Перспективы лидерства России в области ИИ

Экспертное заключение подготовлено по итогам сессии ПМЭФ-2023 «ИИ: фундамент экономики будущего и маяк российского технологического суверенитета».

В совместном отчете IDC и Inspur «2021-2022 Global Computing Index Assessment Report» [1] представлен рейтинг самых мощных стран с точки зрения компьютинга и цифровизации.
Страны ранжированы по объему ВВП и индексу вычислительных мощностей: лидеры, развивающиеся и «запускающиеся» (startup countries). Хотя последние правильнее было бы назвать «догоняющими».
В отчете [1] выделены два абсолютных лидера: США, обладающие заоблачным Computing Index, и Китай, который догоняет Штаты.
В группу развитых по показателю Computing Index стран входят: Япония, Германия, Великобритания, Франция, Канада, Юж. Корея и Австралия. Группа отстающих, но пытающихся догонять: Индия, Италия, Бразилия, Юж. Африка и Малайзия. Россия пока находится в этом списке на 13 месте.

Расходы на вычисления ИИ увеличились в 2022 году до 12% от общего объема вычислений по сравнению с 9% в 2016 году и по прогнозам могут достигнуть 25% к 2025 году.

Данный анализ показывает, что на 1 пункт увеличения вычислительного индекса страны её цифровая экономика получает 3,5% роста, а ВВП растет на 1,8%. Формально корреляция не означает зависимости, но динамика устойчива.

Ограничения России в области ИИ
Рассмотрим основные аспекты, которые ограничивают развитие ИИ в стране.

1. Рыночный спрос и потенциал рынка
Наличие процессоров и аппаратного обеспечения для искусственного интеллекта играет ключевую роль в развитии технологического прогресса и экономики страны. К сожалению, платежеспособный спрос в потребительском секторе в России не достаточен для окупаемости разработки и масштабирования высокотехнологических решений. Медианная зарплата едва превышает 40 000 рублей [2] — это цена не самого производительного ноутбука или смартфона. Да и современные телефоны собираются в международной кооперации. Компоненты смартфона на сборку приезжают из разных стран и компаний: камера из Кореи, процессор из Китая и т.д.

Основной спрос на высокотехнологичные решения формируется крупными корпорациями и промышленностью с госучастием и правительственными министерствами и ведомствами. Причем из-за санкционных ограничений рынок серверов уменьшился в 2 раза [3], но спрос только растет. Так, спрос на подержанные серверы вырос в 3-4 раза [3]. На место американским Dell и Cisco — приходят китайские Gooxi и DCN. Потенциал именно в корпоративном рынке существует, но отечественные решения пока уступают не только по производительности, но и в целом как аппаратно-программный комплекс.
Безусловно, делаются попытки решать данную проблему. Например, в 2023 году началась подготовка нового нацпроекта «Экономика данных» [10]. Его целью станет развитие экономики и управления на основе больших данных.
Или открытие технопарков. Например, к 2026 году на базе «Московского института электронной техники» построят полигон для тестирования оборудования по производству чипов. Это стандартная практика, такие площадки есть у IBM, тайванской ITRI и французской CEA-Leti.
Предполагаю, что поиск оптимальных экономических решений для ИИ нужно искать в расширении рынков сбыта отечественной продукции. По сути, это похоже на модель Израиля, когда новые проекты сразу же создают продукты для всего мира. А для России есть потенциал продажи на мировой рынок: Индия, Пакистан, Юго-Восточная Азия, Африка и т.д.

