CC BY
27Т. 2 №4 2023 Vol.2 No.4
ISSN 2782-4934 (online) ISSN 2949-477X (print)
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
УДК 001.38
DOI 10.29141/2949-477X-2023-2-4-2
EDN MDCONT
В. А. Благинин1, Е. В. Соколова1, М. И. Адакава2
Уральский государственный экономический университет, г. Екатеринбург, Российская Федерация
2Bayero University, Kano, Nigeria
Достижения и тенденции в области нейротехнологий и искусственного интеллекта в Российской Федерации: комплексный наукометрический анализ
Аннотация. В работе представлены результаты анализа российских статей в области нейротехнологий и искусственного интеллекта, опубликованных с 1998 по 2023 г. в рецензируемых периодических изданиях, индексируемых в международной научной базе данных Scopus. Для проведения анализа использовались методы наукометрии и библиографического анализа с построением карт терминологии и картографирования. Анализ позволил выявить положительную динамику публикационной активности в области нейротехнологий и искусственного интеллекта, наиболее активных авторов, ключевые темы и направления сотрудничества, а также были сформировать рекомендации и описать перспективы развития данной темы. Представленные результаты могут способствовать более эффективному планированию научных исследований и партнерств для дальнейшего развития рассматриваемой сферы и укрепления позиций России на мировой научной арене.
Ключевые слова: нейротехнологии; искусственный интеллект; наукометрический анализ; библиометрический анализ; Scopus; публикационная активность; картографирование.
Дата поступления статьи: 2 ноября 2023 г.
Для цитирования:Благинин В. А., Соколова Е. В., Адакава М. И. Достижения и тенденции в области нейротехнологий и искусственного интеллекта в Российской Федерации: комплексный наукометрический анализ // Цифровые модели и решения. 2023. Т. 2, № 4. С. 13-29. DOI: 10.29141/2949-477X-2023-2-4-2. EDN: MDCONT.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
V. A. Blaginin1, E. V. Sokolova1, M. I. Adakawa2
'Ural State University of Economics, Ekaterinburg, Russia 2Bayero University, Kano, Nigeria
Achievements and trends in the field of neurotechnologies and artificial intelligence in Russian Federation: a comprehensive scientometric analysis
Abstract. The research paper presents the results of Russian articles analysis in the field of neurotechnology and artificial intelligence published from 1998 to 2023 in peer-reviewed journals indexed in the international scientific database Scopus. The methods of scientometric and bibliographic analysis with the construction of terminology maps and cartography were used for the analysis. The analysis allowed to identify the positive dynamics of publication activity in the field of neurotechnologies and artificial intelligence, the most active authors, key topics and areas of cooperation, as well as to form recommendations and describe the prospects for the development of this topic. The presented results can contribute to more effective planning of scientific research and partnerships for further development of the considered sphere and strengthening Russia's position on the global scientific stage.
Key words: neurotechnology, artificial intelligence, scientometric analysis, bibliometric analysis, Scopus, publication activity, thematic directions, cartography.
Paper submitted: November 2, 2023
For citation: Blaginin V. A., Sokolova E. V., Adakawa M. I. Achievements and trends in the field of neurotechnologies and artificial intelligence in Russian Federation: a comprehensive scientometric analysis. Digital models and solutions. 2023. Vol. 2, no. 4. Pp. 13-29. DOI: 10.29141/2949-477X-2023-2-4-2. EDN: MDCONT.
Введение
На современной стадии развития общества, подверженного влиянию непрерывных технологических и инновационных прорывов, нейротехнологии и искусственный интеллект становятся определяющими факторами. Все больше отраслей науки и промышленности ощущают влияние этих сфер, перерабатывая привычные подходы к решению задач и открывая новые возможности для совершенствования процессов и улучшения качества жизни.
Понимание и заинтересованность российского общества в развитии нейротехнологий и искусственного интеллекта подтверждается реализацией федерального проекта «Нейротехнологии и искусственный интеллект» в рамках национальной программы «Циф-
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
ровая экономика Российской Федерации»1. Данный проект закладывает фундамент для инновационного развития страны в рассматриваемой области, акцентирует внимание на поддержке научных исследований и разработок, создавая мощные стимулы для активной научной деятельности и международного сотрудничества, и направлен на создание конкурентоспособной на мировом уровне высокотехнологичной отрасли.
Новые горизонты, открываемые этими областями, затрагивают как науку, так и бизнес, оказывая существенное влияние на жизнь общества, и имеют глобальный характер, выходя за рамки национальных границ. Соответственно, исследования в сфере нейротех-нологий и искусственного интеллекта приобретают международное измерение, так как их результаты могут изменить не только национальные парадигмы, но и весь глобальный научный и инновационный ландшафт. В этом контексте изучение публикаций в данной области, особенно с международной перспективой, становится актуальной задачей.
В настоящей работе авторский коллектив сосредоточился на анализе российских исследований в области нейротехнологий и искусственного интеллекта, индексируемых в международной научной базе данных (МНБД) Scopus, с целью выявления основных тенденций, направлений сотрудничества, а также оценки текущего влияния Российской Федерации в данной области на мировое научное и инновационное развитие. Такой подход позволит углубить понимание актуальных вызовов и перспектив развития нейротех-нологий и искусственного интеллекта и сформировать понимание роли Российской Федерации в научном диалоге на международной арене.
Материалы и методы
В рамках настоящего исследования были задействованы методы наукометрического анализа для количественной оценки публикационной активности и влияния российских авторов в рассматриваемой области, а также библиографического анализа для выявления ключевых тем и тенденций на основе метаданных научных статей в области нейротехно-логий и искусственного интеллекта, опубликованных в рецензируемых журналах, индексируемых в МНБД Scopus. Выбор был сделан в пользу Scopus, так как эта база данных как мировой реферативный индексирующий сервис охватывает более широкий спектр научных областей за счет включения многих научных журналов. Так, согласно исследованию P. Mongeon и A. Paul-Hus, Scopus включает большинство журналов, индексируемых в МНБД Web of Science [1].
