Каким будет место России в мире реализованных ИИ-стратегий?

Оценка состояния и потенциала развития искусственного интеллекта, приведенная в национальной стратегии России, не соответствует реальности. Реальное состояние и потенциал развития ИИ в России весьма низки, уступая большинству развитых стран мира.

Сравнение 14 стран (США, Китай, Япония, Великобритания, Южная Корея, Германия, Канада, Индия, Израиль, Франция, Финляндия, Сингапур, ОАЭ и Россия) проведено на основе Cambrian AI Index ©.

— Значения индекса первых 13 стран из списка рассчитаны аналитиками Фонда Конрада Аденауэра и приведены в отчете об исследовании фонда «Comparison of National Strategies to Promote Artificial Intelligence».

— Значение индекса для России рассчитано автором согласно методике, разработанной Cambrian Group по заказу Фонда Конрада Аденауэра и опубликованной в вышеназванном аналитическом отчете фонда. При расчете индикаторов и характеристик Cambrian AI Index © автором были, по возможности, устранены неоднозначности в их показателях.

Значение индекса Cambrian AI Index © у России примерно такое же, как у Франции и Финляндии. Среди 14 стран хуже показатели лишь у ОАЭ, по причине почти полного отсутствия там R&D в области ИИ.

Россия вряд ли может претендовать на хорошие мировые позиции в области ИИ при существующем уровне финансирования R&D:

— в 2 раза меньший процент от ВВП, чем во Франции или Сингапуре;

— в 3 раза меньший процент от ВВП, чем в Финляндии или Японии;

— в 4 раза меньший процент от ВВП, чем в Южной Корее или Израиле.

Цель развития ИИ, продекларированная в российской национальной стратегии - уникальна, будучи абсолютно непохожей на цели нацстратегий других стран.

Задачи, выполнение которых необходимо обеспечить для достижения поставленной цели:

— существенно отличаются от целей и задач нацстратегий других стран;

— носят явный антисанкционный оттенок;

— подразумевают ведущую и направляющую роль государства.

В целом, национальная стратегия России по развитию ИИ пренебрегает важнейшей ролью частных инвестиций и частного бизнеса для успешного развития прорывных технологий, делая ставку на крупные государственные и окологосударственные структуры, как при разработке планов развития ИИ в России, так и при реализации этих планов.

Ознакомившись с более чем сорока национальных ИИ-стратегий (включая официально еще не принятые, например, Норвегии и Аргентины), могу свидетельствовать — все они настолько разные, что поначалу невольно озадачиваешься — в чем причина столь серьезных отличий?

Ответ на этот вопрос лучше всего проиллюстрировать на примере. Представьте, что речь идет о стратегиях национальных олимпийских комитетов, отвечающих за подготовку национальных сборных к следующей олимпиаде. Комитет должен разработать стратегию подготовки сборной, назначить ответственных, проконтролировать выделение ресурсов под исполнение стратегии и проследить за ходом и результатом ее выполнения.

От чего же зависит выбор стратегии? Полагаю, что от следующих ключевых факторов:

1. Оценка текущего состояния каждой из команд (по видам спорта) сборной на момент начала подготовки.
2. Конкретные цели, поставленные на следующей Олимпиаде перед каждой из команд и всей сборной.
3. Ресурсы, выделяемые каждой из команд на подготовку к следующей Олимпиаде.

А от чего будут зависеть результаты, которые покажет сборная на следующих Олимпийских играх?

Тоже не бином Ньютона:

1. От верности оценки текущего состояния на момент начала подготовки.
2. От уровня поставленных целей.
3. От объема выделенных ресурсов.
4. От качества и точности проработки стратегии.
5. От тщательности контроля за ее исполнением.
6. От уровня исполнительского мастерства при реализации стратегии, а также от тактических решений, принимаемых ответственными исполнителями.
7. Ну и, понятно, от случая и удачи.

Вот, собственно, и все.

Критерии А–С легко объясняют, почему стратегии подготовки к следующим зимним играм у, например, США, Норвегии и Южной Кореи столь непохожи (пример условный):

• В отчете дан анализ стран — мировых лидеров в области ИИ: текущих (США, Китай, Япония и Великобритании) и потенциальных (Южная Корея, Германия, Канада, Индия, Израиль, Франция, Финляндия, Сингапур, ОАЭ). Россия же, по представлениям авторов отчета, видимо, не относится ни к первым, ни ко вторым.
• Другая причина, скорее всего, в том, что в некоторых первичных индикаторах, составляющих Cambrian AI Index ©, данные по России либо отсутствуют, либо выглядят довольно неоднозначно.

