследователи и аналитики. Основные

7 патентов,

сто используемых навыков. Среди необычных навыков,

направления использования Толоки – это сбор

разработанных для Алисы, есть ряд игр и онлайн-вик-

20 публикаций.

и обработка данных для проектов машинного

торин («Крокодил», «Да, милорд»), разговорные навы-

обучения, обучения поисковых алгоритмов

САЙТ ДЛЯ СКАЧИВАНИЯ ИИ:

ки («Поговори с Алисой», «Рассказать сказку»), воз-

и нейронных сетей, развития речевых технологий

можность заказать пиццу и вызвать такси и даже навык

https://yandex.ru/alice

и компьютерного зрения. Собранные оценки

«Зеркало души», который помогает человеку получше

используются для разработки голосовых

разобраться в себе, а при необходимости – советует

помощников и чат-ботов, и проведения научных

поговорить с психологом. Сейчас у Алисы свыше 1,5

исследований в разных предметных областях.

тысяч навыков.

Толока является основным источником данных

для машинного обучения в Яндексе.

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Mail.ru Group

ОПИСАНИЕ: российская технологическая компания.

компьютерное зрение Vision, машинное обучение

￮

«Марусю». Также планирует выпустить

Среди её активов социальные сети

«ВКонтакте»

в Mail.ru Cloud Solutions и др.

собственную колонку с «Марусей»

«Одноклассники», портфолио онлайн-игр, куда

и интегрировать технологию в другие продукты

входят такие проекты как Warface, Armored Warfare,

ПОДРАЗДЕЛЕНИЯ ИИ: Mail.ru Group Tech Lab

Mail.ru Group и сторонние сервисы.

Skyforge, Аллоды Онлайн, ArcheAge, Perfect World

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

￮ Mail.ru Sounds – Технология распознавания звуков

и Lost Ark, картографический сервис MAPS.ME, мессен-

синтез речи, распознавание речи, голосовые ассистен-

и речи на базе машинного обучения от Mail.Ru

джер ICQ, мобильный сервис бесплатных объявлений

Group. Обнаруживает и анализирует любые звуки

ты, распознавание лиц и объектов, поиск и извлечение

«Юла», каршеринг YouDrive и платформа для доставки

или их сочетание в аудиопотоке.

информации из текста.

еды Delivery Club. В мае 2017 года Forbes поставил Mail.

￮ Mail.ru Cloud Solutions – сервис для быстрой

ru Group на 97 место в рейтинге ста инновационных

ЛИДЕРЫ В ИИ: Андрей Калинин – директор по техно-

разработки приложений на основе машинного

компаний мира.

логиям искусственного интеллекта.

обучения, технология помогает разработчикам

В 2019 г. было запущено подразделение Mail.ru Group

и исследователям быстро создавать приложения

Tech Lab. Направление отвечает за технологические

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

на основе глубокого обучения без приобретения,

проекты в области искусственного интеллекта, рас-

￮

«Прометей» Mail.ru Group запустил ИИ

конфигурирования и поддержки собственной

познавания голоса и изображений, а также разра-

«Прометей» в социальной сети “Вконтакте”.

инфраструктуры. Среды развёртываются в виде

ботку новых экспериментальных коммуникационных

Прометей выбирает самый релевантный контент

образов с установленными и настроенными

продуктов. Сферы применения: в компании Mail.ru

для аудитории. Группам с годным контентом

сервисами обучения нейронных сетей

Group технологии ИИ, машинного обучения и нейрон-

выдает метка(огонек).

и драйверами.

ных сетей применяются в ряде продуктов и сервисов.

￮

«Маруся» – голосовой помощник,

В их числе – технология поиска Mail.ru, сервис умных

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

разрабатываемый экспертами Mail.ru

ответов в почте Mail.ru, голосовой помощник Маруся,

4.9 млрд $ капитализация,

контент и рекомендации в социальных сетях ВКонтакте

￮ Group Tech Lab. В июне 2019 г. компания

и Одноклассники, рекламный таргетинг в myTarget,

представила своего голосового помощника

75 млрд руб. выручка.

Cognitive technologies

средством. Конкурентным преимуществом

ОПИСАНИЕ: Один из ведущих в мире разработчиков

Южная Корея и др. Имеет награду британской аналити-

решений компании является возможность

искусственного

интеллекта

для

беспилотных

ческой компании Softech INTL за лучшее ИИ-решение

безопасной работы автопилота в любых погодных

транспортных средств. Компания была создана на базе

для беспилотников в мире за 2017 г.

условиях. Компания также является разработчиком

ИСА РАН в 1992 г. Основу коллектива разработчиков

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ: си-

автономных систем управления для точного

составили ведущие советские ученые, имевшие опыт

стемы машинного зрения, разработка искусственных

земледелия. В 2018 г. выпустила первый в мире

создания проектов мирового уровня, таких как про-

нейронных сетей, системы обработки изображений,

промышленный 4D-радар для беспилотной

грамма «КАИССА» (первый чемпион мира по шахматам

Технологии ИИ для закупочных систем и систем доку-

техники, а также объявила о проектах

среди компьютеров). В 2016 г. Cognitive Technologies

ментооборота.

по созданию беспилотного трамвая и экспортных

вышла на мировой рынок систем управления беспи-

решений для умных городов.

лотным транспортом и имеет контракты с автопроизво-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

дителями и компаниями Tier-1 в таких странах, как Гер-

￮ C-Pilot- интеллектуальная платформа

мания, Китай,

для управления беспилотным транспортным

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Сбербанк

ОПИСАНИЕ: российский финансовый конгломерат,

ЛИДЕРЫ В ИИ: Круглов Константин Игоревич – глав-

персонализация клиентского опыта, финансы,

крупнейший транснациональный и универсальный

ный исполнительный директор-директор департамен-

кибербезопасность и др.

банк России, Центральной и Восточной Европы. Кон-

та, возглавляет разработку и развитие единых плат-

￮

На основе единых технологических платформ

тролируется Центральным банком Российской Федера-

форм для технологий NLP и Speech Analytics.

для NLP и Speech Analytics, позволяющих ускорить

ции, которому принадлежит 50 % уставного капитала

Филиппов Денис Сергеевич – Управляющий дирек-

разработку и внедрение новых продуктов,

плюс одна голосующая акция. Предоставляет широкий

тор-начальник управления NLP

реализуются инициативы по созданию чат-

спектр банковских услуг. В рамках стратегии трансфор-

ботов, автоматического голосового меню,

платформы и речевых технологий.

мации Сбербанка в технологическую компанию на-

автоматизированной подготовке юридических

чинает расти доля небанковских услуг, таких как мар-

Ведяхин Александр Александрович – Первый заме-

документов, обработки жалоб и обращений и др.

кетплейсы, телеком, страхование, медицина и пр.

ститель Председателя Правления Сбербанка. Осу-

￮

Ежегодно Сбербанк организовывает крупнейшие

ществляет руководство и координацию деятельности:

Банк активно занимается построением экосистемы,

мероприятия, целью которых является

Лаборатории по искусственному интеллекту, Управле-

в т.ч. включающей компании лидеры в разработке ИИ

популяризация науки о данных и искусственного

ния развития компетенций по исследованию данных

технологий – ЦРТ (технологии NLP и Speech Analytics),

интеллекта на общенациональном уровне,

и Управления контроля и координации деятельности.

Vision Labs (технологии компьютерного зрения и био-

а также поиск лучших специалистов и решений

метрии).

Еременко Максим Алексеевич – старший управляющий

в данной сфере. Среди таких событий – ежегодная

директор Управления развития компетенций по ис-

ИИ и NLP\Speech Analytics подразделения: С 2017 г.

конференция и соревнование по анализу данных

следованию данных, CDS Банка. Курирует разработку

в Сбербанке функционирует Управление развития

Sberbank Data Science Journey, просветительский

и реализацию инициатив в области искусственного

компетенций по исследованию данных, Лаборатория

проект «Академия искусственного интеллекта»

интеллекта и анализа данных, создает среду для ком-

по искусственному интеллекту и внутреннее DS\AI со-

для школьников и учителей и другие регулярные

муникации и обмена опытом в области искусственного

общество. Над созданием единых платформ для техно-

соревнования по разработке решений на основе

интеллекта и анализа данных.

логий NLP и Speech Analytics работают Agile-команды.

технологий искусственного интеллекта и анализа

данных.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ПОДРАЗДЕЛЕНИЯ ИИ: ЦРТ, Vision Labs, лаборатория

по ИИ.

￮ В банке реализуется порядка 300 инициатив

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

с применением технологий ИИ, примерно

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

4190 млрд руб. капитализация,

половина будет реализована до конца 2019 г.

чат-боты, поиск и извлечение информации из текста,

804.2 млрд руб. чистая прибыль.

ИИ используется в разных сферах деятельности:

распознавание речи.

комплаенс, риск-менеджмент, HR, образование,

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Лаборатория Касперского

ОПИСАНИЕ: международная компания, специализи-

применяющая методы машинного обучения на всех

￮ и на основе анализа этих данных принимает решения

рующаяся на разработке систем защиты от компью-

стадиях процесса обнаружения угроз.

об обнаружении вредоносных объектов. Эти

терных вирусов, спама, хакерских атак и прочих кибер

вердикты незамедлительно становится доступны всем

угроз. Компания ведёт свою деятельность более чем

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

пользователям Kaspersky Security Network.

в 200 странах и территориях мира.

￮ Технология Astraea – собирает всю статистику

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

и метаданные о подозрительных действиях

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

и угрозах со всего мира в реальном времени,

726 млн $ выручка.

многоуровневая защита нового поколения,

Ростелеком

ОПИСАНИЕ: крупнейший в России провайдер

экономической и социальной ситуации

￮ IQ Alarm – автоматизированная система

цифровых услуг и решений. Компания занимает лиди-

на региональном и глобальном уровнях, контроль

мониторинга и комплексного анализа

рующее положение на российском рынке услуг широко-

информационного фона вокруг объектов интереса

информационного поля для выявления

полосного доступа в Интернет и платного телевидения.

заказчиков и выявления информационных атак.

и предупреждения угроз безопасности

при проведении массовых мероприятий

￮

IQ Scout – автоматизированная система

ПОДРАЗДЕЛЕНИЯ ИИ: Айкумен ИБС – является цен-

и определения репутационного фона вокруг них.

промышленной, научно-технологической

тром компетенций по аналитике данных и технологи-

и конкурентной разведки, мониторинга

￮ IQ Antiter – автоматизированная система

ям искусственного интеллекта в Группе «Ростелеком»

формирования электронного паспорта

деятельности мировых исследовательских центров

и является разработчиком собственной поисково-

и выявления ведущих отраслевых экспертов.

антитеррористической защищенности объектов,

аналитической платформы IQPlatform.

мониторинга уровня физической защищенности

￮

IQ Antifraud – автоматизированная система

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

периметра объектов и безопасности внутри

мониторинга и анализа конкурсной информации

использование искусственного интеллекта в области

объекта.

с целью формирования комплексной оценки

сбора, обработки и анализа информации, полученной

￮ IQ Social – сервис управления информационным

спроса / предложения в различных разрезах

из различных источников, в целях повышения уровня

и выявления и предупреждения нарушений,

пространством (СМИ, соцсети, форумы, блоги)

автоматизации и эффективности работы компании.

в «одном окне» с функцией Social CRM. Сервис

мошенничества и коррупции в сфере

предназначен для сбора, управления и анализа

ЛИДЕРЫ В ИИ: Андрей Яровой – главный архитектор

государственных закупок и контрактов.

обращений физических лиц в социальных

и руководитель подразделения разработки имеет бо-

￮

IQ Alert – автоматизированная система

медиа и за их пределами, что позволяет

лее чем 20-тилетний опыт в области

мониторинга и комплексного анализа данных

систематизировать работу служб клиентской

создания нейронных сетей и поисковых машин, обра-

внутренних информационных систем и внешних

поддержки и взаимодействия с гражданами

ботки и анализа текстовой информации.

источников информации для обнаружения

в социальных медиа.

и предотвращения технологических нарушений

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

на производственных и генерирующих

￮ IQ State – автоматизированная система

1200 млрд руб. капитализация,

предприятиях и прогнозирования ключевых

мониторинга и анализа политической,

параметров их работы.

320 млрд выручка.

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ABBYY

ОПИСАНИЕ: мировой разработчик решений

странах мира. Решениями компании пользуются десят-

￮ ABBYY FlexiCapture – универсальная платформа

в области интеллектуальной обработки информации.

ки тысяч организаций из 200 стран мира..

для интеллектуальной обработки информации.

ABBYY создает решения для корпоративных заказчи-

￮ ABBYY Intelligent Search – корпоративный поиск

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

ков с применением технологий компьютерного зрения

по всем источникам данных.

обработка естественного языка, компьютерное зрение,

и обработки естественного языка, а также предлагает

интеллектуальный поиск, извлечение и анализ инфор-

￮ ABBYY FineReader – универсальное решение

компаниям интеллектуальные платформы для анализа

мации из текстов.

для работы с бумажными и PDF документами.

бизнес процессов. ABBYY основал в 1989 г. предприни-

матель Давид Ян. В 1993 компания представила первую

ЛИДЕРЫ В ИИ: Владимир Селегей, Татьяна Даниэлян

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

версию программы для распознавания текстов ABBYY

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

25% выручки компания инвестирует в R&D,

FineReader, с которой впоследствии вышла на мировой

113 патентов,

рынок. Компания разработала десятки программных

￮ ABBYY Compreno – технология анализа

решений, предназначенных для извлечения, ввода

и понимания текстов на естественном языке,

58 публикаций,

и анализа данных из различных документов, включая

выполняет полный семантико-синтаксический

500 разработчиков в ИИ.

неструктурированные, такие как договоры, контракты,

анализ текста, создает его универсальное

технические и другие документы. Сегодня междуна-

представление, извлекает сущности, события

родные офисы группы компаний ABBYY открыты в 12

и связи между ними.

Just AI

ОПИСАНИЕ: Разработчик технологий разговорно-

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

￮ Aimylogic – конструктор навыков

го искусственного интеллекта, которые применяются

распознавание и обработка речи, понимание есте-

и интеллектуальных ботов для независимых

при создании голосовых ассистентов, интеллектуаль-

ственного языка, машинное обучение и нейросетевые

разработчиков.

ных чатботов и умных обзвонов для автоматизации

алгоритмы.

￮ Aimybox – готовые наборы навыков

процессов контакт-центров, омниканального взаи-

и лицензионный контент для умных устройств.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

модействия с пользователями и других сложных биз-

￮ Детский робот Емеля – устройство на русском

нес-задач. Just AI специализируется на технологиях

￮ Just AI Conversational Platform – платформа

языке, понимающее естественную речь.

искусственного интеллекта, машинного обучения и по-

enterprise-уровня для разработки разговорных

￮

«Мир Лавкрафта» – Одно из необычных

нимания естественного языка с 2011 г. Основной до-

чатботов и ассистентов, понимающих

применений технологий компании – создание

ход – программные продукты для создания голосовых

естественный язык. Платформа сочетает богатый

игр для голосовых ассистентов. В апреле

помощников, чатботов с NLU и умных обзвонов. Среди

синтаксис для написания чатботов с помощью

2019 г. Just AI выпустила «Мир Лавкрафта»

клиентов компании – ЮниКредит банк, Совкомбанк,

языка Just AI DSL и алгоритмы machine learning

– интерактивную драму-квест для Google

МТС, HeadHunter, Папа Джонс, приложение «Кошелек»

для оперативного дообучения систем. Чатботы,

Ассистента, разработанную на базе платформы

и другие крупные бренды. Just AI является партнером

созданные в платформе, решают комплексные

Just AI Conversational Platform.

Google и Яндекс в области создания контента для голо-

задачи бизнеса: поддержка клиентов, найм

совых ассистентов.

и обучение сотрудников, оформление заказов

и продажа товаров.

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Группа ЦРТ

ОПИСАНИЕ: компания разработчик инновационных

Основные направления исследований биометрия

￮ Smart Logger II – система автоматического

систем в сфере распознавания лиц, голосовой био-

по голосу и лицу, распознавание речи, анализ больших

контроля качества и речевой аналитики

метрии, распознавания и синтеза речи, многоканаль-

данных.

обеспечивает комплексную оценку 100%

ной записи, обработки и анализа, аудио- и видеоин-

обращений клиентов и KPI контактного центра.

ЛИДЕР В ИИ: Дмитрий Дырмовский- основатель ком-

формации. Первыми заказчиками систем голосовой

￮ VoiceNavigator и ChatNavigator – системы

пании. Вице-президент Национальной ассоциации

идентификации ЦРТ, которые позволяют определить

голосового самообслуживания на основе

контактных центров. Входит в состав Экспертного сове-

личность человека даже по фрагментам его речи, были

искусственного интеллекта, автоматизируют

та по российскому ПО Минкомсвязи России.

Мексика и Эквадор в 2011 г. Сейчас решения и техно-

предоставление справочной информации

логии компании используются более чем в 70 странах.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

клиентам и обеспечивают интеллектуальную

Один из самых экзотических заказов ЦРТ выполняли

￮

«Визирь. Арена» – программно-аппаратный

маршрутизацию обращений.

для американских тюрем. Там каждому заключенному

комплекс видеоконтроля и биометрической

￮ VoiceGrid – система криминалистического

положен один звонок в неделю, и эти звонки исполь-

идентификации для спортивных объектов,

учета и биометрического поиска, позволяет

зовались в качестве валюты на местном черном рынке.

проводит распознавание лиц болельщиков и их

осуществлять биометрический поиск

Голосовая биометрия ЦРТ была применена для борь-

сравнение с картотекой «черного списка».

по фотографическому изображению лица

бы с нелегальными звонками.

￮ VoiceKey.PLATFORM – платформа мультимодальной

и голосу.

биометрической аутентификации

ПОДРАЗДЕЛЕНИЕ ИИ: «ЦРТ-инновации» – науч-

ПАРАМЕТРЫ КОМПАНИИ:

и идентификации пользователей в каналах

но-исследовательская компания передовой разработ-

дистанционного обслуживания, позволяет

1.4 млрд руб. выручка 2017 г.,

чик голосовых и бимодальных биометрических систем.

реализовать различные сценарии использования

Резидент Фонда «Сколково».

≈ 10 млрд руб. оценка компании.

биометрических технологий.

Наносемантика

ОПИСАНИЕ: компания с 2005 г. разрабатывает интел-

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

лектуальных чат-ботов, которые поддерживают диалог

обработка естественного языка, диалоговые системы,

29.6 млн руб. выручка.

с человеком на естественном языке на заданные темы

распознавание речи, синтез речи.

в текстовых и голосовых каналах. Разработка полно-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

стью ведется на собственных технологиях – язык раз-

метки диалогов, диалоговый процессор, базы знаний

￮ Чат-боты для бизнеса – виртуальные собеседники

и словарей.

способны имитировать естественную речь,

поддерживать диалог с живыми людьми

ЛИДЕР В ИИ: Анна Власова, руководитель отдела

и выступать в виде диалогового интерфейса

лингвистики в «Наносемантике». Работала в компани-

с информационными системами в текстовых

ях «Медиалингва», Rambler, «Ашманов и Партнеры»,

или голосовых каналах.

Kaspersky Lab.

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

PROMT

ОПИСАНИЕ: в 1991 г. бывшие сотрудники лаборатории

и другие. Основной доход: разработка программных

Позволяет автоматически анализировать Big Data

инженерной лингвистики Ленинградского института

продуктов в сфере автоматического перевода для кор-

на разных языках, выделять факты, упоминания

им. Герцена (ныне – РГПУ им. Герцена) объединились

поративных и частных пользователей.

персон, организаций, событий и другие

и начали создавать IT-продукты по автоматическо-

сущности, определять тональность высказываний

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

му (машинному) переводу. Они основали компанию,

и документов.

машинный перевод на основе нейронных сетей, ин-

которая получила название PROMT

(аббревиатура

￮ PROMT Cloud API – облачный интерфейс,

теллектуальный анализ неструктурированных данных.

PROject of MachineTranslation). Первый офис компании

который позволяет использовать технологию

открылся в Петербурге, позднее появились подраз-

ИССЛЕДОВАТЕЛИ В ИИ: Александр Молчанов,

онлайн-перевода PROMT в других программах

деления в Москве, Сан-Франциско (США) и Гамбурге

Федор Быков.

или на сайтах.

(Германия). В 1998г. компания запустила первый сервис

￮ PROMT Mobile SDK – Многофункциональный

бесплатного онлайн-перевода в рунете Translate.Ru.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

элемент для встраивания в мобильные

Сегодня PROMT разрабатывает решения по переводу

￮ PROMT Translation Server Developer Edition –

приложения, позволяющий использовать

для частных и корпоративных пользователей и реше-

автоматический перевод текстов, документов

технологию перевода PROMT полностью офлайн.

ния для анализа неструктурированных текстовых дан-

и веб-страниц целиком с помощью API.

ных. Клиенты PROMT – крупные российские и меж-

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

￮ PROMT Analyzer SDK – компонент

дународные компании: Lukoil, Норильский Никель,

для информационно-аналитических систем.

￮

89 млн руб. выручка.

Лаборатория Касперского, Amadeus, Spanish Dict

Brand Analytics

ИНФОРМАЦИЯ: имеет архив более

100 млрд

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

лицах в СМИ и социальных медиа, выделяет

русскоязычных сообщений и анализирует сейчас

значимые публикации и визуализирует данные

￮ BRAND ANALYTICS – лидирующая система

до 3 млрд сообщений в месяц, в том числе публи-

в виде трендов и зон риска.

анализа социальных меди по рейтингу Adindex

кации во ВКонтакте, Одноклассниках, Instagram,

2018, победитель конкурса аналитических

￮ EVENT WALL – соцмедиа-дашборд

Facebook,Twitter, Youtube, на форумах, сайтах-отзови-

систем 2017 г., организованного «Аналитическим

для мероприятий. Делает мероприятие

кам, в блогах, мессенджерах и т.д. Brand Analytics по-

центром при Правительстве РФ».

интерактивным, собирает впечатления участников

зволяет разработать коммуникационную стратегию,

￮ BA EXPRESS – система мониторинга

мероприятия и ваш собственный контент

улучшить продукты и услуги, повысить эффективность

соцмедиа и СМИ для компаний с небольшим

в соцсетях на одном динамическом экране.

