Погоня за формальными показателями не приводит к росту научной продуктивности университетов. Реальному росту способствуют ориентация на рынок и создание комфортной творческой среды
ТАСС
Читайте Monocle.ru в
Аналитический центр «Эксперт» завершил четвертую волну исследования научной продуктивности российских университетов. Традиционно мы разбили ее на два больших блока: фундаментальный (предполагает оценку масштаба и качества публикационной активности) и изобретательский (подразумевает изучение патентной деятельности). Таким образом нам удалось определить лидеров в области теоретических изысканий и выявить тех, кто придумал, как эти изыскания реализовать на практике.
Методика рейтинга публикационной активности концептуальных изменений в этом году не претерпела. Но два новшества в нее все же были внесены. Во-первых, мы разбили на самостоятельные области экономику и менеджмент, науки о Земле и экологию. Публикаций в каждой из этих сфер наконец стало достаточно, для того чтобы делать обоснованные выводы.
Во-вторых, услышав пожелания вузов, мы решили дополнительно проанализировать ряд узких ниш. Наш выбор пал на металлургию (это довольно крупный раздел научного знания, разработки в этой области ведет существенное число университетов), искусственный интеллект и биохимию (эти быстроразвивающиеся отрасли в перспективе десяти-пятнадцати лет могут полностью изменить мировой порядок).
Карта университетской науки
Главный вывод рейтинга: университеты продолжают активно инвестировать в фундаментальную науку. В этом году ценз для попадания в рейтинг хотя бы по одному предмету прошли 125 вузов из 44 городов (в 2018-м было 105 и 37 соответственно). Одновременно с 43 до 38 снизилось число заведений, представленных только в одной сфере. Количество же университетов, попавших во все 14 рейтингов, возросло до семи (помимо ожидаемых МГУ, СПбГУ, УрФУ, КФУ, НГУ в списке оказались Томский политехнический и Томский государственный университеты).
Заметим, что за год уровень научной конкуренции зримо вырос. Среднее число новичков, вошедших в топ-10 в той или иной предметной отрасли, увеличилось с одного до полутора. Лидером по обновляемости стала экономика, где в первую десятку попали сразу четыре ранее не присутствовавших в ней вуза.
Несмотря на усиление конкуренции, пятерка университетов, показывающих высокие результаты в наибольшем количестве предметных областей, за год не изменилась — это МГУ (обосновался в первой тройке в 13 из 14 крупных ниш), СПбГУ, НГУ, ИТМО и НИУ ВШЭ. Приходится констатировать: Москва и Санкт-Петербург по-прежнему безоговорочно лидируют в области науки среди университетов РФ.
🤖 «Пока бизнес скорее тратит на ИИ, чем на нем зарабатывает»
Пока Google и Microsoft делают наши личные данные топливом для своих нейросетей — анализируя почту или делая скриншоты экрана каждые несколько секунд, — реальный сектор (финансы, медицина, промышленность) задыхается от обратной проблемы. Здесь строгие законы о защите персональных данных превращаются в непреодолимый барьер: обмениваться данными, чтобы учить свои модели на них, большей части банков и корпораций запрещено.
Однако выход есть — технология конфиденциальных вычислений, позволяющая анализировать данные, не раскрывая их. В России одним из пионеров этого подхода стала компания УБИК (теперь часть группы Arenadata), запустившая в прошлом году продукт Ubic Conclave для совместного анализа данных банков, телекомов и госструктур без передачи самих сведений.
⚡️ Петр Емельянов — директор по дата-стратегии и искусственному интеллекту группы Arenadata
Как работают конфиденциальные вычисления? Что дает ИИ бизнесу? Что за задачи решают ваши заказчики? Как будет проходить адаптация к ИИ?
🎙 О том, как именно конфиденциальные вычисления могут преобразить искусственный интеллект и где кроется экономика в анализе данных, Петр Емельянов рассказал в подкасте «Монокля».
0.54 что такое конфиденциальные данные и вычисления и зачем они нужны
5.50 что могут узнать банки о своих клиентах, если объединят свои данные (не объединяя их)?
7.50 как не запутаться в том, что показывают большие данные
12.35 стартапы на базе ИИ: почему у них нет конкуретных преимуществ
14.00 как работает Conclave
17.00 что хотят получить банки и компании с помощью конфиденциальных вычислений
21.00 как экосистема может больше зарабатывать за счет знания своего клиента
23.50 каким будет ИИ,обученный не на общедоступных, а на публичных данных
28.20 почему нам не нравится, когда наши данные обрабатывают
31.50 так приносит ли ИИ деньги или нет?