При анализе данных использовались программные инструменты VOSviewer2 и Bibliometrix3. VOSviewer представляет собой приложение для визуализации и анализа научных сетей, позволяющее строить карты слов, авторов, институтов и стран, отображать сотрудничество, анализировать цитирования, идентифицировать ключевые темы и тенденции исследований [2]. В данном исследовании VOSviewer использовался для создания и интерпретации графических карт научного сообщества.
Bibliometrix представляет собой пакет программ, разработанный для языка программирования R, и предназначен для проведения глубокого библиографического анализа,
1 Федеральный проект «Искусственный интеллект» / Министерство экономического развития РФ. URL: https://digital.gov.ru/ru/activity/directions/1046/ (дата обращения: 18.11.2023).
2 VOSviewer. URL: https://www.vosviewer.com/ (дата обращения: 04.11.2023).
3 Bibliometrix. URL: https://www.bibliometrix.org/ (дата обращения: 04.11.2023).
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
вычисления дополнительных наукометрических показателей, поиска ключевых тем и тенденции исследования, а также проведения статистического анализа данных [3].
Помимо этого, проводились схожие, но более узконаправленные исследования, ограниченные отдельными подтемами, временными отрезками и т.д. Так, Y. Guo и соавторы проводили библиометрический анализ исследований, посвященных роли искусственного интеллекта в здравоохранении, и выявили рост публикационной активности по данной тематике с 2014 г. [4]. J.W. Goodell с соавторами анализировали работы об искусственном интеллекте в финансах и определили три общие группы научных исследований: 1) создание портфеля, оценка и поведение инвесторов; 2) финансовое мошенничество и бедствия; 3) выводы, прогнозирование и планирование настроений [5]. Y.-S. Ho и M.-H. Wang в своей работе «Библиометрический анализ публикаций по искусственному интеллекту с 1991 по 2018 г.» указывают на лидерство США «по общему количеству статей, количеству статей в одной стране, количеству статей в международном сотрудничестве, количеству первых статей, статей-корреспондентов и статей одного автора, а также количеству цитирований на одну публикацию» [6]. Схожее исследование проводили A.W.K. Yeung с соавторами, рассматривая меняющийся ландшафт нейробиологических исследований за 2006-2015 гг. [7]. В результате исследователями был определен рост числа публикаций и лидер исследований в рассматриваемой области - Китай. Однако комплексных исследований, содержащих наукометрический и библиографический анализ российских публикаций в области нейротехнологий и искусственного интеллекта в международных базах данных, авторами выявлено не было.
Результаты
Комплексный подход позволяет обобщить и систематизировать результаты десятилетий исследований. Для анализа российских исследований в области нейротехнологий и искусственного интеллекта были отобраны 2 000 наиболее цитируемых журнальных публикаций, индексируемых в Scopus, охватывающие период с 1998 по 2023 г.
Общий тренд - устойчивый рост заинтересованности авторов в рассматриваемой области, что отражается в динамике публикационной активности. Определенно следует выделить несколько временных отрезков, когда наблюдался самый резкий рост числа публикаций относительно прошлых периодов: 2003, 2014 и 2018 гг. (рис. 1).
Резкий скачок в публикационной активности в эти годы частично объясняется заметным увеличением числа материалов конференций, опубликованных в журналах серии Lecture Notes in Artificial Intelligence и Lecture Notes in Bioinformatics издательства Springer.
В настоящий момент происходит наиболее интенсивный и устойчивый рост публикационной активности. С 2018 г. объем публикаций увеличивается ежегодно на 35-50 %, достигнув 495 статей в 2022 г. В соответствии с текущей тенденцией по итогам 2023 г. ожидается достижение отметки в 700 статей. Однако данная перспектива может испытать влияние изменчивой геополитической обстановки и санкционных ограничений, что добавляет некоторую неопределенность в будущие результаты исследовательской деятельности в рассматриваемой сфере. В целом текущие объемы публикационной активности российских исследователей остаются относительно скромными в общем масштабе научных публикаций по тематике.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
5 «
<D
a s
о
s
о <и
s
500
400
300
200
2 500
2 000 S3
1 500
1 000
500
«
0\0>000000000000000000000000
Количество статей, опубликованных в году -Количество цитирований статей, опубликованных в году
Рис. 1. Количество опубликованных статей по тематике и их цитирований по годам с 1998 по
2023 г. в изданиях, индексируемых в Scopus
Параллельно с ростом объема публикаций наблюдается пропорциональное увеличение количества цитирований данных научных работ. Динамика цитирований свидетельствует, что для изучаемой тематики хронологический интервал, в течение которого публикации накапливают основную долю цитирований, ограничивается временным отрезком в 2-3 года, что отражает достаточно ограниченный временной горизонт воздействия отдельных статей. Вероятнее всего, столь сжатое окно цитирований обусловливается особенностями направления. Исследования в области нейротехнологий и искусственного интеллекта ориентированы в большей степени на передовые достижения и практическую реализацию, чем на теоретические аспекты, а также быстрее утрачивают научную актуальность.
Количество цитирований статей варьируется в широком диапазоне: на 25-м перцен-тиле отмечается отсутствие цитирований, на 50-м перцентиле - 2 цитирования, на 75-м перцентиле - 7 цитирований и на 95-м перцентиле - 35 цитирований. Эксцесс составляет 69,7, асимметрия 7,13, что указывает на высокую степень концентрации цитирований в нескольких статьях и наличие небольшой группы исследований, привлекающей наибольшее внимание. В целом интерес к российским статьям в плане их цитируемости невелик, что подчеркивает необходимость дополнительных усилий для повышения их «видимости» и влияния на мировой научный контекст.
