В вашем ИИ замечена подозрительная активность
Часть 2 (ранее - часть 1)

Так как ИИ - это новый атом в теме стратегических технологий, нужно чётко понимать слои этого явления. Простым языком:

То, чего мы обычно касаемся в жизни со всеми сервисами и ИИ-инструментами - это уровень приложений.
Чтобы приложения появлялись, работали и развивались, нужны модели.
Модели впитывают в себя данные.
Чтобы данные обработать и модели с приложениями работали, нужны вычислительные мощности: дата-центры и GPU.
Для этих вычислений в свою очередь требуется электричество.

Электричество. Тут пока бабушка в жэке справляется лучше IT-гигантов. Последние жалуются на нехватку электричества для строительства новых дата-центров. Есть ли у наших AI-университетов весомые исследования по теме энергетики для ИИ? Я не нашёл. У зарубежных есть, равно как и обзоры стартапов в этой нишевой сфере, количество которых активно растёт.

Вычислительные мощности. Тут пока геймеры со своими игровыми компами справляются тоже лучше, чем IT-гиганты. В этой части мы сильно зависим от импорта (привет Nvidia), повестка "железа" иногда поднимается на высоком уровне, но маловероятно, что в ближайшее время случится чудо. Даже несмотря на удивительным образом сохранившиеся школы фотоники.

Данные. Тут вызванный микроменеджментом хаос госмониториногов пока опережает квалифицирванное развитие института данных: от федеральных наблюдений до узкопрофильных специализированных библиотек и репозиториев. Политика данных для ИИ-экономики не калибруется и не арбитрируется во многом тоже из-за отсутствия для того профильных центров компетенций, определяющих, например, что нам избыточно, что у нас выпадает или где мы некорректно относимся к сбору, подменяя результат в качестве процессом в количестве.

Модели. Здесь интенсивность выпуска различных моделей НПО, моделей нового высшего и методических рекомендаций с "базовыми моделями" организации чего-либо серьёзно обгоняет повестку ИИ-моделей. Некоторые университеты, имеющие хорошую связанность математики с отраслевыми направлениями, в это копают, но фундаментальной повестки на то нет, квалифицированный заказчик на то развит слабовато, потому и участников этой гонки пока немного.

Приложения. Тут объёмы инициатив "в любой непонятной ситуации делай костыль-платформу" пока сильно обгоняют осознанные эксперименты с ИИ-продуктами, особенно отраслевыми. У нас нет возможности генерировать 100500 стартапов про прикладной ИИ с конверсией в 10%, как оно сейчас в Штатах, поэтому действовать можно только высокоточно, сначала картировав сценарии применения ИИ в промышленности и социалке. Здесь сразу вопрос и к цифровым кафедрам (они там живы ещё или только в отчётах Приоритета?), и к ПУТПу, и ко многому прочему. Я сейчас боюсь закидывать идею к Приоритету, а то уже про TAM-SAM-SOM как-то наговорился, но концептуально классно было бы в логику страттехпроектов укладывать повестку "а каким в этом направлении может быть применение ИИ".

—

Вообще, тема ИИ - она про госплан. И тут я приведу цитату Николая Давыдова, инвестора Силиконовой Долины, с недавнего ИИ-форума в Казахстане (где Дуров с Токаевым сфоткались):

Плановая экономика - это отстой, но она на самом эффективнее рыночной с точки зрения затрачиваемых ресурсов, потому что у тебя нет конкуренции, и центральный плановый комитет решает, кому что произвести. Оно не работало (раньше), потому что не работает теория идеального рынка: каждый человек-участник рынка не знает намерений других участников. ИИ и большие данные позволяют эту проблему решить.

Не могу исключать, что на нашем веку за счёт ИИ рыночные экономики станут планово управляемыми: распределение ресурсов в реальном времени на основе данных, моделей и прогнозов. Это будет не возврат к централизованной экономике, а её новая, алгоритмическая фаза. Кто первым научится это делать, тот и определит экономическую архитектуру XXI века. Многополярную, если хотите.

ИИ не заменит госплан - он им и станет. Но важно не путать ручное управление под вывеской больших данных с декорацией или симулякром.

Далее - часть 3