маркетинга и PR, быть в курсе действий конкурентов,

объемом упоминаний и персонального

￮ EUREKA ENGINE – высокоскоростная система

снизить репутационные риски и улучшить качество

использования. В таких случаях важна работа

лингвистического анализа текстов модульного

обслуживания.

с каждым упоминанием, а не глубокий анализ

типа, позволяющая извлекать новые знания

ЛИДЕР В ИИ: Алексей Соловьев, руководитель линг-

статистических данных.

и факты из неструктурированных данных

вистической лаборатории.

огромных объемов в режиме реального времени.

￮ BRAND VISOR – дашборд для быстрого контроля

инфополя компании топ-менеджментом.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

Отслеживает сообщения о компании и её первых

поиск и извлечение информации из текста.

100

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Тинькофф

ОПИСАНИЕ: финансовая онлайн-экосистема, выстро-

ЛИДЕР В ИИ: Константин Маркелов, вице-президент,

￮ Кредитный скоринг – основа кредитного

енная вокруг потребностей клиента: экосистема дает

директор по бизнес-технологиям Тинькофф.

бизнеса Тинькофф, сочетает в себе классические

клиентам возможность анализировать и планировать

робастные скоринговые модели, так и новое

личные траты, инвестировать сбережения, получать бо-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

экспериментальное направление на основе

нусы в рамках программ лояльности, бронировать путе-

￮ Голосовой помощник Олег – первый в мире

обучения с подкреплением.

шествия, покупать билеты в кино, бронировать столики

голосовой помощник в сфере финансов

￮ Робоэдвайзинг – новое направление

в ресторанах и многое другое. Во всех коммуникациях

Тинькофф активно использует технологии искусствен-

и лайфстайл-услуг, созданный в России. Также

с использованием искусственного интеллекта

ного интеллекта и машинного обучения, более 30% об-

Олег отвечает на вопросы клиентской поддержки,

в Тинькофф Инвестициях, призванное упростить

ращений клиентов в чатах обрабатывается без участия

обрабатывая более 30% обращений, еще

процесс wealth management и оценку рисков тех

сотрудников банка. В последнее время компания начала

в 30% случаев отвечает на часть вопросов,

или иных инвестиционных решений.

предлагать наружу технологии и сервисы, которые были

в половине случаев ответы персонализированы.

￮ Голосовая биометрия – система для быстрой

сделаны первоначально для внутреннего пользования.

Используются, как нейросетевые подходы, так

идентификации клиентов по голосовому

Например, система распознавания и синтеза речи, сде-

и классические методы.

ланная первоначально для робота «Олег», теперь пред-

отпечатку в колл-центре, сокращает время

ставляется как внешний сервис для сторонних компаний.

￮ Tinkoff VoiceKit – сервис речевых технологий

идентификации клиента в несколько раз.

Тинькофф, включающий глубокие нейросетевые

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

модели для синтеза и распознавания речи,

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

обработка естественного языка, диалоговые системы,

использовались для создания голосового

3.6 млрд $ капитализация,

распознавание и синтез речи, голосовая биометрия,

помощника Олега, а с июля 2019 года доступны

скоринговые модели, робоэдвайзинг, антифрод, ком-

112.6 млрд руб. выручка.

всем желающим по SaaS модели.

пьютерное зрение.

Мивар

ИНФОРМАЦИЯ: инноватор в области интеллектуаль-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮ ТЭЛМИ – Текстовый Эмулятор Личности

ных информационных технологий и систем искусствен-

￮ КЭСМИ – конструктор экспертных систем

Миварный, уникальная семантическая

ного интеллекта. Поставщик миварной технологиче-

миварный. Инструмент для создания моделей

платформа, построенная на миварных принципах.

ской платформы и средств разработки. Компания была

знаний, с неограниченным количеством

Эффективно решает задачу смыслового анализа

основана в 2012 году разработчиками теории мивар-

связей, параметров и отношений, обладающий

текста и понимания естественного русского языка.

ного моделирования и создателями логического искус-

логическим выводом. КЭСМИ может эффективно

￮ РОБОРАЗУМ – программная платформа

ственного интеллекта нового поколения.

использоваться, как для создания программных

интеллектуализации для робототехники.

роботов (RPA) или виртуальных специалистов,

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

так и в целях построения сложных экспертных

Экспертные системы нового поколения

(логически

систем (ЭС), систем управления знаниями (СУЗ)

решающие системы, LRS), семантические технологии

или логически решающих систем (LRS, Logical

понимания естественного языка, интеллектуальное

Reasoning Systems).

распознавание образов, АСУ и системы управления

автономными интеллектуальными роботами.

101

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

RCO

ИНФОРМАЦИЯ: Компания специализируется

Медиалогия

(компания

«Медиалогия»), Дозор-Джет

профилей определять принадлежность текста

в области компьютерной лингвистики и обработки

(компания «Инфосистемы Джет»), «Консультант Плюс»

к заданному множеству категорий, получать

неструктурированной информации. Компания является

(компания «Консультант Плюс Программные техноло-

количество вхождений и позиции выбранного

поставщиком готовых программных продуктов, а также

гии»). В 2015 году Rambler & Co стала владельцем 51%

термина в тексте.

выполняет заказные разработки в части кастомизации

компании RCO. Сделка оценивается в 75 млн руб.

￮ RCO Досье – Информационно- аналитическая

своих решений и их интеграции с программным

система «Система ведения досье» (ИАС

ЛИДЕРЫ В ИИ: Ермаков А.Е., Киселев С.Л.

обеспечением других вендоров. Является частью

СВД) – программа, предназначенная

Rambler&Co. Компания RCO начала свою деятель-

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

для автоматизированного сбора информации

ность в 1996 году с создания информационной системы

поиск и извлечение информации из текста.

из различных источников, содержащих сведения

«Парк» и интернет/интра нет версии справочно-пра-

о юридических лицах, в структурированную базу

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

вовой системы «Гарант», а также разработки систем

данных фактографической информации.

полнотекстового контекстного поиска в базах данных

￮ RCO Fact Extractor SDK – инструмент

￮ RCO Zoom – специализированная поисковая

Oracle и MS SQL. С 2000 года коллектив RCO начал

компьютерного анализа текстовой информации.

система, сочетающая функционал традиционных

разработку продуктов и технологий поиска и анализа

￮ Пакет предназначен для разработчиков

поисковых систем и анализа информации.

неструктурированной текстовой информации, а так-

информационно-аналитических и поисковых

же компьютерной лингвистики, использованных в та-

систем.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

ких программных продуктах как ClaraBridge (компании

￮ RCO Text Categorization Engine – Библиотека

89 млн руб. выручка.

«ClaraView»,

«VDI-EPAM»), X-Files, Аналитический ку-

для разработчика информационно поисковых

рьер

(компании

«Ай-Теко»,

«Белый ветер»), КРИТ,

систем, позволяющая на основании лексических

АСМ Решения

ИНФОРМАЦИЯ: ИТ-компания, основана в 2015 году,

ЛИДЕР В ИИ: Марина Настасенко

￮ Чат-бот – голосовой интерфейс и классификация

разработчикинновационных технологий в сферах:

обращений для чат-помощника.

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

автоматической обработки и анализа речевых

￮ Голосовая аналитика – инструменты анализа

распознавание речи, NLP, голосовые помощники,

данных; распознавания речи

(более

35 языков);

ситуации в голосовом канале контакт-центра.

голосовая биометрия.

голосовой биометрии; синтеза речи; классификации

данных на основе методов машинного обучения.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

За последние 3 года «АСМ Решения» расширила опыт

￮ Онлайн классификация и пост классификация

67 млн руб. выручка.

внедрения и использования речевых технологий

обращений – автоматическое определение

в совместных проектах с компаниями: Почта России,

причин обращений и выявление горячих тем,

ЦИАН, SKYENG, Речевая Аналитика, Передовые

тегирование вызовов.

Системы, Алексэн, Фонемика и другие.

102

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Медиалогия

ИНФОРМАЦИЯ: Разработчик автоматической систе-

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

￮ СМ Инцидент – отработка негатива в соцмедиа,

мы мониторинга и анализа СМИ и соцмедиа в режи-

поиск и извлечение информации, автоматическое

реагирование на значимые упоминания, контроль

ме реального времени. Компания «Медиалогия» поя-

определение тональности, семантические анализ.

скорости и качества коммуникаций.

вилась как эксперимент сотрудников ИТ-холдинга IBS.

￮ Анализ цитируемости для медиа – «Медиалогия»

Для своей консалтинговой практики им потребовалась

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

автоматически анализирует цитируемость каждого

система поиска и анализа информации. Инструмент

￮ Мониторинг и анализ СМИ для PR –

сообщения и оценивает источник по Индексу

оказался настолько удачным, что вскоре его начали ис-

«Медиалогия» предоставляет онлайн доступ

Цитируемости (ИЦ).

пользовать не только внутри ИT-холдинга, но и для сто-

к базе СМИ с возможностью производить

ронних клиентов. Так, в 2003 г. появилась независимая

самостоятельный мониторинг СМИ и экспресс-

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

компания «Медиалогия». Ежедневно компания отраба-

анализ полученных сообщений

735 млн руб. выручка.

тывает 100 млн сообщений из 52 тыс. источников.

￮

«Медиалогия» для SMM – автоматическая

система мониторинга, анализа и реагирования

ЛИДЕРЫ В ИИ: Василий Кирюхин, Олег Хадарцев.

в соцмедиа.

Kribrum

ИСТОЧНИК: компания, основанная в 2010 году, ана-

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

определяет эмоциональную окраску

лизирует новостной поток Интернета и посты в соци-

поиск и извлечение информации, автоматическое

высказываний и распределяет публикации

альных сетях. Крибрум выкачивает и анализирует 14

определение тональности, семантические анализ.

по тегам и категориям.

миллионов твитов в день в русскоязычном сегменте

￮ Один из проектов компании – регулярное

ЛИДЕРЫ В ИИ: Алексей Вознюк, Александр Ермаков.

Twitter, 300 тысяч сообщений в ЖЖ, весь «Вконтакте»

исследование «рейтинг травли медиаперсон»,

(17 миллионов записей в день), частично Facebook (6

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

составленный на основе мониторинга онлайн-

миллионов записей в день), 120 тысяч независимых

ресурсов. В данном рейтинге анализируются

￮ Система мониторинга и анализа социальных

блогов и форумов, 19 тысяч СМИ (300 тысяч статей

негативные упоминания различных публичных

медиа Крибрум – собирает упоминания

и заметок в день) и полтора миллиона ежедневных за-

персон в социальных сетях.

объекта (компания, персона, продукт компании)

писей в сервисе Instagram. Время отработки информа-

из русскоязычных ресурсов Интернета:

ционного потока -несколько часов.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

социальных сетей, онлайн-СМИ, блогов,

тематических и региональных форумов и других

82 млн руб. выручка.

ресурсов. После этого система автоматически

103

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

МТС

ИНФОРМАЦИЯ:

крупнейший

российский

поддержку и оптимизирующих деятельность подразде-

«Мой МТС». На сегодняшний день восемь

телекоммуникационный оператор и провайдер циф-

лений внутри компании.

из десяти клиентских запросов обрабатываются

ровых услуг. Компания предоставляет в том числе

без привлечения специалистов поддержки.

финансовые услуги, сервисы электронной коммер-

ПОДРАЗДЕЛЕНИЯ ИИ: Центра AI МТС

В июне 2019 г. МТС представила решение

ции, облачные услуги, телемедицинский сервис, про-

для внешнего рынка – разработку чат-бота,

ЛИДЕРЫ В ИИ: Аркадий Сандлер, руководитель Цен-

дукты для киберспорта и ИТ-решения в других обла-

адаптирующуюся под необходимый конкретной

тра AI МТС, Никита Семенов

стях. В 2017 г. МТС создала отдельное подразделение

компании пул задач.

для внедрения решений на базе ИИ – Центр AI. Компа-

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

ния недавно начала работу с технологиями ИИ, но уже

диалоговые системы и чат-боты

сформировала мощное подразделение, отмечаемое

476 млрд руб. капитализация

многими участниками рынка, несмотря на то что пока

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

480 млрд руб. выручка.

большинство технологий используется для внутренне-

￮ чат-бот – в 2018 г. МТС запустила умного бота

го применения. Фокус исследований в сфере речевых

клиентской поддержки в личных кабинетах

технологий направлен на создание виртуальных по-

пользователей на сайте компании, сейчас бот

мощников и чат-ботов, осуществляющих клиентскую

консультирует клиентов также в приложении

Naumen

ИНФОРМАЦИЯ: российский вендор ПО и облачных

ЛИДЕР В ИИ: Кириченко Игорь Викторович, CEO, член

языке. С помощью специальных интерфейсов

сервисов, технологический партнер в цифровой транс-

совета директоров.

заказчик может самостоятельно обучать

формации для компаний и органов власти. NAUMEN

ОСНОВНЫЕ НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ:

и тестировать робота, а также оценивать качество

предлагает решения в области управления цифро-

машинное обучение, обработка естественного языка,

его работы.

вой инфраструктурой, клиентскими коммуникациями

предиктивная аналитика.

￮ Naumen Service Management Intelligent

и сервисом. В портфеле компании – широкий спектр

Automation (SMIA) – позволяет комплексно

продуктов и решений для управления инновациями

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

интеллектуализировать сервисную деятельность

и R&D, управления закупками, поддержки принятия ре-

￮ Naumen KnowledgeCat – интеллектуальная

предприятий, автоматизировано решать

шений и трансфера знаний, реализации сквозных биз-

система, объединяющая в себе функции умного

проблемы и давать рекомендации специалистам

нес-процессов на основе AI-технологий, прогнозной

поиска в больших массивах информации,

сервисных служб и конечным пользователям,

аналитики и обработки больших данных. Виртуальные

управления знаниями и формирования карт

снижая стоимость поддержки систем и устраняя

сотрудники и ассистенты, разработанные компанией,

компетенций. Предлагает точные и развернутые

неэффективность процессов при ручной

ежедневно выполняют миллионы задач. Компания

ответы на сложные вопросы, связанные

обработке данных.

обладает экспертизой в сфере анализа произвольных

с производственными процессами, оказанием

данных: расчет эксплуатационных параметров и про-

услуг и прикладными исследованиями.

ПОКАЗАТЕЛИ КОМПАНИИ 2018 Г.:

гнозирования поломок информационно-технологиче-

651 млн руб. выручка.

ского и производственного оборудования, построения

￮ Naumen Erudite – позволяет создавать роботов,

предиктивных и статистических моделей.

которые общаются с человеком на естественном

104

105

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Кто в России занимается технологиями искусственного

интеллекта и машинного обучения

Таблица 7 – Услуги компаний в сфере искусственного интеллекта и машинного обучения [29].

Компания

Услуги

Компания

Услуги

￮

Разработка собственных ИИ-решений

￮

Линейка собственных программных продуктов для автоматизации

Аплана ГК

коммуникаций и онлайн-рекламы с помощью технологий

￮

Интеграция собственных и партнерских ИИ-решений

машинного и глубинного обучения. Консалтинг в сфере технологий

￮

Научно-исследовательские работы по изучению

обработки больших данных, машинного обучения, нейронных сетей,

возможностей применения алгоритмов машинного обучения

предиктивной аналитики и автоматизации маркетинга. Реализация

для автоматизации бизнес-процессов

проектов для телеком, ритейл, e-commerce, финансовых отраслей

￮

Разработка и внедрение модулей машинного обучения

и рекламной индустрии (AdTech и RTB). (CleverData, входит в состав ГК

Диджитал

в информационные системы заказчиков

«Ланит»)

Дизайн

￮

Заказная разработка с нуля решений с применением интеллектуальных

￮

Анализ и визуализация данных. («Норбит», входит в состав ГК «Ланит»)

алгоритмов

￮

Прогнозирование продаж. («Норбит», входит в состав ГК «Ланит»)

￮

Интеграция платформ анализа баз данных, внедрение существующих

Ланит

￮

Сегментирование клиентской базы для проведения более эффективных

решений

маркетинговых кампаний. («Норбит», входит в состав ГК «Ланит»)

￮

Консалтинг и разработка стратегий в области AI/ML.

￮

Оценка и прогнозирование лояльности и выполнений целевого

Инфосистемы

￮

Внедрение методологий работы с конвейером экономически

действия клиентами. («Норбит», входит в состав ГК «Ланит»)

Джет

эффективных и окупающихся AI/ML-проектов.

￮

Создание цифрового профиля клиента. («Норбит», входит в состав ГК

￮

Заказная разработка AI/ML-решений.

«Ланит»)

￮

Заказная разработка по двум основным направлениям (Системы

￮

Мониторинг ИТ-инфраструктуры на базе машинного обучения

компьютерного зрения, входит в состав ГК «Ланит»): машинное

￮

Аналитика поведения пользователей с использованием машинного

обучение в сфере компьютерного зрения, машинное обучение в сфере

обучения

анализа больших объемов данных

￮

Интеллектуальная видеоаналитика в ритейле

￮

Экспертные системы нового поколения (логически решающие системы,

￮

Интеллектуальная видеоаналитика для контроля посетителей и прохода

LRS)

сотрудников

Мивар

￮

Семантические технологии понимания естественного языка

￮

Интеллектуальная видеоаналитика для маркетинга

￮

Интеллектуальное распознавание образов

Крок

￮

Корпоративные интеллектуальные помощники (чат-боты + RPA)

￮

АСУ и системы управления автономными интеллектуальными роботами

￮

Предиктивная и прогнозная аналитика

￮

Выполнение НИОКР и пилотирования проектов в области применения

￮

Оптимизационные модели для производства и логистики

технологий машинного обучения для решения задач клиента –

￮

Исследование данных и постановка задачи

от прогнозирования до генерации рекомендаций и оптимального

￮

Natural language processing

Цифра

управления в промышленности

￮

Компьютерное зрение, распознавание движений и паттернов

￮

Построение корпоративных хранилищ и озер данных (Data Lake)

поведения

￮

Консалтинг по цифровой трансформации бизнеса и монетизации

￮

Глубокое машинное обучение

данных производственных компаний

106

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Компания

Услуги

Компания

Услуги

￮

Разработка ПО. Технологии искусственного интеллекта Abbyy позволяют

￮

Предиктивная аналитика сбоев и ремонтов производственного

бизнесу и государственным организациям извлекать данные из любых

Abbyy

видов документов (структурированных и неструктурированных), вводить

оборудования и ИТ-инфраструктуры (Naumen DAP)

информацию в корпоративные системы, анализировать данные,

￮

Предсказательная аналитика качества выходной продукции

осуществлять поиск по всем внутренним источникам компании и т.д.

и оптимизация расхода сырья (Naumen DAP)

￮

Аналитические инструменты для выявления повторяемых событий,

￮

Разработка собственных решений на основе искусственного интеллекта

массовых проблем, наполнения баз знаний (Naumen SMIA)

￮

Внедрение и консалтинг с точки зрения автоматизации рутинных

￮

Совместная работа (текстовый редактор, сравнение версий,

Directum

операций с помощью ИИ, цифровизации контента и бизнес-процессов

согласование, коммуникации). (Naumen LegalTech)

￮

Интеграция собственных интеллектуальных решений в ИТ-

￮

Предиктивное планирование расписаний линейного персонала

инфраструктуру заказчика

(Naumen WFM)

IVA

￮

Построение семантических поисковых сред для больших текстовых

￮

Разработка систем видеоаналитики, распознавания лиц, образов,

Cognitive

и цифровых данных

звуков.

(ГК ХайТэк)

￮

Использование накопленных корпоративных знаний (семантический

поиск, персональные рекомендации, кросс-язычность). (Naumen

￮

Замена сотрудников на автономные ИИ-алгоритмы

Knowledge Cat)

￮

Авто-классификация тематик обращений с последующей

￮

Извлечение «смысла» из документов (содержательный анализ,

интеллектуальной маршрутизацией (Naumen SMIA, Naumen Intelligent

установление связей, выделение сущностей, хранилища данных).

Assistant)

(Naumen LegalTech)

￮

Диалоговый робот (голос и текст) центров клиентской поддержки

￮

Веб-портал персонализированного самообслуживания с умной строкой

и диспетчерской в ОЦО (Naumen Erudite)

поиска (Naumen SMIA)

￮

Виртуальный чат-консультант на сайте и в мобильном приложении

(Naumen Erudite)

￮

Поставка программного обеспечения

￮

Робот-коллектор дебиторской задолженности для B2C (Naumen Erudite)

SAP CIS (САП

￮

Исследования по эффективности использования машинного обучения.

￮

Роботы-специалисты, например, по приему заказов такси,

СНГ)

￮

Услуги по внедрению проектов с использованием машинного обучения

анкетированию клиентов, приему показателей счетчиков ЖКХ,

Naumen

в бизнес-процессах компаний

предоставлению любых консультаций и информированию (Naumen

￮

Распознавание текстовой информации в видеопотоке

Erudite)

и на изображениях

￮

Оснащение сотрудников инструментами дополненного интеллекта

для повышение производительности труда и качества работ

￮

Мобильные и серверные решения в области обработки изображений

и распознавания документов

￮

Законотворчество и корпоративное нормотворчество (Naumen

Smart Engines

￮

Подготовка электронных образов документов для компактного хранения

LegalTech)

￮

Классификация структурированных и неструктурированных документов

￮

Управление экспертной деятельностью с поддержкой принятия решений

с обработкой больших текстовых данных (Naumen Smart Expertise)

￮

Машинное обучение

￮

Управление кадровым потенциалом (профили компетенций,

￮

Алгоритмическая оптимизация

формирование проектных групп, адаптация и трансферт знаний).

(Naumen Knowledge Cat)

VisionLabs

￮

Разработка и внедрение системы распознавания лиц

107

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Собственные решения компаний в области искусственного

интеллекта

Таблица 8 – Собственные решения компаний в области искусственного интеллекта [29].

