Позвольте мне начать с чего-то очевидного для большинства людей, интересующихся инновациями: это золотой век искусственного интеллекта, и он будет доминировать в сфере технологий на многие годы вперед. Или все в ближайшие годы, по мнению сторонников теории, что, как только мы получим общий ИИ, нам больше не нужно будет изобретать ничего (книга №1, книга №2 , книга №3 ).

Однако, хотя редко проходит один день, чтобы TechCrunch, Bloomberg, Harvard BR и т. Д. Не опубликовали статьи о том, как предприятия используют ИИ, академические исследования редко анализируются. Но научные исследования чрезвычайно важны как для прогнозирования того, чем будет заниматься бизнес, так и для получения моментального снимка того, где мы находимся сейчас.

Тогда я решил потратить некоторое время на изучение API Science Direct, чтобы получить некоторые данные и попытаться сделать некоторые выводы. Для тех, кто не разбирается в технологиях, Science Direct является «ведущим в мире источником научных, технических и медицинских исследований», а его API (или интерфейс прикладного программирования) представляет собой набор функций, позволяющих разработчикам для запроса его базы данных и получения данных.

В оставшейся части статьи вы найдете шесть самых интересных графиков, которые я построил на основе этого анализа.

График №1: Наиболее активные темы исследований

Наша цель здесь - увидеть, какие области наиболее привлекательны для применения ИИ. По этой причине я намеренно опустил результаты по предметам «Информатика», «Математика» и «Инженерия», которые, очевидно, являются лидерами в исследованиях, с соответственно 963274, 491191 и 352870 публикациями.

Биохимия, генетика и молекулярная биология являются здесь безусловно лидерами, с почти вдвое большим количеством публикаций, чем второй по величине предмет исследования - социальные науки. Если вы этого не ожидали и сомневаетесь в том, что ИИ может сделать в этой области, я настоятельно рекомендую вам взглянуть на выступление Риккардо Сабатини на TED здесь. Цитируя его из конференции« Границы в Белом доме», прошлый век был об атоме, этот век будет посвящен биологии. И ИИ здесь подтверждено как главное оружие.

Интересно, что в области фармакологии, токсикологии и фармацевтики исследования не оправдывают ожиданий, вероятно, это будет следующий шаг, когда мы раскроем секреты генома человека и начнем искать способы лечения болезней.

Также интересно, что финансы занимают довольно низкое место в списке, в то время как хорошо известно, что с некоторого времени наблюдается интерес к применению ИИ в торговле акциями: вероятно, это тема, связанная только с отраслью, а не с научными кругами.

График № 2: Хронология исследования

Я выбрал некоторые из самых интересных тем и техник в области искусственного интеллекта и посмотрел на их эволюцию с течением времени. Я не включил 2016 год, поскольку он еще не закончился, это может вводить в заблуждение, указывая на ложную тенденцию к снижению.

Обратите внимание на то, что, хотя зарождение области ИИ обычно происходит в 1956 году с Дартмутской конференцией, мы практически не видим никакой активности до 1980 года. Это также может быть связано с тем, что публикации того времени не присутствует в базе данных Science Direct, но, скорее всего, причина в сложности распространения знаний в то время (читай: без Интернета), а исследователи были очень небольшой группой сумасшедших провидцев.

Интересно, как мы можем ясно видеть последствия второй зимы искусственного интеллекта с 1987 по 1993 год, когда рынок специализированного оборудования для искусственного интеллекта рухнул. Наиболее распространенное приложение ИИ в то время, когда были экспертные системы с машинами Lisp, содержащими болезненно закодированные знания, относящиеся к определенной теме. Они были дорогими, и их приложение относилось к определенному домену. Их провал на рынке сильно замедлил шумиху вокруг ИИ.

Из-за отсутствия данных мы не можем многое увидеть из первой зимы ИИ в 1974 году, когда пессимистичный отчет по ИИ привел к значительному сокращению государственных средств.

На этом графике есть еще две вещи, которые привлекли мое внимание. Во-первых, в последнее время, похоже, наступил переломный момент, и рост научных публикаций в годовом сопоставлении замедляется. Давайте посмотрим на график №3.

График №3: Подбор логистической функции для жизненного цикла технологической диффузии

Если вы не знакомы с логистической функцией распространения технологических инноваций, нет проблем. Это довольно простая концепция, которая очень хорошо подходит для описания эволюции нескольких явлений, таких как, в нашем случае, распространение новой технологии. Логистическая функция имеет эту классическую S-образную форму, и в основном это говорит о том, что инновация сначала начинается медленно, затем, как только основы хорошо установлены, скорость распространения начинает быстро увеличиваться, а затем насыщается, когда мы достигаем «массового» распространения. , или новая превосходная технология начинает занимать ее место.

Уточнение: поскольку мы говорим о распространении, логистическая функция должна соответствовать совокупному количеству исследований, а не ежегодному количеству публикаций. Мы собираемся сделать это позже, но поскольку ежегодные публикации, кажется, также идеально подходят для логистической функции, мы можем высказать несколько интересных мыслей по этому поводу.

Похоже, что рост числа публикаций в годовом сопоставлении довольно близок к насыщению, и мы перейдем с текущих 110 тыс. До максимального значения примерно 120 тыс., Прежде чем оно в конечном итоге начнет снижаться и затухать.

