Policies and strategies for the development of artificial intelligence in the countries of the world: quo vadis? (part 1)
Notice bibliographique
Résumé
The organizational and economic and legal aspects of the development and implementation of policies and strategies for the development of artificial intelligence (AI) in the leading countries of the world have been studied. All major economies (more than 60 countries) have developed national policies (strategies) for the development of AI. The following countries are considered advanced in the implementation of national AI strategies: USA, China, Canada, UK, Japan, UAE, France, Germany, South Korea, India and most countries of the European Union (EU). The structure of AI development strategies, priorities, funding models were considered, the main principles of the development and use of AI technologies, priority directions, goals and objectives of the use of AI were analyzed. The problems associated with the use of AI are highlighted: these are issues of data for processing AI, control over the use of AI, tracking AI decisions and responsibility for their adoption, control over confidentiality, ensuring the protection of personal data. Comparing the Ukrainian concept of AI development with the strategies of developed countries, we can conclude that it will not contribute to the effective development of AI, since investments in AI technologies differ hundreds of times, incentive tools and specific actions for the development of AI are not provided. The Institute of Artificial Intelligence Problems of the Ministry of Education and Science of Ukraine and the National Academy of Sciences of Ukraine have developed a project of the Strategy for the Development of Artificial Intelligence in Ukraine for 2022–2030. The Cabinet of Ministers of Ukraine needs to take measures to adopt the Strategy for the Development of Artificial Intelligence in Ukraine. It is concluded that there is a process of formation of two large spaces in the field of AI technologies in the international arena: the first unites the OECD countries with the unconditional financial, technological and value-normative dominance of the USA and the EU. The second is formed around China, in whose orbit countries fall, for which cooperation with the West is complicated due to a wide range of international conflicts (including Russia). Countries that are unable to resist the technological hegemony of China and the United States are faced with the dilemma of choosing between two large technological spaces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».