Компания

Собственные решения в сфере ИИ и МО

Компания

Собственные решения в сфере ИИ и МО

￮

Preferentum – платформа анализа неструктурированной информации

￮

Мониторинг ИТ-инфраструктуры на базе машинного обучения (User

с использованием технологий искусственного интеллекта

and Entity Behavior Analytics, UEBA)

и машинного обучения

Крок

Аплана ГК

￮

Аналитика поведения пользователей с использованием машинного

￮

Robin – платформа для роботизации бизнес-процессов и создания

обучения

интеллектуальных чат-ботов (RPA)

￮

Обработка геофизических данных, полученных в результате каротажа

￮

1DMP Data Marketing Platform – решение для автоматизации

коммуникаций и онлайн-рекламы с помощью технологий машинного

￮

Система оптимального размещения площадных и линейных объектов

Ланит

обучения и больших данных. (CleverData, входит в состав ГК «Ланит»)

￮

Анализ текстов и интеллектуальная обработка документов в системе

￮

Интеграция ML-сервисов в CRM-системы клиентов. («Норбит», входит

электронного документооборота СДУ «Приоритет»: автозаполнение

в состав ГК «Ланит»)

Диджитал

атрибутов документов на основе анализа текста, автоформирование

Дизайн

маршрута согласования документов, автовыбор исполнителя,

выявление ссылок на другие документы в тексте, интеллектуальный

￮

Wi!Mi (КЭСМИ) – Конструктор Экспертных Систем Миварный

поиск и др.

Мивар

￮

Tel!Mi (ТЭЛМИ) – Текстовый Эмулятор Личности Миварный

￮

Поиск аномалий в договорах

￮

ROBO!RAZUM (РОБО!РАЗУМ) – программная платформа

￮

Интеллектуальный анализ юридического досье контрагента

интеллектуализации для робототехники

￮

Jet Galatea – платформа для работы с потоками данных и моделями

машинного обучения для анализа событий в реальном времени

￮

Zyfra Eye – Продукт для распознавание панелей приборов

￮

Jet Detective – универсальное решение по противодействию

производственного оборудования с помощью CV и Deep Learning

мошенничеству на базе технологий машинного обучения

и искусственного интеллекта

￮

Zyfra CV – Решение для распознавания и подсчет промышленных

объектов и персонала с помощью CV и Deep Learning

￮

Jet Capacity – решение для прогнозирования требований к ИТ-

мощностям в зависимости от бизнес-показателей

￮

Zyfra vSensor – Решение для косвенного определения качественных

Инфосистемы

показателей продуктов химического производства

Цифра

Джет

￮

Jet Smart Building – Industrial IoT-решение с AI составляющей

для управления инженерными системами розничных магазинов

￮

AI Heat Treatment – Решение для оптимизации процесса

и точек продаж

термообработки труб

￮

Jet Signal – решение с AI составляющей для управления

￮

AI Smelting – Решение для сквозной оптимизации процесса

инцидентами информационной безопасности: упрощает работу ИБ-

выплавки стали в электросталеплавильном цеху

службы, упорядочивает процессы и экономит время

￮

Роботизированная погрузочно-транспортная

￮

Jet Pluton – система обнаружения сетевых атак и выявления угроз

система «Интеллектуальный карьер»

на основе сигнатурных методов и технологий AI / ML

108

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Компания

Собственные решения в сфере ИИ и МО

Компания

Собственные решения в сфере ИИ и МО

￮

ABBYY FlexiCapture – универсальная платформа для интеллектуальной

￮

Naumen Semantic Responder – универсальные диалоговые

обработки информации с технологиями машинного обучения

интерфейсы для корпоративных информационных систем

￮

ABBYY Intelligent Search – интеллектуальное решение для быстрого

￮

Naumen Erudite – AI-платформа для создания голосовых и текстовых

поиска данных и документов в любых корпоративных источниках

роботов для дистанционного массового обслуживания

Abbyy

￮

ABBYY InfoExtractor – решение, которое с высокой точностью

￮

Naumen Contact Center – коммуникационная платформа

извлекает важную для бизнеса информацию из массивов данных

для автоматизации массового дистанционного обслуживания

￮

ABBYY Smart Classifier – инструмент для классификации документов,

Naumen

￮

Naumen Workforce Management – обеспечивает непрерывность

который позволяет организациям автоматически распределять поток

и преемственность процесса управления трудовыми ресурсами

входящих документов, моментально находить или архивировать

от прогнозирования нагрузки до формирования отчетности

информацию в корпоративных системах

по использованию рабочего времени

DIRECTUM Ario – набор интеллектуальных инструментов, использующих

￮

Центр компетенций по интеллектуальной автоматизации

алгоритмы машинного обучения для избавления от рутинных операций

￮

Совместный с НИТУ «МИСиС» Центр исследований в сфере Data

в ECM-системе:

Science

–

обработки потока документов и их классификации,

Directum

–

извлечения значимых данных,

–

автоматической регистрации и маршрутизации,

￮

Инструменты для бизнеса аналитиков: SAP Analytics Cloud с

–

поиска информации и др.

функциями умного прогноза и автоматического поиска

инсайтов; SAP Predictive Analytics для быстрого построения моделей

прогнозирования, классификации, анализа взаимосвязей и др.

￮

Видеоаналитика

SAP CIS (САП

￮

Инструменты Data Ops для реализации интеллектуализации бизнес-

IVA

￮

Распознавание лиц

СНГ)

Cognitive

процессов: линейка продуктов SAP Leonardo, SAP HANA, SAP Data

(ГК ХайТэк)

￮

Распознавание образов

Hub

￮

Распознание звуков

￮

Элементы AI и ML, встроенные в цифровое ядро SAP: SAP

S/4HANA, SAP C/4HANA, SAP SuccessFactors, SAP Ariba

￮

Naumen Knowledge Cat – система управления знаниями,

компетенциями и информационными потоками. Клиенты: крупные

￮

Smart IDReader – система искусственного интеллекта

и средние компании (в частности, HR-службы)

Smart Engines

для распознавания документов

￮

Naumen LegalTech – система интеллектуальной обработки

юридически значимых документов. Клиенты: гос.органы, крупные

и средние компании (юридические службы, нормотворчество,

корпоративное управление)

￮

Платформа Luna для анализа фото- и видеоданных с изображением

Naumen

VisionLabs

лиц людей для последующего сравнения с базами данных

￮

Naumen Service Management Intelligent Automation (SMIA) – набор

инструментов для автоматизации управления ИТ и сервисными

службами на основе технологий больших данных и машинного

обучения, позволяет автоматизировано решать проблемы и давать

рекомендации специалистам сервисных служб и конечным

пользователям, снижая стоимость поддержки систем и устраняя

неэффективность процессов при ручной обработке данных

109

КЛЮЧЕВЫЕ КОМПАНИИ В РОССИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Российские компании и государственные органы, в которых

применяются технологии искусственного интеллекта

Таблица 9 – Российские компании и государственные органы, в которых применяются технологии искусственного интеллекта [29].

Компания-

Потребитель, описание продукта

разработчик

￮

МВД РФ – разработка и внедрение системы правового мониторинга (АИС

￮

Оптимизация электропотребления при работе сети чиллеров «Филип Моррис

«Мониторинг») и системы правовой экспертизы (АИС «Мониторинг-М»)

Ижора»

на базе платформы Preferentum

￮

Разработка аналитической системы с использованием машинного обучения

Цифра

￮

Актион-МЦФЭР – создание облачного онлайн-сервиса интеллектальной

для цеха производства хлорметанов

Аплана ГК

обработки и анализа договоров на базе платформы Preferentum

￮

«Газпром нефть» и компания «Цифра» заключили соглашение

￮

Первая грузовая компания – разработка программного робота «Анализ

о сотрудничестве при реализации проекта «Цифровой завод»

задержек подвижного состава» на базе платформы Robin

￮

Банк ВТБ автоматизировал открытие счета для юридических лиц с помощью

￮

Почта России – программный робот «Автосверка» для анализа финансовых

технологий искусственного интеллекта Abbyy

данных на базе платформы Robin

￮

Банк «Точка» автоматизировал обработку обращений в клиентскую поддержку

￮

Правительство Мурманской области применит машинное обучение

с помощью ИИ

Abbyy

в документооборот

￮

МОЭК объединила бухгалтерский учет и финансовый контроль

￮

Правительство Ивановской области исследует возможности применения

на универсальной платформе с элементами ИИ

Диджитал

алгоритмов машинного обучения в СЭД

￮

НПО «Энергомаш» внедряет поиск на базе ИИ Abbyy, который объединит в об-

Дизайн

￮

Оцифровка каротажных диаграмм

щую систему миллионы документов из 9 корпоративных источников данных

￮

Машинное обучение поможет существенно сократить бюджет на обустройство

￮

Автоматическая классификация и распознавание документов с помощью

нефтегазового промысла

Directum

DIRECTUM Ario в «ОДК-Авиадвигатель»

￮

Система предсказания поведения покупателей для «Рив Гош»

￮

Интеллектуальная обработка входящих писем в «ОДК»

Инфосистемы

￮

Система контроля транспорта для «Контрол Лизинг»

Джет

￮

Голосовые роботы по приему показаний счетчиков для ИнтерРАО

￮

Система товарных рекомендаций для сети аптек «Век Живи»

￮

Голосовой-робот классификатор и роботизированный сервис «Где моя

Naumen

￮

Умное видеонаблюдение в Сахалинской области

посылка?» для Почты России

￮

Управляемый сервис «Крок» на базе технологии компьютерного зрения (Metro

￮

Проект в области машинного обучения для НТЦ «Газпромнефть»

Крок

Cash and Carry)

￮

Программа лояльности «Моя Виктория»

￮

Чат-бот «Крок»

SAP CIS (САП

￮

Проект по прогнозированию прогара фурм на НЛМК

￮

Оптимизация коммуникаций с клиентами интернет-магазинов товаров

СНГ)

￮

Разбор банковской выписки для НЛМК

с помощью технологий машинного обучения. (CleverData, входит в состав ГК

￮

Наиболее крупные проекты SAP в области AI не публичны

«Ланит»)

￮

«Почта Банк» автоматизировал распознавание паспортных данных

￮

Рекомендательная система для сервиса бронирования билетов

с использованием нейронных сетей для определения интересов потребителей

￮

Тинькофф Банк (распознавание паспорта РФ, водительских удостоверений,

и направления. (CleverData, входит в состав ГК «Ланит»)

банковских карт и других документов в мобильном банке, корпоративных

Smart Engines

Ланит

мобильных приложениях и интернет-сервисах)

￮

Разработка аналитических моделей на основе данных о потребителях для опре-

деления вероятности отклика и оттока. (CleverData, входит в состав ГК «Ланит»)

￮

Альфа-Банк (распознавание паспорта РФ в корпоративных мобильных

приложениях)

￮

Разработка алгоритмов ADAS (Система помощи водителю)

￮

Амурский тигр – решение по сличению и идентификации тигров по рисунку

￮

Разработка Единой биометрической системы

шкуры

￮

Разработка и внедрение системы распознавания лиц и контроля доступа

￮

Выделение сердца и его клапанов по снимкам УЗИ

VisionLabs

в отделениях Сбербанка

￮

Разработка и внедрение системы распознавания лиц в сети кафе Папа

Мивар

￮

Внедрение интеллектуального чат-бота в Альфа-Банке

Джонс и Медиакафе для оплаты заказа с помощью селфи

110

КЛЮЧЕВЫЕ

МИРОВЫЕ

УНИВЕРСИТЕТЫ

В ОБЛАСТИ ТЕХНОЛОГИЙ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

111

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Carnegie Mellon University (США)

ОПИСАНИЕ: частный университет и исследова-

￮ Прадип Равикумар – доцент, лидер группы

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

тельский центр, расположенный в Питтсбурге, (штат

статистического машинного обучения, лауреат

￮ Полутораметровая робот-змея – разработанная

Пенсильвания, США). Изучение ИИ является одной

стипендии Sloan, премии CAREER национального

в лаборатории Биороботов университета

из наиболее междисциплинарных областей в Carnegie

научного фонда и стипендии Siebel.

Карнеги-Меллон в 2017 г., была применена

Mellon University с участием преподавателей и студен-

для поиска пострадавших под завалами Мехико

￮ Грэм Нойбиг – профессор института языковых

после землетрясения.

тов на факультетах компьютерных наук, статистики,

технологий CMU, основатель NEULAB,

электротехники и вычислительной техники, а также

разработчик DyNet neural network toolkit.

￮ Libratus – робот, автоматически принимающий

Тепперской школа бизнеса.

решения, благодаря алгоритмам, основанным

￮ Мартеал Хеберт – директор института

на теории игр. В 2017 г. выиграл суммарно $1.8

ОБЛАСТИ ИССЛЕДОВАНИЯ: междисциплинарные

робототехники CMU, член редколлегий IEEE

млн у лучших мировых игроков в покер. Позже

исследования в области ИИ.

Transactions on Robotics and Automation, IEEE

робот был использован для решения задач

Transactions on Pattern Analysis и Machine

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

вооруженных сил США.

Intelligence, and the International Journal of

￮ Абхинав Гупта – Доцент института робототехники

Computer Vision.

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

CMU, исследователь Facebook AI Research,

2 970 публикаций в области ИИ,

лауреат многочисленных премий.

2 077 исследователей.

Cornell University

ОПИСАНИЕ: один из крупнейших и известнейших

￮ Клэр Карди – член ассоциации компьютерной

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

университетов США, входит в Лигу плюща, находится

лингвистики, лауреат премии национального

￮ Stork «аист» – алгоритм ИИ, разработанный

в Итаке, штат Нью-Йорк. В университете ведутся иссле-

научного фонда CAREER, член совета AAAI,

в 2019 г., используется для отбора наиболее

дования по ИИ с 1990-х г.

член редколлегии Machine Learning journal

жизнеспособных эмбрионов при ЭКО.

и Computational Linguistics.

ОБЛАСТИ ИССЛЕДОВАНИЯ: по всем направлениям

￮ Conservation Metrics – в 2018 г. совместно

ИИ.

￮ Йоав Артзи – группа обработки естественного

со стартапом создали алгоритм, способный

языка, лауреат премий NSF CAREER award, EMNLP

определять опасность, грозящую популяции

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

2015, ACL 2017 и NAACL 2018.

африканских лесных слонов, и давать

￮ Серж Белонги – профессор факультета

￮ Джон Кляйнберг – именной университетский

возможность оперативно ее ликвидировать.

компьютерных наук, глава группы компьютерного

профессор (Tisch University Professor),

зрения, имеет свыше 44000 цитирований

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

лауреат многочисленных научных премий,

на google scholar. В 2004 г. вошел в список

член Национальных Академии наук (2011)

2 970 публикации в области ИИ,

инноваторов до 35 лет, в 2007 г. получил

и Инженерной академии (2008) США. Член

2 077 исследователей.

почетную премию Марра за доклад

Американской академии искусств и наук (2007),

по компьютерному зрению, в 2015 г. стал

и Ассоциации вычислительной техники (2013).

лауреатом Премии Гельмгольца ICCV.

112

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Tsinghua University

ОПИСАНИЕ: один из ведущих университетов КНР, был

информационных наук и технологий и заместитель

платформу Aminer, охватывающую более 200 млн

основан в 1911 г. Входит в состав девяти элитных вузов

директора Центра больших данных Цинхуа. Ранее

научных статей.

Китая «Лига С9», расположен в Пекине. Лидирует среди

работал в Microsoft Research Asia, Intel Research

￮ Megvii – платформа для обнаружения,

мировых университетов в сфере ИИ. Ведет совместные

China, Bell Labs. Научный сотрудник AAAS, IEEE,

распознавания и анализа лиц для веб-сайтов,

разработки с Baidu Research Institute.

SPIE и член Европейской академии.

мобильных приложений и интеллектуальных

￮ Дживен Лу, Вэй Чжан, Ши-Минь Ху, Бин Лю.

телевизоров. В 2011 г. 3 студента Yin Qi Tang

ОБЛАСТИ ИССЛЕДОВАНИЯ: все направления ИИ.

Wenbin и Yang Mu основали ИИ-стартап. В 2019 г.

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

стартап был оценен в $4 млрд.

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

￮

21 января 2019 г. опубликовал открытую

￮ Джун Чжу – профессор, со-основатель TSAIL

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

платформу для обработки знаний с целью

Group. Ранее – научный сотрудник Стэнфордского

продвижения фундаментальных исследований

7653 публикации в области ИИ,

Университета, Университета Карнеги-Меллон

в области ИИ. Платформа включает в себя

5539 исследователей.

и Института окружающей среды Вудса. Научные

граф языковых знаний HowNet на китайском

интересы: байесовские методы, глубинное

и английском языках, веб-энциклопедический

обучение, обучение с подкреплением.

граф знаний XLORE, основанный на Википедии,

￮ Вену Чжу – профессор, заместитель директора

и его китайского коллегу Байду Байке, а также

Национального исследовательского центра

научно-техническую информационную сервисную

Zhejiang University

ОПИСАНИЕ: один из старейших и престижнейших

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

китайских государственных университетов. Сейчас

￮ Лин Ланфен – профессор, Заместитель директора

￮ В 2017 г. совместно с Alibaba Group создали

в университете

14 государственных лабораторий

Института искусственного интеллекта.

новую исследовательскую лабораторию ИИ.

национального уровня, 5 государственных инженерных

Лаборатория сосредоточилась на исследованиях

￮ Вэй Вэйдун – профессор. Направление

исследовательских центров, около 40 тыс. студентов и

в пяти основных областях, связанных с большими

исследований: компьютерные прикладные

около 9 тыс. человек профессорско-преподавательско-

данными и облачными вычислениями, а именно:

технологии, компьютерное зрение, естественное

го состава и вспомогательного персонала.

сетевые вычисления, ИИ, информационная

взаимодействие человека с компьютером,

безопасность, без барьерного восприятия,

ОБЛАСТИ ИССЛЕДОВАНИЯ: компьютерное зрение,

глубокое обучение.

интеллектуальное производство и робототехника.

естественное взаимодействие человека с компьюте-

￮ Пан Юньхэ – профессор, Направление

ром, глубокое обучение, когнитивные науки и модели-

исследований: ИИ, компьютерная графика,

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

рование визуализированного мышления.

промышленный дизайн, умный город.

4 850 публикации в области ИИ,

4 247 исследователей.

113

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Peking University

ОПИСАНИЕ: крупнейший университет Китая, один

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

￮ Сяоцзюнь Ван – декан факультета компьютерных

из старейших вузов страны, расположен на северо-

наук Университета Цинхуа.

￮ Руи Ян – доцент Института компьютерных наук

западе Пекина. Его структура включает в себя 30

и технологий (ICST) Пекинского университета.

колледжей и 12 факультетов. В планах университета

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

Основное направление научных интересов –

на ближайшее десятилетие – занять одно из ведущих

￮ В 2017 г. разработали алгоритм, который позволил

обработка естественного языка.

мест среди лучших университетов планеты. Универси-

проанализировать возможности современных

￮ Сюй Сунь – доцент Института компьютерной

тет получил в 2018 г. 660 млн юаней от Baidu на раз-

систем искусственного интеллекта (ИИ). Самый

лингвистики факультета компьютерных наук

витие ИИ.

высокий результат показал Google, чей IQ

Пекинского университета.

оказался немного ниже уровня шестилетнего

ОБЛАСТИ ИССЛЕДОВАНИЯ: все направления ИИ,

￮ Яньсонг Фэн – доцент Института компьютерных

ребенка.

с фокусом на задачи обработки естественного языка.

наук и технологий (ICST) Пекинского университета.

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

￮ Дунъянь Чжао – доцент факультета компьютерных

наук Университета Цинхуа.

3 388 публикации в области ИИ,

2 787 исследователей.

Beihang University

ОПИСАНИЕ: Пекинский университет авиации

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

и космонавтики, один из сильнейших технических уни-

￮ Юнхонг Ван – директор Института

￮ В 2017 г. Baidu Inc. и Университет Бейхан

верситетов в Китае и имеет большое влияние на ави-

интеллектуальной обработки информации;

организовали первый в Китае курс обучения

ационную и космическую промышленность страны.

директор лаборатории интеллектуального

искусственному интеллекту в институте

В настоящий момент университет состоит из 17 школ

распознавания и обработки изображений.

преподавателей программного обеспечения.

и 6 факультетов. В университете преподают более 3300

￮ Ди Хуан – доцент лаборатории

Модули, изучаемые по программе, включают

специалистов, из которых 10 – члены Китайской Акаде-

интеллектуального распознавания и обработки

глубокое обучение, визуальное восприятие,

мии Наук, более 1 400 профессоров, 290 профессоров

изображений.

робототехнику, когнитивные науки, беспилотные

аспирантуры. Всего в университете проходят обучение

системы и многое другое.

￮ Ли Бо – профессор и научный руководитель

более 26 000 студентов.

Школы компьютерных наук и инженерии

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

ОБЛАСТИ ИССЛЕДОВАНИЯ: компьютерное зрение,

Университета.

взаимодействие человека с компьютером и виртуаль-

5 710 публикаций в области ИИ,

ная / дополненная реальность (VR / AR).

4 887 исследователей.

114

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

MIT

ОПИСАНИЕ: Массачусетский технологический

(LIGO), благодаря которому в 2018 г. были

автоматически определять при помощи

институт

– университет и исследовательский центр,

зарегистрированы гравитационные волны.

тактильных сенсоров, является ли мусор бумагой,

расположенный в Кембридже. В данный момент лабо-

металлом или пластиком.

￮ Антонио Торралба – директор лаборатории MIT-

ратория компьютерных наук и искусственного интел-

IBM Watson AI Lab, директор MIT

￮ В 2018 г. создали систему AI Physicist, которая

лекта MIT (CSAIL) ведутся исследования по 64 проектам.

способна генерировать теории о физических

￮ Quest for Intelligence – подразделения,

законах в вымышленных вселенных. Это

ОБЛАСТИ ИССЛЕДОВАНИЯ: все направления ИИ,

занимающегося исследованиями в сфере

позволит ИИ экстраполировать свои знания

с фокусом на решение прикладных задач при помощи

сильного ИИ.

и прогнозировать будущее.

алгоритмов машинного обучения.

￮ Уильям Т. Фриман, Регина Барзилай, Томми С.

Jaakkola.

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

￮ Чжан Фань – исследователь лаборатории MIT-

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

2 984 публикации в области ИИ,

IBM Watson AI Lab, инженер IBM Watson Core

2 574 исследователей.

￮ В апреле 2019 г. командой студентов “RoCycle”

Platform Service, участник проекта по созданию

была создана роботизированная рука

программного обеспечения для Laser

для сортировки отходов, которая может

Interferometer Gravitational-Wave Observatory

University of California – Berkeley

ОПИСАНИЕ: государственный исследовательский

￮ Студентами Беркли был создан алгоритм

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

университет США.

