Аннотация. Данная статья является обзорной. Она посвящена проблемам внедрения моделей искусственного интеллекта в производственные процессы и вызовы, стоящие перед этой сферой деятельности. Акцент делается на применении искусственного интеллекта (ИИ) в отраслях ТЭК. Какие возможности сулит компаниям переход на ИИ и какие проблемы он может породить.

Ключевые слова: искусственный интеллект, генеративный искусственный интеллект, экономический эффект, суперкомпьютер, дефицит вычислительных мощностей.

Gorshkova Anna

Chief Editor of the magazine "Information Resources of Russia"

Abstract. This article is a review. It is devoted to the problems of introducing artificial intelligence models into production processes and the challenges facing this field of activity. The emphasis is on the use of artificial intelligence in the fuel and energy sectors. What opportunities does the transition to AI promise for companies and what problems can it create.

Keywords: artificial intelligence, generative artificial intelligence, economic effect, supercomputer, shortage of computing power.

Woe from Wit: Russia is increasingly switching to artificial intelligence

Искусственный интеллект уже давно стал неотъемлемой частью современного быта. Голосовые помощники, языковые переводчики, навигаторы и музыкальные приложения с подборкой треков по запросу – эти простые системы искусственного интеллекта, основанные на заранее прописанных алгоритмах и функциях, окружают нас повсюду, делая жизнь проще и приятнее. Постепенно вместе с процессами индустриальной цифровизации и расширением технологических возможностей применения, искусственный интеллект все активнее начинает использоваться в коммерческих проектах и промышленном производстве. Лидерами по внедрению систем ИИ являются банковская сфера, сервисы онлайн-услуг и ритейла, здравоохранение и телекоммуникационные системы, что объясняется мобильностью этих отраслей, короткими сроками реализации проектов, высоким уровнем взаимодействия с обществом и низкой степенью аварийности. Более сложные, тяжелые и консервативные отрасли, особенно в сфере ТЭК, пока предпочитают внедрять системы искусственного интеллекта точечно по отдельным направлениям или проектам.

ИИ шагает по планете

Согласно исследованию Мckinsey, глобальный экономический эффект от введения систем искусственного интеллекта в бизнесе к 2030 г. может достигнуть 25 трлн долл. При этом 2023 г. должен стать прорывным для повсеместного внедрения данных технологий, в первую очередь, за счет молниеносного развития моделей генеративного искусственного интеллекта. Этот новый тип систем уже может самостоятельно генерировать изображение, текст или другие медиаданные на основе анализа большего объема информации и способности к машинному обучению, а не счет заранее прописанных алгоритмов под каждую конкретную ситуацию. Такие системы могут очень быстро обрабатывать большие и крайне разнообразные наборы совершенно неструктурированных данных и выполнять сразу несколько функций. Так, генеративный ИИ может классифицировать, редактировать, обобщать, отвечать на вопросы, а главное разрабатывать принципиально новый контент.

 «Согласно нашим последним исследованиям, генеративный ИИ может приносить доход, эквивалентный 2,6-4,4 трлн долл. в год, что сопоставимо с показателем ВВП всего Соединенного Королевства в 3,1 трлн долл.», - отмечается в исследовании Мckinsey [i].

Применение генеративного ИИ, по расчетам аналитиков, может расширить области использования искусственного интеллекта на 15-40%. В результате, уже к 2060 г. половина профессий в мире будет полностью автоматизирована и роботизирована. Это не приведет к резкому росту безработицы, но изменит функции работников, задача которых будет овладеть навыками применения ИИ для своего направления деятельности и контролировать его работу.

Одновременно семимильными шагами будет расти мировой рынок услуг в области цифровизации и искусственного интеллекта. По сути, он станет главной платформой мировой экономики. По данным исследования Zion Market, глобальный оборот индустрии ИИ может вырасти с текущих почти 60 млрд долл. до 422 млрд долл. в 2028 г.

Единственным вариантом выживания в таком мире станет быстрая и качественная подготовка бизнеса, экономики, политики, социума, а главное - простых людей. Согласно исследованиям Oxford Insights, наибольшей готовностью к внедрению систем искусственного интеллекта обладают США, Сингапур и Великобритания. Китай занимает лишь 15 место, а Россия – 38. По данным Tortoise Media, лидерами по готовности технологий ИИ являются США, Китай и Великобритания. Россия в этом рейтинге занимает уже 32 место. При этом в качестве оценочных показателей использовались доступность и репрезентативность данных, инфраструктура, инновационный, цифровой и кадровый потенциал, управление, этика и адаптивность технологий.