2. Законодательные ограничения и доступ к данным
Данные нужны для обучения алгоритмов в специфическом домене знаний. Модели, которые используются в России, должны обучаться на российских данных, чтобы решать прикладные задачи и описывать культурный код страны. Если условный ChatGPT обучен на данных не российской культуры, то и ответы он будет давать согласно ценностям, законам и мировоззрению людей другого государства.
Сегодня у нас есть коммерческий рынок данных, когда вы можете купить их, скажем, для использования в рекламных алгоритмах или для скорринга.
Есть и другой подход — политика развития открытых данных, которые доступны для использования и распространения общественностью без ограничений, в т.ч. лицензионных.
Вот несколько причин, почему открытые данные играют важную роль в развитии ИИ:
1. Большие объемы данных необходимы для обучения сложных моделей ИИ. Это позволит обучать распространённые модели, улучшать их качество и создавать новые модели для конкретных применений.
2. Открытые данные, которые покрывают широкий спектр областей и ситуаций, позволят применять обученные модели в различных контекстах.
3. Открытые данные стимулируют исследования и инновации в области ИИ. Они позволяют ученым, стартапам и разработчикам тестировать новые идеи и методы на разнообразных данных, не требуя создания собственных наборов данных с нуля.
4. Открытые данные способствуют проверке результатов и воспроизводимость исследований. Они позволяют другим ученым и разработчикам повторить эксперименты и проверить результаты, что способствует доверию к разработанным моделям.
5. Открытые данные могут использоваться для решения социальных и экономических проблем, таких как медицинская диагностика, прогнозирование погоды, устойчивое развитие, городское планирование и многое другое.
6. При использовании открытых данных модели ИИ могут быть более прозрачными и объяснимыми. Например, если исходный датасет не содержит данных о каких-то случаях, то нельзя от ИИ ждать решения по таким кейсам. Например, если генеративную сеть не обучать на картинах какого-то художника, то она не сможет сгенерировать похожие картины.
При доступе к открытым данным важно обеспечить правильное управление и защиту персональных и конфиденциальных данных. Также необходимо учитывать этические аспекты сбора, хранения и использования данных, чтобы обеспечить законность и соблюдение принципов приватности.
Например, развитие ИИ в медицине сильно тормозится сложностью получения данных. Безусловно, медицинская тайна и персональные данные необходимо сохранять. Но если бы эти данные можно было получать в обезличенном виде и в отрытом доступе, то ими смогли бы пользоваться университеты, независимые исследователи и коммерческие компании. Все это существенно влияет на рост автоматизации и цифровой трансформации.
Вопрос создания и управления открытыми данными на поверку оказывается весьма сложным. Но это не мешает создавать проекты с открытыми данными. Например, как это делает Росреестр [11]. Начинать глобальную работу с данными можно со структур госуправления. Иван Оселедец, директор Центра технологий искусственного интеллекта «Сколтеха»: «Бояться абсолютно нечего, необходимо максимально либеральное регулирование. Сейчас это шанс, имея очень высокую степень цифровизации по многим направлениям, быстро внедрить в сервисы ИИ. Количество проблем от ИИ по сравнению с другими — например, экономическими и геополитическими — минимально, а эффект, который можно получить, очень высок. Совершенно очевидно, что большие языковые модели в госуправлении могут заменить большую часть бумажной работы чиновников уже сейчас. Но как это сделать в текущем регулировании? Лишь введя экспериментальный правовой режим».
Вопрос открытых данных, на мой взгляд, является более важным, чем открытые интерфейсы. И достоин отдельного нацпроекта.
Ну и еще одно важное замечание, которое сделал Максим Орешкин, помощник Президента РФ: «Данные должны принадлежать не государству, а людям». Если данные принадлежат человеку как собственность, и он ими может распоряжаться, то это создает серьезное конкурентное преимущество страны на мировом рынке.
Во-первых, будут приезжать люди, которые ценят свою независимость. А это как правило, образованные люди.
Во-вторых, это создаст большой внутренний, а со временем может и внешний, рынок данных.
Конечно, право использования любых данных в целях безопасности страны и защиты граждан остается за государством.