ИИ Dadabots, основанный, на рекуррентной

￮ Команда профессора Сергея Левина разработала

нейросети, способный сочинять оригинальные

ОБЛАСТИ ИССЛЕДОВАНИЯ: исследования в обла-

новую комбинацию двух задач машинного

композиции в стиле death metal. Данный алгоритм

стях компьютерного зрения, машинного обучения, об-

обучения, в результате чего компьютер постоянно

создал 10 различных музыкальных альбомов,

работки естественного языка, планирования и робото-

обновляет свою способность обобщать одну

а также ведет регулярно обновляющийся канал

техники.

изученную задачу в другую.

на youtube.

￮ В январе 2019 г. представили новый алгоритм,

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

￮ Сотрудники Беркли в середине 2018 г. создали

способный научить роботов-«амбидекстеров»

алгоритм, позволяющий считывать танцевальные

￮ Сергей Левин – доцент кафедры электротехники

ловко захватывать и переносить предметы,

движения с видеороликов, а затем переносить

и компьютерных наук.

отличающиеся по форме, размеру и текстуре.

на фигуры в других видео.

￮ Питер Аббил – Профессор, Директор лаборатории

Алгоритм планируется применять в роботах,

обучения роботов.

оснащенных различными типами захватных

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

устройств, с целью облегчения автоматической

￮ Тревор Даррелл – Профессор, со-директор

2 016 публикации в области ИИ,

сортировки предметов разной формы и размера.

лаборатории исследований ИИ.

1 701 исследователей.

￮ Майкл И. Джордан, Анка Драган

115

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Nanyang University

ОПИСАНИЕ: главный технологический университет

совета по управлению исследовательскими

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

Сингапура. НТУ состоит из 4 колледжей, в которые вхо-

данными Elsevier, один из трех директоров

￮ В 2018 г. провели эксперимент, в ходе которого

дят 12 школ. Институт ведет разработки по ИИ совмест-

экспертного комитета экологического

роботизированные клешни, управляемые

но с Alibaba и AMD.

альянса индустрии больших данных Китая,

при помощи алгоритмов ИИ, за 11 минут собрали

член международного комитета экспертов

стул IКЕА.

ОБЛАСТИ ИССЛЕДОВАНИЯ: ИИ в здравоохранении,

по робототехнике Китая. В 2016 г. был номинантом

анализ данных, кибербезопасность, компьютерное

￮ В 2019 г. вместе с Университетом Гриффита

на премию Президента Сингапура в области

зрение, NLP.

разработали фотонный квантовый процессор,

науки, был удостоен премии Thomson Reuters

в котором потенциальные результаты принятия

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

«Высоко цитируемый исследователь 2014 г.».

решений отображены местоположением

￮ Хуан Гуан-бин – главный научный сотрудник

￮ Сиу Чунг Хуэй – профессор Школы компьютерных

фотонов.

совместных лабораторий BMW, Delta, Rolls Royce

наук и инженерии Наньянского технологического

и ST Engineering и Наньянского технологического

университета, суммарно опубликовал свыше 100

ИНФОРМАЦИЯ ОБ

УНИВЕРСИТЕТЕ:

университета, младший редактор журналов

статей. Основное направление научных интересов

4 019 публикации в области ИИ

Neurocomputing, Cognitive Computation, Neural

– компьютерное зрение.

300 исследователей.

Networks, и IEEE Transactions on Cybernetics, член

￮

Чен Чен Лой, Эрик Камбрия, Цзянфей Цай.

Shanghai Jiao Tong University

ОПИСАНИЕ: государственный исследовательский

интеллектуальные вычисления, нейронные сети,

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

университет с 16 129 студентами и 30 217 аспирантами.

машинное обучение, компьютерно-мозговой

￮ В 2017 г. крупнейшая китайская компания

Факультеты университета включает в себя 3061 препо-

интерфейс, эффективные вычисления.

в области искусственного интеллекта SenseTime

давателя.

￮ Хунтао Лу – Профессор кафедры компьютерных

и Шанхайский университет Цзяо Тонг создали

наук и инженерии. Сфера научных интересов:

совместную лабораторию глубокого обучения

ОБЛАСТИ ИССЛЕДОВАНИЯ: компьютерное зрение,

машинное обучение, распознавание образов,

и компьютерного зрения.

распознавание речи, обработка естественного языка,

компьютерное зрение, сокрытие информации,

нейроинтерфейсы и обработка данных ЭЭГ.

￮ В 2018 г. Шанхайский университет Цзяо

сложные сети.

Тонг и NVIDIA подписали меморандум

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

￮ Кай Ю – Профессор кафедры компьютерных

о сотрудничестве в области ИИ.

￮ Лю Фэн – исследователь школы физики

наук и инженерии. Сфера научных интересов:

и астрономии

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

распознавание речи, синтез речи, применение

￮ Баолианг Лу – Профессор кафедры компьютерных

взаимодействия человека с машиной.

5 490 публикации в области ИИ,

наук и инженерии. Область научных интересов:

4 579 исследователей.

116

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Georgia Institute of Technology

ОПИСАНИЕ: Технологический институт Джорджии –

Best Paper Award, IEEE International Parallel &

«Методы ИИ», консультирую учащихся, которые

крупный образовательный и научно- исследовательский

Distributed Processing Symposium (IPDPS).

не смогли отличить ИИ от преподавателя.

центр США. Имеет филиалы в Саванне, Меце, Атлоне,

￮ Байрон Бутс – Доцент школы интерактивных

￮ В 2015 г. система искусственного интеллекта

Шанхае и Сингапуре. В ИИ-департаменте института ак-

вычислений, также работает в лаборатории

«Шахерезада», научилась писать сценарии

тивно ведутся разработки в сфере сильного ИИ.

робототехники в Сиэтле и NVIDIA Research,

к компьютерным играм из жанра «текстовых

сопредседатель технического комитета IEEE

приключений» и интерактивных художественных

ОБЛАСТИ ИССЛЕДОВАНИЯ: машинное обучение,

по робототехнике.

произведений.

естественная обработка языка, системы распознавания

паттернов, игровой ИИ.

￮ Деви Парич – профессор школы интерактивных

￮ В 2016 г. разработали роботов с ИИ, способных

вычислений, исследователь Facebook AI

обманывать и лгать. Исследовательская группа

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

Research (FAIR), лауреат премии Lockheed Martin

под руководством профессора Рональда Аркина

￮ Ле Сонг – доцент, директор института машинного

Inspirational Young Faculty Award.

надеется, что их роботов смогут использовать

обучения.

военные в будущем.

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

￮ ХонЮань Чжа – доцент, лауреат премий CAREER

Award, 2016 Best Paper Award, ACM Conference on

￮ В 2016 г. ИИ-система Джил Ватсон в течение

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

Recommendation System, 2016 Best Student Paper

семестра работала на форуме онлайн-курса

2 544 публикации в области ИИ,

Award, Artificial Intelligence and Statistics (AISTATS),

2 086 исследователей.

Stanford University

ОПИСАНИЕ: частный исследовательский университет

￮ В 2017 г. основала AI4ALL, некоммерческую

связки и мениска) на МРТ-исследованиях

в США, один из самых авторитетных и рейтинговых

организацию, ведущую разработки в сфере

коленного сустава.

в США и в мире. Стэнфордского университета (SAIL) яв-

интеграции ИИ-технологий.

￮ CheXNeXt – алгоритм глубокого обучения

ляется центром компетенций по ИИ, аккумулирующим

￮ Андрей Карпати, Санджив Сатиш, Михаил

для одновременного выявления

научные знания по всем смежным с ИИ областям.

Бернштейн, Сильвио Саваресе.

￮

14 клинически важных заболеваний

ОБЛАСТИ ИССЛЕДОВАНИЯ: представлены все

на рентгенограммах грудной клетки.

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

направления ИИ.

￮ AI Index – ежегодный аналитический отчет

ECG Arrhythmia – глубокая нейронная сеть, которая

по состоянию ИИ в мире.

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

может диагностировать аритмии во временных рядах

ЭКГ произвольной длины. Архитектура сети имеет 34

￮ Фэй-Фэй Ли – профессор компьютерных наук.

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

уровня.

В настоящее время является содиректором

2 532 публикации в области ИИ,

Института искусственного интеллекта

￮ MRNet – модель глубокого обучения

2 475 исследователей.

при Стэнфордском университете. В 2013-2018 была

для выявления общих аномалий и специфических

директором SAIL.

диагнозов (разрывы передней крестообразной

117

КЛЮЧЕВЫЕ МИРОВЫЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

National University of Singapore

ОПИСАНИЕ: крупнейший университет в стране

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

НАИБОЛЕЕ ИНТЕРЕСНЫЕ ПРОЕКТЫ:

как по количеству студентов, так и программ обучения.

￮ Ян Шуйчэн – декан факультета электротехники

￮ CURATE.AI- платформа для борьбы с онкологией

НУС предлагает 27 программ бакалавриата и 115 про-

и компьютерных вычислений, глава института

с целью улучшить медикаментозную терапию

грамм магистратуры и доктората на 17 факультетах.

ИИ Сингапурского национального университета,

пациентам с метастатическим раком.

При поддержке правительства Сингапура в Универси-

главный научный сотрудник компании Qihoo/360,

￮ RetinaCloud – облачной платформы, которая

тете ведутся разработки по ИИ. В 2017 году компания

ISI Highly-cited Researcher 2014, 2015, 2016 г.

позволяет проводить как оценку состояния

Dyson открыла в НУС ИИ-лабораторию.

￮ Джим Хи Ли – профессор факультета

сосудов сетчатки, так и анализ диабетической

ОБЛАСТИ ИССЛЕДОВАНИЯ: робототехника, ком-

компьютерных наук Сингапурского национального

ретинопатии.

пьютерное зрение, NLP.

университета. Возглавляет лабораторию

Лаборатория компьютерного зрения

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

и восприятия роботов. Основное направление

2 882 публикации в области ИИ,

научных интересов – компьютерное зрение.

1 909 исследователей.

￮ Тат-Сенг Чуа, Бенг Чин Оои, Н.Г. ХвитТоу, Дэвид

Хсу.

118

119

КЛЮЧЕВЫЕ

РОССИЙСКИЕ

УНИВЕРСИТЕТЫ

В ОБЛАСТИ ТЕХНОЛОГИЙ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

120

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

В России существуют несколько ВУЗов, научных и коммерческих организаций, которые являются лидерами

по числу проектов и финансированию в разных сферах:

В СФЕРЕ АНАЛИЗА

СИСТЕМЫ ПОДДЕРЖКИ

РАСПОЗНАВАНИЕ

ДАННЫХ

ПРИНЯТИЯ РЕШЕНИЙ

ИЗОБРАЖЕНИЙ И ВИДЕО

ТЕКСТА И РЕЧИ

￮ МГУ

￮ Университет ИТМО

￮ Институт систем обработки

￮ НИИ «Прикладная семиотика»

(17 проектов)

(27 проектов)

изображений РАН

(9 проектов)

(17 проектов)

￮ Университет ИТМО

￮ Московский Экономический

￮ Центр речевых технологий

(19 проектов)

Институт (12 проектов)

￮ Южно-Российский государственный

(9 проектов)

университет экономики и сервиса

(13 проектов)

В России существует большой потенциал в сфере подготовки квалифицированных специалистов для проектов с ИИ.

Согласно исследованию SAP, в 286 вузах имеются соответствующие магистерские программы, око-

ло 50 тыс. студентов обучаются по 65 специальностям, связанным с анализом данных, машинным

обучением, распознаванием речи и изображений, компьютерной лингвистикой и др. За послед-

ние пять лет подготовку по этим программам прошли более 200 тыс. человек.

Образовательные программы, связанные с ИИ:

268

1 628

вузов

специальностей

кафедр

(магистратура)

49 171

200 746

студентов обучаются

человек –

в настоящее время

общий поток за 5 лет

121

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Российская академия наук

ОПИСАНИЕ: Российская академия наук включает

ОБЛАСТИ ИССЛЕДОВАНИЯ: представлены все на-

￮ Система анализа социальных медиа Talisman (ИСП

в себя более 650 научных институтов, ведущих науч-

правления ИИ.

РАН).

ные исследования. Фундаментальный характер иссле-

￮ Система технического зрения для автоматической

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: К.В. Воронцов,

дований РАН в информатике, математике, психологии

классификации движущихся объектов (ИПУ РАН).

И.А. Орлов, Г.С. Осипов, А.Л. Ронжин, К.В. Рудаков,

и лингвистике позволил заложить основы фундамен-

Д.Ю. Турдаков, А.М. Федотов

￮ Система автоматического распознавания русской

тальных и междисциплинарных методов искусственно-

речи (СПИИРАН).

го интеллекта. Значимый вклад внесли Ю.Д. Апресян,

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

В.Н. Вапник, И.М. Гельфанд, Г.А. Золотова, Ю.И. Жу-

￮ Компьютерные инструментальные средства

￮ Программно-аппаратный комплекс поиска

равлёв, О.И. Ларичев, И.А. Мельчук, Г.С. Осипов, Э.В.

разработки систем планирования и управления

и анализа больших массивов текстов

Попов, Д.А. Поспелов, В.Л. Стефанюк, В.К. Финн, В.Ф.

в транспортной логистике реального времени

TextAppliance (ФИЦ ИУ РАН). Интеллектуальная

Хорошевский, М.Л. Цетлин, А.Я. Червоненкис и др.

(СПИИРАН).

аналитическая система автоматизированного

Коммерциализация и внедрение прикладных разра-

выделения приоритетов научных исследований

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

боток ведется в партнёрствах с такими компаниями,

и экспериментальных разработок (ФИЦ ИУ РАН).

как Microsoft, Яндекс, МТС, Samsung, Huawei.

724 публикации в области ИИ,

￮ Интеллектуальные сервисы для проектирования

1194 исследователей в ИИ.

ПОДРАЗДЕЛЕНИЯ ИИ: ИАПУ ДВО РАН, ИВМ РАН,

энергоэффективных сооружений (ИСП РАН).

ИВТ СО РАН, ИДСТУ СО РАН, ИМ СО РАН, ИПС РАН,

ИПУ РАН, ИСП РАН, СПИИРАН, ФИЦ ИУ РАН.

НИУ Высшая Школа Экономики (НИУ ВШЭ)

ОПИСАНИЕ: основана в 1992 г., носит статус НИУ

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮ В 2017 г. сотрудники Лаборатории космических

с 2009 г. Основной кампус находится в Москве, ещё

￮ iFORA- система интеллектуального анализа

исследований в области технологий, систем

три – в Нижнем Новгороде, Санкт-Петербурге и Перми.

больших данных, разработанная Институтом

и процессов ВШЭ применили нейросеть

для распознавания запахов. Это позволило

статистических исследований и экономики знаний

ОБЛАСТИ ИССЛЕДОВАНИЯ: Обработка естествен-

получить патент на малогабаритное устройство

(ИСИЭЗ), позволяет строить научно-технические

ного языка, машинное обучение, архитектуры нейрон-

«электронный нос» для распознавания образа

тренды или визуализации многомерных массивов

ных сетей, анализ данных.

запаха широкого класса химических веществ.

неструктурированных данных, например, как карта

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ПО ИИ:

компетенций ВШЭ.

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

￮ В 2019 г. ученые ВШЭ и Яндекса разработали

Дмитрий Ветров, Антон Конушин, Сергей Николенко,

40 300 студентов,

метод, который ускорит моделирование процессов

Андрей Устюжанин, Сергей Кузнецов.

≈7 000 преподавателей и исследователей,

на большой адрон коллайдере.

261 публикации в области ИИ,

297 исследователей.

122

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Университет ИТМО

ОПИСАНИЕ: Университет ИТМО – государствен-

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Максим Хлопо-

подстроена или же страховую выплату просит

ный ВУЗ Санкт-Петербурга, один из национальных

тов, Владимир Парфенов, Алексей Потапов, Александр

добропорядочный клиент.

исследовательских университетов России. Ведущий

Бухановский

￮ В 2017 г. компания Tra Robotics и команда

ВУЗ страны в области информационных и фотонных

Университета ИТМО разработали алгоритм

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

технологий. ИТМО включает 19 факультетов, 7 науч-

бездатчикового силомоментного регулирования

но-исследовательских института и 110 кафедр.

￮ Symptom-checker – это система поддержки

для манипуляционного робота. Проект

принятия решений, реализуемая специалистами

посвящен программному управлению роботов

ПОДРАЗДЕЛЕНИЯ ИИ: Национальный центр когни-

из ИТМО совместно с МТС. Она помогает врачу

и бессенсорному управлению (soft sensing,

тивных разработок.

или пациенту оценить состояние больного,

sensorless control).

ОБЛАСТИ ИССЛЕДОВАНИЯ: интеллектуальные тех-

давая «второе мнение», позволяя принять

нологии P4-медицины; интеллектуальная биометрия

определенное решение.

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

нового поколения, креативные технологии виртуаль-

￮ Команда студентов кафедры компьютерных

16 000 студентов,

ных миров, масштабируемые технологии разговорного

технологий ИТМО в 2017 г. разработала алгоритм,

>1000 преподавателей и исследователей,

интеллекта, интеллектуальные технологии транспорта

который поможет вычислять мошенников среди

753 публикации в области ИИ,

будущего, интеллектуальные технологии цифрового

клиентов компаний по автострахованию.

производства, квантовые когнитивные технологии, ин-

716 исследователей.

￮ Программа создана на основе машинного

теллектуальные телекоммуникационные технологии,

обучения и может с некоторой точностью

интеллектуальные технологии добычи и переработки

определять, была ли та или иная автоавария

энергоресурсов, когнитивные обучающие технологии

нового поколения.

Томский государственный университет

ОПИСАНИЕ: первый российский университет на

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

￮ Совместно с партнером – IT-компанией Rubius

территории Русской Азии, один из трёх десятков наци-

приступают к реализации масштабного digital-

￮ Создание отечественного высокотехнологичного

ональных исследовательских университетов. Участник

проекта – «Виртуальный университет 4.0».

программно-инструментального комплекса

Проекта 5-100.

для реализации систем управления

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

технологическими процессами на базе

ОБЛАСТИ ИССЛЕДОВАНИЯ: Обработка естествен-

свободного программного обеспечения.

15 257 студентов,

ного языка, машинное обучение, архитектуры нейрон-

ных сетей, анализ данных.

￮ Интеллектуальные информационные системы

1500 преподавателей и исследователей,

для анализа многомерной информации.

182 публикации в области ИИ,

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Даниэль Сама-

215 исследователей.

те, Томас Пройсер.

123

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Московский Государственный Университет (МГУ)

ОПИСАНИЕ: Один из старейших и крупнейших

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

в МИСиС, он длился 2 дня без перерывов.

классических университетов России. Включает в себя

В соревновании приняли участие 27 команд

￮ В 2017 г. сотрудники физического факультета

15 научно-исследовательских институтов, 43 факульте-

из России, США, Великобритании, КНР и Испании.

МГУ имени М. В. Ломоносова предложили

та, более 300 кафедр и 6 филиалов.

Первые три места заняли команды МГУ: на 1-м

способ использовать искусственный интеллект

для поиска новых химических соединений

и 3-м местах, МФТИ – на 2-м.

ОБЛАСТИ ИССЛЕДОВАНИЯ: Обработка естествен-

с заданными свойствами. Разработанный подход

ного языка, машинное обучение, кибербезопасность,

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

существенно расширяет возможности и устраняет

квантовые компьютеры.

недостатки традиционно используемой для этой

38 150 студентов,

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Владимир

цели процедуры виртуального скрининга.

10 784 преподавателей и исследователей,

Воеводин, Игорь Соколов, Игорь Машечкин.

￮ В 2017 г. трое студентов из МГУ выиграли

701 публикации в области ИИ,

международное состязание по созданию

733 исследователей.

искусственного интеллекта. Хакатон

по беспилотным автомобилям прошёл в Москве,

Томский политехнический университет

ОПИСАНИЕ: Национальный исследовательский Том-

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

ский политехнический университет» (ТПУ). Учрежден

￮ Прогнозирование времени выполнения

12 600 студентов,

в 1896 г. Императором Николаем II как Томский практи-

вычислительных задач (в рамках проекта ATLAS,

1 730 преподавателей и исследователей,

ческий технологический институт, с 1991 г. – Томский по-

CERN).

328 публикации в области ИИ,

литехнический университет. В 2009 г. присвоена катего-

Интеллектуальная система компьютерного зрения

рия «Национальный исследовательский университет».

482 исследователей.

для беспилотных летательных аппаратов.

ОБЛАСТИ ИССЛЕДОВАНИЯ: Машинное обучение,

￮ Рентгеновская диагностика рака на основе

анализ больших данных, распознавание изображений.

мультиконтрастного подхода.

￮ Оценка поведенческих аномалий пользователей

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Спицын В.Г.,

в соцсетях.

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.

124

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Сколковский институт науки и технологий – Сколтех

ОПИСАНИЕ: негосударственный институт, созданный

с большими объемами данных, статистическая тео-

￮ В 2019 г. ученые Сколтеха создали суперкомпьютер

в 2011 г. при участии Массачусетского Технологического

рия обучения, высокопроизводительные вычисления

«Жорес». В новом суперкомпьютере для передачи

Института (англ. Massachusetts Institute of Technology –

и большие данные, интернет вещей.

информации между узлами используются

оптоволоконные каналы и полупроводниковые

MIT). Территориально расположен в инновационном

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Анджей Чи-

лазеры, основанные на полупроводниковых

центре Сколково. Отличительными особенностями

хотцкий, Евгений Бурнаев, Иван Оселедец, Виктор

гетероструктурах. За их открытие в 2000 г.

Сколтеха являются интеграция образовательной и ис-

Лемпицкий, Максим Федоров, AnhHuy Phan, Дмитрий

Нобелевскую премию получил академик Жорес

следовательской деятельности, фокус на прикладные

Яроцкий, Гонзало Феррер, Алексей Фролов.

Алферов. В его честь и назван суперкомпьютер.

исследования и инновации, а также научная коопера-

ция с ведущими зарубежными университетами. Обуче-

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ние ведется по программам магистратуры и аспиранту-

￮ Алгоритмы ИИ применяются сотрудниками

977 студентов,

ры (PhD), рабочий язык – английский.

