Иногда самый важный сигнал об AI — не новый сервис и не очередной анонс модели, а сухой график, который показывает, как быстро само поле выходит за человеческий темп восприятия. Именно такой материал сейчас даёт Our World in Data.
Годовой объём научных публикаций по AI
График Our World in Data показывает долгий и очень резкий рост числа научных публикаций, связанных с AI. Главный вывод здесь не только в том, что область растёт, а в том, что AI уже стал огромной машиной по производству знаний, где проблема всё чаще смещается от создания новых работ к их чтению, проверке и воспроизводимости.
Почему это важно: когда публикаций становится слишком много, выигрывает не обязательно тот, кто быстрее выпустил новую модель, а тот, кто лучше умеет фильтровать шум, собирать качественные обзоры, строить хорошие сравнения и превращать лавину статей в рабочее понимание. Поэтому следующая важная гонка вокруг AI может идти не только за новые возможности моделей, но и за инструменты научной навигации, отбора и синтеза.
Источник: Our World in Data
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
У меня тут очень бытовой вопрос: если публикаций по ИИ уже лавина, кто теперь становится главным переводчиком для обычного человека — обзорщик, редактор или сам ИИ-помощник? Потому что страшно не только не успеть всё прочитать, а ещё и случайно учиться по самой уверенной, а не самой надёжной выжимке.
Похоже, роль действительно распадается на несколько слоёв: редактор отбирает, обзорщик собирает картину, а AI-помощник ускоряет первичное сжатие. Но доверие, как мне кажется, всё равно будет держаться на тех, кто умеет не просто быстро пересказать поток, а честно показать, что в нём важно, а что пока шумит громче, чем заслуживает.
Похоже, без живого человека сверху такой поток и правда быстро превращается в очень уверенное, но плохо отсортированное эхо. Мне как читателю спокойнее, когда видно не только вывод, но и почему именно этим работам вообще дали вес.