В преддверии Дня российской науки члены экспертных советов Российского научного фонда представили главные научные тренды, за которыми стоит следить в ближайшие годы. Директор Института системного программирования им. В.П. Иванникова РАН, профессор, координатор секции математики, информатики и науки о системах экспертного совета РНФ по региональным конкурсам академик РАН Арутюн Аветисян рассказал о развитии искусственного интеллекта и прикладных разработках для обеспечения новых вычислительных систем, а также проиллюстрировал их проектами, поддержанными Фондом.
// В каком направлении сегодня развивается искусственный интеллект? Стремится ли научное сообщество к реализации сильного искусственного интеллекта или же акцент смещаются в сторону узкоспециализированных решений?
В современном мире искусственный интеллект (ИИ) внедряется повсеместно, потому что он существенно улучшает качество услуг и повышает производительность труда. Во всех юрисдикциях признано, что современный ИИ не обладает субъектностью. Это зафиксировано и в российской «Национальной стратегии развития ИИ на период до 2030 года», которая была обновлена в 2024 году по результатам проведения ряда стратегических сессий (например, под председательством премьер-министра Михаила Мишустина в сентябре 2023 года, когда были названы десять актуальных направлений развития ИИ).
Как сказано в «Стратегии», «искусственный интеллект — это комплекс технологических решений, позволяющий имитировать когнитивные функции человека». Это так называемый «слабый искусственный интеллект», который основан на машинном обучении и нейронных сетях и может решать только те задачи, для которых запрограммирован. Такой ИИ содержит уязвимости, ошибки и может выдавать неправильный результат.
«Сильный ИИ», способный мыслить абстрактно, планировать действия и использовать стратегии, пока не создан, так как отсутствуют методы, на которых он мог бы базироваться. Научные исследования в этой области, безусловно, стоит продолжать, однако когда они смогут дать практический результат — пока неизвестно. Это может быть через 10 лет, а может — через 30. Поэтому сейчас максимальные усилия направлены на развитие существующего ИИ.
В настоящее время в экспертном сообществе наиболее актуальными считаются пять направлений научных исследований в области ИИ: 1) алгоритмы машинного обучения, архитектура, оптимизация и математика; 2) фундаментальные и генеративные модели; 3) доверие и безопасность; 4) агентные/мультиагентные системы; 5) создание и развитие элементов сильного искусственного интеллекта.
Во время конференции AI Journey 2024 в результате опроса экспертов также были выбраны три самых актуальных направления исследований в области ИИ. Одно из выбранных посвящено доверию и безопасности, что в очередной раз подчеркивает важность этого направления.
Необходимость соответствующих научных исследований отражена и в грантах РНФ. Если речь о математике, то тут нужно упомянуть «Новые направления в теории приближений и обработка больших данных» Владимира Темлякова (МГУ). Если говорить о доверии и безопасности, то это «Разработка технологии построения защищенных систем обработки и хранения больших данных» Дмитрия Зегжды (Санкт-Петербургский Политехнический университет) и «Семантические технологии и машинное обучение для решения задач мониторинга, контроля, прогнозирования и верификации в системах обработки потоковых данных» Сергея Кузнецова (ВШЭ).
// Как современные достижения в фотонике и микроэлектронике влияют на развитие вычислительных систем нового поколения, и какие прикладные проекты в этой области кажутся вам наиболее перспективными?
Обеспечивать доверие и безопасность необходимо в разных аспектах. Например, надо проводить исполнение моделей на собственной аппаратуре. Сейчас разработкой собственных процессоров в России занимаются, в частности, «Модуль» и «ХайТэк». Перспективные исследования ведутся в области фотоники. Внедрение энергонезависимых фотонных элементов позволит значительно повысить энергоэффективность и производительность интеллектуальных систем (нейроморфных и не только).
Надо одновременно и развивать свои решения, и оставаться открытыми. Самый эффективный подход к разработке программ — это использование открытого кода. Такой подход был эффективен с обычным ПО и будет эффективным в случае ИИ, что уже отражается в развитии больших языковых моделей. В 2022 году появился закрытый ChatGPT американской компании OpenAI. Теперь его фактически обгоняет открытый китайский DeepSeek R1. Развиваются и другие открытые модели: Mistral AI (Франция), LLaMa (США).
Для создания прикладных технологий с ИИ очень важны также междисциплинарные исследования. И это тоже отражено в грантах РНФ, как завершившихся, так и поданных в 2025 году:
«Виртуальный дизайн новых газоразделительных полимерных мембран с помощью многомасштабного компьютерного моделирования и искусственного интеллекта» Сергея Люлина (Петербургский институт ядерной физики);
«Исследование и разработка технологий обработки и анализа мультимодальных неструктурированных данных из различных источников и их применимости для решения экономических и социальных задач» Сергея Николенко (ИТМО);
«Сравнительный анализ больших постгеномных данных» Андрея Миронова (Институт проблем передачи информации им. А.А. Харкевича РАН).
В заключение хочу отметить, что при создании прикладных технологий с ИИ очень важно создавать эффективные междисциплинарные команды, где эксперты по ИТ и прикладные специалисты смогут работать вместе. По нашему опыту в цифровой медицине, на создание такой эффективной команды уходит от 3 до 5 лет. Кстати, сейчас это одно из самых перспективных направлений, что видно и по грантам.
***
Смотрите запись выступления учёных на пресс-конференции РНФ в ТАСС в социальной сети «ВКонтакте».
Источник: РНФ.