Сколтеха для создания цифровых моделей

129 профессоров,

ОБЛАСТИ ИССЛЕДОВАНИЯ: машинное обуче-

месторождений и адаптируют их для применения

110 публикации в области ИИ,

ние и ИИ, математическое моделирование для задач

на месторождениях «Газпром нефти».

105 исследователей.

Московский Физико-Технический Институт (МФТИ)

ОПИСАНИЕ: Один из ведущих российских

Бурцева при поддержке ПАО Сбербанк. Проект

собранные в 2003-2006 гг. в ходе национального

университетов, готовящий специалистов в области те-

решает проблему содержательного общения

исследования NHANES в США. С помощью

оретической и прикладной физики, математики, ин-

человека с машиной, чтобы создать передовые

алгоритмов глубокого обучения нейронную

форматики, химии, биологии и смежных дисциплин.

инструменты для бизнеса.

сеть научили выявлять неблагоприятные

Основной кампус находится в городе Долгопрудном

тенденции: связывать определенные паттерны,

￮ MAIYA (Medical Artificial Intelligence. Your Assistant)

Московской области, отдельные корпуса и факультеты

повторяющиеся последовательности движений

– создание национальной всероссийской

находятся в Жуковском и в Москве.

с данными медицинских историй и показателями

информационно-аналитической платформы

анализов.

для сбора и хранения мультимодальных

ОБЛАСТИ ИССЛЕДОВАНИЯ: Обработка естествен-

медицинских данных и их анализа с помощью

ного языка, машинное обучение, архитектуры нейрон-

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

ИИ. С помощью этой системы можно будет

ных сетей.

анализировать кардиограммы, флюорограммы,

6 095 студентов,

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Михаил Бурцев,

маммограммы, проводить диагностику глазного

2 654 преподавателей и исследователей,

Алексей Назаров, Сергей Шумский, Андрей Райгород-

дна и др.

324 публикации в области ИИ,

ский.

￮ В лаборатории Петра Федичева разработали

377 исследователей.

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

алгоритм, предсказывающий риск смертности.

В работе исследователи опирались

￮ Проект iPavlov по созданию разговорного

на медицинские данные 10 000 человек,

ИИ разрабатывается лабораторией Михаила

125

КЛЮЧЕВЫЕ РОССИЙСКИЕ УНИВЕРСИТЕТЫ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Университет Иннополис

ОПИСАНИЕ: Российский университет, специализиру-

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Цюй Цян, Садех

￮ В рамках проекта «Цифровая модель РТ» созданы

ющийся на образовании и научных исследованиях в

Нобари, Браун Джозеф Александер, Хан Адил Мехмуд.

опытные образцы облачной геоинформационной

области информационных технологий и робототехники.

платформы, фотограмметрических и тематических

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

сервисов.

ОБЛАСТИ ИССЛЕДОВАНИЯ: Алгоритмы машинного

￮ Специалисты лаборатории анализа данных

обучения, глубинное обучение, обработка изображе-

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

и биоинформатики разработали, смоделировали

ний и компьютерное зрение, контекстно-ориентиро-

и протестировали операционную систему

602 студента,

ванный анализ, автоматизированное моделирование,

управления движением для части округа

онтологии, автоматическое обоснование.

82 преподавателей и исследователей,

Монтгомери штата Мэриленд, США, которая

108 публикации в области ИИ,

ОБЛАСТИ ИССЛЕДОВАНИЯ: машинное зрение,

организует вычислительные, коммуникационные

84 исследователей.

беспилотное управление, кибербезопасность.

и автомобильные технологии.

Санкт-Петербургский государственный университет (СПбГУ)

ОПИСАНИЕ: Санкт-Петербургский государственный

НЕКОТОРЫЕ ПРОЕКТЫ ИИ:

ИНФОРМАЦИЯ ОБ УНИВЕРСИТЕТЕ:

университет – научно-образовательный центр мирово-

￮ Автоматизированная система обработки текстов

30 000 студентов,

го значения, один из крупнейших центров отечествен-

«Линда».

5 195 преподавателей и исследователей,

ной науки и культуры, первый университет России,

￮ Математические методы исследования

основан в 1724 г.

381 публикации в области ИИ,

конкурентоспособности российских вузов

544 исследователей.

ОБЛАСТИ ИССЛЕДОВАНИЯ: Разработка систем

на основе интеллектуального анализа данных.

понимания естественного языка и распознавания уст-

￮ Методология и Технология формирования

ной речи, распознавание образов, интеллектуальный

Создание общества, ориентированного на людей.

Онтологий на основе интеграции с гетерогенными

анализ данных, нейронные сети, байесовские сети, не-

Сотрудничество с международными

источниками данных (МЕТЕОР).

четкая логика, машинное обучение, информационная

организациями и обмен опытом.

￮ Методы искусственного интеллекта

безопасность.

Постоянное обновление руководящих принципов

в обеспечении информационно-психологической

по мере необходимости.

НЕКОТОРЫЕ ИССЛЕДОВАТЕЛИ ИИ: Абрамов М.В.,

безопасности и анализе степени защищенности

Повсеместное использование технологий

Ананьевский М.С., Богданов А.Б., Гаврилова Т.А., Грани-

от социоинженерных атак.

искусственного интеллекта во всех сферах жизни.

чин, 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., Ту-

лупьева Т.В., Фрадков А.Л., Халин, В.Г., Черниговская Т.В.

126

РЫНОК

ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА

127

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

В настоящее время термин «искусственный интеллект»

и, по прогнозам экспертов, к 2024 году достигнет почти

такие решения повысит рентабельность деятельности

используют для обозначения компьютерных систем,

140 млрд долларов США [1].

больше всего [19].

способных обрабатывать с помощью сенсоров

В настоящее время в мире происходит ускоренное

В 2030 году глобальный ВВП вырастет на 14 %, или на 15,7

поступающие из окружающей среды данные согласно

внедрение технологических решений, разработанных

триллиона долларов США, в связи с активным исполь-

обученному алгоритму и выдавать решение, думать,

на основе искусственного интеллекта, в различные

зованием искусственного интеллекта [78].

учиться и действовать в зависимости от оценки окру-

отрасли экономики и сферы общественных отноше-

Более половины прироста будет обусловлено

жения и заданных целей – и эта технология постепенно

ний. По оценкам экспертов, ожидается, что благодаря

повышением производительности труда в период

находит применение в повседневных бизнес-процес-

внедрению таких решений рост мировой экономики

2016-2030 гг. Остальная прибыль будет получена

сах, заточенных под конкретные задачи.

в 2024 году составит не менее 1 трлн Долларов США [1].

за счёт увеличения потребительского спроса вслед-

Более трети представителей из

5,4 тыс. бизнес-

ствие совершенствования товаров посредством ис-

Указанные тенденции обусловлены

и ИТ-руководителей из 31 страны мира готовы актив-

кусственного интеллекта. Наибольшую экономическую

следующими факторами:

но инвестировать в основные направления технологий

выгоду из технологий искусственного интеллекта смогут

искусственного интеллекта. Применение таких тех-

￮ Общий («сквозной») характер применения

извлечь Китай (прирост ВВП в 2030 году составит 26 %)

нологий может повысить рентабельность в среднем

прикладных технологических решений,

и страны Северной Америки (прирост ВВП в 2030 году

на 38% к 2035 году и привести к экономическому ро-

разработанных на основе искусственного

составит 14,5 %), или 10,7 трлн долларов США – почти

сту на $14 трлн в 16 сферах бизнеса. На сегодняшний

интеллекта.

70 % прироста мирового ВВП [32].

день системы с искусственным интеллектом внедрены

￮ Высокая степень влияния технологических

К 2021 г. искусственный интеллект позволит бизнесу по-

у 4% компаний, 21% запустили или планируют в бли-

решений, разработанных на основе

лучить дополнительную выручку в размере $1,1 трлн.

жайшее время запустить пилотный проект, 25% имеют

искусственного интеллекта, на результативность

Это станет возможным благодаря внедрению алгорит-

средне- и долгосрочные планы. В мировом масштабе

деятельности организаций и человека, в том числе

мов искусственного интеллекта в системы управления

внедрение технологии искусственного интеллекта

связанной с принятием управленческих решений.

взаимоотношениями с клиентами (CRM) [79].

позволят компаниям заработать к 2022 году около $3,9

трлн.

￮ Высокая доступность инструментов (в том

Развитие компании может идти по двум сценариям:

числе программ для ЭВМ с открытым кодом)

полная трансформация бизнеса на основе техноло-

для разработки на основе искусственного

гий искусственного или создание отдельных продуктов

интеллекта технологических решений.

и сервисов. Оба сценария реализуют только

17%

￮ Потребность в обработке больших объёмов

компаний, а занимаются хотя бы одним из направлений

данных, создаваемых как человеком, так

примерно 27% [19].

и техническими устройствами, для повышения

Стремительное развитие технологий искусственного

эффективности экономической и иной

интеллекта сопровождается существенным ростом

деятельности [1].

как государственных, так и частных инвестиций в их

В горизонте до 2035 года в 16 отраслях технологии ис-

развитие, а также в разработку прикладных техноло-

кусственного интеллекта способны нарастить темпы

гических решений на основе искусственного интеллек-

экономического роста в среднем на 1,7%. При этом

та. По оценкам международных экспертов, инвестиции

наибольший рост добавленной стоимости проде-

в технологии искусственного интеллекта выросли с 2014

монстрируют информационные технологии и теле-

года по 2017 год в три раза и составили около 40 млрд

ком (4,8%), обрабатывающая промышленность (4,4%)

долларов США. В 2018 году мировой рынок технологи-

и финансовые услуги (4,3%). В сфере строительства,

ческих решений, разработанных на основе искусствен-

образования, гостеприимства и отельного бизнеса

ного интеллекта, составил 21,5 млрд долларов США

128

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Мировой рынок искусственного интеллекта

2018 год

Объём мирового рынка программных платформ ис-

а две трети опрошенных сообщили, что поддерживают

компьютеров и повышению производительности алго-

кусственного интеллекта в 2018 году достиг $2,6 млрд,

культуру, при которой искусственный интеллект нахо-

ритмов.

увеличившись на 26,6% относительно 2017-го. Такие

дится на первом месте.

Технологии искусственного интеллекта на конец 2018

данные были обнародованы в июне 2019 года.

Расходы на программные платформы на основе искус-

года использовались в 258 областях.

Крупнейшим производителем программного обеспе-

ственного интеллекта в мире будут расти на 36,7% еже-

чения для искусственного интеллекта аналитики на-

годно и достигнут $9,5 млрд к 2022 году.

зывают компанию IBM, которая в 2018 году заработала

В 2018 году продажи программного обеспечения и обо-

на таких продуктах $240,6 млн, что на 26,6% превосхо-

рудования, предназначенные для создания и функци-

дит значение годичной давности. Рыночная доля IBM

онирования систем искусственного интеллекта, на ки-

достигла 9,3%.

тайском рынке достигли 33,9 млрд юаней ($4,93 млрд

На втором месте расположилась SAS, чей бизнес ра-

по курсу на 16 июля 2019-го), что на 52,8% больше, чем

стёт ещё быстрее, чем у лидера. В 2018 году доходы

годом ранее. Такие данные в июле 2019 года обнаро-

компании на рассматриваемом рынке повысились

довала неправительственная организация Китайское

на 104,6% и составили $89 млн.

интернет-общество (Internet Society of China).

Ранее в 2019 году были опубликованы результаты ис-

Объём мирового рынка чипов, предназначенных

следования, которое показало, что число компаний,

для решения задач в области глубокого обучения,

использующих искусственный интеллект в рабочих

в 2018 году достиг 164,9 млн штук.

процессах, за четыре года стало на 270% больше. 37%

Прогнозируется, что глобальные поставки микросхем,

компаний задействуют системы искусственного интел-

предназначенных для реализации глубокого обучения,

лекта в той или иной форме. В 2015 году этот показа-

к 2025 году превысят 2,9 млрд штук, а в деньгах объём

тель измерялся 10%, в 2018-м – 25%.

рынка достигнет $72,6 млрд.

Эксперты сходятся во мнении, что искусственный ин-

Что касается крупнейших производителей чипов

теллект становится неотъемлемой частью будущих кор-

для глубокого обучения, то лидерами являются Nvidia

поративных стратегий независимо от рынка. Например,

и Intel.

52% телекоммуникационных компаний, представители

По оценкам экспертов, объём мирового рынка про-

которых приняли участие в исследовании, уже исполь-

граммного обеспечения, реализующего технологии ис-

зуют чат-ботов для улучшения качества обслуживания

кусственного интеллекта, по итогам 2018 года достиг $8,1

клиентов.

млрд и в дальнейшем будет только расти. Ожидается,

В то же время лишь 25% организаций, которые уже

что к 2025 году продажи будут измеряться $105,8 млрд.

внедрили системы искусственного интеллекта, разра-

Программное обеспечение с элементами искусствен-

ботали корпоративные стратегии по использованию

ного интеллекта становится всё более востребован-

этой технологии. Половина респондентов считают ис-

ным и распространённым благодаря растущим объё-

кусственный интеллект приоритетным направлением,

мам данных, увеличению вычислительной мощности

129

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

В десятку наиболее популярных областей

1,281

использования программного обеспечения

Количество стартапов,

1,044

с элементами искусственного интеллекта с

$16,8

получивших финансирование

точки зрения приносимой выручки входят:

956

$13,4

￮

видеонаблюдение;

$13,5

￮

системы мониторинга и управления ИТ-сетями

558

758

и операциями;

469

$8,4

$6,7

322

￮

клиентское обслуживание;

$6,5

206

144

￮

маркетинг, распознавание голоса и речи;

$1,0

$2,4

$0,6

$1,0

￮

обнаружение и распознавание объектов техникой/

$0,4

автомобилями и уклонение от столкновения

с ними;

￮

изучение и анализ патентов;

Объём сделок, $ млрд

Количество сделок

￮

запрос фото и видеоизображений;

Рисунок 39 – Активность сделок со стартапами в области технологий

По состоянию на сентябрь 2019 г.

искусственного интеллекта по годам [81]

￮

анализ медицинских снимков;

￮

обработка данных пациентов;

￮

прогностическое техобслуживание.

$ млрд

Объём глобального рынка когнитивных систем и ре-

$16,5

шений в области искусственного интеллекта по итогам

2018 года составил около $24 млрд, а в 2022-м пока-

$15,3

затель будет измеряться $77,6 млрд Среднегодовые

темпы роста этого рынка исследователи оценивают

в 37,3% [80].

$4,0

Около 40% затрат на когнитивные и технологии искус-

$3,5

ственного интеллекта приходится на программное обе-

спечение, в том числе на когнитивные платформы. Этот

сегмент будет самым быстрорастущим: каждый год его

объём будет увеличиваться в среднем на 43,1% [80].

Медианный размер сделок

Средний размер сделок

Рисунок 40 – Средний размер сделок со стартапами в области технологий

По состоянию на сентябрь 2019 г.

искусственного интеллекта продолжает колебаться [81]

130

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

2018 год

Инвестиции в стартапы в области

искусственного интеллекта в США.

По состоянию на сентябрь 2019 года 965 стартапов

166

103

в области искусственного интеллекта получили финан-

ИСПАНИЯ

НИДЕРЛАНДЫ

сирование в размере $13,5 млрд за первые девять ме-

сяцев 2019 года [81]. Среди них компания OpenSpace

217

привлекла $14 млн, компания Eko привлекла $20 млн,

ФРАНЦИЯ

AppZen привлекла $50 млн инвестиций [82].

Лидером по сумме инвестиций в развитие технологий

искусственного интеллекта и количеству заключённых

ИТАЛИЯ

ФИНЛЯНДИЯ

сделок остаётся США, за которыми следуют Китай и Ве-

ИРЛАНДИЯ

ликобритания. Однако, если принимать во внимание

среднюю стоимость сделки, то безусловным лидером

является Китай, средний размер сделок которого в по-

ДАНИЯ

следние 2 года составлял более чем $100 млн против

$15 млн и $5,4 млн у США и Великобритании соответ-

ственно.

479

196

ВЕЛИКОБРИТАНИЯ

ГЕРМАНИЯ

ШВЕЦИЯ

ПОРТУГАЛИЯ

АВСТРАЛИЯ

НОРВЕГИЯ

40% европейских стартапов в области

искусственного интеллекта не имеют к нему

Рисунок 41 – Количество стартапов Европы в области технологий искусственного интеллекта в зависимости от страны

отношения [83].

40% европейских стартапов, занимающихся разработ-

ками в области искусственного интеллекта, на самом

деле не используют его. К такому выводу пришли ана-

Количество заявок на патенты в области искусственного

литики компании в ходе опубликованного в марте 2019

интеллекта выросло, так как компании стремятся сделать

Рынок искусственного интеллекта

года опроса 2 800 стартапов в 13 странах ЕС.

свой бизнес более привлекательным для инвестиций.

будет расти на 31% ежегодно

Некоторые начинающие разработчики технологий

Наиболее популярными среди стартапов, действительно

используют модное словосочетание «искусственный

занимающихся технологиями искусственного интел-

К 2022 году суммарный объём рынка технологий

интеллект» для привлечения внимания к себе и сво-

лекта, странами являются следующие. Британии – 479

искусственного интеллекта увеличится до $52,5

им продуктам, чтобы получить больше финансирова-

к марту 2019 года, Франция – 217 стартапов, Германия –

млрд, или в 4 раза по сравнению с уровнем 2017

ния. Согласно оценкам, компании, заявляющие работу

196 стартапов, Испания – 166 стартапов и Нидерлан-

года ($13,4 млрд). Ежегодный темп роста (CAGR)

над решениями с использованием технологий искус-

ды – 103 стартапа. Что касается отраслей применения,

в прогнозируемый период

ственного интеллекта, привлекают в среднем на 15-50%

то больше всего стартапов занимается разработками,

больше инвестиций.

связанными с медициной и поддержанием здоровья.

131

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Российский рынок искусственного интеллекта

2017 ГОД

ПРОГНОЗЫ

По прогнозам ведомства, к 2024 году расходы на такие

На исследования в сфере искусственного

решения увеличатся в 80 раз и будут измеряться при-

интеллекта в России потрачено 23 млрд

мерно 160 млрд рублей. А продажи нейротехнологий

руб. за 10 лет [27].

за это время поднимутся с 0,1 до 8,2 млрд рублей за тот

За десять лет на исследования и разработки в области

же отрезок времени.

искусственного интеллекта было выделено около 23

Из документа также следует, что доля искусственного

млрд рублей. Объёмы государственного финансиро-

интеллекта в российском ВВП будет составлять 0,8%

вания уступают другим странам – например, в США

в 2024 году и 3,6% в 2030-м при существенном сти-

ежегодно из госбюджета выделяется около $200 млн

мулировании. Мировой показатель достигнет

2,6%.

(12 816 340 000 руб. по курсу центрального банка России

Он включает в себя размер отрасли решений в сфере

на 30.11.2019) на исследования в области искусственно-

искусственного интеллекта, прирост производительно-

го интеллекта. Стоит также отметить, что уровень фи-

сти в различных секторах экономики и другие факторы

нансирования в России является невысоким с учётом

[26].

количества проектов и общего числа задействованных

Создание в России индустрии технологий искусствен-

научных сотрудников – от 6 до 10 тысяч человек.

ного интеллекта в первую очередь позволит развить

Лидерами по объёму государственного финансирова-

конкурентоспособную на мировом уровне высокотех-

ния являются проекты для госсектора, транспортной

нологичную отрасль. Кроме того, это ускорит развитие

отрасли, обороны и безопасности. Это свидетельству-

цифровой экономики, будет стимулировать развитие

ет, что в России прежде всего поддерживают проек-

ИТ-инфраструктуры по работе с большими объёмами

ты, где ожидаются результаты с быстрым применением

данных, а также повысит долю отечественного про-

на практике. Например, анализ данных и различные

граммного обеспечения и решений на внутреннем

системы распознавания помогают оптимизировать ло-

рынке [26].

гистические и транспортные проблемы.

Текущие геополитические задачи также определя-

ют острую потребность в интеллектуальных системах

для модернизации оборонно-промышленного ком-

плекса. Тематическими лидерами по вложениям со

стороны государства являются проекты по анализу

данных, системы поддержки принятия решений и рас-

познавания изображений и видео.

2018 ГОД

Объём российского рынка решений для искусственно-

го интеллекта в 2018 году достиг 2 млрд рублей, сооб-

щили в Минкомсвязи в середине октября 2019-го.

132

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Таблица 13 – Распределение инвестиций по технологиям искусственного интеллекта до 2024 года, в млрд руб. [26].

Итого

Поддержка

Итого

Поддержка

Предоставление

по технологиям

Поддержка

региональных

по технологиям

Доля

Адресная

цифрового

российских

субсидий

искусственного

малых

промышленных

проектов внедрения

искусственного

затрат

поддержка

преобразования

компаний-

кредитным

интеллекта

предприятий

разработок

сквозных цифровых

интеллекта

отраслей

лидеров

организациям

(внебюджетные

технологий

(бюджет)

средства)

Компьютерное

21,6%

2,2

1,5

1,2

2,0

1,2

2,2

12,3

зрение⁶

Внебюджетные

11,0

7,4

6,1

9,8

6,1

22,1

72,4

средства⁷

Обработка

16,2%

1,7

1,1

0,9

1,5

0,9

1,7

9,2

естественного языка

Внебюджетные

8,3

5,5

4,6

7,4

4,6

16,6

54,3

средства

Рекомендательные

системы

и интеллектуальные

35,1%

3,6

2,4

2,0

3,2

2,0

3,6

19,9

системы поддержки

принятия решений⁸

Внебюджетные

17,9

12,0

10,0

16,0

10,0

35,9

117,7

средства

Распознавание

16,2

1,7

1,1

0,9

1,5

0,9

1,7

9,2

и синтез речи

Внебюджетные

8,3

5,5

4,6

7,4

4,6

16,6

54,3

средства

Перспективные

методы

и технологии

10,8%

1,1

0,7

0,6

1,0

0,6

1,1

6,1

искусственного

интеллекта

Внебюджетные

5,5

3,7

3,1

4,9

3,1

11,0

36,2

средства

Оценка требуемых

ресурсов

по инструментам

10,3

6,8

5,6

9,2

5,6

10,3

поддержки

(бюджет)

Итого

56,8

334,9

6. Включая элементы Робототехники и сенсорики. 7. Внебюджетное финансирование включает все затраты на развитие сквозных цифровых технологий всех участников рынка, а не только привлекаемое софинансирование в рамках конкрет-

ного проекта. 8. Включая элементы Робототехники и сенсорики, Больших данных и Промышленного интернета

133

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

БИЗНЕС-ЛИДЕРЫ В ЭПОХУ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

30% российских компаний активно внедряют искусственный интеллект. Это самый высокий показатель среди всех стран-участниц опроса: в среднем по миру

он равен 22,3%, – показало исследование [84].

