Что сдерживает распространение ИИ в российской науке?

Главные выводы:

• Несмотря на высокий интерес академического сообщества к ИИ (более 90% ученых, применяющих генеративный ИИ, считают, что он уже приносит пользу для развития их научной области), распространение данной технологии в российской науке пока не стало повсеместным. Ключевые барьеры различаются на уровне организаций и отдельных исследователей.
• Среди государственных вузов и НИИ более четверти (28%) не используют ИИ. Почти половина из них (45%) объясняют это опасениями получить неверные результаты. К числу наиболее значимых барьеров также относятся нехватка квалифицированных кадров (36%), вычислительных мощностей (33%) и высокие затраты на внедрение технологий (31%). Почти четверть организаций в ИИ не видят потребности (24%) либо не сталкиваются с задачами, которые можно было бы решать с помощью ИИ (23%).
• Среди ученых, не использующих генеративный ИИ (16% опрошенных), более половины (55%) не считают технологию необходимой для их работы. Еще по 23% называют ее бесполезной либо объясняют отказ от использования отсутствием необходимых навыков. Технические ограничения играют значительно меньшую роль: лишь 9% не применяют генеративный ИИ из-за отсутствия доступа к необходимым сервисам, столько же считают их использование небезопасным. Показательно, что среди тех, кто пока не работает с генеративным ИИ, освоить эти сервисы хотел бы лишь каждый второй (49%), тогда как среди уже использующих их 80% стремятся расширить практику применения.
• Набор барьеров зависит и от типа ИИ. Для более активного использования генеративного ИИ ключевыми ограничениями становятся недостаток навыков (48%) и времени на освоение технологий (34%). Существенное влияние также оказывают сложности с оплатой (39%) и высокая стоимость подписок на зарубежные ИИ-сервисы (37%), правовая неопределенность их применения в исследованиях (32%), а также опасения, связанные с загружаемыми в ИИ данными и работой с чувствительной информацией (по 29%).
• Почти треть ученых используют специализированные ИИ-решения: собственные или адаптированные модели, методы и алгоритмы. При этом каждый второй из них (51%) хотел бы расширить их применение. Главными препятствиями остаются нехватка навыков (57%) и времени на освоение технологий (50%), ограниченный доступ к необходимым инструментам (39%), недостаток оборудования (25%) и вычислительных мощностей (20%). Ситуацию усугубляют проблемы, связанные с данными, включая их недостаточный объем (19%), качество (18%) и высокие затраты на сбор и обработку (19%); недостаточное финансирование научных проектов с применением ИИ (25%); а также правовые ограничения на обмен данными между организациями и странами (19%).

Резюме: проведенные ИСИЭЗ НИУ ВШЭ опросы показывают, что и научные организации, и сами исследователи заинтересованы в более широком применении ИИ, однако сталкиваются с теми или иными барьерами. На институциональном уровне основными ограничениями остаются опасения относительно надежности результатов и дефицит ресурсов, тогда как на уровне ученых ключевую роль играют нехватка компетенций и времени на освоение технологий. Преодоление этих барьеров станет важным условием перехода от отдельных практик использования ИИ к его системному внедрению в российской науке.

По ссылке приведены более подробные сведения.

Иллюстрация выполнена с использованием генеративного ИИ, issek.hse.ru