Наибольшее число цитирований в выборке имеют ряд работ: А. Kadurin, S. №ко1епко, К. Khrabrov и др., 2017 [8] - 274 цитирования; А. Kadurin, А. АНрег, А. Kazennov, 2016 [14] -181 цитирование; Е. V. Podryabinkin, А. V. Shapeev 2017 [9] - 265 цитирований; L. I. Kuncheva, D. Р. Уейоу, 2006 [10] - 260 цитирований; У. А. Ма1кот, D. А. Yashunin, 2018 [11] - 256 цитирований; Е. ^ Popkova, В. S. Sergi, 2020 [12] - 191 цитирование; V. Zemov и др., 2003 [13] - 188 цитирований; К. Gubaev и др., 2019 [15] - 155 цитирований; М. Babanezhad и др., 2018 [19] - 100 цитирований; А. Mikhaylov и др., 2020 [16] - 124 цитирований; D. Pimenov и др., 2018 [17] - 123 цитирования; I. Zacharov и др., 2019 [18] - 118 цитирований.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
Помимо вышеуказанных авторов, среди продуктивных d выборке авторов, аффилированных с российскими вузами, необходимо отметить: S. Shirazian, South Ural State University, Chelyabinsk [19] - 20 публикаций, 283 цитирования; M.V. Vinichenko, Russian State Social University, Moscow [20] - 13 публикаций, 70 цитирований; S.P. Morozov, Research and Practical Clinical Center of Diagnostics and Telemedicine Technologies, Moscow [21] - 13 публикаций, 31 цитирование; I.V. Pustokhina, Plekhanov Russian University of Economics, Moscow и D.A. Pustokhin, State University of Management, Moscow [22] -10 публикаций, 68 цитирований.
Среди исследователей отсутствует выраженная тенденция к установлению стабильных связей сотрудничества, помимо нескольких коллективов. Первый коллектив объединяет следующих авторов: M. Babanezhad (Duy Tan University, Da Nang, Vietnam), I. Beh-royan (Shahid Beheshti University, Iran), A.T. Nakhjiri (Islamic Azad University, Tehran, Iran), A. Marjani (Ton Duc Thang University, Ho Chi Minh City, Vietnam), M. Rezakazemi (Shah-rood University of Technology, Shahrood, Iran), S. Shirazian (South Ural State University, Chelyabinsk, Russia) [19; 23]. Второй коллектив состоит из авторов: J. Huang (Brookhaven National Laboratory, NY, USA), J. Zhang (China University of Mining and Technology, Xu-zhou, China), N.I. Vatin, M.M.S. Sabri (Peter the Great St. Petersburg Polytechnic University, St. Petersburg, Russia) [24]. Указанные международные группы исследователей демонстрируют активность и оказывают значительное влияние на публикационную активность в области нейротехнологий и искусственного интеллекта.
Результаты анализа социтирования и библиографического анализа взаимосвязи, оценивающего взаимосвязь элементов по количеству содержащихся общих ссылок, демонстрируют малое количество авторов, тогда как итоги изучения совместного цитирования, определяющего взаимосвязь элементов по количеству раз, когда они вместе цитируются сторонними элементами, включают большее число авторов с четко прослеживаемыми кластерами. Итоги указывают на больший потенциал активного сотрудничества среди российских авторов в области нейротехнологий и искусственного интеллекта, так как совместное цитирование в других источниках подразумевает тематическую близость и схожесть цитируемых исследований. В то же время российские авторы цитируют разнообразные источники, редко включающие работы прочих активных российских авторов.
Университетская среда также отличается отсутствием устойчивых партнерств, в особенности внутрироссийских. Совокупность публикационной активности и уровня цитируемо-сти позволяет выделить ряд российских университетов, которые проявили себя особенно значительно. Среди них: Российская академия наук (347 публикаций, 2 230 цитирований; Москва), Южно-Уральский государственный университет (99 публикаций, 1 370 цитирований; Челябинск), Сколковский институт науки и технологий (65 публикаций, 1 139 цитирований; Москва), Казанский федеральный университет (64 публикации, 1 107 цитирований; Казань), Университет ИТМО (66 публикаций, 835 цитирований; Санкт-Петербург), Московский государственный университет им. М.В. Ломоносова (66 публикаций, 802 цитирования; Москва), Южный федеральный университет (69 публикаций, 372 цитирования; Ростов-на-Дону).
В отличие от других аспектов, международное сотрудничество авторов из Российской Федерации в области исследований по нейротехнологиям и искусственному интеллек-
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
ту проявляется активнее. Так, 14,5 % статей из выборки были подготовлены совместно двумя или более авторами из разных стран, чаще в составе обширных многонациональных групп. Общее количество стран, участвующих в таком сотрудничестве с российскими авторами, достигает 75. Однако наиболее стабильное соавторство российских авторов наблюдается с авторами из 56 стран, аспекты сотрудничества с которыми требуют изучения. Эти страны распределены по разным континентам, что подчеркивает глобальный охват и заинтересованность зарубежных авторов в этой области.
По интенсивности кооперации авторов и направлениям взаимодействия можно выделить несколько кластеров стран, сотрудничающих с российскими авторами в тематике, а именно: 1) Австрия, Бельгия, Бразилия, Болгария, Франция, Германия, Израиль, Италия, Япония, Мексика, Норвегия, Португалия, Румыния, Словения, Хорватия, Греция, Испания, Объединенные Арабские Эмираты и центральное звено - Великобритания; 2) Колумбия, Египет, Индонезия, Иран, Ирак, Ирландия, Кувейт, Малайзия, Нигерия, Пакистан, Саудовская Аравия, Таиланд, Вьетнам, центр разделяют Китай и Индия; 3) Австралия, Канада, Дания, Финляндия, Нидерланды, Сингапур, Южная Корея, Швеция, Швейцария, Турция и центр - США; 4) Венгрия, Словакия, Армения, Украина и центр -Польша.
Ключевым фактором, определяющим каждый кластер, является страна-лидер, центральное звено, отличающееся наиболее активными авторами, открытыми к взаимодействию и направленными на привлечение представителей разных стран. Формирование кластера основывается на геополитических, языковых и исторических характеристиках страны-лидера. В контексте исследований в области нейротехнологий и искусственного интеллекта таковыми странами-лидерами являются Великобритания, Китай, Индия, США и Польша. Важно отметить, что разделение на кластеры и выделение центра кластера не предполагает абсолютного равенства в достижениях между странами-лидерами; но все они, в разной степени, поддерживают сотрудничество с Российской Федерацией в данной тематике. Страны, сотрудничающие с Российской Федерацией при проведении исследований в области нейротехнологий и искусственного интеллекта, с цветовым разделением по объемам опубликования отражены на рис. 2.
