Տեխնոլոգիական թրենդներ և դրանց վրա կատարվող ծախսեր

Տեխնոլոգիական թրենդներ և դրանց վրա կատարվող ծախսեր

Վերջին ժամանակներում հաճախ է խոսվում Չորրորդ արդյունաբերական հեղափոխության, դրա շնորհիվ ստեղծված հնարավորությունների և ի հայտ եկող մարտահրավերների մասին: Երբեմն նույնիսկ աներևակայելի է, թե ինչ արագությամբ են տեխնոլոգիաները զարգանում և ներթափանցում կյանքի յուրաքանչյուր ոլորտ: Թվայնացումը երկրաչափական պրոգրեսիայի արագությամբ հասնում է ամենուր, ներթափանցում յուրաքանչյուր կազմակերպություն, մտնում առօրյա պարզ սարքավորումների և կենցաղային իրերի մեջ: Հաճախ տեխնոլոգիական զարգացման և գիտության նվաճումների վերաբերյալ մեր պատկերացումների առաստաղը սահմանափակվում է Մարսի գաղութացմամբ և այնտեղ բնակության համար անհրաժեշտ պայմաններ ստեղծելով, սակայն պակաս տպավորիչ չեն նաև մոտակա տարիների ընթացքում հենց մեր կողքին ընթացող տեխնոլոգիական փոփոխությունները: Ըստ աշխարհահռչակ վերլուծական և հետազոտական Գարթներ (Gartner) ընկերության 2019 թ.-ի տեխոնլոգիական թրենդներն են արհեստական բանականությունը (AI), բլոքչեյն տեխնոլոգիաները և բանական իրերը (Intelligent things):

Ժամանակակից ամենատարածված թրենդը արհեստական բանականության միջոցով մարդկանց կողմից իրականացվող գործառույթների շարունակաբար ավտոմատացումն է: Մասնավորապես, հանցագործությունների կանխում ավտոմատացված ռոբոտների հսկողության միջոցով: Օրինակ Microsoft-ը, Uber-ն ու այլ տեխնոլոգիական հսկաներ օգտագործում են Kingstone K5 ռոբոտները, որոնք ավտոմատացման և վերլուծության միջոցով կարողանում են կանխատեսել և կանխել հանցագործությունը:

Ավտոմատացման մեկ այլ դրսևորում է առաջադեմ գյուղատնտեսության մեջ արհեստական բանականության կիրառումը: Օրինակ՝ Միացյալ Նահանգներն ազգային ռոբոտաշինության նախաձեռնության միջոցով գյուղատնտեսության ավտոմատացումը փոխադրում է ավտոմատացման հաջորդ մակարդակ: Մասնավորապես, մշակվում են ալգորիթմեր ֆերմաներն ամբողջությամբ ռոբոտների միջոցով կառավարելու համար:

Արհեստական բանականության կիրառության մեկ այլ ոլորտ է փոխադրամիջոցների շարունակաբար ավտոմատացումը՝ ավելի ապահով տրանսպորտ ստեղծելու ակնկալիքով: Բարձր տեխնոլոգիական ընկերությունները՝ օրինակ Alphabet, Tesla, Uber, Lyft և Apple, ինչպես նաև ավանդական ավտոմեքենաշինական ընկերությունները կարծում են, որ մարդկային սխալի գործոնի բացառումը, ինքնավար մեքենաների ստեղծումը հնարավորություն կտա կրճատել պատահարների թիվը: Մասնավորապես, կանխատեսվում է, որ մինչև 2021 թ. նոր տրանսպորտային միջոցների 10%-ն օժտված կլինի ինքնավար համակարգով, այն դեպքում, երբ 2018 թ. այն կազմել է ընդամենը 1%:

Արհեստական բանականության ներթափանցումը բիզնես գործիքների մեջ ևս տարածված միտում է, որն իր կիրառությունն ամենից առաջ գտնում է լրացված վերլուծության (Augmented analysis) տեխնոլոգիաների մեջ: Վերջինս ներառում է լրացված բանականության (Augmented intelligence) միջոցով տվյալների որակի բարձրացում, ներդաշնակեցում, մոդելավորում և հարստացում: Վերլուծությունների խորացումը՝ որպես բիզնես հետազոտությունների մաս, թույլ է տալիս ոչ մասնագետ տվյալագետներին (Citizen data scientist) ավտոմատ կերպով գտնելու, ֆիլտրելու, պատկերելու համապատասխան տվյալներն առանց մոդելներ սարքելու կամ ալգորիթմեր գրելու: Լրացված տվյալագիտությունն ու մեքենայական ուսուցումն արհեստական բանականության միջոցով ավտոմատացնում են տվյալագիտության կարևորագույն ասպեկտները, ինչպիսիք են մոդելի ընտրությունը, կառուցումը, գործարկումը, բացատրությունը, կարգավորումն ու կառավարումը: Ժամանակակից վերլուծական, հետազոտական հարթակները տվյալների փոխակերպման և վերլուծության հնարավորություն արդեն իսկ տալիս են: Այլ կերպ ասած՝ տվյալագիտությունն արհեստական բանականության միջոցով մոդելներ կառուցելու հնարավորության ընձեռում է: Սակայն տվյալների հետ կապված շատ գործողություններ, օրինակ՝ տվյալների նախապատրաստումը, օրինաչափությունների բացահայտումը, մոդելների կազմումը, դեռևս շատ զգայուն են մարդկային գործոնի նկատմամբ: Մասնավորոպես, հաճախ այդ վերլուծական, հետազոտական հարթակներն օգտագործողները չեն կարողանում ըստ արժանվույն հետազոտել իրենց սեփական կանխավարկածները, թույլ են տալիս բացթողումներ, որի արդյունքում հանգում են սխալ եզրակացությունների: Ինչն էլ իր հերթին ազդում է որոշումների կայացման և վերջնաարդյունքների վրա: Մինչդեռ լրացված վերլուծությունը հնարավորություն է տալիս ավելի մանրամասն հետազոտել կանխավարկածները և բացահայտել թաքնված օրինաչափությունները, ինչը գրեթե վերացնում է մարդկային գործոնի ազդեցությունը և դրա հետ կապված կողմնակալությունը: Սակայն չպետք է մոռանալ, որ ալգորիթմերն էլ կատարյալ չեն և այստեղ ևս կարող է կողմնակալության խնդիր առաջանալ, այս անգամ արդեն ալգորիթմերի կողմից թույլ տրված: Գարտների կանխատեսումներով լրացված վերլուծությունների հնարավորությունները գնալով կընդյալնվեն և կօգտագործվեն ոչ միայն վերլուծաբանների ու տվյալագետների կողմից, այլև կընդգրկվեն ընկերությունների տարբեր վարչությունների (մարդկային ռեսուրսներ, վաճառք, ֆինանսներ, հաճախորդների սպասարկում, մարքեթինգ, ակտիվների կառավարում և այլն) հավելվածներում՝ նպաստելով դրանց աշխատանքի արդյունավետության բարձրացմանը: Քանի որ աշխարհում տվյալագետների խիստ պակաս կա, կանխատեսվում է, որ մինչև 2020 թվականը տվյալագիտության առաջադրանքների 40%-ը կավտոմատացվի, որը կազմակերպություններում ոչ մասնագետ տվյալագետներին հնարավորություն կտա օգտագործել տվյալագիտության և մեքենայական ուսուցման գործիքները: Համաձայն նույն կանխատեսումների, մինչև 2020 թ. ոչ մասնագետ տվյալագետների թիվը հինգ անգամ ավելի արագ կաճի տվյալագետ փորձագետների թվի համեմատ: Այսինքն, նման գործիքների զարգացումը թույլ կտա կազմակերպություններին փորձագետ տվյալագետների պակասը լրացնել ոչ մասնագետ տվյալագետներով և շրջանցել կազմակերպություններում տվյալագիտության և մենքենայական ուսուցման յուրացման խոչընդոտները՝ պայմանավորված փորձագետ տվյալագետների սակավությամբ: Այստեղից կարելի է եզրակացնել, որ ապագայի ամենապահանջված մասնագետներից են լինելու ոչ միայն փորձագետ տվյալագետները, այլև ոչ մասնագետ տվյալագետները, որոնք չլինելով վիճակագիր, տվյալագետ, լրացված բանականության գործիքների միջոցով կկարողանան աշխատել մեծ տվյալների հետ:

Տեխնոլոգիական թրենդների շարքում երկրորդը բլոքչեյն տեխնոլոգիաներն են: Բլոքչեյնը տվյալների բաշխման համակարգ է, որը թույլ է տալիս ստեղծել տվյալների թվային պահոց և տարածել այդ տվյալները ցանցի ներսում: Բլոքչեյնի բաշխման համակարգը ներառում է ժամանակագրական կարգով ծածկագրված, անփոփոխ գործարքների գրառումներ, որոնք տարածվում են ցանցի բոլոր անդամների միջև: Յուրաքանչյուր գրառում պարունակում է ժամանակագրական կնիք և կապվում է նախորդ գործարքների հետ: Մուտքի թույլտվություն ունեցող ցանկացած անձ այս տեղեկատվությամբ կարող է ցանկացած պահի հետևել ցանցի ցանկացած անդամի կողմից իրականացվող գործարքներին: Այսինքն բլոքչեյն տեխնոլոգիաներն ապահովում են վստահություն անվստահելի միջավայրերում՝ վերացնելով կենտրոնական հսկողության անհրաժեշտությունը: Բլոքչեյն տեխնոլոգիաների կիրառման ամենահայտնի օրինակը կրիպտոարժույթներն են, սակայն դրանք միայն ֆինանսական ոլորտով չեն սահմանափակվում: Այն կիրառման մեծ պոտենցիալ ունի նաև կառավարություններում, առողջապահությունում, արտադրության մեջ, առաջարկի շղթաներում և այլուր:

Տեխնոլոգիական թրենդների շարքում իրենց ուրույն տեղն ունեն նաև բանական իրերը (Intelligent things), որոնք ոչ այլ ինչ են, քան արհեստական բանականությամբ օժտված, ինքնավար և առանց վերահսկողության աշխատող, կոնկրետ ժամանակահատվածում կոնկրետ առաջադրանք կատարող ֆիզիկական սարքեր: Դրանք հիմնականում բաժանվում են 4 կատեգորիայի՝ ինքնավար մեքենաներ, դրոններ, ռոբոտներ և արհեստական բանականությամբ աշխատող IoT (Internet of Things) տեխնոլոգիաներ: Այս տեխնոլոգիաները զարգացման դեռ երկար ճանապարհ ունեն անցնելու, քանի որ արհեստական բանականությունը դեռ չի հասել այն մակարդակի, որ կարողանա գործել առանց մարդու միջամտության: Բանական իրերի հետ մեկտեղ շրջանառվում են նաև թվային երկվորյակները (Digital Twins): Թվային երկվորյակն իրական աշխարհի միավորի (ձեռնարկություն, սարքավորում, համակարգ և այլն) թվային ներկայացուցիչն է: Կանխատեսվում է, որ մինչև 2021 թ. խոշոր արդյունաբերական ընկերությունների կեսը կօգտվի թվային երվորյակներից, որը ավելի քան 10%-ով կբարձրացնի նրանց գործունեության արդյունավետությունը:

Առաջատար տեխնոլոգիական հսկաներն ահռելի գումարներ են ծախսում առաջավոր տեխնոլոգիաների՝ արհեստական բանականության, մեքենայական ուսուցման, ամպային տեխնոլոգիաների զարգացման, վիրտուալ ասիստենտների և դրոնների ստեղծման վրա: Մասնավորապես 2017թ. AMAZON-ը հետազոտությունների և մշակումների (ՀՄ) վրա ծախսել է 22.6 մլրդ դոլար, որը կազմում է ընկերության ողջ հասույթի 12.7%-ը (2018 թ. ՀՄ բյուջեն կազմել է 28.8 մլրդ դոլար): ALPHABE-ի (GOOGLE) ՀՄ բյուջեն 2017թ. կազմել է 13.4 մլրդ դոլար՝ հասույթի 15%-ը և հիմնականում ուղղվել է գովազդի, ամպային տեխնոլոգիաների, մեքենայական ուսուցման և որոնողական համակարգերի զարգացմանը:

SAMSUNG-ն իր հասույթի 7%-ը (14.8 մլրդ դոլար) ՀՄ ծախսերի տեսքով ուղղել է արհեստական բանականության, մեքենայական ուսուցման, IoT-ի վրա կատարվող հետազոտություններին:

Microsoft-ի ՀՄ բյուջեն կազմել է հասույթի 13%-ը (14.72 մլրդ դոլար) և հիմնականում ուղղվել է վիրտուալ իրականություն (AR/VR), բլոքչեյն, մեքենայական ուսուցում, քվանտային հաշվարկներ (cuantum computing) տեխնոլոգիաների զարգացմանը: Առհասարակ Microsoft-ի ՀՄ ջանքերն ուղղված են 3 փոխկապված գաղափարների իրականացմանը, որոնք են բիզնես գործընթացների և արտադրողականության վերափոխումը, մտավոր ամպային հարթակների և ավելի անձնական համակարգչային փաթեթների ստեղծում:

Intel-ը հիմնականում կենտրոնացել է IoT-ի, 5G անլար կապի, արհեստական բանականության, մեքենայական ուսուցման, տվյալների կենտրոնների, ինքնակառավարվող տրանսպորտային միջոցների ստեղծման վրա, որոնց ուղղել է 2017 թ. հասույթի ավելի քան 20%-ը` բացարձակ թվով 11 մլրդ դոլար: 2017-2018թթ. տեխնոլոգիական առաջատար 10-ը հսկաների ՀՄ-ին ուղղված միջոցները ներկայացված են հետևյալ գծապատկերում.