Однако поскольку для нас первостепенную важность имеет оценка текущего состояния России в области ИИ и ее сравнение с другими странами, я взял на себя труд, использовав авторскую методику, самостоятельно рассчитать показатель Cambrian AI Index © для России, по ходу и по возможности устраняя лакуны и неоднозначности в первичных индикаторах.

Большинство индикаторов, используемых в Cambrian AI Index © вполне количественные и при этом непротиворечивые. Например, индикатор «число установленных в стране суперкомпьютеров, входящих в список 500 мощнейших суперкомпьютеров мира» (Number of 500 most powerful supercomputers per country). Это вполне конкретный показатель, фиксируемый на авторитетном ресурсе www.top500.org.

Рис.3. Топ-10 стран по числу установленных там суперкомпьютеров, входящих в список 500 мощнейших суперкомпьютеров мира (вверху) и топ-10 стран по вычислительной мощности установленных там суперкомпьютеров (внизу)

Исследовав приведенную на сайте таблицу суперкомпьютеров, входящих в список 500 мощнейших суперкомпьютеров мира, легко установить.

• Стратегии с приоритетом научных исследований и развития ИИ-талантов.
• Стратегии с приоритетом на индустриализацию ИИ-технологий.
• Многоцелевые стратегии.

Стратегий класса А придерживаются 2 страны: Канада и Южная Корея. При этом обе страны фокусируют свои национальные стратегии лишь на 3–4 целевых направлениях.

Рис. 12. Приоритетность целевых направлений национальных стратегий Канады и Южной Кореи

Стратегий класса B придерживаются 4 страны: Австралия, Дания, Сингапур и Тайвань. При этом страны фокусируют свои национальные стратегии на 4–6 целевых направлениях.

Рис. 13. Приоритетность целевых направлений национальных стратегий Австралии, Дании, Сингапура и Тайваня

Стратегий класса С придерживаются 2 страны (Франция и Великобритания) и, в целом, Европейский союз. При этом все они ориентируют свои национальные стратегии практически на все целевые направления.

Рис. 14. Приоритетность целевых направлений стратегий Франции, Великобритании и Европейского союза

Российская национальная стратегия развития ИИ не подходит ни к одному из 3-х классов. Но даже если бы Россия не находилась под санкциями (заставляющими включить в стратегию 2 целевых направления, отсутствующие у других стран мира), соотношение остальных 4-х приоритетов отлично от любой из стран мира.

• Исходные KPI (количественные и качественные), оценивающие статус и потенциал ИИ в стране, и ресурсы, доступные для реализации стратегии развития ИИ.
• Целевые KPI (количественные и качественные), оценивающие результат, — насколько достигнуты поставленные в стратегии цели.

Примеры KPI:

• Исходный количественный — объем финансирования на исполнение нацстратегии.
• Исходный качественный — гибкость и оперативность управления постатейным финансированием исследований.
• Целевой количественный — число патентов по ИИ, поданных в конкретном году.
• Целевой качественный — полнота и проработанность принятых стандартов в сфере ИИ.

В настоящем документе не ставится цель оценить перспективы исполнения всех нацстратегий развития ИИ в мире. Желающие могут познакомиться с такой оценкой для стран, лидирующих в области ИИ, в рекомендованных выше отчетах.

Нам же остается зафиксировать собственную оценку перспектив исполнения ИИ нацстратегии России по развитию ИИ, воспользовавшись четырьмя вышеназванными типами KPI.

• К цели, сформулированной в российской нацстратегии:

  «Обеспечение роста благосостояния и качества жизни её населения, обеспечение национальной безопасности и правопорядка, обеспечение устойчивой конкурентоспособности российской экономики, в том числе лидирующих позиций в мире в области ИИ.»

  — ни количественные, ни качественные KPI неприменимы. Это, собственно, и послужило мне поводом сравнить российскую ИИ-стратегию с программой КПСС. Достижение подобным образом сформулированной цели невозможно ни подтвердить, ни опровергнуть. И потому все зависит только от воли оценивающего. А оценивать выполнение российской ИИ-стратегии, как и прочих нацпроектов и нацпрограмм, будет известно кто — высшие чиновники. И, вероятно, — они оценят выполнение и этой нацстратегии на высоком уровне.
• Исходные KPI для шести т.н. задач российской ИИ-нацстратегии либо отсутствуют, либо не являются реальными KPI для них. Поэтому просто нет смысла даже пытаться оценивать названные в российской ИИ-нацстратегии KPI, типа «сильной естественно-научной школы», «наличия компетенций в области моделирования» или «побед на международных олимпиадах школьников», безотносительно к какой задаче эти KPI приписали разработчики российской ИИ-стратегии. Большинство же остальных KPI сформированы по замечательному шаблону — «увеличение количества Х» или «существенный рост Х» (где Х — «организаций», «результатов», «индекса цитируемости» и т.д.). Причем насколько эти «количества» планируется увеличить, не важно. И если даже они не увеличатся, а уменьшатся, все равно никто этого проверить не сможет, поскольку исходных количественных KPI для этих «количеств» не названо.