Среди направлений сотрудничества российских авторов, возникших в последние несколько лет, по двухсторонней активности связи выявляются Китай, Индия, Саудовская Аравия, Иран, Вьетнам, Египет, Казахстан, Малайзия, Ирак и Пакистан. Из перечисленных стран наиболее высокую среднюю частоту цитирования статей, написанных в соавторстве с российскими учеными, демонстрируют Норвегия, Турция, Пакистан и Вьетнам. Важно подчеркнуть, что данные страны являются новыми направлениями сотрудничества, и, несмотря на показатели, нельзя говорить о наличии прямой корреляции между страной соавторства и уровнем цитируемости статей.
Существуют связи с авторами из Омана, Колумбии, Катара, Беларуси, Хорватии, Сербии, Греции, Ирака, Египта, Гонконга, Индонезии, Малайзии, Судана, Туниса и Йемена. Данные связи только формируются и могут стать перспективными направлениями для будущего сотрудничества. Число связей свидетельствует о потенциале для расширения научных партнерств и развития взаимного интереса в области нейротехнологий и искусственного интеллекта.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
Рис. 2. Карта с указанием стран, сотрудничающих с Российской Федерацией в области нейротехнологий и искусственного интеллекта, с цветовым разделением по объемам опубликования с 1998 по 2023 г. в изданиях, индексируемых в Scopus
В целом российские авторы редко выступают в роли связующих звеньев при соавторстве в многонациональных авторских группах, чаще оказываясь в роли приглашенных авторов. По имеющимся данным, среди публикаций выборки, написанных совместно с зарубежными авторами, Российская Федерация находится на шестом месте по количеству статей, в которых авторы - представители стран являются корреспондирующими, уступая Китаю (который является лидером в компьютерных науках по объемам опубликования), США, Индии, Великобритании и Италии. Перспективы для сотрудничества и недостаточно высокая активность говорят о том, что российские авторы реализо-вывают имеющиеся возможности лишь частично.
Существующая диспропорция в распределении журналов, индексируемых в Scopus, по странам сохраняется и в области компьютерных наук. Среди журналов, индексируемых в Scopus, в категории искусственного интеллекта отмечены лишь три российских журнала («Информатика и автоматизация», «Cybernetics and Physics», «Мехатроника, автоматизация, управление»), тогда как общее число журналов в категории - 270, и в 94 из них (35 %) опубликовывались авторы из Российской Федерации.
При этом 25 % редакций журналов, в которых опубликованы статьи выборки, зарегистрированы в США, 17 % - в Великобритании, 11 % - в Нидерландах, 10 % - в Швейцарии. Хотя 18 % редакций журналов базируются в Российской Федерации, данный факт, скорее, указывает на ограниченные возможности опубликования для российских авторов, чем на значительное количество российских изданий.
Среди журналов, в которых были опубликованы статьи из выборки, значительно преобладают журналы, входящие в первый квартиль в Scopus (Q1 - 42 %, Q2 - 26 %, Q3 -
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
19 %, Q4 - 13 %), хотя основной объем статей был опубликован и в журналах третьего квартиля (Q1 - 28 %, Q2 - 20 %, Q3 - 29 %, Q4 - 12 %).
За исключением небольшого числа журналов, статьи российских авторов, посвященные нейротехнологиям и искусственному интеллекту, публикуются в изданиях с разрозненной периодичностью и не обладают высокой цитируемостью. В большинстве случаев это журналы, издаваемые в области компьютерных наук и инженерии уже продолжительное время (см. таблицу). В таблице цветом выделены журналы с наилучшим соотношением между объемом публикаций и уровнем цитируемости.
Вершина перечня журналов, в которых опубликованы статьи российских авторов в области нейротехнологий и искусственного интеллекта, индексируемые в Scopus за все время
Журнал Количество статей Количество цитирований H-индекс Год первой публикации выборки Квартиль Страна издателя
Journal of Computer and Systems Sciences International Computer Science; Engineering; Mathematics 41 105 7 1998 Q3 США
Scientific Reports Multidisciplinary 29 408 11 2019 Q1 UK
Scientific and Technical Information Processing Computer Science 29 63 4 2011 Q3 США
Neftyanoe Khozyaystvo - Oil Industry Energy 28 61 4 2002 Q3 РФ
Pattern Recognition and Image Analysis Computer Science 17 94 5 2008 Q3 США
Automation and Remote Control Engineering 16 62 5 2003 Q3 США
Russian Engineering Research Engineering 16 31 4 2018 Q3 США
Biomedical Engineering Engineering; Health Professions; Medicine 16 11 2 1999 Q3 США
Automatic Control and Computer Sciences Computer Science; Engineering 15 45 3 2002 Q3 США
IEEE Access Computer Science; Engineering; Materials Science 14 138 5 2018 Q1 США
«Успешность» статьи определяется как составом авторской команды, так и выбором издания, но наибольшее влияние оказывают актуальность и востребованность темы работы. Проявляющиеся изменения в тематической направленности статей отечественных авторов в ретроспективе отражают прогресс и достижения российской науки в области нейротехнологий и искусственного интеллекта.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