Эта тенденция кажется немного несовместимой с тем, что мы видим каждый день: растущий интерес к ИИ, достижение массового распространения глубоко укоренилось в огромном количестве приложений, которые мы используем каждый день.

Но есть ли противоречие между замедлением исследований и увеличением освещения в деловой прессе? Я думаю, что это хорошо согласуется с ажиотажем в сфере технологий в бизнесе. В связи с бурным ростом числа приложений и стремлением компаний к превосходству ИИ в нескольких областях (от поиска в Интернете до распознавания речи и самоуправляемых автомобилей) экспертов по ИИ все чаще нанимают крупные компании, оставляя академические круги . Это объясняет замедление роста исследований, и наоборот: зрелость исследований ИИ объясняет распространение ИИ за пределами университетов, в технологических продуктах и ​​повседневной жизни. Таким образом, даже если Стэнфорд «жалуется» на то, что в их залах недостаточно места для размещения всех студентов, интересующихся ИИ, эти люди, скорее всего, будут приняты на работу еще до того, как они даже подумают о написании публикации.

Это может быть страшно, и на самом деле есть кто беспокоится. ИИ может быть невероятно мощным инструментом, и опасно оставлять его в руках группы компаний. Вот что может случиться, когда академические исследования превращаются в частные, а таких организаций, как openAI, стараются избегать:

«Наша миссия - создать безопасный ИИ и обеспечить максимально широкое и равномерное распределение преимуществ ИИ»

График №4: Кумулятивные публикации и подбор логистических функций

Разве это не похоже на идеальную логистику? Из этого графика видно, что в настоящий момент мы находимся на вершине почти 1,2 миллиона научных публикаций, и, если соответствие правильное, мы только что преодолели точку перегиба. Это означает, что исследование должно исчезнуть при достижении в общей сложности более или менее 2 миллионов публикаций.

Означает ли это, что мы на полпути к полному изучению ИИ?
Нет, я так не думаю.

Я считаю, что это означает, что, как было сказано ранее, с академической точки зрения мы достигаем зрелости. Как будто сейчас не ведется много академических исследований традиционных дизельных двигателей, потому что технология хорошо зарекомендовала себя, с ИИ, исходящим из университетов и внутри научно-исследовательских центров компаний и повседневной жизни, мы увидим ту же исследовательскую тенденцию. Это не означает, что автомобильные компании прекратили выпуск автомобилей с дизельным двигателем, поскольку технологические компании в ближайшее время не остановят или не замедлят создание приложений искусственного интеллекта.

График 5: подробный график времени

Если углубиться, глубокое обучение - это самая быстрорастущая тема (звучит неплохо, не правда ли?). Посмотрите на наклон кривой: от практически отсутствующего в 2005 году до самого высокого роста среди всех тем с 2013 года.

Почти половина всех исследований глубокого обучения, когда-либо проводившихся (44%), была проведена только в 2014 и 2015 годах. Если мы включим 2016 год, даже если он еще не закончился, мы получим 55%.

Будет интересно посмотреть, как выпуск мощных библиотек с открытым исходным кодом, таких как Google Tensorflow (ноябрь 2015 г.) или Microsoft Cognitive Toolkit (новый выпуск на этой неделе, наконец, с поддержкой Python) будет способствовать дальнейшему развитию этой тенденции.

Здесь нет больших новостей, мы также видим, что интеллектуальный анализ данных - еще одна область, которая быстро развивается, и это, похоже, не замедляется. Это имеет смысл, учитывая количество неструктурированных данных, которые еще предстоит обработать, которые все еще предлагает всемирная сеть.

График №6: Совокупный объем научных исследований

Вопрос, на который пытается ответить этот последний график: кто проводит исследования? К сожалению, Science Direct позволяет нам проводить такой анализ для ограниченного числа статей, но мы все же можем сделать некоторые интересные выводы.

Вот список самых активных стран по проценту вклада в мировые исследования:

  1. Китай: 16%
  2. Индия: 14%
  3. США: 9%
  4. Иран: 8,4%
  5. Малайзия: 3,5%
  6. Италия: 3,3%
  7. Испания: 2,7%
  8. Соединенное Королевство 2,5%
  9. Канада: 2,3%
  10. Япония: 2,2%

Я делал ставку на Китай, Индию и США, но не ожидал, что Иран и Малайзия будут четвертыми и пятыми. Особенно Иран, учитывая большой разрыв между ним и его ближайшим последователем. Я также не ожидал увидеть свою страну, Италию, лидером группы стран ЕС. Технические рекрутеры: ищите ли вы таланты в нужных местах?

Я также ожидал увидеть США на вершине списка с сумасшедшей шумихой вокруг Кремниевой долины, но, вероятно, то, что США занимают третье место, подтверждает мои предположения ранее: Кремниевая долина высасывает экспертов по ИИ из университетов, превращая исследовательский материал в частный актив, который редко рождается в университетах.

Заключить:

Исследования в области искусственного интеллекта - это очень сильная и недавняя область, но с академической точки зрения кажется, что они уже достигли зрелости, с каждым годом все меньше новых исследователей присоединяются к этой области, вероятно, в пользу проблем технологических компаний и сумасшедших зарплат.

Вы бы их винили?

Если вам понравились мои работы, порекомендуйте и поделитесь этой статьей, я был бы очень признателен :)

Кроме того, если вы хотите повеселиться с API Science Direct, я опубликовал код, который использовал, на Github.