Искусственный интеллект как дар свыше

Впрочем, в России настрой на повсеместное внедрение искусственного интеллекта позитивно-агрессивный, местами даже боевой. По словам вице-премьера РФ Дмитрия Чернышенко, Россия занимает достойное место в этой технологической гонке. Объем рынка ИИ в стране в 2022 г. достиг 650 млрд руб., что на 18% больше показателей 2021 г. Россия занимает 4 место в мире по количеству внедряемых моделей генеративного ИИ и входит в топ-10 стран по совокупной мощности всех суперкомпьютеров.

Правда, есть в этом одно серьезное «но». Инициативы по массовому внедрению искусственного интеллекта в России в основном исходят от государства, точно шанс, дарованный свыше. Так, в прошлом году средний уровень использования систем ИИ вырос в 1,5 раза, но при этом 60% пришлось не на бизнес, а на государственный сектор. Если проанализировать закупки в области ИИ, то выяснится, что в 2021 г. соотношение количества коммерческих закупок и закупок по 223 и 44 ФЗ составило 50 на 50%, а вот соотношение средств, потраченных на коммерческие закупки и закупки по 223 и 44 ФЗ составляет уже 30 на 70%. При этом средний чек на закупку по 223 ФЗ составлял 17,2 млн руб., по 44 ФЗ – 16,8 млн руб., а в коммерческих закупках - лишь 7,6 млн руб. [ii].

Такой подход изначально был заложен в Стратегии развития искусственного интеллекта в Российской Федерации до 2030 г., которая была утверждена Указом Президента РФ в 2019 г. [iii]. Сейчас Правительство РФ во главе с премьер-министром страны Михаилом Мишустиным, активно продвигает инициативы по внедрению ИИ практически во всех сферах экономической и социальной жизни. В конце сентября этого года в ходе стратегической сессии "Развитие искусственного интеллекта", премьер-министр заявил, что правительство активно работает над обновленным вариантом национальной стратегии, которая будет ставить крайне амбициозные цели. В документе предполагается, что к 2030 г. во многом за счет господдержки 95% компаний интегрируют технологии ИИ в свою работу; 85% всех субъектов экономики будут знакомы с принципами использования искусственного интеллекта для решения рабочих задач. А вклад искусственного интеллекта в ВВП страны к 2030 г. достигнет 6%. Обновленная стратегия может появиться уже в конце 2023 г.

В качестве «кнута и пряника» традиционно будут использоваться государственные субсидии. «По поручению президента использование искусственного интеллекта станет обязательным для всех компаний, которые планируют получать какие-либо субсидии из федерального бюджета. Со следующего года мы протестируем такой подход на предприятиях, годовая выручка которых превышает 800 млн руб.», — сообщил Д. Чернышенко на конференции по ИИ AI Journey 2023, организованной «Сбербанком». В первую очередь такие меры будут распространяться на компании, которые работают в приоритетных для страны отраслях.

В результате этой работы, искусственный интеллект уже к 2025 г. принесет российским компаниям ни много ни мало 1 трлн руб. дохода. При максимальных инвестициях за 5 лет дополнительный прирост ВВП в результате массового внедрения ИИ может составить 11,3 трлн руб.

"Россия де-факто сейчас уже является и намерена продолжать быть страной с одним из самых благоприятных регуляторных режимов в мире для эффективного развития технологий с использованием искусственного интеллекта", - отметил на стратегической сессии Д. Чернышенко.

Источник для суперсилы

Впрочем, сами члены правительства признают, что внедрение ИИ идет не так гладко, как хотелось бы. Перед отраслью стоят серьезные проблемы и вызовы, решений которых пока найти не удалось, даже в мировой практике.

Главным вызовом пока остается нехватка вычислительных мощностей и сопутствующей инфраструктуры. Модели искусственного интеллекта, особенно генеративные, построены на анализе колоссального количества данных. И чем сложнее становится система, тем большего количества данных она будет требовать.