3. Ограничения на риск в инновациях

Сегодня в России назрела необходимость актуализировать принципы регулирования в области ИИ. Будет полезен положительный опыт применения экспериментальных правовых режимов для проектов, связанных с цифровыми инновациями.
Позитивным примером регулирования в области ИИ может стать Великобритания, которая выпустила White paper «Инновационный подход в регулировании ИИ». [5]
Документ начинается описания уже сделанных инвестиции в ИИ — более 2,5 миллиардов фунтов стерлингов с 2014 года:
— 110 миллионов фунтов стерлингов для Фонда технических миссий ИИ;
— 900 миллионов фунтов стерлингов на исследования и разработку суперкомпьютера эксафлопсного масштаба;
— финансирования в размере 117 миллионов фунтов стерлингов для создания сотен новых докторов наук для исследователей ИИ.
Сейчас в индустрии искусственного интеллекта Великобритании занято более 50 000 человек, и в 2022 году ее вклад в экономику составил 3,7 млрд фунтов стерлингов. В Великобритании работает в два раза больше компаний, предлагающих услуги и продукты ИИ, чем в любой другой европейской стране, и ежегодно создаются сотни новых фирм.
Венчурный рынок в России составляет всего 0,2% [5] от глобального рынка. Причем успешность стартапа измеряется не ростом капитализации, а фактом продажи его гигантам российского ИТ-бизнеса. Либо выходом на международный рынок, как это сделал пермский стартап Miro, подняв раунд $400 млн от группы инвесторов во главе с фондом Iconiq Capital [6].
В White paper также описаны 5 принципов по разработке и использованию ИИ:
• Безопасность — Обеспечение надежного и безопасного функционирования приложений.
• Прозрачность и объяснимость — Организации, внедряющие ИИ, должны сообщать, когда и как он используется. Кроме того, они должны быть готовы объяснить процесс принятия решений системой.
• Справедливость — Обеспечение совместимости с существующими законами Великобритании, включая Закон о равенстве 2010 года и GDPR Великобритании.
• Подотчетность и управление — Внедрение мер по обеспечению надлежащего надзора за ИИ.
• Возможность оспаривания и возмещение ущерба — Обеспечение того, чтобы у людей были четкие пути для оспаривания результатов или решений, принятых ИИ.
Мы видим, что эти пять принципов отражают накопленный опыт и возникающие проблемы.
Развитие венчурного рынка в России сегодня затруднено, а ведь это часто единственный источник финансирования молодых амбициозных проектов. Необходимо пересматривать и регулирование, и реальные практики в области венчура исходя из возвратности всего пула венчурных проектов, принимая риск неуспешности большинства проектов из пула. Один проект из ста, может окупить кратно потери от девяносто девяти остальных проектов. Этот очевидное для венчура утверждение, в российской практике, к сожалению, работает плохо.

4. Низкая зрелость требований заказчиков решений
Зрелость требований отечественных заказчиков год от года растет, но до сих пор недостаточна. Под зрелостью следует понимать базовый уровень знаний как работает и где целесообразно применять технологию, возможности и ограничения ИИ.
Бизнес не сильно заинтересован вкладываться в будущее, он хочет улучшения операционной эффективности здесь и сейчас. Поэтому нет реального запроса на инновации, все стремятся инвестировать в автоматизацию процессов. Да, есть крупные банки и компании, которые по некоторым направлениям ИИ создают перспективные проекты. Например, генеративные сети или большие языковые модели. Но компании не готовы вкладываться, например, в графовые базы данных, которые могли бы ускорить обработку данных для ИИ. Компании приобретают доказавшие свою эффективность технологии, такие как компьютерное зрение. Но, за редким исключением, никто не создает единые правила, стандарты и популярные открытые библиотеки — то, что по-настоящему формирует рынок.

