Details

В статье рассматриваются факторы, влияющие на продолжительность и структуру жизненного цикла цифровых инноваций, основанных на использовании искусственного интеллекта (ИИ). Актуальность темы исследования обусловлена тем фактом, что технологии ИИ - это область международной конкуренции, оказывающая существенное влияние на социально-экономическое развитие, экономический рост (в частности, рост ВВП) и технологический суверенитет государства. Цель статьи - рассмотреть особенности структуры и продолжительности жизненного цикла инноваций, технологической основой которых выступают модели ИИ. Объект исследования - цифровые инновации, полученные с использованием ИИ. Предмет исследования - структура жизненного цикла цифровых инноваций, связанных с применением ИИ, включая различные стадии инновационного процесса от инициации и разработки до внедрения, коммерциализации и диффузии в различные отрасли экономики. Авторами был поставлен ряд задач для проведения исследования обозначенного вопроса, среди которых - проанализировать тенденции развития цифровых инноваций, основанных на ИИ; указать факторы, влияющие на продолжительность различных этапов жизненного цикла цифровых инноваций, основанных на ИИ; охарактеризовать процессы, происходящие на этапах жизненного цикла цифровых инноваций, основанных на ИИ, в зависимости от уровня развития методологии управления MLOps. В процессе исследования были выявлены тенденции по увеличению исследовательской активности в сфере ИИ в последние годы (увеличение числа публикаций и патентов), усложнение моделей (увеличение числа их параметров), которое привело к увеличению продолжительности обучения и повышению требований к вычислительным ресурсам. Составлен перечень внешних и внутренних факторов, определяющих продолжительность процессов, образующих жизненный цикл цифровой инновации. Построена схема процессов жизненного цикла цифровой инновации, основанной на использовании ИИ, в соответствии с уровнем зрелости MLOps реализующей ее организации. В статье показано, что оценка уровня зрелости необходима для совершенствования процессов разработки, тестирования и внедрения, что способствует сокращению продолжительности подготовительных (предшествующих использованию инновации) этапов жизненного цикла. Для обеспечения гибкости процесса MLOps и его компонентов целесообразно использовать комбинацию инструментов с открытым кодом и корпоративных решений. Для автоматизации и стандартизации процессов на протяжении всего жизненного цикла модели машинного обучения (от разработки и тестирования до развертывания, мониторинга и управления) применяется методология MLOps, уровнем зрелости которой в значительной степени определяется продолжительность этапов жизненного цикла цифровой инновации.

This article examines the factors influencing the duration and life cycle structure of digital innovations based on artificial intelligence (AI). The relevance of this research is driven by the fact that AI technologies are an area of international competition that has a significant impact on socio-economic development, economic growth (in particular, GDP growth) and the technological sovereignty of the state. The goal of this article is to examine the features of the structure and duration of the life cycle of innovations based on AI models. The object of this study is digital innovations obtained using AI. The subject of this study is the life cycle structure of digital innovations associated with the use of AI, including various stages of the innovation process from initiation, development, implementation, commercialization and diffusion across various sectors of the economy. The authors set a number of tasks for conducting this study, including: analyzing the development trends of digital innovations based on AI; identifying the factors influencing the duration of various stages of the life cycle of digital innovations based on AI; characterizing the processes occurring at the stages of the lifecycle of digital innovations based on AI, depending on the level of development of the MLOps management methodology. The study identified trends toward increased research activity in the field of AI in recent years (an increase in the number of publications and patents), as well as the increasing complexity of models (an increase in the number of their parameters), which led to an increase in the duration of training and increased requirements for computing resources. A list of external and internal factors determining the duration of the processes forming the lifecycle of a digital innovation was compiled. A diagram of the lifecycle processes of an AI-based digital innovation is constructed in accordance with the MLOps maturity level of the implementing organization. The article demonstrates that assessing the maturity level is necessary for improving the development, testing and implementation processes, which helps to reduce the duration of the preparatory (preceding the use of the innovation) stages of the lifecycle. To ensure the flexibility of the MLOps process and its components, it is advisable to use a combination of open-source tools and corporate solutions. To automate and standardize processes throughout the entire lifecycle of a machine learning model (from development and testing to deployment, monitoring and management), the MLOps methodology is used, the maturity level of which significantly determines the duration of the stages of the digital innovation life cycle.

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 2022 г. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. Т. 18, № 5 : Развитие экономики и промышленности на основе искусственного интеллекта, 2025. — 1 файл (5,34 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-22.pdf>.