В российских публикациях выборки затрагивается ряд тем в области нейротех-нологий и искусственного интеллекта, а именно: 1) сближение искусственного интеллекта и нейробиологии; 2) применение искусственного интеллекта в медицине; 3) нейротехнологии в создании систем автоматического скрининга заболеваний; 4) биомаркеры и нейротехнологии в прогнозировании заболеваний; 5) нейротехнологии в анализе временных рядов и предсказании течения заболеваний; 6) искусственный интеллект в поддержке принятия решений и диагностировании; 7) нейро-технологии и робототехника в реабилитации пациентов с нарушениями движения; 8) вычислительная томография; 9) программирование генных выражений и искусственный интеллект в биологических исследованиях; 10) нейроимиджинг и нейро-мониторинг; 11) нейроинтерфейсы и мозг-компьютерные интерфейсы; 12) изменения рынка труда и роль человека в трансформирующемся обществе; 13) этические вопросы; 14) правовые изменения, вызванные развитием нейротехнологий и искусственного интеллекта; 15) применение искусственного интеллекта для решения экономический задач; 16) государственное управление и его трансформация под воздействием технологий; 17) применение в промышленности; 18) интернет вещей и искусственный интеллект; 19) обучение машин через взаимодействие с окружающим миром; 20) неопределенность и решение задач в условиях нечеткой логики; 21) многоагент-ные системы; 22) роевые интеллектуальные системы; 23) «случайный лес»; 24) регулирование и поддержка развития искусственного интеллекта; 25) образование с использованием новых технологий; 26) инновации в области обработки изображений: сверточные нейронные сети и сегментация изображений; 27) распознавание образов; 28) базы данных и информационные системы для управления знаниями и анализа данных; 29) цифровые двойники; 30) применение дронов, оснащенных искусственным интеллектом, для мониторинга и анализа окружающей среды; 31) геоинформационные системы и удаленное зондирование для мониторинга; 32) вычислительная сложность и вычислительный интеллект; 33) экспертные системы и их роль в поддержке принятия решений; 34) кибернетика и ее роль в развитии искусственного интеллекта; 35) развитие робототехники; 36) разработка программного обеспечения; 37) обучение без учителя; 38) аффективные вычисления: исследование эмоциональных состояний в контексте компьютерных технологий; 39) обработка естественного языка и ее роль в анализе текстов; 40) семантика и ее роль в анализе данных и понимании информации; 41) когнитивная семантика, когнитивная архитектура и моделирование когнитивных процессов; 42) дополненная реальность и ее влияние на взаимодействие человека с технологиями; 43) исследование понятия сознания в контексте искусственного интеллекта; 44) естественный интеллект: анализ и взаимосвязь с искусственным интеллектом;
45) аспекты безопасности в системах искусственного интеллекта и нейротехнологий;
46) статистические теоремы о стохастическом разделении; 47) искусственные нейронные сети и их роль в задачах классификации; 48) метод опорных векторов; 49) влияние COVID-19 на развитие области; 50) влияние на общественные структуры и доверие; 51) нейропротезирование и т. д. (рис. 3).
Т. 2 №4 2023 Vol.2 No.4
ISSN 2782-4934 (online) ISSN 2949-477X (print)
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
artificial sodality
cognitive art hittcttj res
automated system exclusive right
affective «routing ^pe'5öneli*
perceptrori лл&та1у detection Juhk»
i av.'
robot
íonseiousness v * NÉ* in[«çnet
cammuo'catiDn l^pj №giulatign m»rnet of things ( et)
(tient bwsting ш ^
dEiision и« PsEtern ^o^'tiSn "nfçrntatîoti wcniTspiüßy. » hlockchain
random forest
diabetic retinopathy
A,
artificial intellige
* Artificial irâpàpœ fai;,:"
qualilJSöFlife
deep
to Л wiütionai neu га I n et'^orkï ^ ^rçflfrdng. '^'
>ene expression ц^гатАлй ^ gensti:.algorithm
fTielanems diJ3D(M:s " (-learning
sirrtufatioa
dec.iion tree
unemployment
cumpîajf systems
modeling
ifJp.Jidtiun
atfecxptitft
fa recast
Рис. 3. Сеть ключевых слов, используемых в российских исследованиях в области нейротехнологий и искусственного интеллекта, индексируемых в Scopus с 1998 по 2023 г., с тематической кластеризацией
Среди более новых тем для российских авторов в области нейротехнологий и искусственного интеллекта можно выделить:1) программирование экспрессии генов (GEP); 2) объяснимый искусственный интеллект: методы интерпретации и обеспечение доверия к моделям; 3) понятие правосудия и его соотношение с развитием и применением искусственного интеллекта; 4) эксклюзивное право и защита интеллектуальной собственности в контексте искусственного интеллекта; 5) интернет вещей и искусственный интеллект в медицине; 6) сегментация изображений и роль искусственного интеллекта в анализе медицинских данных; 7) долгая краткосрочная память (LSTM) в анализе последовательностей данных; 8) дистанционное зондирование и его использование в экологическом мониторинге; 9) адаптивная нейро-нечеткая система вывода (ANFIS); 10) компьютерное зрение; 11) биоэтика и ее влияние на использование нейротехнологий в медицине; 12) цифровые двойники; 13) искусственная социальность; 14) поддержка развития области нейротехнологий и искусственного интеллекта в России.
Диспропорция в активности цитирования частично зависит от конкретных тематических направлений. Можно выделить несколько тем, наиболее значимых с точки зрения
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
интенсивности цитирования в области на текущий момент: 1) безнадзорное обучение и алгоритмы, позволяющие извлекать паттерны из данных; 2) объяснимый искусственный интеллект: методы интерпретации и обеспечение доверия к моделям; 3) интернет вещей и искусственный интеллект; 4) аффективные вычисления: исследование эмоциональных состояний в контексте компьютерных технологий; 5) «случайный лес»: метод ансамблирования и его применение в классификации и регрессии; 6) архитектура нейронных сетей и ее роль в моделировании биологических процессов; 7) всесторонне применение искусственного интеллекта в медицине; (8) нейропротезирование.
Заключение
Область компьютерных технологий в целом в базе данных Scopus на данный момент демонстрирует устойчивый рост показателей и умеренный спрос как со стороны российских авторов в виде объемов опубликований, так и со стороны научного сообщества в виде цитируемости. Аналогичное положение наблюдается и у области нейротехноло-гий и искусственного интеллекта внутри области компьютерных технологий.
В данной исследовательской работе был проведен всесторонний наукометрический и библиографический анализ выборки статей в области нейротехнологий и искусственного интеллекта, опубликованных российскими авторами в журналах, индексируемых в МНБД Scopus с 1998 по 2023 г. Полученные результаты выявили как положительные, так и вызывающие вопросы аспекты, которые имеют большое значение для дальнейшего развития данной области.
