ИИ как экосистема, бизнес и рынок

Говоря о передовых мировых университетах с точки зрения качества подготовки студентов в области ИИ, можно обратиться к исследованиям компании Analytics insight [159], которая приводит рейтинг университетов мира, где лучше всего обучают по специальностям, связанным с изучением ИИ-технологий, предлагают обучение попрограммам бакалавриата и магистратуры, а также возмож

Согласно упомянутому источнику, из топ-7 университетов мира пять расположены в США, один в Сингапуре и один в Великобритании:

1. Массачусетский технологический институт, США
2. Университет Карнеги-Меллон (CMU), США
3. Стэнфордский университет, США
4. Калифорнийский университет, Беркли, США
5. Наньянский технологический университет, Сингапур
6. Гарвардский университет, США
7. Эдинбургский университет, Великобритания

Отвечая на вопрос о том, в каких российских вузах можно получить подготовку в области ИТ, включая дата-сайнс и ИИ, следует назвать ВШЭ, где создан сильный факультет совместно с Яндексом, МФТИ, МГУ, ИТМО, МИФИ, Иннополис, МГТУ имени Н.Э. Баумана, Новосибирский национальный исследовательский государственный университет.

Другие элементы, которые мы показали на рис.3.23, 3.24, будут рассмотрены в двух нижеследующих разделах "Количественные оценки бизнеса, связанного с ИИ" и "Гонка за лидерство в области ИИ".

Количественные оценки бизнеса, связанного с ИИ

Количественные оценки бизнеса, прогнозы его роста - это тот необходимый инструмент, который позволяет увидеть тенденции в развитии технологии на уровне компании, отрасли, региона, страны. Над исследованием этих тенденций в области ИИ-рынка работают сотни компаний.

Наиболее свежие данные продаются в виде относительно дорогостоящих отчетов, со временем эти данные просачиваются в публичное пространство в форме статей, блогов и прочих публикаций. Существенная проблема состоит в множественности оценок, которые мало стыкуются между собой, отсутствии описания методик, по которым эти данные получены, отсутствии общей таксономии, и как следствие сложности интерпретации, сравнения и анализа этих данных. Задача настоящего раздела не только дать срез и классификацию количественной информации, доступной на момент написания данного курса, но и показать причины множественности оценок рынка ИИ, прокомментировать существующие методики расчетов, помочь в интерпретации данного рода данных.

Проанализировав десятки публикаций посвященных анализу бизнесов, связанных с ИИ, можно выделить три подхода: первый - это попытки определить объем финансирования, выделяемый на создание и развитие ИИ-компаний.

Второй - это попытка определить выручку определенной группы компаний, так или иначе ассоциированной с ИИ-бизнесом. К этому подходу примыкает и задача определения рынка ИИ, которая на практике наталкивается на ряд сложностей, о которых мы поговорим подробнее в данной лекции.

Третий подход - это попытка оценить комплексные показатели, которые зависят от множества параметров и формируют такие категории, как например, "уровень зрелости региона по развитию ИИ" или "уровень зрелости правительства той или иной страны по степени развития ИИ".

Анализ количественных данных показывает наличие существенного разброса в оценках. Попробуем разобраться, с чем это связано. На рис. 3.25 показаны категории, которые фигурируют в разных аналитических исследованиях, связанных с оценкой выручки компаний, ассоциированных с ИИ- бизнесом.

Рис. 3.25. Категории, которые фигурируют в разных аналитических исследованиях, связанных с бизнесом на базе технологий ИИ

Первая категория "выручка всех компаний, которые увеличивают свой доход под влиянием внедрения ИИ", по сути дела, фигурирует в исследованиях косвенного влияния ИИ на экономику отдельных стран. Такие оценки, в частности, приводят Deloitte, PWC, Mckinsey по мировому рынку и Сбер по российскому. В частности, в 2017 году компания PWC опубликовала отчет [160], в котором была сделана попытка оценить степень влияния технологий ИИ на мировую экономику. Согласно упомянутому отчету, к 2030 году мировая экономика могла бы получить дополнительно 15,7 триллиона долларов, исходя из того, что внедрение ИИ-решений позволит повысить производительность труда, автоматизируя некоторые задачи, что в свою очередь позволит увеличить ВВП мировой экономики. Согласно данному отчету, Китай к 2030 году мог бы добавить к ВВП 0,7 трлн долл., что составило бы 26% его ВВП, а США 3,7 трлн, что составило бы 14% ее ВВП. То есть речь идет о дополнительной выручке всех компаний под влиянием ИИ. Прокомментировать достоверность данных цифр достаточно сложно, поскольку авторы не публикуют методики расчетов, а интуитивно понятной ее трудно назвать. Как можно определить, какие бы были доходы мировой экономики без присутствия ИИ и как, соответственно, определить вклад именно от технологий ИИ, не является очевидным. Тем не менее крупнейшие аналитические компании такие оценки пытались делать, они опубликованы и получили массу цитирований. Об отсутствии единой общепринятой методики оценки степени влияния ИИ на мировой ВВП говорит тот факт, что, например, оценки PWC и Mackinsey степени влияния ИИ на мировую экономику расходятся в разы [161].

Категория "выручка всех компаний, для которых использование ИИ является ключевой технологией в их бизнесе" также используется для анализа объема ИИ-бизнеса в стране. В частности, по такому принципу составлена карта российских компаний [162]. Авторы проекта собрали компании, для которых, по их мнению, ИИ является существенной частью бизнеса, подсчитали их выручку и отслеживают динамику данного показателя во времени ^{35Имеет смысл процитировать авторов карты: "В периметр карты вошли компании, которые прямо специализируются на технологиях искусственного интеллекта, или те, у которых технологии ИИ, по нашим экспертным оценкам, существенно влияют на бизнес-модель и выручку"}.

Следующая категория - "выручка компаний, которые являются поставщиками компонентов и услуг для построения ИИ-решений". В принципе, данная формулировка близка к той, что определяет понятие рынок искусственного интеллекта. Но попытки оценить эту категорию на практике сталкиваются с большими трудностями, и разные аналитики приходят к разным оценкам с большим разбросом.

Последней категорией является совокупность компаний, которые являются поставщиками ПО для построения ИИ-решений, и, наконец, внутри показаны поставщики платформ для построения ИИ-решений. Комментируя достоверность количественных оценок упомянутых категорий, следует отметить, что методики построения оценок рынка и прогнозов его развития в зависимости от анализируемого рынка, можно разделить на интуитивно понятные (консенсусные) и, назовем их "авторские", неконсенсусные, предложенные тем или иным аналитическим агентством.