Поставив в заголовок словосочетание “экосистема над экосистемой “,мы имели в виду, что ИИ-компании существуют не сами по себе, а в определенной бизнес-среде, в определенном государстве с определенным уровнем цифровой грамотности граждан, с определенным уровнем развития инфраструктуры, образовательной системы и т. п. Поэтому, говоря об уровне развития искусственного интеллекта и, главное, о перспективах его использования, мы неизбежно приходим к обсуждению вопроса – в какой среде, в каком окружении формируются ИИ-компании и как эта среда влияет на их развитие. Этим вопросом задавались разные аналитики. В частности, на рис. 3.23 показаны элементы формирования ИИ-экосистемы в концепции Aicoe.ai.
Рис. 3.23. Элементы формирования ИИ-экосистемы.
Рисунок 3.23 выделяет набор организаций и процессов, которые необходимы для формирования экосистемы, обеспечивающей развитие ИИ. Авторы диаграммы говорят о том, что прорыв в развитии ИИ в стране невозможен без участия трех составляющих, которые условно обозначены как “организации”, “частные лица” и “ресурсы общества”.
Здесь под организациями понимаются не только ИИ-компании, но также некоммерческие и правительственные организации, а кроме того структуры высшего образования.
Частные лица подразумевают человеческий ресурс, включая тех, кто собирается учиться ИИ-технологиям (компетенции студентов, которые приходят учиться с определенным уровнем доинститутской подготовки), и потенциал преподавателей – то, насколько эти преподаватели имеют связь с реальными технологиями и способны успевать за уровнем развития ИИ.
И третья вершина – это “ресурсы общества”, под которыми подразумеваются уровень развития производственных ресурсов, бизнес-среда, социальные инновации. Например, к социальным инновациям можно отнести новые системы образования, здравоохранения, системы общественных коммуникаций, использующие инновационные подходы или технологии, такие как, например, буткемпы.
Ряд авторов обращают внимание на необходимость формирования среды для развития ИИ в той или иной стране, делая свои акценты. Например, аналитики из AI Forum в перечень важнейших элементов включают собственно ИИ-компании (корпорации и стартапы), поставщиков платформ для построения продуктов, выпускаемых ИИ-компаниями, исследовательские и учебные организации, поставляющие научные разработки и специалистов, компании-поставщики профессиональных услуг для построения ИИ-решений, государственные и правительственные компании, развивающие индустрию и профессиональные сообщества, способствующие обмену компетенций внутри отрасли.
Важным фактором развития ИИ-технологий является формирование научно-технологических центров, аккумулирующих капитал, таланты и идеи где в условиях конкурентной среды наиболее сильные компании выигрывают битву за сотрудников, инвесторов и клиентов и получают шансы стать мировыми лидерами. Наиболее сильные центры по развитию ИИ созданы в Силиконовой долине, в Лондоне, Тель-Авиве, Нью-Йорке, Пекине, Бостоне, Токио, Шанхае, Лос-Анджелесе, Париже, Берлине, Торонто, Шэньчжэне, Сеуле.
Свою иллюстрацию расширенной экосистемы, где показаны организации, которые оказывают влияние на развитие ИИ, дают японские авторы (рис. 3.24). Здесь также выделяются три движущих силы – государство (министерства и ведомства), наука (университеты и НИИ) и промышленность (в виде отраслевых НИИ и высокотехнологичных компаний). При поддержке обозначенных игроков возникают ИИ-стартапы, которые со временем трансформируются в ИИ-компании. На рис. 3.24 как частный случай показано образование ИИ-стартапа на стыке поддержки государственных структур и автомобильной промышленности.
Анализ подобного рода диаграмм и их детализация необходимы при проведении государственного планирования развития ИИ в стране.
Рис. 3.24. Экосистема организаций, поддерживающих развитие ИИ.
Одной из подзадач вышеописанного подхода является планирование потребностей в специалистах и определение траекторий их обучения.
Говоря о классификации типов специалистов, необходимых для работы в ИИ-проектах, можно обратиться к табл. 3.7.
Таблица 3.7. Должностные позиции (специализация) и соответствующие требования (профиль деятельности). Источник: адаптировано по материалам
Специализация
Ориентировочный профиль работ
Сравнительная зарплата (в долях от максимальной Инженер/ архитектор больших данных)
Инженер/архитектор больших данных
Разработка систем, позволяющих предприятиям собирать и анализировать большие наборы данных.
100%
Инженер по машинному обучению
Использование данных для проектирования, создания и управления программными приложениями ML
97%
Специалист в области аналитики данных
Поиск значимых закономерностей путем анализа исторических данных, чтобы помочь сделать прогнозы на будущее.
86%
Инженер по искусственному интеллекту
Работа по созданию модели ИИ с нуля, а также помощь менеджерам по продукту и заинтересованным сторонам трактовать получаемые результаты.
78%
Специалист по изучению данных (дата-саентист)
Сбор, анализ и интерпретация наборов данных.
76%
Специалист в области обработки естественного языка
Работа в проектах, связанных с такими приложениями как чатботы или виртуальные помощники
72%
Ученый-исследователь
Эксперт в области прикладной математики, машинного обучения, глубокого обучения и вычислительной статистики. Предполагает наличие научной степени в области компьютерных наук или в смежной области, подкрепленной опытом.
66%
Исследования в области компьютерных наук и ИИ. Исследование возможностей совершенствования технологии ИИ.Исследователь
62%
Разработчик систем бизнес-аналитики (BI)
Работа по анализу сложных наборов данных для выявления тенденций в бизнесе и на рынке.
61%
Инженер-программист
Разработка программ, на основе которых функционируют инструменты ИИ.