ВНЕДРЕНИЕ

ЭТИКА

ПОЗИТИВНОЕ ОТНОШЕНИЕ К ИИ

Россия заняла первое место в мире

Российские директора заняли второе место

российских директоров считают,

по активному внедрению

по уровню позитивного отношения к ИИ

65%

что принятие ответственности

за этичное применение ИИ

российских руководителей активно

директоров считают,

– безусловное требование

30%

внедряют искусственный интеллект

73%

что технология поможет им в их

для лидера

управленческой деятельности

В среднем по миру этот показатель

В мире такой точки зрения придерживаются

равен 22,3%

53,9% директоров

ОТВЕТСТВЕННОСТЬ

БИЗНЕС-ПРИОРИТЕТЫ

из них выразили желание получить

Готовы уделять вреся использованию ИИ:

90%

поддержку профессионалов

для постановки правильных

В среднем по миру этот показатель равен 67,3%

32%

целей

готовы инвестировать время

для разработки идей

для адаптации к новым условиям

30%

26%

работы

В среднем по миру этот показатель равен 20,3%

Рисунок 42 – Российские руководители используют возможности искусственного интеллекта для бизнеса активнее, чем их иностранные коллеги

134

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

160

Размер мирового рынка решений

137,2

140

120

в сфере искусственного интеллекта

100,7

100

Согласно дорожной карте развития «сквозной» цифровой технологии «нейротехнологии

74,0

и искусственный интеллект» потенциальный объём мирового рынка решений в сфере ис-

кусственного интеллекта и нейротехнологий в разрезе технологий приведён в таблице

54,3

ниже. В 2018 году мировой рынок решений в сфере искусственного интеллекта соста-

39,7

вил 21,5 млрд долларов, к 2024 году он увеличится до 137,2 млрд долларов. В 2018 году

29,2

мировой рынок решений в сфере нейротехнологий составил 1,3 млрд долларов, к 2024

21,5

году он увеличится до 7 млрд долларов [26].

Таблица 14 – Размер мирового рынка решений в сфере искусственного интел-

2018

2019

2020

2021

2022

2023

2024

год

лекта в разрезе технологий, млрд $ [26].

Объём мирового рынка решений в сфере ИИ

Рисунок 43 – Объём мирового рынка решений в сфере искусственного интеллекта,

Наименование технологии

$ млрд США

2018 г.

2019 г.

2020 г.

2021 г.

2022 г.

2023 г.

2024 г.

ИИ

Объём рынка решений

21,5

29,2

39,8

54,3

73,9

100,7

137,2

160

в сфере ИИ

140

3,5

Компьютерное зрение

3,5

5,2

7,7

11,5

17,1

25,3

37,6

120

Обработка естественного

2,7

10,3

11,9

13,8

16,1

19,3

24,1

30,2

100

65,9

языка

Рекомендательные

2,2

48,6

системы

1,8

и интеллектуальные

6,6

10,8

16,7

24,9

35,4

48,6

65,9

35,4

30,2

системы поддержки

1,5

24,9

24,1

1,3

принятия решений

16,7

1,1

19,3

10,8

6,6

16,1

37,6

Распознавание и синтез

13,8

25,3

1,1

1,3

1,5

1,8

2,2

2,7

3,5

10,3

11,9

17,1

3,5

5,2

7,7

11,5

речи

2018

2019

2020

2021

2022

2023

2024

год

Распознавание и синтез речи

Обработка естественного языка

Однако оценить объём рынка и выручки от использования искусственного интеллекта

не представляется возможным. Ряд крупных аналитических агентств дают противоречи-

Рекомендательные системы и интеллектуальные

Компьютерное

вую информацию об объёме рынка искусственного интеллекта [86], [87].

системы поддержки принятия решений

зрение

Рисунок – 44 Объём мирового рынка решений в сфере искусственного интеллекта

в разрезе технологий, $ млрд США

135

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Доходы от мирового рынка искусственного интеллекта

70 000

с 2018 по 2025 гг.

59 748,54

60 000

50 000

46 519,61

40 000

34 381,76

30 000

24 161,77

20 000

16 241,52

10 529

10 000

6 629,44

4 065,99

1 378,19

2 420,36

2016*

2017*

2018*

2019*

2020*

2021*

2022*

2023*

2024*

2025*

Рисунок 45 – Прогноз роста мирового рынка искусственного интеллекта [86]

100 000

Доход от программного обеспечения искусственного

интеллекта с 2018 по 2025 гг.

80 000

60 000

40 000

20 000

2016

2017

2018

2019

2020

2021

2022

2023

2024

2025

Рисунок 46 – Прогноз роста мирового рынка программного обеспечения на основе искусственного интеллекта [87]

136

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

180

160,1

Размер российского рынка решений

160

140

в сфере искусственного интеллекта

120

107,2

100

Потенциальный объём российского рынка решений в сфере искусственного интеллекта

и нейротехнологий приведён в таблице. Российский рынок рассчитан на основании доли

71,8

от мирового рынка. Фактическая доля России в мировом рынке искусственного интел-

лекта составила в 2018 году 0,2%. Потенциально, доля России может увеличиться до 1,7%

48,0

к 2024 году. В 2018 году российский рынок решений в сфере искусственного интеллекта

составил 2,1 млрд рублей, к 2024 году он увеличится до 160,1 млрд рублей. В 2018 году

16,9

российский рынок решений в сфере нейротехнологий составил 0,1 млрд рублей, к 2024

5,9

2,1

году он увеличится до 8,2 млрд рублей [26].

2018

2019

2020

2021

2022

2023

2024

год

Объём рынка решений в сфере искусственного интеллекта

Таблица 15 – Размер российского рынка решений в сфере искусственного

Рис. 47. Объём российского рынка решений в сфере искусственного интеллекта,

интеллекта в разрезе технологий, млрд рублей [26].

млрд руб.

Наименование

2018 г.

2019 г.

2020 г.

2021 г.

2022 г.

2023 г.

2024 г.

180

технологии ИИ

160

Объём рынка решений

2,1

6,0

16,9

48,0

71,7

107,2

160,1

34,9

140

в сфере ИИ

120

Компьютерное зрение

1,0

2,7

7,5

20,4

29,3

42,1

60,5

34,8

100

23,7

Обработка естественного

0,4

1,0

3,0

8,7

13,1

19,8

29,9

языка

21,6

16,1

Рекомендательные системы

0,2

0,8

2,5

8,0

13,3

21,6

34,8

13,3

19,8

10,9

и интеллектуальные

3,9

8,0

13,1

2,5

60,5

0,5

1,4

системы поддержки

3,0

8,7

42,1

0,8

0,2

29,3

принятия решений

1,0

20,4

0,4

7,5

1,0

2,7

Распознавание и синтез

0,5

1,4

3,9

10,9

16,1

23,7

34,9

2018

2019

2020

2021

2022

2023

2024

год

речи

Распознавание и синтез речи

Обработка естественного языка

Рекомендательные системы и интеллектуальные

Компьютерное зрение

системы поддержки принятия решений

Рис. 48. Объём российского рынка решений в сфере искусственного интеллекта

в разрезе технологий, млрд руб.

137

РЫНОК ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Влияние искусственного интеллекта на рынок труда

Степень влияния искусственного интеллекта на ситуа-

цию с кадрами будет зависеть от отрасли. В некоторых

из них чистое число рабочих мест будет снижаться не-

сколько лет, а в других – например, в здравоохранении

и образовании – это количество не будет сокращаться,

если верить аналитикам.

Основное предположение экспертов заключается

в том, что искусственный интеллект скорее не заме-

нит людей, а будет дополнять их профессиональную

деятельность, делая её быстрее, эффективнее и про-

дуктивнее.

«Умным» машинам постепенно становится под силу ис-

полнение самых разнообразных видов труда – как фи-

зического, так и интеллектуального. Когнитивные воз-

можности программного обеспечения расширяются

на многие области интеллектуальной деятельности,

например, на финансовую аналитику, медицинскую

диагностику и анализ данных любого вида.

По оценкам экспертов, почти половина рабочих мест

может быть заменена компьютерами или робота-

ми. Впрочем, о полной автоматизации можно гово-

рить лишь в отношении менее 5% специальностей,

а в остальных случаях возможна лишь частичная заме-

на человека.

Сильнее всего искусственный интеллект угрожает лю-

дям, занятым сбором и обработкой данных [36].

138

НАЦИОНАЛЬНЫЕ

СТРАТЕГИИ

В ОБЛАСТИ ТЕХНОЛОГИЙ

ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

139

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Стратегия России

в области технологий искусственного интеллекта

В целях обеспечения ускоренного развития искусственного интеллекта, проведения научных исследований в области искусственного интеллекта, повышения доступности

информации и вычислительных ресурсов для пользователей, совершенствования системы подготовки кадров в России утверждена Национальная стратегия развития искус-

ственного интеллекта на период до 2030 года согласно указу Президента Российской Федерации В.В. Путина от 10.10.2019 № 490 [1].

Национальной стратегией развития искусственного ин-

￮ государственные программы, программно-

и среднесрочных прогнозов его развития является

теллекта определяются цели и основные задачи разви-

целевые документы, эффективность реализации

необходимым условием вхождения России

тия искусственного интеллекта в России, а также меры,

которых может быть повышена за счёт

в группу мировых лидеров в области развития

направленные на его использование в целях обеспе-

использования технологий искусственного

и внедрения технологий искусственного интеллекта

чения национальных интересов и реализации страте-

интеллекта;

и, как следствие, технологической независимости

гических национальных приоритетов, в том числе в об-

￮ проекты, обеспечивающие достижение целей

и конкурентоспособности страны.

ласти научно-технического развития.

и показателей деятельности федеральных органов

Основные принципы развития

Национальной стратегией развития искусствен-

исполнительной власти (ведомственные проекты).

и использования технологий

ного интеллекта является основой для разработки

Россия обладает существенным потенциалом для того,

искусственного интеллекта:

(корректировки)

государственных

программ,

чтобы стать одним из международных лидеров в раз-

федеральных и региональных проектов, плановых

￮

защита прав и свобод человека;

витии и использовании технологий искусственного

и программно-целевых документов государственных

￮

безопасность использования искусственного

интеллекта. Этому способствует высокий уровень ба-

корпораций, государственных компаний, акционерных

зового физико-математического образования, силь-

интеллекта;

обществ с государственным участием, стратегических

ная естественно-научная школа, наличие компетенций

документов иных организаций в части, касающейся

￮

прозрачность технологий искусственного

в области моделирования и программирования.

развития искусственного интеллекта.

интеллекта;

Россия входит в десятку стран-лидеров по количеству

￮

технологический суверенитет в области

Положения Национальной стратегией

научных публикаций по физике, математике, химии.

искусственного интеллекта;

развития искусственного интеллекта

Дополнительными благоприятными факторами раз-

учитываются при реализации следующих

вития технологий искусственного интеллекта в России

￮

целостность инновационного цикла, т.е.

документов:

являются современная базовая информационно-ком-

обеспечение тесного взаимодействия научных

муникационная инфраструктура (высокий уровень до-

исследований и разработок в области

￮ стратегия развития информационного общества

искусственного интеллекта с реальным сектором

ступа к сети «Интернет», развитие радиотелефонной

в России на 2017-2030 годы;

связи третьего и четвёртого поколений) и доступность

экономики;

￮ национальная программа «Цифровая экономика

мобильной передачи данных.

Российской Федерации» и иные национальные

￮

разумная бережливость, т.е. осуществление

Реализация Национальной стратегией развития

проекты (программы), федеральные

и адаптация в приоритетном порядке мер,

искусственного интеллекта с учётом сложившейся

и региональные проекты, в рамках реализации

направленных на реализацию государственной

обстановки на глобальном рынке искусственного

которых возможно использование технологий

политики в научно-технической и других областях;

интеллекта, когда немногочисленные ведущие игроки

искусственного интеллекта;

предпринимают активные действия для обеспечения

￮

поддержка конкуренции.

￮ планы мероприятий («дорожные карты»)

своего доминирования на нём и получения

Национальной технологической инициативы;

долгосрочных конкурентных преимуществ,

140

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Использование технологий искусственного

￮ достижение устойчивой конкурентоспособности

показателем, характеризующим рост спроса на техно-

интеллекта носит общий («сквозной»)

российской экономики;

логии искусственного интеллекта, является увеличение

характер и способствует созданию условий

￮ достижение лидирующих позиций в мире

количества организаций, в том числе и социальной

для улучшения эффективности и формирования

сферы, и государственных органов, использующих ис-

в области искусственного интеллекта.

принципиально новых направлений деятельности,

кусственный интеллект для повышения эффективности

в том числе за счёт:

Основными задачами развития

своей деятельности.

￮ повышения эффективности процессов

искусственного интеллекта являются:

Основные направления государственной

планирования, прогнозирования и принятия

￮

поддержка научных исследований

поддержки в области технологий

управленческих решений;

в целях обеспечения опережающего развития

искусственного интеллекта:

￮ автоматизации рутинных (повторяющихся)

искусственного интеллекта;

производственных операций;

￮

разработка и развитие программного

￮

поддержка научных исследований

обеспечения, в котором используются технологии

в целях обеспечения опережающего развития

￮ использования автономного интеллектуального

искусственного интеллекта;

оборудования и робототехнических комплексов,

интеллектуальных систем управления логистикой.

￮

повышение доступности и качества данных,

￮

разработка и развитие программного

￮ повышения безопасности сотрудников

необходимых для развития технологий

обеспечения, в котором используются технологии

при выполнении бизнес-процессов;

искусственного интеллекта;

￮ повышения лояльности и удовлетворённости

￮

повышение доступности аппаратного

￮

повышение доступности и качества данных,

потребителей;

обеспечения, необходимого для решения задач

необходимых для развития технологий

в области искусственного интеллекта;

￮ оптимизации процессов подбора и обучения

искусственного интеллекта;

кадров, составления оптимального графика

￮

повышение уровня обеспечения российского

￮

повышение доступности аппаратного

работы сотрудников.

рынка технологий искусственного интеллекта

обеспечения, необходимого для решения задач

квалифицированными кадрами и уровня

Использование технологий искусственного

в области искусственного интеллекта;

информированности населения о возможных

интеллекта в социальной сфере способствует

сферах использования таких технологий;

￮

повышение уровня обеспечения российского

созданию условий для улучшения жизни населения за

￮

создание комплексной системы регулирования

рынка технологий искусственного интеллекта

счёт:

общественных отношений, возникающих в связи

квалифицированными кадрами;

￮ повышения качества услуг в сфере

с развитием и использованием технологий

￮

повышение уровня информированности

здравоохранения;

искусственного интеллекта.

населения о возможных сферах использования

￮ повышения качества услуг в сфере образования;

Основные механизмы развития

технологий искусственного интеллекта;

￮ повышения качества предоставления

искусственного интеллекта

￮

создание комплексной системы регулирования

государственных и муниципальных услуг;

￮ обеспечение роста предложения

общественных отношений, возникающих в связи

￮ снижения затрат на их предоставление.

конкурентоспособных в мире российских

с развитием и использованием технологий

продуктов, созданных с использованием

искусственного интеллекта.

Целями развития искусственного

искусственного интеллекта;

интеллекта в России являются:

￮ обеспечение роста спроса со стороны российских

￮ обеспечение роста благосостояния и качества

граждан, организаций и государственных

жизни её населения;

органов на продукты и услуги, созданные

￮ обеспечение национальной безопасности

с использованием искусственного интеллекта;

и правопорядка.

141

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Стратегия США

в области технологий искусственного интеллекта

Технологическое лидерство США подкреплено лидерством экономическим, что позволяет финансировать исследования в области технологий искусственного интеллекта

в объёме, превышающем остальные страны [15].

￮ Определение направлений

￮ Долгосрочное

￮ Разработка открытых

￮ Разработка эффективных

￮ Самоорганизация

для приоритетного

инвестирование

датасетов и окружений

методов взаимодействия

отрасли

финансирования в целях

в исследования

для тренировки

человека и искусственного

и финансирование тем-

получения долгосрочных

искусственного

и тестирования систем

интеллекта.

аутсайдеров.

преимуществ.

интеллекта.

искусственного интеллекта.

Стратегия Европейского союза

в области технологий искусственного интеллекта

Общеевропейская стратегия является рамкой для национальных стратегий стран, входящих в ЕС, обеспечивая регуляторные механизмы в отрасли искусственного интеллекта [15].

￮ Сделать так, чтобы

￮ Понимание этических,

￮ Создание новых

￮ Обеспечение

￮ Тотальное регулирование

искусственный интеллект

правовых и социальных

профессий

кибербезопасности

исследования

был полезен и безопасен

аспектов использования

и автоматизация рутинных

и безопасности данных.

и применений.

для европейских граждан

технологий искусственного

процессов.

и экономики Европы.

интеллекта.

Стратегия Германии

в области технологий искусственного интеллекта

Германия тщательно собирает информацию и технологии для того, чтобы вернуть себе статус мирового технологического лидера [15].

￮ Обеспечение повсеместного

￮ Обеспечение высокого

￮ Создание условий

￮ Использование потенциала

￮ Комплексное применение

использования германских

уровня безопасности.

для развития талантов.

технологий искусственного

интеллекта для повышения

интеллекта в науке, бизнесе

интеллекта, который должен

эффективности и устойчивости.

и государственном секторе.

стать лучшим в мире.

142

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Стратегия Великобритании

в области технологий искусственного интеллекта

Великобритания выявляет и развивает те направления в области искусственного интеллекта, которые позволяют получить быстрый возврат инвестиций [15].

￮ Обновление инфраструк-

￮ Открытие доступа

￮ Сделать лучшую

￮ Продвижение бренда

￮ Экономическое

туры, чтобы стать лучшим

высококвалифицированным

цифровую инфраструктуру

искусственного интеллекта

стимулирование частных

местом для создания и раз-

талантам.

для технологий

«Made in Great Britain»

инвестиций в технологии

вития бизнеса в области

искусственного интеллекта

по всему миру.

искусственного интеллекта.

в мире.

Стратегия Франции

в области технологий искусственного интеллекта

Франция является единственной европейской страной, которая открыто заявила о применении технологий искусственного интеллекта в военной сфере [15].

￮ Обеспечение развития

￮ Повышение

￮ Внедрение технологий

￮ Открытие чёрных

￮ Привлечение лучших

технологий искусственного

потенциала научно-

искусственного интеллекта

ящиков искусственного

умов и увеличение

интеллекта в соответствии

исследовательской

в различные профессии.

интеллекта (повышение

количества студентов.

с лучшими стандартами

деятельности.

интерпретируемости).

этики.

143

НАЦИОНАЛЬНЫЕ СТРАТЕГИИ В ОБЛАСТИ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Стратегия Китая

в области технологий искусственного интеллекта

Китай стремится стать мировым лидером в современных подрывных технологиях [15].

￮ Открытие новых

￮ Выравнивание

￮ Стремление к созданию

￮ Выращивание

￮ Жёсткое следование

возможностей для развития

технологического

искусственного интеллекта

и поиск талантов

государственной

Китая и эффективной

развития Китая

нового поколения.

в области искусственного

политике.

защиты его национальной

с развитыми странами

интеллекта.

безопасности.

к 2020 году.

Стратегия Южной Кореи

в области технологий искусственного интеллекта

Стратегия Южной Кореи направлена на то, чтобы войти в клуб технологических лидеров [15].

￮ Превращение в тяжеловеса

￮ Увеличение

￮ Развитие

￮ Создание

￮ Увеличение числа

в области технологий

объёмов

талантов.

крупномасштабных

специалистов

искусственного интеллекта

исследований.

проектов

и проводимых научных

и становление достойным

в сфере искусственного

исследований.

конкурентом США и Китаю.

интеллекта.

144

ПРИЛОЖЕНИЕ №1

145

ПРИЛОЖЕНИЕ №1

Теоретические основы технологий искусственного интеллекта

ТЕСТ ТЬЮРИНГА И ИНТУИТИВНЫЙ

Основная особенность символьных вычислений – со-

в окружающей среде с помощью исполнительных ме-

здание новых правил в процессе выполнения про-

ханизмов. Данный подход позволяет тщательнее изу-

ПОДХОД

чить алгоритмы поиска пути и принятия решений.

граммы. Тогда как возможности неинтеллектуальных

систем завершаются как раз перед способностью хотя

Эмпирический тест был предложен Аланом Тьюрин-

бы обозначать вновь возникающие трудности. Тем бо-

гом в статье «Вычислительные машины и разум» (англ.

ГИБРИДНЫЙ ПОДХОД

лее эти трудности не решаются и наконец компьютер

Computing Machinery and Intelligence), опубликованной

не совершенствует такие способности самостоятельно.

в 1950 году в философском журнале «Mind». Целью

Гибридный подход предполагает, что только синерге-

данного теста является определение возможности ис-

Недостатком символьного подхода является то, что та-

тическая комбинация нейронных и символьных моде-

кие открытые возможности воспринимаются не подго-

кусственного мышления, близкого к человеческому.

лей достигает полного спектра когнитивных и вычисли-

товленными людьми как отсутствие инструментов. Эту,

Стандартная интерпретация этого теста звучит следую-

тельных возможностей. Например, экспертные правила

скорее культурную проблему, отчасти решает логиче-

щим образом: «Человек взаимодействует с одним ком-

умозаключений могут генерироваться нейронными

ское программирование.

пьютером и одним человеком. На основании ответов

сетями, а порождающие правила получают с помощью

на вопросы он должен определить, с кем он разгова-

статистического обучения. Сторонники данного подхо-

ривает: с человеком или компьютерной программой.

ЛОГИЧЕСКИЙ ПОДХОД

да считают, что гибридные информационные системы

Задача компьютерной программы – ввести человека

будут значительно более сильными, чем сумма различ-

Логический подход к созданию систем искусственного

в заблуждение, заставив сделать неверный выбор». Все

ных концепций по отдельности.