Еще десять лет назад стало понятно, что производственные возможности простых компьютеров со стандартным соединением большого количества процессоров уже себя исчерпали. Для развития моделей искусственного интеллекта требуются вычислительные установки, быстрота действия которых измеряется в триллионах операций в секунду, при этом соединенные между собой многочисленные процессоры должны работать параллельно. Если понимать искусственный интеллект, как попытку воспроизвести работу человеческого мозга, то нужно отдавать отчет, что для моделирования функций человеческого мозга на уровне нейронов требуется вычислительная мощность от 100 петафлопс (когда количество выполняемых операций в секунду достигает 10¹⁵ степени) до 1 экзафлопс (количество операций возрастает до 10¹⁸ в секунду). Прогнозирование и моделирование, например, погоды и других сложных, хаотичных процессов требует ещё большего количества ресурсов.

Создать суперкомпьютер, который сумел преодолеть барьер в 1 экзафлопс удалось только в 2022 г. в Национальной лаборатории Окриджа (ORNL) Министерства энергетики США. Он получил название Frontier. Его мощность достигает 1,194 экзафлопс, и по данным на ноябрь 2023 г., он все еще возглавляет топ-500 суперкомпьютеров мира. На втором месте в рейтинге топ-500 расположился суперкомпьютер Aurora, который размещен в Аргоннской национальной лаборатории (ANL) Министерства энергетики США. Производительность этого комплекса составляет 585,34 петафлопс, однако его производители рассчитывают в самом ближайшем будущем довести мощность Aurora до 2 экзафлопс. Замыкает тройку облачный суперкомпьютер Microsoft Azure Eagle, показавший результат на уровне 561,2 петафлопс.

В целом же лидерами по количеству и заявленной мощности суперкомпьютеров являются США (161 шт.), Китай (104 шт.), Германия (36 шт.) и Япония (32 шт.). Россия занимает в этом рейтинге 13 место, благодаря суперкомпьютерам «Сбербанка» и «Яндекса». Суперкомпьютер «Яндекса» «Червоненкис» мощностью 21,53 петафлопс занял 19 место рейтинга суперкомпьютеров топ-500, став самой производительной системой не только в России, но и во всей Восточной Европе. Кроме «Червоненкиса», в топ-500 вошли ещё два суперкомпьютера «Яндекса» — «Галушкин» (16,02 петафлопс) и «Ляпунов» (12,81 петафлопс). Они заняли в рейтинге 36-е и 40-е места соответственно. В топ-500 также входит и новый суперкомпьютер «Сбербанка» - «Кристофари нео» (11,95 петафлопс). Он занял 43-е место в списке.

Однако по оценке ведущих специалистов, заявленные в мире цели по развитию систем генеративного искусственного интеллекта требуют создания суперкомпьютеров на 4,4 экзафопс, которых пока просто не существует.

Кадры, деньги и стартапы

Второй не менее важной проблемой для России в сфере IT является острый дефицит подготовленных кадров – специалистов, способных разрабатывать отечественные пакетные программные продукты с использованием искусственного интеллекта. И если в США таких специалистов готовит 111 университетов, в Китае – 36, то в России только 15. При этом в большинстве случаев, окончившие вуз дипломники, имеющие базовые навыки работы, с трудом подходят под требования специалистов в области искусственного интеллекта. Обратной стороной медали является востребованность опытных российских специалистов и отток уже готовых кадров за рубеж. 

Дефицит кадров порождает другую не менее важную проблему – явную нехватку российских исследований и разработок в этой области. Сейчас крупнейшие российские компании активно занимаются не только импортозамещением, например, в области замены иностранных облачных технологий, но и созданием собственного роботизированного оборудования. Пока эти наработки являются точечными и единичными, сделанными под единственного заказчика и плохо масштабируемые на всю отрасль.

Отчасти отсутствие собственных наработок в IT-областях продиктовано другой проблемой – дефицитом инвестиций в стартапы, венчурные фонды и независимые IT-компании по разработке технологий искусственного интеллекта. Как правило, работы в это области идут со стороны крупных компаний или по их заказу под строго определенные задачи. С 2020 г. инвестиции в венчурные фонды и стартапы сильно просели и не восстановились до сих пор. По данным Venture Guide, в 2022 г. вложения в IT-стартапы в России упали на 57%, до 1,1 млрд долл., общее количество сделок снизилось в 2,3 раза: со 291 сделки в 2021 г. до 128 сделок в 2022 г. [iv]. Причины проседания достаточно очевидны – это геополитическая нестабильность и санкции, в результате которых иностранные инвесторы вынуждены были покинуть российский рынок. Кроме того, большую роль сыграли осторожное отношение бизнеса к данным технологиям, боязнь российских инвесторов вкладывать средства в модные мыльные пузыри и развитие внутрикорпоративных IT-отделов и служб.