5. Аппаратное обеспечение
Как уже говорилось ранее, есть корреляция между вычислительной мощью и ВВП. Таким образом, развитие процессоров и аппаратного обеспечения для искусственного интеллекта имеет значительное влияние на экономику страны. Но Россия серьезно отстает от лидеров США и Китая в этой области.
Сравним характеристики техпроцесса процессоров nVidia, доля которого на мировом рынке дискретных карт составляет 80% [2], и отечественного Эльбруса от МЦСТ [3]. Технический процесс изготовления микропроцессоров определяется расстоянием между транзисторами на плате в миллиардных частях метра — нм. Чем меньше показатель в нм, тем быстрее работает процессор.
Вот как менялся техпроцесс некоторых чипов nVidia:
GeForce 8800 GT — 65 нм — сентябрь 2007 года.
GeForce 820M — 28 нм — конец 2013 года.
GeForce GTX 1050Ti — 14 нм — начало 2017 года.
Современные GPU работают на техпроцессе 7 нм и 5/4 нм. При этом постоянно совершенствуют архитектуру, которая также влияет на быстродействие. В планах nVidia перейти к 2025 году на 3-нм. Однако уже с 2 нм могут возникать квантовые эффекты и пока процесс уменьшения нм ограничен 1-2 нм. По крайней мере, когда мы говорим о кремниевых чипах. Перспективными являются транзисторы на графене и оптические процессоры.
Китайская компания Biren Technology выпустила GPU BR100, который сделан на 7-нм технологии. В 2022 году BR100 побил по тестам чипы nVidia и это можно считать заявкой на успех. Есть GPU Zhaoxin KX-6000G с видеочипом GT10C0, который примерно соответствует уровню Nvidia GT 630. Но 7-нм можно выпускать только на заводах TSMC на Тайване, а сами литографические машины для печати процессоров производит нидерландская ASML. Так что китайские товарищи находятся в схожем с нами положении, хотя пока у них нет серьезных ограничений, экспорт чипов из Китая закрывает часть потребностей.
Если говорить о наших разработках, то МЦСТ разрабатывает процессоры 12-16 нм [8], но производить их можно было только на Тайване. После санкций эта возможность закрыта, а отечественные заводы выпускают чипы с техпроцессом с 90-65 нм.
Преодолеть такой технологический разрыв быстро не получится, к сожалению, на это уйдут годы. В производственном цикле даже халаты и гель для стирки этих халатов должны быть специальные — беспылевые. Ни халаты, ни гель в России не производят. Что уж говорить обо всем остальном — большую часть обеспечения сегодня необходимо закупать за рубежом.
Наконец, для компьютера или сервера нужен не только процессор, но и материнская плата, память, блок питания и другие компоненты. А отечественные процессоры не так хорошо работают с иностранным «железом», значит необходимо планировать комплексное отечественное производство.
Но проблема не только в том, чтобы найти высокопроизводительный процессор и остальное «железо», нужен также богатый набор библиотек, которые есть у все той же nVidia.
Но вы справедливо можете заметить, что в России уже есть закупленные мощности и суперкомпьютеры. Да есть, но и они уступают американским и китайским по совокупной мощности. Александр Ведяхин, первый заместитель председателя правления ПАО Сбербанк отметил: «Если мы сравним суперкомпьютеры из топ-500, больше всего мощностей у „Яндекса“, затем идет „Сбер“; по одному компьютеру у МТС и МГУ. То, на чем нам обучаться полгода, фронтир американский делает за два дня. Учитывая, что каждую нейросетку надо прогонять несколько раз, это может быть существенным фактором технологического отставания». Разница в мощностях влияет на скорость обучения и дообучения (fine tuning) моделей. А значит и на скорость внедрения. Пресловутая ChatGPT содержит 175В параметров и годы разработки. Чтобы у нас были свои модели, нужно больше вычислительных мощностей и, что важно, задачи под эти мощности.

6. Библиотеки машинного обучения
Библиотеки машинного обучения играют ключевую роль в развитии и применении искусственного интеллекта (ИИ). Эти библиотеки предоставляют разработчикам доступ к различным алгоритмам и инструментам, упрощая и ускоряя процесс создания, обучения и развертывания моделей машинного обучения.
Вот как они влияют на развитие ИИ:
1. Упрощение разработки.
Библиотеки машинного обучения предоставляют готовые реализации различных алгоритмов и моделей, что позволяет разработчикам сосредотачиваться на решении конкретных задач, вместо того чтобы тратить время на реализацию основных алгоритмов с нуля.
2. Расширение возможностей.
Благодаря библиотекам машинного обучения разработчики могут легко использовать сложные и мощные алгоритмы, которые требуют большого объема вычислительных ресурсов и специализированных знаний.
3. Доступность и обмен знаний.
Многие библиотеки машинного обучения доступны бесплатно и имеют открытый исходный код, что делает их доступными для широкой аудитории разработчиков и исследователей. Кроме того, открытость большинства библиотек машинного обучения позволяет разработчикам обмениваться знаниями и опытом, способствуя быстрому развитию и совершенствованию методов и подходов в ИИ.
4. Доступность для начинающих специалистов.
Открытые библиотеки помогают сократить порог вхождения для новичков и ускоряют процесс обучения и практического опыта.
5. Улучшение производительности.
Некоторые библиотеки машинного обучения оптимизированы для работы с конкретными аппаратными платформами или процессорами, что позволяет использовать ресурсы более эффективно и ускоряет обучение моделей.
6. Исследования и инновации.
Библиотеки машинного обучения позволяют исследователям и инженерам экспериментировать с различными подходами, алгоритмами и архитектурами, что способствует развитию новых и более эффективных методов в ИИ.
В целом, библиотеки машинного обучения значительно ускоряют и упрощают разработку ИИ-систем, делают технологии машинного обучения доступными широкому кругу разработчиков и способствуют прогрессу в области искусственного интеллекта.
И если мы посмотрим на основные распространенные библиотеки, такие как, GPT-4, PyTorch, TensorFlow, Keras, Pandas, то увидим, что они разработаны крупнейшими американскими компаниями. Есть примеры и китайских библиотек, такие организации, как Inspur Information и Alibaba, запустили крупномасштабные предварительно обученные модели Yuan 1.0 и M6. Yuan 1.0 от Inspur Information — это массивная модель с 245,7 миллиардами параметров, которая была обучена на наборе данных объемом более 5 ТБ.
Мы видим, что для развития ИИ необходимо создавать собственные библиотеки. Их могут создавать и создают крупнейшие российские компании. Например, есть замечательный пример такой библиотеки — DeepPavlov.
Есть и платные коммерческие библиотеки, например, для работы с голосом (Yandex speech kit, ЦРТ) или распознавания лиц (Luna от VisionLabs). В области обработки голоса, распознавания лиц и вообще биометрии в России в коммерческом секторе сделано довольно много. А биометрия это и есть использование моделей ИИ.
Однако, этого недостаточно. Нужны и другие реальные задачи, для решения которых и будут разрабатываться библиотеки. Это могут быть задачи, связанные с расчетами, обработкой графики для проектирования деталей и зданий.