Среди положительных аспектов отметим следующие:
- наблюдается значительное увеличение активности российских исследователей в области нейротехнологий и искусственного интеллекта (с 2018 г. объем публикаций увеличивается ежегодно на 35-50 %, достигнув 495 статей в 2022 г.);
- параллельно с ростом объема публикаций наблюдается пропорциональное увеличение количества цитирований;
- у российских авторов существуют не только устоявшиеся связи с авторами более чем из 50 стран, но и направления, перспективные для будущего сотрудничества; 14,5 % публикаций российских авторов подготовлены с участием соавторов из разных стран, зачастую в составе многонациональных авторских коллективов;
- анализ тематических направлений показал широкий спектр интересов российских исследователей, начиная от применения нейротехнологий и искусственного интеллекта в медицине и биологии до этики и правовых вопросов, что говорит о гибкости и адаптивности отечественного научного сообщества к актуальным вызовам и проблемам.
Исследуемые тематики в полной мере затрагивают все субтехнологии. Среди направлений, интересующих российских авторов в рассматриваемой области, присутствуют как актуальные, так и высоко цитируемые тематики.
Несмотря на положительные моменты, существуют и вопросы, требующие проработки, а именно:
- российские авторы, как показал анализ, редко выступают в роли связующего звена при сотрудничестве в международных авторских группах, чаще являются приглашенными авторами, потому в недостаточной мере используют имеющиеся возможности;
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
- диспропорция в распределении журналов индексируемых в Scopus, в которых опубликованы работы выборки, указывает на ограниченные пути публикации для российских авторов - данная особенность базы данных ограничивает видимость и влияние отечественных работ в мировой научной среде;
- несмотря на актуальность некоторых тематик и выбор изданий для опубликования, наблюдается общая недостаточно высокая цитируемость работ, что может свидетельствовать о необходимости совершенствования в формулировании исследовательских вопросов или же об отсутствии интереса к российским исследованиям у зарубежных авторов из числа активно публикующихся в изданиях, индексируемых в Scopus.
Исходя из полученных результатов, среди критических аспектов, подвластных российским авторам, авторский коллектив рекомендует как отдельным авторам, так и научному сообществу в целом сосредоточиться на формулировании актуальных в мире ключевых исследовательских вопросов, способствующих повышению цитируемости публикаций. Кроме того, авторский коллектив видит перспективы для развития в направлении международного сотрудничества с авторами из стран, открытых к совместной работе с авторами из Российской Федерации, которых сейчас достаточно.
Источники
1. Mongeon P., Paul-Hus A. The journal coverage of Web of Science and Scopus: a comparative analysis // Scientometrics. 2016. Vol. 106. P. 213-228. DOI: https://doi.org/10.1007/ s11192-015-1765-5.
2. Van Eck N.J., Waltman L. Software survey: VOSviewer, a computer program for bib-liometric mapping // Scientometrics. 2010. Vol. 84, iss. 2. P. 523-538. DOI: https://doi. org/10.1007/s11192-009-0146-3.
3. Aria M., Cuccurullo C. Bibliometrix: an R-Tool for comprehensive science mapping analysis // Journal of informetrics. 2017. Vol. 11, iss. 4. P. 959-975. DOI: https://doi.org/10.1016/J. JOI.2017.08.007.
4. Guo Y., Hao Z., Zhao S., et al. Artificial intelligence in health care: bibliometric analysis // Journal of medical internet research. 2020. Vol. 22, iss. 7. Art. no. e18228. DOI: https://doi. org/10.2196/18228.
5. Goodell J.W., Kumar S., Lim W.M., Pattnaik D. Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters from bibliometric analysis // Journal of behavioral and experimental finance. 2021. Vol. 32. Art. no. 100577. DOI: https://doi.org/10.1016/jjbef.2021.100577.
6. Ho Y.S., Wang M.H. A bibliometric analysis of artificial intelligence publications from 1991 to 2018 // COLLNET journal of scientometrics and information management. 2020. Vol. 14, iss. 2. P. 369-392.
7. Yeung A.W.K., Goto T.K., Leung W.K. The changing landscape of neuroscience research, 2006-2015: a bibliometric study // Frontiers in neuroscience. 2017. Vol. 11. Art. no. 120. DOI: https://doi.org/10.3389/fnins.2017.00120.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
8. Kadurin A., Nikolenko S., Khrabrov K. et al. druGAN: an advanced generative adversarial autoencoder model for de novo generation of new molecules with desired molecular properties in silico // Molecular Pharmaceutics. 2017. Vol. 14, iss. 9. P. 3098-3104. DOI: https:// doi.org/10.1021/acs.molpharmaceut.7b00346.
9. Podryabinkin E.V., Shapeev A.V. Active learning of linearly parametrized interatomic potentials // Computational materials science. 2017. Vol. 140. P. 171-180. DOI: https://doi. org/10.1016/j.commatsci.2017.08.031.
10. Kuncheva L.I., Vetrov D.P. Evaluation of stability of k-means cluster ensembles with respect to random initialization // IEEE transactions on pattern analysis and machine intelligence. 2006. Vol. 28, iss. 11. P. 1798-1808. DOI: https://doi.org/10.1109/tpami.2006.226.
11. Malkov Y.A., Yashunin D.A. Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs // IEEE transactions on pattern analysis and machine intelligence. 2018. Vol. 2, iss. 4. P. 824-836. DOI: https://doi.org/10.1109/ tpami.2018.2889473.
12. Popkova E.G., Sergi B.S. Human capital and AI in industry 4.0. Convergence and divergence in social entrepreneurship in Russia // Journal of intellectual capital. 2020. Vol. 21, iss. 4. P. 565-581. DOI: https://doi.org/10.1108/jic-09-2019-0224.
13. Zernov V.V., Balakin K.V., Ivaschenko A.A. et al. Drug discovery using support vector machines. The case studies of drug-likeness, agrochemical-likeness, and enzyme inhibition predictions // Journal of chemical information and computer sciences. 2003. Vol. 43, iss. 6. P. 2048-2056. DOI: https://doi.org/10.1021/ci0340916.
14. Kadurin A., Aliper A., Kazennov A. et al. The cornucopia of meaningful leads: applying deep adversarial autoencoders for new molecule development in oncology // Oncotarget. 2016. Vol. 8, iss. 7. P. 10883-10890. DOI: https://doi.org/10.18632/oncotarget.14073.