Риск деградации развития стартапов сейчас настолько велик, что государство готово пойти на серьезные меры стимулирования этой сферы, вплоть до создания систем государственного софинансирования таких компаний для повышения их инвестиционной привлекательности.

Геополитическая нестабильность также привела к появлению еще одного существенного вызова – это риск изоляции России, закрытия для страны новых исследований и наработок как в сфере ИИ, так и в остальных IT-отраслях. Это заставляет как компании, так и государство все активнее налаживать информационные связи с дружественными странами: Китаем, Индией, Саудовской Аравией, Бразилией и т. д., и уже через них получить доступ к американским и европейским разработкам.

Человек «с красной кнопкой»

И наконец по-прежнему остается открытым вопрос безопасности и функциональной корректности работы систем искусственного интеллекта. При всей своей рациональности, основанной на машинном обучении, самосоздаваемые алгоритмы искусственного интеллекта работают на эмпирических данных и далеко не всегда отличаются логичностью и точностью. В результате, при использовании этих систем в реальной жизни со всеми ее сложностями, поведение искусственного интеллекта отличается слабой предсказуемостью. Это порождает самые разнообразные риски, от утечки персональных данных и экономических потерь, до угрозы экологии, жизни и здоровью людей.

Предотвратить данные риски можно путем создания специальной системы сертификации ИИ, которая будет включать комиссии по допуску этих систем, органы по сертификации, инспекции, провайдеров и научно-методические центры. Причем эти центры сертификации должны работать в рамках отраслей внедрения ИИ, чтобы знать и понимать специфику его использования. Еще одной задачей обеспечения безопасности является разработка детальных инструкций и описаний условий эксплуатации систем ИИ. Несмотря на такие меры, искусственный интеллект, особенно используемый в автоматизированных системах управления, должен оставаться подконтрольным человеку. Решения ИИ должны носить либо рекомендательный характер, либо применяться в строго определенных параметрах. При этом у человека всегда должна быть та самая «красная кнопка» отключения данной системы.

Но все же главным подходом, по крайней мере, на современном этапе, должен стать принцип «минимального применения» технологий ИИ. Так, при автоматизации процессов обработки данных приоритет должен, в первую очередь, отдаваться простым линейным алгоритмам.

Инвестиции с низким оптимизмом

Общие проблемы и вызовы использования искусственного интеллекта, помноженные на специфику отраслей ТЭК, существенно замедляют их внедрение в энергетической сфере. Опыт нефтегазовых и энергетических компаний показывает, что, как правило, использование искусственного интеллекта в ТЭК носит точечный и несистемный характер. Компании отрабатывают механизмы ИИ на уровне пилотных проектов, узких кейсов и периферийных направлений, не представляющих опасность для функционирования бизнеса.

Если совокупная выручка предприятий ТЭК в России составляет около 2 трлн руб. (по оценкам 2021 г.), то их затраты на IT едва превышают 1% от суммарного объема инвестиций. Российские энергетические компании пока закладывают на разработку и внедрение цифровых систем не больше 3—7% своих бюджетов. Правда, по оценке Университета «Иннополис», к 2026 г. эта доля инвестиций может вырасти на 10-15%, а совокупный экономический эффект от внедрения проектов ИИ в ТЭК к 2025 г. может превысить 530 млрд руб.

Помимо проблем недостаточного финансирования таких проектов, остро стоит вопрос о достаточной эффективности использования этих технологических моделей. Даже такой российский лидер по внедрению искусственного интеллекта в производство, как «Газпром нефть», жалуется на невысокую отдачу от данных технологических новшеств по сравнению с потенциальными возможностями. «В «Газпром нефти» искусственный интеллект так или иначе применяется по всей цепочке деятельности компании от сейсмики до АЗС. Однако на сегодня мы получаем лишь 10% от суммарного эффекта, который мы могли бы получить и который мы оцениваем в 100 млрд руб. в год», - говорил профессор Национального исследовательского университета ИТМО; руководитель программ развития технологий и инструментов искусственного интеллекта ПАО «Газпром нефть» Алексей Шпильман.

Осторожно, работает ИИ!