7. Кадры для работы с ИИ
Появление ИИ в медицине, строительстве или в системах умного города приводит к тому, что компетенции, связанные с анализом данных, становятся обязательными для каждого. Недостаточно уже быть профессионалом в своей предметной области — медицине, банковском секторе, IT-технологиях, нужно знать и технологии работы с данными, основы машинного обучения.
Обучение кадров для искусственного интеллекта имеет долгосрочное влияние на экономику страны, так как способствует созданию технологического потенциала, инновациям, улучшению производительности и привлечению инвестиций.
Стоит уделять особое внимание развитию образования и научных исследований в области искусственного интеллекта.
Но мало обучить и воспитать специалиста, важно его удержать. И это является задачей для компаний и организаций, особенно учитывая высокий спрос на таких специалистов и их конкуренцию на рынке труда. Кроме конкурентоспособной по мировым меркам заработной платы и возможностей профессионального развития, необходима практика на интересных и сложных проектах. Тогда амбициозные сотрудники предпочтут оставаться в стране.
В целом, удержание специалистов в области искусственного интеллекта зависит от создания подходящей рабочей среды, предоставления возможностей для роста и развития, а также от уважения и признания их работы.

Интернет вещей как вектор развития ИИ
Проблемы развития ИИ взаимосвязаны друг с другом. Если мы делаем своё «железо», то к нему нужно писать библиотеки, делать удобные пользовательские интерфейсы для администрирования и использования, организовать качественную сервисную и техническую поддержку. А есть ли на всё это ресурсы у страны? Есть ли ресурсы догнать 30-летнее отставание?
Учитывая текущее отставание России в аппаратном обеспечении, нужно рассматривать альтернативные варианты развития. Таким вариантом может стать специализация на интернете вещей (IoT) и, например, edge-компьютинге.
Аппаратная часть IoT-устройств менее требовательна, как правило, для нее более важна энергоёмкость, т.к. устройства работают от батареек и аккумуляторов или электрической сети. Это значит, что мы на своих производственных мощностях можем развивать IoT. И делать упор не на аппаратной части, а на протоколах передачи данных и программном обеспечении. А также развивать решения для безопасной работы интернета вещей.
Применение искусственного интеллекта в области интернета вещей (IoT) открывает широкие перспективы и значительно улучшает функциональность и эффективность этой технологии. Вот несколько перспективных применений ИИ в области IoT:
1. Промышленность и производство.
В первую очередь, IoT устройства важны для цифровой трансформации промышленности. Сбор и анализ данных позволяет уже сегодня управлять производствами с меньшим количеством сотрудников. Использование ИИ также позволяет предсказывать отказы оборудования и предпринимать предупредительные меры, что помогает снизить простои и улучшить эффективность.
А в перспективе можно создавать цифровые двойники предприятий. Это не просто собранная статистика о работе предприятия, но это знания о том, как работают все процессы и возможность моделировать и управлять реальным производством через цифрового двойника. И отечественные компании уже идут по этому пути. Важно, что вложение в это направление позволит развивать и аппаратную часть, и библиотеки.
Уместно будет вспомнить Национальную технологическую инициативу по развитию Интернета вещей [12].
2. Умные города.
ИИ и IoT могут совместно превратить города в умные и эффективные. В таких смарт-городах — автоматизированный контроль светофоров, оптимизация движения транспорта, управление сбором отходов, мониторинг качества воздуха и улучшение общественного транспорта и системы видеонаблюдения.
Москва является отличным примером развития этой концепции. Масштабирование данной практики на другие города позволит также развивать экономику.
3. Умный дом.