15. Gubaev K., Podryabinkin E.V., Hart G.L.W., Shapeev A.V Accelerating high-throughput searches for new alloys with active learning of interatomic potentials // Computational materials science. 2019. Vol. 156. P. 148-156. DOI: https://doi.org/10.1016/jxommats-ci.2018.09.031.
16. Mikhaylov A., Pimashkin A., Pigareva Y. et al. (2020). Neurohybrid memristive CMOS-integrated systems for biosensors and neuroprosthetics // Frontiers in neuroscience. 2020. Vol. 14. Art. no. 358. DOI: https://doi.org/10.3389/fnins.2020.00358.
17. Pimenov D.Y., Bustillo A., Mikolajczyk T. Artificial intelligence for automatic prediction of required surface roughness by monitoring wear on face mill teeth // Journal of intelligent manufacturing. 2017. Vol. 29, iss. 5. P. 1045-1061. DOI: https://doi.org/10.1007/s10845-017-1381-8.
18. Zacharov I., Arslanov R., Gunin M. et al. "Zhores" - Petaflops supercomputer for data-driven modeling, machine learning and artificial intelligence installed in Skolkovo Institute of Science and Technology // Open engineering. 2019. Vol. 9, iss. 1. P. 512-520. DOI: https:// doi.org/10.1515/eng-2019-0059.
19. Babanezhad M., Behroyan I., Nakhjiri A.T. et al. High-performance hybrid modeling chemical reactors using differential evolution based fuzzy inference system // Scientific Reports. 2020. Vol. 10, iss. 1. Art. no. 21304. DOI: https://doi.org/10.1038/s41598-020-78277-3.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
20. Vinichenko M.V., Vinogradova M.V., Nikiporets-Takigawa G.Y., Rybakova M.V. The impact of the pandemic on the quality of education and the image of a university // XLinguae. 2021. Vol. 14, iss. 1. P. 17-37. DOI: https://doi.org/10.18355/XL.2021.14.01.02.
21. Морозов С.П., Кузьмина Е.С., Ветшева Н.Н. и др. Московский скрининг: скрининг рака легкого с помощью низкодозовой компьютерной томографии // Проблемы социальной гигиены, здравоохранения и истории медицины. 2019. Т. 27, № S. С. 630-636. DOI: https://doi.org/10.32687/0869-866X-2019-27-si1-630-636. EDN: ARFYYE.
22. Vaiyapuri T., Lydia E.L., Sikkandar M.Y. et al. Internet of things and deep learning enabled elderly fall detection model for smart homecare // IEEE Access. 2021. Vol. 9. P. 113879-113888. DOI: https://doi.org/10.1109/access.2021.3094243.
23. Babanezhad M., Behroyan I., Nakhjiri A.T. et al. High-performance hybrid modeling chemical reactors using differential evolution based fuzzy inference system // Sci Rep. 2020. Vol. 10. Art. no. 21304. DOI: https://doi.org/10.1038/s41598-020-78277-3.
24. Huang J., Zhou M., Zhang J. et al. Development of a new stacking model to evaluate the strength parameters of concrete samples in laboratory // Iranian journal of science and technology, transactions of civil engineering. 2022. Vol. 46. P. 4355-4370. DOI: https://doi. org/10.1007/s40996-022-00912-y.
References
1. Mongeon P., Paul-Hus A. The journal coverage of Web of Science and Scopus: a comparative analysis. Scientometrics. 2016. Vol. 106. Pp. 213-228. DOI: https://doi.org/10.1007/ s11192-015-1765-5.
2. Van Eck N.J., Waltman L. Software survey: VOSviewer, a computer program for bibli-ometric mapping. Scientometrics. 2010. Vol. 84, iss. 2. Pp. 523-538. DOI: https://doi. org/10.1007/s11192-009-0146-3.
3. Aria M., Cuccurullo C. Bibliometrix: an R-Tool for comprehensive science mapping analysis. Journal of informetrics. 2017. Vol. 11, iss. 4. Pp. 959-975. DOI: https://doi.org/10.1016/ J.JOI.2017.08.007.
4. Guo Y., Hao Z., Zhao S., et al. Artificial intelligence in health care: bibliometric analysis. Journal of medical internet research. 2020. Vol. 22, iss. 7. Art. no. e18228. DOI: https://doi. org/10.2196/18228.
5. Goodell J.W., Kumar S., Lim W.M., Pattnaik D. Artificial intelligence and machine learning in finance: Identifying foundations, themes, and research clusters from bibliometric analysis. Journal of behavioral and experimental finance. 2021. Vol. 32. Art. no. 100577. DOI: https://doi.org/10.1016/jjbef.2021.100577.
6. Ho Y.S., Wang M.H. A bibliometric analysis of artificial intelligence publications from 1991 to 2018. COLLNET journal of scientometrics and information management. 2020. Vol. 14, iss. 2. Pp. 369-392.
7. Yeung A.W.K., Goto T.K., Leung W.K. The changing landscape of neuroscience research, 2006-2015: a bibliometric study. Frontiers in neuroscience. 2017. Vol. 11. Art. no. 120. DOI: https://doi.org/10.3389/fnins.2017.00120.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
8. Kadurin A., Nikolenko S., Khrabrov K. et al. druGAN: an advanced generative adversarial autoencoder model for de novo generation of new molecules with desired molecular properties in silico. Molecular Pharmaceutics. 2017. Vol. 14, iss. 9. Pp. 3098-3104. DOI: https:// doi.org/10.1021/acs.molpharmaceut.7b00346.
9. Podryabinkin E.V., Shapeev A.V. Active learning of linearly parametrized interatomic potentials. Computational materials science. 2017. Vol. 140. Pp. 171-180. DOI: https://doi. org/10.1016/j.commatsci.2017.08.031.
10. Kuncheva L.I., Vetrov D.P. Evaluation of stability of k-means cluster ensembles with respect to random initialization. IEEE transactions on pattern analysis and machine intelligence. 2006. Vol. 28, iss. 11. Pp. 1798-1808. DOI: https://doi.org/10.1109/tpami.2006.226.