Причины такой сдержанности кроятся в масштабности отрасли и ее стратегическом значении для экономики страны. Так, например, строительство и эксплуатация АЭС или ГЭС может растянуться на 50-60 и больше лет. Естественно, что большая часть данных таких объектов до сих пор еще содержится «на бумаге» и не оцифрована для баз данных. Но даже если взять в расчет более или менее новые энергетические проекты, прошедшие этап цифровизации, то они производили, производят и будут производить такое количество самых разнообразных данных, что создание систем ИИ для их обработки потребует закупки огромного количества вычислительных мощностей, приближающихся к уровням суперкомпьютеров.

«Все проекты, связанные с искусственным интеллектом, требуют огромной дополнительной нагрузки на инфраструктуру. А некоторые из них требуют дооснащения всех наших объектов генерации. В результате, сроки окупаемости проекта увеличиваются на 7 и более лет», - отмечал на РЭН директор по цифровизации и информационным технологиям ПАО «Т Плюс» Борис Макевнин.

Не менее важной задачей остается безопасность работы энергообъектов. Все предприятия ТЭК так или иначе относятся к высшей категории опасности. Сбой в системе «Яндекс Еда» – досадное, но не смертельное происшествие. Взрыв на НПЗ, разрыв нефтепровода или авария на АЭС представляют собой уже реальную и масштабную угрозу для жизни и здоровья людей. Поэтому в основных производственных процессах компании ТЭК предпочитают использовать пока автоматизированные системы, основанные на четких, линейных математических алгоритмах. Так, например, НП «Системный оператор» в процессах диспетчеризации использует только простые математические модели. «Все базовые функции «Системного оператора» - это на 99% четко алгоритмизированные процессы. Объекты управляются в режиме реального времени. При этом анализируется и обрабатывается достаточно большой объем информации, например, только со стороны телеметрии поступает 1 млн бит в секунду. Обмен данных осуществляется однозначными линейными алгоритмами. Это дает возможность диспетчеру точно и строго определить текущее состояние объекта и управлять им», - говорил в октябре директор по цифровой трансформации «Системного оператора»  Станислав Терентьев.

Но если речь идет о работе с хаотичной и неравновесной информацией, например, о погоде, которая необходима для эффективной работы возобновляемых источников энергии, то тогда системы ИИ могут оказаться намного более эффективнее. Тот же «Системный оператор» разработал два проекта с использованием таких систем для анализа работы солнечной и ветряной генерации. Задача искусственного интеллекта - проанализировать все возможные данные о природных явлениях (телеметрия, яркость солнца, облачность, уровень радиации, сила ветра, направление ветра, давление), прогнозы разных метеоцентров и т. д., с тем чтобы в итоге использовать эти модели для работы на балансирующем рынке.

Еще одной причиной низкого уровня использования искусственного интеллекта в ТЭК является сильная монополизация отрасли. На этом рынке практически нет небольших компаний, стремящихся выиграть конкурентную борьбу за счет внедрения ультрасовременных цифровых систем. Крупные компании предпочитают разрабатывать технологии ИИ самостоятельно. В результате, в этой сфере очень мало быстрых стартапов или независимых IT-компаний, разрабатывающих собственные технологии, программное обеспечение и т.д. По данным «Иннопрактики», на рынке существует около 200 программных решений, однако большинство из них являются узконаправленными, подготовленными под автоматизацию технологических процессов конкретных предприятий.

Определенным тормозом внедрения искусственного интеллекта является социальная ориентированность большинства компаний ТЭК. Нефтегазовые и угольные предприятия часто работают в сложных, удаленных районах. Они становятся моногородами, где большинство жителей работают на этом предприятии. Любая роботизация и цифровизация воспринимается как угроза увольнения в городе, где другой работы просто нет. Не зря «Татнефть» сейчас активно внедряет проект по анализу настроений граждан в городах своего присутствия путем мониторинга социальных сетей с помощью искусственного интеллекта, рассказал заместитель генерального директора по цифровому развитию компании Евгений Звездин.

В результате, на сегодняшний день, и это признают как сами компании, так и чиновники, применение искусственного интеллекта в ТЭК еще толком не формализовано, не защищено нормативно-правовой базой, отражающей особенности этой сферы, не имеет своих специфических протоколов, стандартов и ГОСТов. Компании предпочитают отрабатывать принципы и механизмы действия искусственного интеллекта на периферийных направлениях, пилотных проектах или отдельных «дочках».