Միայն ՀՄ-ի վրա այս ընկերություններից յուրաքանչյուրի կատարած ահռելի ծախսերի մեծությունը ավելի լավ պատկերացնելու համար, նշենք, օրինակ, որ 2017 թ. ՀՀ բյուջեի ողջ ծախսային մասը կազմել է ընդամենը մոտ 2.8 մլրդ դոլար: Եվրահանձնաժողովի տվյալներով 2017-2018 թ. աշխարհի 46 երկրների 2500 ընկերություններ ՀՄ-ի վրա ծախսել են ընդհանուր առմամբ 736.4 մլրդ դոլար, որի աշխարհագրական կառուցվածքը ներկայացված է գրաֆիկ 1-ում: Վերջին տարիներին աճել է հիմնականում չինական ընկերությունների բաժինը՝ ի հաշիվ ճապոնական ընկերությունների բաժնի կրճատման:

Այսպիսով, աշխարհում ՀՄ-ի վրա կատարվող ծախսերը շարունակաբար ավելանում են` 2010 թ.-ից սկսած 8 հաջորդական տարիների ընթացքում կայուն աճ ապահովելով: Ուստի, անհրաժեշտ է ժամանակին համընթաց քայլել, այսինքն պայմաններ ստեղծել Հայաստանում ՀՄ-ի իրականացման համար: 2019 թ. ՀՀ բյուջեով գիտական, գիտատեխնիկական հետազոտությունների ծրագրին ուղղվելու է 14.3 մլրդ դրամ, որը 29 մլն դոլար է կազմում: Կառավարության ծրագրով էլ նախատեսվում է ազգային վենչուրային հիմնադրամի ստեղծում, որն ի վիճակի կլինի Հայաստանում գործունեություն ծավալող ստարտափերում կատարել անհրաժեշտ ներդրումներ: Վենչուրային հիմնադրամի հետ կապված որևէ թվային տվյալ չկա, բայց ՀՀ 2019 թ. բյուջեով նախատեսված է ՏՏ ոլորտի զարգացմանն ուղղել 1.5 մլրդ դրամ, որը մոտավորապես հավասար է 3 մլն դոլարի: Գուցե այս թվերը փոքր չեն մեր տնտեսության մասշտաբների և հնարավորութոունների համատեքստում, սակայն աննշան են՝ հաշվի առնելով այս ոլորտում համաշխարհային միտումները: Այդ իսկ պատճառով կարծում ենք, որ պետք է այնպիսի քաղաքականություն մշակել, որը «կստիպի» առաջատար տեխնոլոգիական ընկերություններին մտածել ոչ միայն մասնաճյուղեր բացելու, այլև այստեղ իրենց ՀՄ իրականացնող որոշ լաբորատորիաներ հիմնելու մասին: Չմոռանանք, որ Սիլիկոնյան հովիտը ստեղծվել է Սթենֆորդի համալսարանի շուրջ, ուստի տեխնոլոգիական կենտրոն դառնալու ճանապարհին պետք է նախ հզոր տեխնոլոգիական համալսարան ունենալ (Տեխնոլոգիական համալսարան հիմնելու մասին հայեցակարգ ընդունվել է դեռևս 2017թ.), որն ի վիճակի կլինի սպասարկել ոլորտը՝ ապահովվելով համապատասխան որակավորմամբ կադրերով:

Ապրիլ, 2019 թ.

* AMAZON-ն ընդգրկված չէ, քանի որ Եվրահանձնաժողովը դիտարկում է միայն այն ընկերություններին, որոնք իրենց ֆինանսական հաշվետվության մեջ առանձնացնում են ՀՄ-ն մյուս ծախսերից, իսկ AMAZON-ի համապարփակ գործառնական հաշվետվությունում դա առանձնացված չէ:\

Հեղինակի այլ նյութեր

Վերլուծականներ

1. Որքանո՞վ է տեխնոլոգիատար ՀՀ արտահանում
2. ՀՀ ինովացիոն ներդրանքի առավել թույլ կողմերն ըստ Գլոբալ ինովացիոն ինդեքսի

Հետազոտություններ

1. Արտասահմանյան և հայաստանյան առաջատար համալսարանների փորձի ուսումնասիրությունը և դրա ներդրման հնարավորությունները ՀՊՏՀ-ում
2. Արտասահմանյան առաջատար համալսարանական «ուղեղային կենտրոնների» գործունեության ուսումնասիրությունն ու լավագույն փորձի ներդրման հնարավորությունները ՀՀ-ում

Զեկույցներ

Ինչպե՞ս բարելավել ՀՀ համալսարանների դիրքը վարկանշավորման զեկույցներում

Ոլորտային ամփոփագրեր

Տեղեկատվական տեխնոլոգիաների ոլորտի զարգացումները/Ամփոփագիր, մայիս-հոկտեմբեր, 2018/