11. Malkov Y.A., Yashunin D.A. Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs. IEEE transactions on pattern analysis and machine intelligence. 2018. Vol. 2, iss. 4. Pp. 824-836. DOI: https://doi.org/10.1109/tpa-mi.2018.2889473.
12. Popkova E.G., Sergi B.S. Human capital and AI in industry 4.0. Convergence and divergence in social entrepreneurship in Russia. Journal of intellectual capital. 2020. Vol. 21, iss. 4. Pp. 565-581. DOI: https://doi.org/10.1108/jic-09-2019-0224.
13. Zernov V.V., Balakin K.V., Ivaschenko A.A. et al. Drug discovery using support vector machines. The case studies of drug-likeness, agrochemical-likeness, and enzyme inhibition predictions. Journal of chemical information and computer sciences. 2003. Vol. 43, iss. 6. Pp. 2048-2056. DOI: https://doi.org/10.1021/ci0340916.
14. Kadurin A., Aliper A., Kazennov A. et al. The cornucopia of meaningful leads: applying deep adversarial autoencoders for new molecule development in oncology. Oncotarget. 2016. Vol. 8, iss. 7. Pp. 10883-10890. DOI: https://doi.org/10.18632/oncotarget.14073.
15. Gubaev K., Podryabinkin E.V., Hart G.L.W., Shapeev A.V. Accelerating high-throughput searches for new alloys with active learning of interatomic potentials. Computational materials science. 2019. Vol. 156. Pp. 148-156. DOI: https://doi.org/10.10167j.commats-ci.2018.09.031.
16. Mikhaylov A., Pimashkin A., Pigareva Y. et al. Neurohybrid memristive CMOS-integrated systems for biosensors and neuroprosthetics. Frontiers in neuroscience. 2020. Vol. 14. Art. no. 358. DOI: https://doi.org/10.3389/fnins.2020.00358.
17. Pimenov D.Y., Bustillo A., Mikolajczyk T. Artificial intelligence for automatic prediction of required surface roughness by monitoring wear on face mill teeth. Journal of intelligent manufacturing. 2017. Vol. 29, iss. 5. Pp. 1045-1061. DOI: https://doi.org/10.1007/s10845-017-1381-8.
18. Zacharov I., Arslanov R., Gunin M. et al. "Zhores" - Petaflops supercomputer for data-driven modeling, machine learning and artificial intelligence installed in Skolkovo Institute of Science and Technology. Open engineering. 2019. Vol. 9, iss. 1. Pp. 512-520. DOI: https:// doi.org/10.1515/eng-2019-0059.
19. Babanezhad M., Behroyan I., Nakhjiri A.T. et al. High-performance hybrid modeling chemical reactors using differential evolution based fuzzy inference system. Scientific Reports. 2020. Vol. 10, iss. 1. Art. no. 21304. DOI: https://doi.org/10.1038/s41598-020-78277-3.
Управление, обработка информации и искусственный интеллект Management, information processing and artificial intelligence
20. Vinichenko M.V., Vinogradova M.V., Nikiporets-Takigawa G.Y., Rybakova M.V. The impact of the pandemic on the quality of education and the image of a university. XLinguae. 2021. Vol. 14, iss. 1. Pp. 17-37. DOI: https://doi.org/10.18355/XL.2021.14.01.02.
21. Morozov S.P., Kuzmina E.S., Vetsheva N.N. et al. Moscow screening: lung cancer screening with low-dose computed tomography. Problemy sotsialnoy gigieny, zdravookhraneniya i is-torii meditsiny. 2019. Vol. 27, special issue. Pp. 630-636. DOI: https://doi.org/10.32687/0869-866X-2019-27-si1-630-636. EDN: https://www.elibrary.ru/arfyye. (In Russ.)
22. Vaiyapuri T., Lydia E.L., Sikkandar M.Y. et al. Internet of things and deep learning enabled elderly fall detection model for smart homecare. IEEE Access. 2021. Vol. 9. Pp. 113879-113888. DOI: https://doi.org/10.1109/access.2021.3094243.
23. Babanezhad M., Behroyan I., Nakhjiri A.T. et al. High-performance hybrid modeling chemical reactors using differential evolution based fuzzy inference system. Science Reports. 2020. Vol. 10. Art. no. 21304. DOI: https://doi.org/10.1038/s41598-020-78277-3.
24. Huang J., Zhou M., Zhang J. et al. Development of a new stacking model to evaluate the strength parameters of concrete samples in laboratory. Iranian journal of science and technology, transactions of civil engineering. 2022. Vol. 46. Pp. 4355-4370. DOI: https://doi. org/10.1007/s40996-022-00912-y.
Информация об авторах
Благинин Виктор Андреевич, начальник Управления наукометрии, научно-исследовательской работы и рейтингов. Уральский государственный экономический университет, 620144, РФ, г. Екатеринбург, ул. 8 Марта/Народной Воли, 62/45. E-mail: v.a.blaginin@ usue.ru.
Соколова Елизавета Витальевна, специалист Управления наукометрии, научно-исследовательской работы и рейтингов. Уральский государственный экономический университет, 620144, РФ, г. Екатеринбург, ул. 8 Марта/Народной Воли, 62/45. E-mail: [email protected].
Адакава Муртала Исмаил, старший библиотекарь. Университет Байеро, PMB 3011, г. Кано, Нигерия. E-mail: [email protected].
Information about the authors
Blaginin Viktor Andreevich, Head of the Department of Scientometrics, R&D and Rankings. Ural State Economic University, 620144, Russian Federation, Ekaterinburg, 8 Marta/Nar-odnaya Volya St., 62/45. E-mail: [email protected].
Sokolova Elizaveta Vitalievna, specialist of the Department of Scientometrics, R&D and Rankings. Ural State Economic University, 620144, Russian Federation, Ekaterinburg, 8 Marta/ Narodnaya Volya St., 62/45. E-mail: [email protected].
Adakawa Murtala Ismail, Senior Librarian. Bayero University, PMB 3011, Kano, Nigeria. E-mail: [email protected].