Четыре главных направления

По сути, можно выделить 4 направления активного применения ИИ среди компаний ТЭК. Первое из них – это анализ видео- и фотоинформации с дронов, камер наблюдений и т.д. для выявления нефтяных разливов, сухих деревьев в районе ЛЭП, контроля над деятельностью работников и подрядчиков и т.д. Одним из наиболее сложных вариантов применения ИИ по этому направлению является проведение видеоанализа на объектах строительства для отслеживания хода, этапов и скорости возведения сооружений, сравнения с проектными показателями, выявления допущенных подрядчиком нарушений и т.д. Такая работа позволяет при необходимости быстро вмешаться и исправить ситуацию еще на этапе стройки.

Второе направление – это предиктивный анализ с помощью искусственного интеллекта. Он позволяет следить за технологическим состоянием оборудования, его износом, работоспособностью и соответствию проектным требованиями и условиям эксплуатации, и на основе полученных данных делать прогнозы о сроках и возможностях его дальнейшей работы. На основе предиктивного анализа прогнозируется работа и сроки использования катализаторов на НПЗ. Большую популярность набирают в последнее время цифровые двойники месторождений, нефтеперерабатывающих заводов, тепловых электростанций и так далее. Эти технологии позволяют в цифровом формате воссоздать работу завода и спрогнозировать поведение его систем во время внештатных ситуаций.

Третье направление - это экспертный анализ, проводимый с помощью нейросетей. Его используют для анализа белых пятен на участках, где уже проведена геологоразведка, для интерпретации данных геофизики, выбора оптимальных точек и параметров для бурения скважин, анализа параметров эксплуатационного бурения и состояния месторождения на всех этапах его жизни и так далее.

Четвертое направление касается применения генеративного искусственного интеллекта. Такие системы только входят в обиход энергетических компаний, так что, несмотря на огромные возможности генеративного ИИ, его применение в ТЭК пока незначительно. Ряд компаний используют генеративный ИИ для получения новых рецептур при производстве битумов, шин, масел на основе заданных параметров, при доразведке старых месторождений  с целью поиска новых залежей, пропущенных традиционными методами.

Большая дружная платформа

Каждое из этих направлений активно развивается, повышая эффективность и оптимизируя технологические процессы в отрасли. Однако, как признают сами нефтяные компании, быстрое внедрение искусственного интеллекта может привести к появлению к 2030 г. серьезного дефицита вычислительных мощностей и сопутствующей инфраструктуры. Решением этой проблемы может стать создание единой цифровой платформы с использованием облачных сервисов и привлечением мощностей «Яндекса» и «Сбербанка». Причем в рамках этой платформы могут использоваться базы данных как корпоративных, так и государственных фондов, которые сейчас доступны только по специальным подпискам. 

«Не нужно, чтобы мы изобретали по 10 раз велосипед в десяти разных компаниях. И первым шагом здесь может стать платформенность, то есть выработка механизмов выгрузки данных в облачные сервисы и обработки их там. Это позволит создавать системы искусственного интеллекта централизованно, за счет наших технологических лидеров, таких как «Сбер» или «Яндекс». И если простые модели искусственного интеллекта мы еще как-то могли сделать своими собственными силами, то уже с моделями больших языковых данных, с моделями генеративного искусственного интеллекта можно работать только с использованием мощностей наших лидирующих компаний», - озвучил инициативу А. Шпильман.

Без государственной поддержки данное предложение вряд ли может быть реализуемо. Но с учетом настроя правительства повсеместно внедрять модели искусственного интеллекта и обеспечить к 2030 г. 95% перевод производственных процессов на использование искусственного интеллекта, такая поддержка будет оказана. Вопрос будет только в том, какой уровень доступа и безопасности будет у данной платформы и насколько эффективным и жизнеспособным окажется такой механизм.

[i]1. Исследование Mckinsey «Экономический потенциал генеративного ИИ: следующий рубеж производительности», 2023. – URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#key-insights

[ii] Доклад Университета «Иннополис» «Применение искусственного интеллекта в приоритетных отраслях экономки». Москва, 2022. С. 9.

[iii] Указ Президента Российской Федерации от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации». – URL: http://www.kremlin.ru/acts/bank/44731/page/1

[iv] Татьяна Исакова. Стартап наполовину пуст. Газета «Коммерсант», 12 января 2023 г. – URL: https://www.kommersant.ru/doc/5760695

 

.