• Целевые KPI названы в стратегии аналогично неконкретным и неизмеримым способом.

  • Так, новые разработанные в ходе исполнения стратегии российские микропроцессоры «должны быть широко представлены» на российском и международном рынках.
  • А российские университеты «должны занимать лидирующие позиции в мире по направлениям в области ИИ».
  • «К 2024 году должны быть созданы необходимые правовые условия для достижения целей, решения задач и реализации мер, предусмотренных настоящей Стратегией».
  • «К 2030 году в Российской Федерации должна функционировать гибкая система нормативно-правового регулирования в области искусственного интеллекта».

  Комментировать подобные целевые KPI, полагаю, нет смысла. Все и так ясно.

  Резюмируя предыдущий раздел, я написал, что становится «за державу обидно».

  Резюмировать этот раздел могла бы фраза профессора Н. Зубаревич, сказанная ею в ответ на вопрос, каким образом губернаторы могут выполнить свои KPI по долголетию, ожидаемой продолжительности жизни и демографическому росту в своих регионах.

  «Как без приличного роста ресурсов все это выполнить, для меня большая человеческая загадка. Правда, я ответ на нее знаю. Нарисуют.»

  Вот и российская национальная стратегия развития ИИ написана так, чтобы отчет об ее успешном исполнении можно было бы легко и безнаказанно «нарисовать».

  Вместо заключения

  Полагаю, заключение для этого текста не требуется. Все довольно очевидно.

  Вместо этого лишь вернусь к метафоре стратегии подготовки национальной сборной к следующей Олимпиаде, с которой мы начали рассмотрение вопроса — каким будет место России в мире, после реализации национальных стратегий развития ИИ в 2031 г.

  Продолжая эту метафору, мы можем теперь предположить следующее.

• Текущее состояние на момент начала подготовки нашей сборной крайне переоценено.
• Спектр поставленных целей весьма широк, как и их уровень — сборная собирается стать, как минимум, призером по большинству видов спорта олимпийской программы.
• Объем выделенных на подготовку ресурсов, мягко говоря, не впечатляет.
• Качество и точность проработки стратегии очень слабые.
• Реальный контроль за ее исполнением практически невозможен.

Следовательно, у этой стратегии, как это бывало и в прошлом в России, будет «хорошее начало, кипучая серёдка и страшный конец».

Тем не менее я по-прежнему верю, что в сфере ИИ в мире будет-таки три лидера: США, Китай и Россия. Ну а когда это произойдет — в 2031 или позже, а может и раньше, — не знает никто.

Веру не нужно обосновывать. И я не буду. Просто верю.

Список упоминаемых источников.

1. Benchmarking National AI Strategies. Stiftung Neue Verantwortung. 2018. (URL)

2. Accenture. Boost your AIQ - Transforming into an AI Business, 2017 (URL)

3. McKinsey Global Institute. Artificial Intelligence - The Next Frontier, 2017 (URL)

4. Oxford Insights. 2019 Government AI Readiness Index, 2019 (URL)

5. Konrad-Adenauer-Stiftung. Comparison of National Strategies to Promote Artificial Intelligence, 2019, Part 1 (URL)

6. Konrad-Adenauer-Stiftung. Comparison of National Strategies to Promote Artifcial Intelligence, 2019, Part 2 (URL)

7. Konrad-Adenauer-Stiftung. Evaluation of the German AI Strategy, 2019 (URL)

8. Asgard & Roland Berger. Artificial Intelligence A strategy for European startups, 2018 (URL)

9. Accuracy. Overview of leading artificial intelligence clusters around the globe, 2019 (URL)

10. Roland Berger, France Digitale. Joining the dots – A map of Europe’s AI ecosystem, 2018 (URL)

11. Institut der deutschen Wirtschaft. Künstliche Intelligenz: Israel und Finnland vor China, 2018 (URL)

12. Capgemini Consulting. Artificial Intelligence Benchmark, 2018 (URL)

13. CIFAR. BUILDING AN AI WORLD: Report on National and Regional AI Strategies, 2018 (URL)

14. Malta: The Ultimate AI Launchpad. A Strategy and Vision for Artificial Intelligence in Malta 2030, 2019 (URL)

15. MICROSOFT. Artificial Intelligence in Middle East and Africa. Outlook for 2019 and Beyond, 2018 (URL)