Глобальная гонка за доминирование в области искусственного интеллекта ускоряется. Старший научный сотрудник Центра экономической теории Института экономики УрО РАН кандидат экономических наук Ольга Бучинская проанализировала стратегии США, Китая, Великобритании и ЕС, выявив их сильные и слабые стороны, а также подготовила рекомендации для России.
Искусственный интеллект перестал быть просто технологическим трендом, превратившись в поле острой геополитической конкуренции. Запуск мощных моделей, таких как китайская Kimi K3, ужесточение экспортных ограничений США на передовые чипы и временный запрет для зарубежных пользователей на доступ к последним версиям американского ИИ Claude — лишь отдельные эпизоды этой гонки. На кону не только технологическое превосходство, но и контроль над глобальными стандартами, доступ к данным и формирование нового экономического уклада. В этих условиях вопрос о том, какая стратегия развития ИИ окажется эффективнее, становится критическим для любой страны, стремящейся сохранить конкурентоспособность.
— В текущем виде ИИ-гонка будет продолжаться 2–4 года, и, скорее всего, к 2030 году она примет новый поворот, заключающийся в переходе от чат-ботов к ИИ нового поколения, — отмечает Ольга Бучинская. — К факторам, влияющим на эту новую фазу, относятся стоимость входа и дефицит ресурсов, монетизация и окупаемость, энергообеспеченность и скорость строительства инфраструктуры, доступность данных, геополитика, законодательное регулирование, а также борьба за баланс между международными стандартами, продвигаемыми странами-лидерами, и национальным суверенитетом в сфере ИИ.
В статье для научного журнала “AlterEconomics”, выпускаемом ИЭ, Ольга Николаевна детальнее проанализировала, чем различаются подходы четырех крупных геополитических игроков в области ИИ. Выяснилось, что США делают ставку на дерегулирование и доминирование частного сектора, стремясь сохранить глобальное лидерство. Китай, напротив, делает упор на сильную роль государства и масштабные инвестиции, нацеливаясь на технологическую самостоятельность. Евросоюз сосредоточен на регулировании и этике, пытаясь создать «надежный ИИ». Великобритания между тем ищет золотую середину, предлагая гибкое регулирование через рекомендательные принципы, а не жесткие законы. У каждого подхода есть сильные стороны, но все они сталкиваются с институциональными проблемами: от фрагментации регулирования до утери контроля в пользу крупных корпораций или, напротив, риска задушить инновации бюрократией.
Как отмечает Бучинская, Россия тем временем занимает лишь 31-е место в Глобальном индексе ИИ (The Global AI Index), а по такому критическому параметру, как наличие соответствующих квалифицированных кадров, — 58-е. В исследовании выделены ключевые барьеры, сдерживающие развитие ИИ в нашей стране: дефицит специалистов, несогласованность действий ведомств, межрегиональные разрывы в цифровой инфраструктуре и риск подмены реальных разработок формальной отчетностью. В качестве рекомендаций автор предлагает сразу перейти к созданию технологий следующего поколения, скорректировать систему подготовки кадров, нивелировать межрегиональные разрывы, упорядочить управление сферой, наладить систему статистического учета внедрения ИИ-технологий, а также стимулировать их применение в малом и среднем бизнесе.
— Опыт показывает, что догоняющий путь не позволяет достичь существенного прогресса в развитии технологий, — добавляет Бучинская. — Рынок больших языковых моделей (LLM) как ключевой технологии ИИ уже монополизирован Китаем и США, а российские аналоги значительно уступают зарубежным. И это отставание может усугубиться, если доступ к моделям открытого кода будет ограничен. Поэтому целесообразнее приложить усилия там, где лидерство еще не захвачено. Весьма перспективны разработки ИИ-альтернатив LLM-платформам, например, нейроморфных вычислений, построенных на имитации работы человеческого мозга, квантовых ИИ, а также принципиально новых ИИ-архитектур.
Павел КИЕВ