В первую очередь мы говорим об умных датчиках коммунальных услуг. Внедрение умных устройств способствует существенному повышению прозрачности в коммунальной сфере. Кроме того, можно будет исключить неэффективных посредников, на которых образуется большая часть долгов за коммунальные услуги. Речь не идет о полном прекращении работы управляющих компаний, но они начнут оказывать сервисные услуги в рыночных условиях большей прозрачности: «заказчик/население — управляющая компания/исполнитель».
Кроме того, с помощью Интернета вещей и анализа данных сенсоров ИИ может автоматически управлять освещением, температурой, безопасностью, энергопотреблением и другими устройствами в ЖК, а также предоставлять персонализированные рекомендации для улучшения жизни жильцов. Как в известной шутке, в которой холодильник не открывается ночью, заботясь о фигуре хозяина.
4. Здравоохранение.
Интеграция ИИ и IoT в медицинских устройствах позволяет создавать более точные и интеллектуальные медицинские системы. Они могут включать мониторинг здоровья пациентов, предупреждение о медицинских условиях, управление лекарствами и даже поддержку виртуальных помощников для диагностики и лечения.
5. Сельское хозяйство.
В сельском хозяйстве ИИ и IoT используются для оптимизации управления урожаем, мониторинга погоды, орошения, предотвращения заболеваний растений и улучшения эффективности использования ресурсов. Также ИИ нужен для управления дронами и отдельно для управления роем дронов. Как правило дроны осуществляют мониторинг территории с посевами.
6. Розничная торговля.
В розничной торговле ИИ и IoT помогают создавать персонализированные рекомендации покупателям, оптимизировать инвентаризацию, анализировать поведение покупателей и предлагать акции и скидки на основе их предпочтений и поведения.
7. Энергетика.
В энергетике ИИ и IoT могут использоваться для оптимизации распределения энергии, прогнозирования потребления, управления сетями и улучшения энергоэффективности.
Все эти применения ИИ в IoT способны не только повысить уровень автоматизации в различных областях, но создавать новые рынки услуг, что cделает IoT одним из важнейших факторов для развития экономики. Однако, при развитии и внедрении таких технологий важно также обеспечивать безопасность и защиту данных, чтобы избежать возможные угрозы и риски для пользователей и общества.
Эти технологии востребованы на международном рынке. И если часть из них будет открытой, то можно активно экспортировать за рубеж комплексные решения (solution) в области IoT. Особенно важно для многих не западных стран быть независимыми от западных технологий. Никто не хочет, чтобы дорогое оборудование отключалось нажатием кнопки где-то в Северной Америке или Европе.

ИИ как фундамент экономики
Итак, искусственный интеллект в самом деле может стать фундаментом экономики будущего и маяком для российского технологического суверенитета. ИИ уже сегодня проникает во множество отраслей и предоставляет огромный потенциал для улучшения производительности, инноваций и решения сложных проблем.
Фундамент экономики будущего:
1. Автоматизация и оптимизация.
ИИ способен автоматизировать множество процессов, что приводит к повышению эффективности и снижению затрат в производстве, логистике, управлении ресурсами и других областях. Это может значительно улучшить конкурентоспособность компаний и национальной экономики в целом.
2. Создание новых рынков и экспортный потенциал.
Если найти свою нишу в развитии ИИ, то можно создать не только новый рынок внутри страны, но экспорт.
3. Инновации.
ИИ открывает новые перспективы в различных областях, таких как медицина, энергетика, финансы, транспорт и другие. Это позволяет создавать инновационные продукты и услуги, что способствует росту экономики.
4. Улучшение качества жизни.
Применение ИИ в медицине, образовании и других сферах может привести к улучшению качества жизни граждан, что в свою очередь содействует экономическому развитию.

Маяк российского технологического суверенитета:
1. Национальная безопасность: Россия, разрабатывая свои собственные ИИ-технологии и решения, может обеспечить национальную безопасность, не завися от иностранных поставок и сервисов. Это критически важно, учитывая потенциальные угрозы цифрового мира. Это еще один пункт, который не был раскрыт в ходе дискуссии. Но в современной ситуации актуальность вопроса информационной безопасности ИИ очевидна. Она требует отдельного рассмотрения, но обозначить ее необходимо.
2. Развитие и экспорт высоких технологий: владение передовыми технологиями в области искусственного интеллекта дает возможность России развивать собственную IT-отрасль и стать экспортером инновационных решений и продуктов на мировом рынке.
3. Самоопределение и контроль: стремление к технологическому суверенитету позволяет стране иметь контроль над собственными данными и технологиями, не подчиняясь внешним влияниям, что способствует сохранению национального достоинства и независимости.
Кроме того, есть объективные измеримые показатели, такие как Индекс вычислений и ВВП, которые позволяют понимать место страны в мире в области ИИ, а значит и ставить измеримые цели и их достигать.
Для того, чтобы реализовать потенциал ИИ и добиться технологического суверенитета, России необходимо выбрать направление максимального роста при текущих ограничениях. Например, развивать ИИ и безопасность в области IoT, формировать госзаказ на такие разработки, активно инвестировать в исследования и разработки в области искусственного интеллекта, создавать собственные библиотеки и наборы данных, поддерживать стартапы и инновационные компании, обеспечивать развитие специалистов в этой области. А также снять юридические и организационные барьеры на первом этапе, используя экспериментальные правовые режимы. Важно вкладываться в перспективные технологии, например, оптические (фотонные) компьютеры или квантовый компьютер, а также чипы на новых материалах.

Список источников.
1. 2021-2022 Global Computing Index Assessment Report // https://www.ieisystem.com/content/clientDf.do?id=17808, 2022.
2. 14,1% составил рост средних номинальных начисленных зарплат и медианной заработной платы в 2022 году //https://rosstat.gov.ru/folder/313/document/209470, 16.06.2023.
3. Серверы (рынок России) // https://www.tadviser.ru/index.php/Статья:Серверы_(рынок_России), 02.06.2023.
4. Что будет с венчурным рынком в 2023 году // https://www.vedomosti.ru/technologies/industries_and_markets/columns/2022/12/01/952957-chto-budet-s-venchurnim-rinkom?ysclid=lkwnec61n8688073268, 01.12.2022.
5. UK unveils world leading approach to innovation in first artificial intelligence white paper to turbocharge growth // https://www.gov.uk/government/news/uk-unveils-world-leading-approach-to-innovation-in-first-artificial-intelligence-white-paper-to-turbocharge-growth, 29.03.2023.
6. https://trends.rbc.ru/trends/innovation/63aaef3a9a794747a271fe65
7. NVIDIA Retained 80% Discrete GPU Market Share Versus AMD’s 20% In Q2 2022 Despite Gaming Revenue Losses // https://wccftech.com/nvidia-retained-80-discrete-gpu-market-share-amd-20-in-q2-2022-despite-gaming-revenue-losses/, 05.09. 2022.
8. Микропроцессоры и СБИС // http://mcst.ru/chips?f%5B0%5D=field_availability%3A33.
9. Спецификации «Эльбрус» // http://mcst.ru/files/60365c/d5dece/615775/90a70b/mtsst_trushkin_16_3.pdf
10. В России появится новый нацпроект — «Экономика данных» // https://digital.gov.ru/ru/events/45686/, 13.07.2023.
11. Открытые данные // https://rosreestr.gov.ru/opendata/.
12. Центр компетенций НТИ по направлению «Технологии беспроводной связи и интернета вещей» (ЦК НТИ) // https://iot.skoltech.ru/.

Экспертные аналитические заключения по итогам сессий деловой программы Форума и любые рекомендации, предоставленные экспертами и опубликованные на сайте Фонда Росконгресс являются выражением мнения данных специалистов, основанном, среди прочего, на толковании ими действующего законодательства, по поводу которого дается заключение. Указанная точка зрения может не совпадать с точкой зрения руководства и/или специалистов Фонда Росконгресс, представителей налоговых, судебных, иных контролирующих органов, а равно и с мнением третьих лиц, включая иных специалистов. Фонд Росконгресс не несет ответственности за недостоверность публикуемых данных и любые возможные убытки, понесенные лицами в результате применения публикуемых заключений и следования таким рекомендациям.