интеллекта основан на моделировании рассуждений.

участники теста не видят друг друга.

Теоретической основой служит логика.

Самый общий подход предполагает, что ИИ будет спо-

АЛГОРИТМЫ

Логический подход может быть проиллюстрирован

собен проявлять поведение, не отличающееся от чело-

применением для этих целей языка и системы логиче-

веческого, причём в нормальных ситуациях. Эта идея

Интеллектуальные системы, которые стали неотъем-

ского программирования Пролог. Программы, запи-

является обобщением подхода теста Тьюринга, кото-

лемой частью современной реальности, – это не «на-

санные на языке Пролог, представляют собой набо-

рый утверждает, что машина станет разумной тогда,

стоящий» ИИ. Современные системы распознавания

ры фактов и правил логического вывода без жёсткого

когда будет способна поддерживать разговор с обыч-

образов, речи, естественного языка и прогнозирова-

задания алгоритма как последовательности действий,

ным человеком, и тот не сможет понять, что говорит

ния основаны на распознавании паттернов в больших

приводящих к необходимому результату.

с машиной (разговор идёт по переписке).

массивах данных. Многочисленные системы ИИ от са-

мых мощных, таких как DeepBlue или Watson, до про-

стейших алгоритмов кредитного скоринга и фильтра-

АГЕНТНО-ОРИЕНТИРОВАННЫЙ ПОДХОД

СИМВОЛЬНЫЙ ПОДХОД

ции спама или мошеннических финансовых операций

Агентно-ориентированный основан на использовании

способны эффективно решать только набор однотип-

Исторически символьный подход был первым в эпо-

интеллектуальных

(рациональных) агентов. Согласно

ных задач и не обладают гибкостью и многообразием

ху цифровых машин, так как именно после создания

этому подходу, интеллект – это вычислительная часть

функций интеллекта даже двухлетнего ребенка. Основа

Лисп, первого языка символьных вычислений, у его ав-

(грубо говоря, планирование) способности достигать

всех современных интеллектуальных систем – обуче-

тора возникла уверенность в возможности практически

поставленных перед интеллектуальной машиной це-

ние на больших объёмах данных, которое не похоже

приступить к реализации этими средствами интеллек-

лей. Сама такая машина будет интеллектуальным аген-

на обучение человека чему-то новому, основанное

та. Символьный подход позволяет оперировать слабо-

том, воспринимающим окружающий его мир с помо-

на понимании.

формализованными представлениями и их смыслами.

щью датчиков, и способной воздействовать на объекты

146

ПРИЛОЖЕНИЕ №1

нет, то производится возврат к родительскому узлу,

Для эффективного применения результатов машинного

эффективность программ, осуществляющих

обучения на практике от модели требуется интерпрети-

а текущий узел помечается, как изученный.

решение сложных задач.

руемость результатов.

Центральным понятием в эвристическом программи-

При поиске в ширину сначала посещаются все узлы,

ровании является понятие дерева вариантов или про-

находящиеся на одной глубине с текущим узлом,

Актуальным остается вопрос подготовки

и лишь затем осуществляется переход к их потомкам,

странства состояний. Корень дерева представляет со-

качественных наборов данных для

находящимся на следующем уровне глубины.

бой исходное состояние, из которого выходят ветви,

обучения моделей машинного обучения.

соответствующие тому, как это состояние может быть

Перспективными являются:

изменено. Листьям дерева, не имеющим потомков, со-

ЭВОЛЮЦИОННЫЕ ВЫЧИСЛЕНИЯ

￮ исследование применения в различных областях

ответствуют состояния, для которых выполняется кри-

обучения с подкреплением (Reinforcement

терий окончания. В дереве целей корню соответствует

Эволюционные вычисления – это совокупность подхо-

learning);

цель, а дочерним узлам – подцели, достижение кото-

дов к решению проблемы поиска (оптимизации), в ос-

￮ алгоритмы с частичным привлечением учителя

рых необходимо или достаточно для достижения цели.

нове которых лежат идеи, почерпнутые из эволюции

(Semi-supervised learning), поскольку большая

Решение некоторой задачи сводится к нахождению

в живой природе.

часть накопленных данных не размечена

удовлетворяющего условиям задачи листа и построе-

Как оказывается, существует множество механизмов

для алгоритмов машинного обучения;

нию пути от корня дерева до этого листа.

эволюции, список которых всё ещё продолжает по-

￮ алгоритмы обучения без учителя;

Деревья игры и целей могут быть эксплицитными и им-

полняться благодаря новым открытиям. Эти механизмы

￮ выявление причинно-следственных связей

плицитными. Эксплицитное дерево задается в явном

выступают в роли своего рода эвристик эволюцион-

в больших массивах данных.

виде путём указания всех его узлов и дуг, в то время

ного поиска, обеспечивая его чрезвычайную эффек-

как имплицитное дерево задается путём указания ис-

тивность. Таким образом, не базовые идеи эволюции,

ходной позиции и правил формирования дерева (пра-

а конкретные её механизмы (не выводящиеся из этих

ЭВРИСТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ

вил игры или допустимых операций по изменению те-

идей) и представляли интерес для специалистов в об-

кущего состояния).

ласти ИИ.

Первым доминирующим направлением в области ИИ

Процедура, которая превращает имплицитное дерево

было направление, обозначаемое термином «эври-

Эти механизмы являются основой

в эксплицитное, называется порождающей процеду-

стическое программирование», реализующее поиск

нескольких направлений исследований в

рой. Эта процедура далеко не всегда позволяет сфор-

на основе эвристик и тесно связанное с лабиринтной

рамках эволюционных вычислений:

мировать эксплицитное дерево из-за того, что оно

гипотезой мышления в психологии и исследованиями

может получиться чрезвычайно больших размеров.

формализации процесса доказательства теорем в ма-

￮ генетические алгоритмы (ГА);

К примеру, размер дерева для шашек 1040, для шахмат

тематике.

￮ эволюционные стратегии;

10120, а для го – 10400.

В рамках этого направления была сформирована пер-

Поскольку всё дерево порождено быть не может, ста-

￮ эволюционное (генетическое) программирование.

вая парадигма ИИ: мышление как решение задач путём

новится принципиальным, в каком порядке происходит

поиска в пространстве вариантов.

Эти направления тесно связаны и во многом похожи,

порождение узлов (или в каком порядке осуществля-

хотя возникли практически независимо. Концепция

Трудности такого подхода:

ется обход узлов имплицитного дерева). В зависимо-

генетических алгоритмов была предложена Холлан-

￮ для сравнительно простых задач пространство

сти от этого порядка порождающие процедуры можно

дом в начале 1960-х годов (хотя широко известной она

решения чрезвычайно велико и исследование

разделить на несколько типов: поиск в глубину и поиск

стала только с середины 1970-х годов). Идею эволюци-

всего пространства невозможно.

в ширину.

онных стратегий предложил Реченберг (а чуть позже

￮ для получения работающих программ

При поиске в глубине на каждом шаге посещается

Шефель) в середине 1970-х годов. Концепция эволюци-

необходимо использование неких правил

один из ещё не рассмотренных потомков текущего узла

онного программирования была предложена Фогелем,

или приёмов, которые позволяют повысить

(обычно самый левый). Если не посещенных потомков

Оуэнсом и Уолшем в середине 1960-х годов.

147

ПРИЛОЖЕНИЕ №1

учитывать особенности конкретных объектов, что по-

Эволюция представляет собой крайне эффективный

ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ

зволяет повысить их эффективность по сравнению с ге-

направленный поиск, не являющийся ни полным пере-

нетическими алгоритмами.

бором, ни чисто случайным поиском, хотя и функцио-

Генетические алгоритмы предназначены для нахожде-

нирующий лишь в единственном пространстве поиска,

ния экстремумов функций от произвольных объектов.

Ещё одно направление в области эволюционных вы-

тогда как интеллект способен выполнять поиск для со-

Особенность генетических алгоритмов заключается

числений – это эволюционное или генетическое про-

вершенно разных задач.

в том, что они работают с битовыми строками, не опи-

граммирование, которое отличается тем, что в нём рас-

раясь на структуру исходных объектов, что позволяет

сматриваются вопросы поиска программ, наилучшим

Механизмы эволюции оказались весьма полезны-

применять ГА без модификации для любых объектов.

образом удовлетворяющих некоторому критерию.

ми при разработке систем искусственного интеллекта,

Алгоритмическая реализация этих механизмов называ-

эволюция в дополнение к естественному интеллекту

Идея рецессивных и доминантных генов также не на-

ется генетическими операторами, к которым относится

сама по себе является достойным предметом изучения

шла ещё применения в эволюционных вычислениях.

оператор скрещивания, оператор мутации и оператор

в рамках исследований в области искусственного ин-

Существование большого количества генов, не кодиру-

редукции (селекции или отбора).

теллекта. Исследованию законов эволюции в рамках

ющих фенотипические признаки, а управляющих экс-

искусственного интеллекта посвящено направление,

прессией других генов, лишь недавно заинтересовало

Последовательность шагов в генетическом

называемое «искусственная жизнь».

специалистов в области искусственного интеллекта.

алгоритме выглядит следующим образом:

Сгенерировать начальную популяцию (случайную

совокупность объектов).

Выбрать родительские пары.

Для каждой родительской пары с использованием

оператора скрещивания породить потомство.

В хромосомы порожденного потомства внести

случайные искажения оператором мутации.

Произвести отбор особей из популяции

по значению их фитнесс-функции, применив

оператор редукции.

Повторять шаги 2-4, пока не выполнится критерий

остановки.

ЭВОЛЮЦИОННЫЕ СТРАТЕГИИ

И ПРОГРАММИРОВАНИЕ

Отличие эволюционных стратегий от генетических ал-

горитмов заключается в том, что в них не используются

битовые представления. Вместо этого все генетические

операторы реализуются в исходном пространстве объ-

ектов с учётом их структуры. Это ведёт к потере универ-

сальности, но повышению гибкости.

Эволюционные стратегии допускают гораздо более гиб-

кую настройку генетических операторов и позволяют

148

ПРИЛОЖЕНИЕ №1

ИСКУССТВЕННАЯ ЖИЗНЬ

АНИМАТЫ

КЛЕТОЧНЫЕ АВТОМАТЫ

Направление исследований, получившее название

В другом близком направлении исследований, назы-

Клеточные автоматы, в отличие от аниматов, напротив,

«искусственная жизнь» или artificial life, AL, сформи-

вающимся «Аниматы» или «Адаптивное поведение»

состоят из максимально простых элементов и функци-

ровалось под таким названием в конце 1980-х годов,

и «Клеточные автоматы», в котором реализация эво-

онируют по простым правилам. Есть поле, разбитое

однако большое число работ, которые можно к нему

люции является второстепенной задачей, напротив,

на клетки. Каждая клетка поля может находиться в од-

отнести, были выполнены гораздо раньше.

искусственные существа достаточно часто реализуются

ном из двух состояний: живая и мёртвая. Живая клет-

В рамках этого направления создаются своего рода ис-

в реальном мире или в виртуальной модели реально-

ка умирает, если у неё меньше двух или больше трёх

кусственные существа, которые помещаются в некий

го мира. В рамках этого направления изучаются более

живых соседей. Мёртвая клетка оживает, если у неё

специально сконструированный «мир». В этом мире

сложные формы поведения, которые часто воплоща-

ровно три соседа. Все клетки меняют свои состояния

искусственные существа «живут» и «эволюционируют».

ются не только в виртуальных мирах, но и в физиче-

одновременно. Существуют также и различные моди-

Как правило, это небольшой виртуальный (цифровой)

ских устройствах. Эти виртуальные организмы или фи-

фикации этих правил, однако общие идеи клеточных

мир с достаточно простыми законами.

зические устройства называются аниматами (animat =

автоматов от этого не изменяются.

animal + robot).

Основной целью исследований в направлении «искус-

Примеры некоторых конфигураций

Здесь гораздо меньший упор делается на эволюцию,

ственная жизнь» является раскрытие, формализация

клеточных автоматов:

но больший – на адаптацию и обучение. Предме-

и моделирование принципов организации биологиче-

том исследования выступает адаптивное поведение:

ской жизни и процесса её развития в ходе эволюции.

￮

исчезающие конфигурации, которые

что оно собой представляет, какова должна быть архи-

При этом в рамках данного направления часто ставится

через несколько тактов пропадают;

тектура систем управления, чтобы они могли обладать

вопрос об исследовании не только жизни в той фор-

способностью приспосабливаться к изменяющейся

￮

статические конфигурации, которые не меняются

ме, в которой она есть в конкретных земных условиях,

внешней среде и т.д.

с течением времени;

но и той жизни, какой она могла бы быть в принципе.

Моделирование эволюции здесь также может исполь-

Работы в направлении «искусственная жизнь» имеют

￮

осцилляторы, которые через несколько тактов

зоваться для нахождения оптимальных структур управ-

также и инженерные применения. Например, реше-

возвращаются в исходное состояние;

ления аниматами, однако при этом находятся не сами

ние задач конструирования механизмов с системами

структуры, а их конкретизации, так как пространство

управления путём моделирования их эволюции в вир-

￮

перемещающиеся конфигурации

поиска (способ описания этих структур) задаётся ис-

туальной среде для получения оптимальных параме-

или «бумеранги»;

следователем.

тров.

Анимат обладает набором эффекторов, с помощью

￮

сверхстабильные конфигурации

Вопросы, которые можно исследовать с

или «пожиратели», которые поглощают

которых может совершать действия, а также «телом»,

помощью «искусственной жизни»:

«бумеранги» и при этом сами не изменяются;

получающим подкрепление и наказание от среды, чем

￮ влияние априорной информации о мире

оно и отличается от остальных сенсоров, на которые

￮

самовоспроизводящиеся конфигурации (они

на выживаемость;

осуществляется только информационное воздействие.

состоят из достаточно большого числа элементов

￮ значение случайного поиска;

Далее ставится вопрос о конкретизации этих общих

и здесь не приводятся).

блоков (в особенности, системы управления). Такое

￮ проверка моделей инстинктов;

уточнение может браться как из работ по исследова-

￮ возникновение системных явлений

нию естественных систем адаптивного поведения (к

при возможности передачи информации между

примеру, в этих целях широко используется теория

На примере клеточных автоматов исследуются

особями;

функциональных систем Анохина), так и подбираться

проблемы самоорганизации, которая характерна

￮ проверка эффекта Балдвина.

искусственно для проверки какой-либо идеи.

для живой (и, на самом деле, мёртвой) материи.

149

ПРИЛОЖЕНИЕ №1

ЛОГИЧЕСКИЕ СИСТЕМЫ

ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

Проблема представления знаний выделилась в отдель-

ную область исследований в рамках ИИ в 1970-х годах.

Эта область тесно связана с исследованиями фор-

мальных систем в математике, с изучением проблемы

смысла языковых высказываний в философии, а также

с исследованиями в области когнитивной психологии

и лингвистике. Несмотря на такую связь с перечис-

ленными науками, основным критерием в области

представления знаний выступает не математическая

строгость или психологическая достоверность, а эффек-

тивность реализации некоторого представления зна-

ний на практике.

Поскольку знания стали описываться независимо от ис-

полняемых модулей, а полученные описания затем ис-

пользовались программно, эти описания должны были

осуществляться в рамках некоторого формального

языка с достаточно чётким синтаксисом и семантикой,

чтобы программа, осуществляющая

«рассуждения»

на основе этих знаний, могла их однозначно интер-

ЛОГИЧЕСКИЕ МОДЕЛИ

Описывают знания как совокупность однотипных

претировать и использовать для решения конкретной

элементов, то есть воплощают модульный

задачи. Этим знания и отличаются от обычных данных.

Декларативное представление знаний обладает следу-

принцип, что позволяет быстро создавать

Противоречивые требования к удобству манипулиро-

ющими особенностями, обусловливающими его преи-

прототипы систем и достаточно свободно

вания знаниями и выразительной силе привели к воз-

мущество перед процедурным представлением.

включать и исключать из них элементы

никновению некоторого количества различных языков

без существенной перестройки всей системы.

Знания во многом отделены от механизмов

представления, среди которых наиболее распростра-

их использования, что позволяет применять

В то же время, декларативные представления являются

нены следующие:

единожды реализованную систему

менее выразительными и не всегда достаточно про-

манипулирования знаниями для разных баз

зрачными, поскольку их интерпретация может зависеть

￮ логические модели;

знаний, описывающих независимые предметные

от конкретной реализации системы манипулирования

области.

знаниями.

￮ системы продукций;

Обладают более простыми синтаксисом

￮ семантические сети;

и семантикой, чем процедурные представления,

ПРОДУКЦИОННЫЕ СИСТЕМЫ

и наполнение баз знаний, построенных

￮ фреймы;

на их основе, является более доступным

Хотя продукционные системы часто относят к пред-

￮ объектно-ориентированные представления;

для пользователей, не являющихся

ставлениям знаний, под ними всё же обычно подра-

программистами, а также легче автоматизируется.

зумевают наборы правил, дополненные механизмами

￮ сценарии и ряд других представлений.

вывода (манипулирования знаниями). Наборы правил

бывают разными, но их объединяет то, что знания в них

150

ПРИЛОЖЕНИЕ №1

представляются в форме связки «условие-действие».

постановки, соответствующей генеративной

Несколько в стороне находятся стохастические грамма-

При этом как условие, так и действие могут задаваться

модели набора символьных данных.

тики, которые полезны в задачах машинного обучения.

в весьма различной форме.

В зависимости от формы правил, стохастические грам-

Конечный набор правил может порождать

матики также могут быть типов 0-3, и различия между

В продукционных системах не обязательно на каждом

язык, содержащий бесконечное количество

типами обычных формальных грамматик сохраняются

шаге применяется только одно правило. Здесь также

предложений.

и для стохастических грамматик.

возможен и поиск: при формировании дерева вариан-

Различные грамматики могут порождать

тов из каждого узла исходит такое количество ветвей,

Стохастические грамматики задают представления

сколько разных правил может быть применено в дан-

одинаковые языки, т.н. слабо эквивалентные

цепочек символов с распределением вероятностей

ной ситуации. Тогда стратегии разрешения конфлик-

грамматики.

по цепочкам, что отличает такие грамматики от обыч-

тов превращаются в классические эвристики поиска:

ных порождающих грамматик, задающих лишь пред-

Грамматические правила не описывают семантику

они указывают предпочтительный порядок анализа

ставления с жёсткими ограничениями на множества

языка.

подветвей дерева вариантов.

описываемых в их рамках цепочек.

В зависимости от формы правил

Наиболее типичным является использование продук-

постановки принято выделять четыре типа

ционных систем в задачах диагностики и классифика-

СЕМАНТИЧЕСКАЯ СЕТЬ

ции, причём первые не допускают построения полного

грамматик, предложенных Н. Хомским:

дерева вариантов, а требуют «поиска» в реальном про-

Семантическая сеть представляет собой ориентиро-

￮ неограниченные грамматики – грамматики типа 0;

странстве. Наиболее серьёзное применение продукци-

ванный граф, узлы которого соответствуют понятиям,

онные системы имеют в диагностике заболеваний.

￮ грамматики непосредственно составляющих – НС-

а дуги – отношениям между ними. При этом, как узлы,

грамматики, контекстно-зависимые грамматики,

так и дуги имеют метки, указывающие, какое именно

грамматики типа 1;

понятие помещено в узле, или какое именно отноше-

ФОРМАЛЬНЫЕ ГРАММАТИКИ

￮ контекстно-свободные грамматики – КС-

ние обозначает дуга.

Теорию формальных грамматик, которая стала одним

грамматики, бесконтекстные грамматики,

Семантические сети могут использоваться не только

из основных разделов математической лингвистики,

грамматики типа 2;

для описания общих знаний о мире, точнее, некоторой

в середине прошлого века разработал Ноам Хомский,

предметной области, но и для описания структуры еди-

￮ регулярные грамматики – автоматные грамматики,

именно исходя из потребностей лингвистики. Фор-

ничных высказываний. Такая структура также называет-

грамматики типа 3.

мальные грамматики оказались удобным средством

ся падежным фреймом. Падежные фреймы не зависят

при создании компиляторов и трансляторов для язы-

В грамматиках типов 1-3 на каждом шаге подстановки

от грамматических падежей конкретных естественных

ков программирования, для классификации динамиче-

заменяется лишь один нетерминальный символ. Это

языков, а отражают глубинные или ролевые взаимосвя-

ских систем и при исследовании классов алгоритмов,

позволяет представлять структуру предложения в виде

зи между элементами некоторой ситуации. Падежные

а также в структурном распознавании образов.

дерева. Некорневые узлы и листья этого дерева назы-

фреймы также гораздо проще поддаются автоматиче-

вают составляющими, а узлы, являющиеся непосред-

скому анализу и, в частности, переводу на другой язык.

Грамматика не задаёт детерминированный

ственными потомками некоторого узла, называются его

Они имеют тесную связь с глубинными грамматиками,

алгоритм порождения некоторой цепочки

непосредственными составляющими. Отсюда и проис-

исследуемыми когнитивными лингвистами, и с транс-

символов.

ходит название НС-грамматик.

формационными грамматиками Н. Хомского, являющи-

Грамматика не указывает последовательность

мися разновидностью формальных грамматик.

Для любой грамматики типа 1 или 2, как и для грам-

действий по порождению цепочек символов,

матики типа 3, может быть построен алгоритм, позво-

Семантические сети являются мощным средством

а устанавливает ограничения на возможные

ляющий для любой цепочки определить, порождается

для представления знаний, однако они плохо описы-

действия.

ли она данной грамматикой. Это принципиально отли-

вают сложно структурированные объекты или явления.

чает данные грамматики от неограниченных грамматик.

Каждая порождаемая цепочка описывается

В семантических сетях положение узлов не фикси-

в грамматике последовательностью правил

ровано в пространстве, то есть при изоморфном

151

ПРИЛОЖЕНИЕ №1

отображении – с сохранением всех связей – мы полу-

Отличительной особенностью фреймов является воз-

МЕТОДЫ КЛАСТЕРИЗАЦИИ

чим совершенно другую по расположению элементов

можность присоединения к ним процедур, осущест-

сеть, но представляющую те же знания, поскольку узлы

вляющих внутреннюю интерпретацию данных фрейма

Поскольку решающее правило относит каждый образ

и дуги в исходной и преображенной сети одинаковы.