58%
Специалист в области датамайнинга и анализа данных
Поиск аномалий, закономерностей в больших массивах данных для прогнозирования результатов.
51%
Специалист в области пользовательского опыта
Работа с продуктами, чтобы помочь клиентам понять их функции и легко использовать их. Понимание того, как люди используют аппаратные и программные приложения и как разработчики могут применить это понимание для создания более совершенного программного обеспечения.
51%
Говоря о передовых мировых университетах с точки зрения качества подготовки студентов в области ИИ, можно обратиться к исследованиям компании Analytics insight, которая приводит рейтинг университетов мира, где лучше всего обучают по специальностям, связанным с изучением ИИ-технологий, предлагают обучение попрограммам бакалавриата и магистратуры.
Согласно упомянутому источнику, из топ-7 университетов мира пять расположены в США, один в Сингапуре и один в Великобритании:
Массачусетский технологический институт, США
Университет Карнеги-Меллон (CMU), США
Стэнфордский университет, США
Калифорнийский университет, Беркли, США
Наньянский технологический университет, Сингапур
Гарвардский университет, США
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”.
Поставив в заголовок словосочетание “экосистема над экосистемой “,мы имели в виду, что ИИ-компании существуют не сами по себе, а в определенной бизнес-среде, в определенном государстве с определенным уровнем цифровой грамотности граждан, с определенным уровнем развития инфраструктуры, образовательной системы и т. п. Поэтому, говоря об уровне развития искусственного интеллекта и, главное, о перспективах его использования, мы неизбежно приходим к обсуждению вопроса – в какой среде, в каком окружении формируются ИИ-компании и как эта среда влияет на их развитие. Этим вопросом задавались разные аналитики. В частности, на рис. 3.23 показаны элементы формирования ИИ-экосистемы в концепции Aicoe.ai.
Рис. 3.23. Элементы формирования ИИ-экосистемы.
Рисунок 3.23 выделяет набор организаций и процессов, которые необходимы для формирования экосистемы, обеспечивающей развитие ИИ. Авторы диаграммы говорят о том, что прорыв в развитии ИИ в стране невозможен без участия трех составляющих, которые условно обозначены как “организации”, “частные лица” и “ресурсы общества”.
Здесь под организациями понимаются не только ИИ-компании, но также некоммерческие и правительственные организации, а кроме того структуры высшего образования.
Частные лица подразумевают человеческий ресурс, включая тех, кто собирается учиться ИИ-технологиям (компетенции студентов, которые приходят учиться с определенным уровнем доинститутской подготовки), и потенциал преподавателей – то, насколько эти преподаватели имеют связь с реальными технологиями и способны успевать за уровнем развития ИИ.
И третья вершина – это “ресурсы общества”, под которыми подразумеваются уровень развития производственных ресурсов, бизнес-среда, социальные инновации. Например, к социальным инновациям можно отнести новые системы образования, здравоохранения, системы общественных коммуникаций, использующие инновационные подходы или технологии, такие как, например, буткемпы.
Ряд авторов обращают внимание на необходимость формирования среды для развития ИИ в той или иной стране, делая свои акценты. Например, аналитики из AI Forum в перечень важнейших элементов включают собственно ИИ-компании (корпорации и стартапы), поставщиков платформ для построения продуктов, выпускаемых ИИ-компаниями, исследовательские и учебные организации, поставляющие научные разработки и специалистов, компании-поставщики профессиональных услуг для построения ИИ-решений, государственные и правительственные компании, развивающие индустрию и профессиональные сообщества, способствующие обмену компетенций внутри отрасли.
Важным фактором развития ИИ-технологий является формирование научно-технологических центров, аккумулирующих капитал, таланты и идеи где в условиях конкурентной среды наиболее сильные компании выигрывают битву за сотрудников, инвесторов и клиентов и получают шансы стать мировыми лидерами. Наиболее сильные центры по развитию ИИ созданы в Силиконовой долине, в Лондоне, Тель-Авиве, Нью-Йорке, Пекине, Бостоне, Токио, Шанхае, Лос-Анджелесе, Париже, Берлине, Торонто, Шэньчжэне, Сеуле.
Свою иллюстрацию расширенной экосистемы, где показаны организации, которые оказывают влияние на развитие ИИ, дают японские авторы (рис. 3.24). Здесь также выделяются три движущих силы – государство (министерства и ведомства), наука (университеты и НИИ) и промышленность (в виде отраслевых НИИ и высокотехнологичных компаний). При поддержке обозначенных игроков возникают ИИ-стартапы, которые со временем трансформируются в ИИ-компании. На рис. 3.24 как частный случай показано образование ИИ-стартапа на стыке поддержки государственных структур и автомобильной промышленности.
Анализ подобного рода диаграмм и их детализация необходимы при проведении государственного планирования развития ИИ в стране.
Рис. 3.24. Экосистема организаций, поддерживающих развитие ИИ.
Одной из подзадач вышеописанного подхода является планирование потребностей в специалистах и определение траекторий их обучения.
Говоря о классификации типов специалистов, необходимых для работы в ИИ-проектах, можно обратиться к табл. 3.7.
Говоря о передовых мировых университетах с точки зрения качества подготовки студентов в области ИИ, можно обратиться к исследованиям компании Analytics insight, которая приводит рейтинг университетов мира, где лучше всего обучают по специальностям, связанным с изучением ИИ-технологий, предлагают обучение попрограммам бакалавриата и магистратуры.
Согласно упомянутому источнику, из топ-7 университетов мира пять расположены в США, один в Сингапуре и один в Великобритании:
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”.
-
Add a note