Искусственный интеллект на основе советских разработок
"Панорама" "Панорамой", но считать советские разработки такими уж лапотными тоже не стоит.
Например, не считал их лапотными англичанин Тони Хоар - известный алгоритмист, автор знаменитой "быстрой сортировки". Поэтому он приехал учиться в МГУ.
Один из подходов в машинном обучении (искусственном интеллекте), который еще 20 лет назад считался передовым, не то что дурацкие устаревшие нейросети, - метод опорных векторов. Разработан Владимиром Наумовичем Вапником и Алексеем Яковлевичем Червоненкисом. Правда, до практического применения доведен уже когда они жили в США (Червоненкис впоследствии вернулся в Москву), но на основе наработок, сделанных ими еще в СССР.
Если расширить тему, примеров можно привести куда больше. Например, классические сбалансированные деревья - AVL-деревья. Сфера применения поуже, чем у красно-черных деревьев, но тоже используются. AVL - потому что авторы у них Георгий Максимович Адельсон-Вельский и Евгений Михайлович Ландис.
Как сравнивать графы? Подходы разные: Канторовича-Рубинштейна, Громова-Хаусдорфа, Васерштейна (Леонида Нисоновича).
Одно из главных нововведений Си++? Обобщенное программирование, реализованное в Си++ (в виде библиотеки STL) и разработанное несколько ранее для "Ады" Степановым. Правда, уже в США, но на основании его идей, придуманных еще в СССР. Кстати, Степанов тоже, как и Червоненкис, в старости перебрался на родину.
Применяются и диаграммы Вороного, и полиномы Чебышева, и регуляризация Тихонова. Кстати, последняя - важная часть машинного обучения. Например, пседообратная матрица Мура - Пенроуза также определяется через регуляризацию Тихонова.
Вернемся к машинному обучению и искусственному интеллекту. Мало того, что они основаны на теории вероятности, а отцом современной теории вероятности считается Колмогоров.
Не одним Колмогоровым. Взять, скажем, такие методы как HMM (скрытые марковские модели), или, если двигаться к более современным методам, CRF (условные случайные поля) и в конце концов некоторые LLM (БЯМы, например Bert) - восходит к работам Маркова.
Есть еще мутная история Руса Салахутдинова. Интерес к почти протухшей теме нейросетей в нулевых годах вернули Лекун и Хинтон. Хинтону как раз в 2024 году дали за это Нобелевскую премию. Его главный помощник - Руслан Салахутдинов. Другое дело, что биография Салахутдинова не афишируется, откуда он родом и где учился до американских вузов - неизвестно. Может, он к советским достижениям не имеет никакого отношения. Вероятно, не связан с советской наукой и Цыбенко, доказавший универсальную теорему аппроксимации - математическую основу всех этих нейросетей. Впрочем, параллельно подобное сделал и Колмогоров, из-за чего теорему иногда в западной литературе называют Cybenko-Kolmogorov. Не учился и не работал в СССР/РФ и Илья Ефимович Суцкевер, возможно и Алекс Крижевский (создатели OpenAI и AlexNet).
Зато отцом глубокого обучения считается Алексей Григорьевич Ивахненко, опубликовавший свою книгу о многослойных сетях еще в 1965 году (в США - двумя годами позднее).
Так что хотя китайцы, конечно, не опирались на "код советского интернета, разработанного Глушковым", самоуничижение тоже неуместно. Советские разработки в математике, информатике и непосредственно в машинном обучении и даже именно нейросетях внесли не самый существенный, но весьма заметный вклад.
Последние десятилетия с этим стало похуже, но связано это со зрелостью технологий машинного обучения и невообразимым отставанием российской электроники и финансовых трудностях. Прорывные методы больше не основаны на свежих фундаментальных открытиях, теоремах: это эвристические приемы, которые могут сработать, но гораздо чаще не работают. Успех приходит после многочисленных проб и ошибок на больших вычислительных кластерах. Три года назад российские фирмы и тем более НИИ не могли себе такое позволить финансово. Сейчас - еще и из-за эмбарго. Так что да, если в скором будущем мы услышим новые русские фамилии, связанные с успехами искусственного интеллекта, скорее всего, эти русские будут работать в западных компаниях и университетах. Но это не значит, что в СССР или современной России плохие разработки ИИ.