и описывающих их использование. В частности, про-

обучающей выборки к одному из классов, задача сво-

цедурная информация помогает использовать произ-

дится к тому, чтобы объединить образы обучающей вы-

вольные типы отношений между фреймами. Фреймы,

борки в группы, на основе которых формируются клас-

ФРЕЙМЫ И ОБЪЕКТНО-

как декларативное представление, дают полный до-

сы. Такое объединение называется группированием.

ОРИЕНТИРОВАННЫЙ ПОДХОД

ступ к своему содержимому для программ-интерпре-

Кластеризация – задача поиска кластеров, областей,

таторов, осуществляющих манипулирование знаниями

содержащих компактно расположенные группы образов.

В ПРЕДСТАВЛЕНИИ ЗНАНИЙ

на основе фреймов.

Эвристические алгоритмы кластеризации:

Во фреймовых представлениях уделяется основное

внимание представлению объекта как единой целост-

￮ алгоритм k средних;

БАЙЕСОВСКИЙ ПОДХОД

ности. В описании фрейма чётко выделяется сама струк-

К РАСПОЗНАВАНИЮ ОБРАЗОВ

￮ алгоритм с заданием порога;

тура фрейма, или его оболочка, которая называется

протофрейм – фрейм с незаполненными значениями

￮ алгоритм максиминного (максимально-

В статистическом подходе полагается, что объект мо-

слотов, и собственно данные, описывающие конкрет-

минимального) расстояния;

жет принадлежать любому из классов, но с некоторой

ную реализацию или экземпляр фрейма – экзофрейм.

вероятностью, что позволяет определять вероятность

￮ алгоритм ISODATA (Iterative Self-Organizing Data

Протофрейм описывает некое стереотипное представ-

ошибочной классификации, с помощью которой и оце-

Analysis Techniques).

ление об объекте или ситуации. Когда наблюдается

нивается качество классификации.

конкретный объект или ситуация, то создается экзем-

Перечисленные методы кластеризации преимуще-

Со статистической точки зрения оптимальному каче-

пляр фрейма, в котором значения слотов исходно уста-

ственно являются итерационными, что позволяет

ству классификации соответствует байесовский клас-

новлены по умолчанию. По мере накопления данных

не перебирать все возможные варианты группиро-

сификатор. Построение байесовского классификатора

эти значения могут уточняться.

вания, но делает эти методы чувствительными к на-

в общем случае означает минимизацию среднего ри-

чальной гипотезе о положении центров кластеров

Помимо значений по умолчанию для каждого из сло-

ска. В рамках байесовского подхода удаётся обосно-

либо к порядку предъявления векторов обучающей

тов могут указываться ограничения на его значение.

вать использование конкретных функций расстояния,

выборки.

Эти требования к фрейму позволяют определить, мо-

что было затруднительно в рамках эвристических под-

жет ли некий объект по своим параметрам соответство-

ходов. В статистическом подходе задача распознавания

Алгоритм ожидания-максимизации.

вать данному фрейму, что позволяет выполнять своего

образов сводится к оценке плотностей распределения

Принцип минимальной длины описания. Этот принцип

рода распознавание. В качестве содержимого слота

условных вероятностей.

имеет глубокое теоретическое обоснование в рамках ал-

может выступать и другой фрейм, что обеспечивает

горитмической теории информации А.Н. Колмогорова.

возможность описывать структурированные объекты,

Методы оценивания плотностей

состоящие из других объектов.

распределения:

Во фреймовых представлениях протофреймы являются

не изолированными единицами знаний, а входят в об-

￮ параметрические методы оценивания плотности

щую систему.

вероятностей;

Между фреймами могут устанавливаться отношения –

￮ непараметрические методы оценивания

частное-общее, пространственные, временные, при-

плотности вероятностей.

чинно-следственные, в результате чего фреймы обра-

зуют структуру типа семантических сетей.

152

153

ПРИЛОЖЕНИЕ №1

Список использованных источников

Указ Президента Российской Федерации от 10.10.2019

16.

Альманах «Искусственный интеллект». Аналитический

D1%82%D0%B2%D1%83%D0%B5%D1%82%D1%81%D1%8F_%D0

№ 490 о развитии искусственного интеллекта в Российской

сборник № 2. Сентябрь 2019 г. МФТИ. Центр Национальной

%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2

Федерации.

технологической инициативы на базе МФТИ по направлению

%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD

Дж.Ф. Люгер. Искусственный интеллект. – М.: Вильямс, 2003.

«Искусственный интеллект», Москва, 2019.

%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82_-

17.

Аналитический обзор мирового рынка робототехники, 2019.

_%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D1%8B%D0%B5_

Рассел С. Искусственный интеллект. Современный подход

Sberbank Robotics Laboratory. Сбербанк.

%D1%82%D0%B5%D0%BD%D0%B4%D0%B5%D0%BD%D1%86%

/ Стюарт Рассел, Питер Норвинг ; [http://5100.ifmo.ru/en/

D0%B8%D0%B8_%D0%B8_%D0%BF%D1%80%D0%B5%D0%BF%D

page/46/] принцип трансляциипер. с англ. И ред. К. А.

18.

«The AI Index 2018 Annual Report» by Stanford University, 2018

1%8F%D1%82%D1%81%D1%82%D0%B2%D0%B8%D1%8F

Птицына]. – М. [http://5100.ifmo.ru/en/page/46/] принцип

19.

https://plus.rbc.ru/specials/ai_in_business

29.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1

трансляции и др.], 2007.

20.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1

%82%D1%8C%D1%8F:%D0%9E%D0%B1%D0%B7%D0%BE%D1%

Масленникова, О. Е. Основы искусственного интеллекта: учеб.

%82%D1%8C%D1%8F:%D0%98%D1%81%D1%81%D0%BB%D0%B

80:_%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82

пособие / И. В. Гаврилова, О. Е. Масленникова . – 2-е изд.,

5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_

%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8

стер. – М. : ФЛИНТА, 2013 .- 284 с. : ил. – ISBN 978-5-9765-

%D0%B2_%D1%81%D1%84%D0%B5%D1%80%D0%B5_%D0%B8%

%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA

1602-1 – 284 с.

D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%

%D1%82_2018

Загорулько Ю.А., Загорулько Г.Б. Искусственный интеллект.

B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE_%D0%B8%D0%

30.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

Инженерия знаний. Учебное пособие. – М.: Юрайт, 2018. – 94

BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%8

82%D1%8C%D1%8F:%D0%98%D1%81%D0%BA%D1%83%D1%81%

с.

2%D0%B0#XVII_.D0.B2.D0.B5.D0.BA:_.D0.A0.D0.B5.D0.BD.D0.B5_.

D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0

D0.94.D0.B5.D0.BA.D0.B0.D1.80.D1.82:_.D0.96.D0.B8.D0.B2.D0.BE.

Михайлов Д.В. Системы искусственного интеллекта (курс

%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%

лекций). Электронный ресурс.

D1.82.D0.BD.D0.BE.D0.B5_-_.D1.81.D0.BB.D0.BE.D0.B6.D0.BD.D1.8B.

B5%D0%BA%D1%82_%D0%B2_%D0%BC%D0%B5%D0%B4%D0%

D0.B9_.D0.BC.D0.B5.D1.85.D0.B0.D0.BD.D0.B8.D0.B7.D0.BC

Хант, Э. Искусственный интеллект / Э. Хант. – М.: Мир, 1978. –

B8%D1%86%D0%B8%D0%BD%D0%B5

21.

https://nplus1.ru/news/2017/01/31/poker-if-over

558 с.

31.

http://digital-russia.rbc.ru/articles/cherez-3-5-let-lyudey-na-

22.

https://meduza.io/feature/2016/01/28/go-pro

Девятков, В.В. Системы искусственного интеллекта: учеб.

tipovykh-zadachakh-vytesnit-ii-pochemu-iskusstvennyy-intellekt-

пособие для вузов В.В. Девятков. – М.: Изд-во МГТУ им. Н.Э.

23.

https://books.ifmo.ru/file/pdf/655.pdf

prevratilsya/?utm_source=rbc&utm_medium=main&utm_

Баумана, 2001. – 352 с.

campaign=infojet19f-borders1-m

24.

http://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%BE%D0

Гаврилов, А.В. Системы искусственного интеллекта: учеб.

%B4%D1%83%D0%BA%D1%82:%D0%98%D1%81%D0%BA%D1%8

32.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

пособие: в 2-х ч. / А.В. Гаврилов. – Новосибирск: Изд-во НГТУ,

3%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%

82%D1%8C%D1%8F:%D0%92%D0%BB%D0%B8%D1%8F%D0%BD

2001.

D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%

%D0%B8%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%

D0%BB%D0%B5%D0%BA%D1%82_(%D0%98%D0%98,_Artificial_

D0%BB%D0%BE%D0%B3%D0%B8%D0%B9_%D0%B8%D1%81%D

10.

Смолин, Д.В. Введение в искусственный интеллект: конспект

intelligence,_AI)

0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%B

лекций / Д.В. Смолин – М.: ФИЗМАТЛИТ, 2004. – 208 с.

25.

http://digital-russia.rbc.ru/articles/cherez-3-5-let-lyudey-na-

D%D0%BD%D0%BE%D0%B3%D0%BE_%D0%B8%D0%BD%D1%8

11.

Потапов А.С. Распознавание образов и машинное восприятие:

2%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D0%B0_

общий подход на основе принципа минимальной длины

tipovykh-zadachakh-vytesnit-ii-pochemu-iskusstvennyy-intellekt-

%D0%BD%D0%B0_%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE

описания / А.С. Потапов. – СПб.: Политехника, 2007. – 548 с.

prevratilsya/?utm_source=rbc&utm_medium=main&utm_

campaign=infojet19f-borders1-m

%D0%BC%D0%B8%D0%BA%D1%83_%D0%B8_%D0%B1%D0%B8

12.

Назаров, А.В. Нейросетевые алгоритмы прогнозирования

%D0%B7%D0%BD%D0%B5%D1%81

и оптимизации систем / А.В. Назаров, А.И. Лоскутов. – СПб.:

26.

Дорожная карта развития «сквозной» цифровой технологии

33.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

Наука и Техника, 2003. – 384 с.

«нейротехнологии и искусственный интеллект» в России,

Москва, 2019 г.

82%D1%8C%D1%8F:%D0%98%D1%81%D0%BA%D1%83%D1%81%

13.

Ту, Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес

D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0

27.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0

– М.: Мир, 1978. – 412 с.

%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%

%D1%82%D1%8C%D1%8F:%D0%98%D1%81%D0%BA%D1%8

14.

12.Джексон, П. Введение в экспертные системы: учеб. пособие /

B5%D0%BA%D1%82_%D0%B2_%D0%B1%D0%B0%D0%BD%D0%

3%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%

П. Джексон. – Пер. с англ. – М.: Изд. дом “Вильямс”, 2001. – 624

BA%D0%B0%D1%85

BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%-

с.

34.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

D0%BB%D0%BB%D0%B5%D0%BA%D1%82_(%D1%80%D1%8B%D

15.

Альманах «Искусственный интеллект». Аналитический сборник.

0%BD%D0%BE%D0%BA_%D0%A0%D0%BE%D1%81%D1%81%D0

82%D1%8C%D1%8F:%D0%90%D0%B2%D1%82%D0%BE%D0%BF

Июнь 2019 г. МФТИ. Центр Национальной технологической

%D0%B8%D0%BB%D0%BE%D1%82_(%D0%B1%D0%B5%D1%81%

%B8%D0%B8))

инициативы на базе МФТИ по направлению «Искусственный

D0%BF%D0%B8%D0%BB%D0%BE%D1%82%D0%BD%D1%8B%D0

28.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

интеллект», Москва, 2019.

%B9_%D0%B0%D0%B2%D1%82%D0%BE%D0%BC%D0%BE%D0%

82%D1%8C%D1%8F:%D0%9A%D0%B0%D0%BA_%D1%81%D0%B

B1%D0%B8%D0%BB%D1%8C))

E%D0%B2%D0%B5%D1%80%D1%88%D0%B5%D0%BD%D1%81%

154

ПРИЛОЖЕНИЕ №1

35.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

49.

Васенков Д.В. Методы обучения искусственных нейронных

69.

http://www.tadviser.ru/index.php/Статья:Искусственный_

82%D1%8C%D1%8F:%D0%98%D1%81%D0%BA%D1%83%D1%81%

сетей. Компьютерные инструменты в образовании. № 1, 2007 г.

интеллект_в_ритейле

D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0

50.

Казённов А.М. Основы технологии CUDA. Компьютерные

70.

Искусственный интеллект в розничной торговле. Microsoft,

%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%

исследования и моделирование, 2010, Т.2, № 3, С. 295-308.

2018.

B5%D0%BA%D1%82_%D0%B2_%D0%92%D0%9F%D0%9A

51.

https://ru.wikipedia.org/wiki/CUDA

71.

http://www.tadviser.ru/index.php/Статья:Автопилот_

36.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

(беспилотный_автомобиль)

52.

https://ru.wikipedia.org/wiki/%D0%9E%D0%BD%D1%82%D0%BE%

82%D1%8C%D1%8F:%D0%92%D0%BB%D0%B8%D1%8F%D0%BD

D0%B3%D0%B5%D0%BD%D0%B5%D0%B7

72.

https://sharestory.me/astrazeneca/

%D0%B8%D0%B5_%D0%B8%D1%81%D0%BA%D1%83%D1%81%D

1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%

53.

https://indicator.ru/label/ontogenez

73.

https://www.who.int/mediacentre/news/releases/2006/pr26/ru/

B3%D0%BE_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%B

54.

https://ru.wikipedia.org/wiki/%D0%A4%D0%B8%D0%BB%D0%BE

74.

Поряева Е.П., Евстафьева В.А. Искусственный интеллект

B%D0%B5%D0%BA%D1%82%D0%B0_%D0%BD%D0%B0_%D1%8

%D0%B3%D0%B5%D0%BD%D0%B5%D0%B7

в медицине. Вестник науки и образования № 6 (60). Часть 2.

0%D1%8B%D0%BD%D0%BE%D0%BA_%D1%82%D1%80%D1%83

2019.

55.

https://indicator.ru/label/filogenez

%D0%B4%D0%B0

75.

https://riafan.ru/1191072-kakim-budet-oruzhie-s-iskusstvennym-

56.

http://www.tadviser.ru/index.php/%D0%98%D0%91_-_%D0%91%D

37.

https://rb.ru/ai/

0%B8%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%

intellektom-ot-minoborony-rf

38.

Исследование искусственного интеллекта MIT Sloan

87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D0%B8%D0%B4

76.

https://tass.ru/armiya-i-opk/6157919

Management Review и BCG Henderson Institute.

%D0%B5%D0%BD%D1%82%D0%B8%D1%84%D0%B8%D0%BA%

77.

https://topwar.ru/147754-koncern-kalashnikov-predstavil-modul-s-

39.

Исследование Vanson Bourne рынка технологий ИИ по заказу

D0%B0%D1%86%D0%B8%D1%8F

iskusstvennym-intellektom.html

корпорации Teradata.

57.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%

78.

https://www.pwc.ru/ru/press-releases/2017/artificial-intelligence-

40.

https://www.tractica.com/

82%D1%8C%D1%8F:%D0%A2%D0%B5%D1%85%D0%BD%D0%BE

enlargement.html

%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B1%D0%B8%

41.

https://www.statista.com/

79.

A Trillion-Dollar Boost: The Economic Impact of AI on Customer

D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D1%87%D0

42.

Потапов А.С. Технологии искусственного интеллекта: анализ

Relationship Management, IDC. Sponsored by: Salesforce.

%B5%D1%81%D0%BA%D0%BE%D0%B9_%D0%B8%D0%B4%D0%

проблематики и построение структуры учебной дисциплины,

B5%D0%BD%D1%82%D0%B8%D1%84%D0%B8%D0%BA%D0%B0

80.

http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0

Научно-технический вестник информационных технологий,

%D1%86%D0%B8%D0%B8

%D1%82%D1%8C%D1%8F:%D0%98%D1%81%D0%BA%D1%8

механики и оптики.

3%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%

58.

https://medium.com/@balovbohdan/%D1%81%D0%B2%D0%B5

43.

Потапов А.С. Технологии искусственного интеллекта – СПб:

BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%-

%D1%80%D1%82%D0%BE%D1%87%D0%BD%D1%8B%D0%B5-

СПбГУ ИТМО, 2010. – 218 с.

D0%BB%D0%BB%D0%B5%D0%BA%D1%82_(%D0%BC%D0%B8%

%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD

D1%80%D0%BE%D0%B2%D0%BE%D0%B9_%D1%80%D1%8B%D

44.

The Future of Jobs Report 2018, Insight Report, World Economic

%D1%8B%D0%B5-%D1%81%D0%B5%D1%82%D0%B8-%D1%81-

0%BD%D0%BE%D0%BA) http://www.tadviser.ru/index.php/%D0%

Forum.

%D0%BD%D1%83%D0%BB%D1%8F-4d5a1f0f87ec

A1%D1%82%D0%B0%D1%82%D1%8C%D1%8F:%D0%98%D1%81%

45.

Использование искусственного интеллекта – неотвратимое

59.

https://meduza.io/feature/2019/03/30/chto-takoe-mashinnoe-

D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0

будущее промышленности, https://softline.ru/about/blog/

zrenie-i-chem-ono-otlichaetsya-ot-chelovecheskogo-seychas-ob-

%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0

ispolzovanie-iskusstvennogo-intellekta-neotvratimoe-buduschee-

yasnim-ponyatno

%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82_(%D0%BC%D0

promyishlennosti

60.

https://habr.com/ru/post/350918/

%B8%D1%80%D0%BE%D0%B2%D0%BE%D0%B9_%D1%80%D1%8

46.

Бизнесмены стали сильнее бояться искусственного интеллекта,

61.

https://ru.wikipedia.org/wiki/%D0%9C%D0%B0%D1%88%D0%B8%

B%D0%BD%D0%BE%D0%BA)

https://www.rbc.ru/business/28/10/2019/5db2ec3c9a7947bd2892

D0%BD%D0%BD%D0%BE%D0%B5_%D0%B7%D1%80%D0%B5%D

81.

PitchBook Venture Monitor, NVCA. 3Q, 2019

370d

0%BD%D0%B8%D0%B5

82.

https://venturebeat.com/2019/10/08/ai-startups-pace-break-

47.

http://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%BE%D0

62.

https://sibur.digital/66-tsifrovaya-khimiya-digital-na-zavode

funding-records-2019/

%B4%D1%83%D0%BA%D1%82:%D0%98%D1%81%D0%BA%D1%8

63.

http://digital-russia.rbc.ru/articles/pochti-kak-lyudi-iskusstvennyy-

83.

The State of AI: Divergence. 2019. MMC Ventures in partnership

3%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%

intellekt-na-zavodakh-i-mestorozhdeniyakh/

with Barclays.

D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%

D0%BB%D0%B5%D0%BA%D1%82_(%D0%98%D0%98,_Artificial_

64.

https://www.severstal.com/rus/media/news/document21094.phtml

84.

https://news.microsoft.com/ru-ru/business-leaders-age-of-ai/

intelligence,_AI)#2019:_.D0.AD.D0.BA.D1.81.D0.BF.D0.B5.D1.80.

65.

http://www.1gai.ru/publ/516653-avtopilot-tesla-samaya-

85.

https://aws.amazon.com/ru/mp/ai/

D1.82.D1.8B_ISO.2FIEC_.D0.BF.D0.BE.D0.B4.D0.B4.D0.B5.D1.80.

prodvinutaya-iz-sovremennyh-sistem-na-rynke.html

86.

https://www.statista.com/statistics/607716/worldwide-artificial-

D0.B6.D0.B0.D0.BB.D0.B8_.D0.BF.D1.80.D0.B5.D0.B4.D0.BB.D0.BE.

66.

http://www.1gai.ru/publ/515588-avtopilot-tesly-5-osobennostey-

intelligence-market-revenues/

D0.B6.D0.B5.D0.BD.D0.B8.D0.B5_.D0.BE_.D1.80.D0.B0.D0.B7.D1.80.

novoy-tehnologii.html

87.

https://www.tractica.com/newsroom/press-releases/artificial-

D0.B0.D0.B1.D0.BE.D1.82.D0.BA.D0.B5_.D1.81.D1.82.D0.B0.D0.BD.

67.

https://www.engadget.com/2019/07/07/autonomous-aircraft-

intelligence-revenue-to-reach-36-8-billion-worldwide-by-2025/

D0.B4.D0.B0.D1.80.D1.82.D0.B0_.D0.BD.D0.B0_.D1.80.D1.83.D1.81.

D1.81.D0.BA.D0.BE.D0.BC_.D1.8F.D0.B7.D1.8B.D0.BA.D0.B5

landing/?guccounter=1

88.

https://vc.ru/future/55610-obzor-razvitiya-tehnologiy-

68.

Artificial Intelligence in Logistic. A collaborative report by DHL and

iskusstvennogo-intellekta-v-2018-godu

48.

https://neurohive.io/ru/osnovy-data-science/osnovy-nejronnyh-

IBM on implications and use cases for the logistic industry, 2018.

setej-algoritmy-obuchenie-funkcii-aktivacii-i-poteri/

155

Москва, ЦАО, ул.1905 Года, д.7, стр.1.

(495) 909-30-69

apr.mos.ru

Источник

By Ruslan Novikov

Интернет-предприниматель. Фулстек разработчик. Маркетолог. Наставник.

Uncategorized

Технологии искусственного интелекта

ByRuslan Novikov

By Ruslan Novikov

Related Post

Китайцы научились обнаруживать стелс-самолеты по сигналу Starkink SpaceX спутников

GEOINT в военной разведке

Лазерная установка с поддержкой ИИ по борьбе с БПЛА в Украине

You missed

ETER Direction Finder Set (комплект обнаружения направления радиоэлектронного излучения) адиотехнической разведки

Китайцы научились обнаруживать стелс-самолеты по сигналу Starkink SpaceX спутников

ПО слияния изображений из разных источников в одно на поле боя

GEOINT в военной разведке

ByRuslan Novikov

Related posts:

By Ruslan Novikov

Related Post

You missed