1/3

Институт статистических исследований и экономики знаний НИУ ВШЭ подготовил отчет об изменении научной повестки в области искусственного интеллекта и данных с 2010 по 2025 год. В основу работы лег анализ 20 тыс. научных публикаций, посвященных ИИ, машинному обучению, большим данным, облачным вычислениям, методам анализа данных и бизнес-аналитике.

Авторы составили семантическую карту ключевых слов в научных публикациях об искусственном интеллекте и данных и продемонстрировали эволюцию тематик статей в разные периоды. Также разработана стратегическая диаграмма Кэллона, которая позволяет сопоставить исследовательские тематики по силе их связей с другими направлениями (показатель центральности) и степени внутренней связности и разработанности (показатель плотности). Сочетание этих характеристик показывает место тематики в исследовательском поле: она может задавать повестку, служить основой для смежных направлений, развиваться обособленно, формироваться или угасать.

Ключевые выводы:

• тематический спектр публикаций широк, отмечают авторы. Он включает как методы обработки и анализа данных, так и прикладные системы поддержки принятия решений и вопросы кибербезопасности цифровой инфраструктуры;
• центральное место на семантической карте ключевых слов занимают машинное обучение, большие данные, бизнес-аналитика и интернет вещей (IoT);
• с помощью распределения ключевых слов авторы выделили три основных блока исследовательских вопросов в публикациях: как собирать, организовывать и обрабатывать данные; как формировать ИТ-инфраструктуру и обеспечивать ее безопасность; как ИИ и цифровые технологии меняют бизнес-процессы;
• в 2010–2016 годах исследовательская повестка была сконцентрирована на инструментах корпоративной аналитики и облачной инфраструктуре. Среди направлений доминировали бизнес-аналитика (35,7%) и облачные вычисления (23,3%). Большие данные только начинали выделяться в самостоятельное направление исследований (9,6%), машинное обучение и искусственный интеллект не входили в число ключевых терминов;
• в 2017–2019 годах тематический спектр существенно расширился. В этот период началась конкуренция за центральное место в исследовательской повестке между сложившимися аналитическими направлениями (бизнес-аналитика — 21,7%, большие данные — 18,3%) и новыми алгоритмическими и сетевыми технологиями. К числу последних относились машинное обучение (10,4%), IoT (7%) и блокчейн (6,8%). Впервые среди распространенных тем оказался искусственный интеллект (5,5%);
• в 2022–2022 годах на первые позиции вышли машинное обучение (19,1%) и искусственный интеллект (14,3%). Заметную роль сохранил блокчейн (12,7%), а бизнес-аналитика опустилась на пятое место (11,8%);
• в 2023–2025 годах лидерство ML и ИИ стало еще более выраженным. Совокупная доля терминов достигла 43,6%. В первую десятку вошли решения на основе данных (4,1%) и кибербезопасность (4%). Частота упоминания блокчейна снизилась (10,7%);
• «Бизнес-аналитика и поддержка принятия решений» на диаграмме Кэллона имеет наибольшие значения плотности (около 1,0) и центральности (около 0,8), что позволяет отнести тематику к движущим;
• к базовым тематикам относится «ИТ-инфраструктура и безопасность». Она характеризуется умеренной центральностью (около 0,5) и плотностью, близкой к нулю;
• направление «Методы машинного обучения» располагается в квадранте возникающих и угасающих тематик при значениях центральности и плотности около −1,0. Авторы считают, что тему необходимо отнести к возникающей с учетом увеличения доли ее упоминаний в 2020–2025 годах.

Расскажите знакомым: