ШіМон: як розгледіти потенціал, який дозволить нам скоротити відставання в гонці ШІ

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Привіт, мене звати Богдан Діденко. Я deep learning інженер, один із розробників Lapa LLM, співзасновник першого українського LLM inference-провайдера — Lapathoniia — а також веду власний блог.

Думаю, всі бачать, що зараз відбувається у світі з ШІ.

Це вже не просто технологічний тренд, який можна спокійно обговорювати на конференціях і вписувати в стратегії на 2030 рік. Штучний інтелект дуже швидко стає інфраструктурою сили: для освіти, науки, держуправління, бізнесу, виробництва, аналітики, роботи з даними, всього. Можна сперечатися про терміни, рівень «інтелекту» в моделях, бульбашку на ринку і якість конкретних продуктів, але загальний напрямок уже доволі очевидний.

Країни й інституції, які швидше навчаться користуватися цими інструментами, можуть отримати непропорційну перевагу. Ті, хто буде зволікати, ризикують опинитися в положенні споживача чужих технологій, чужої інфраструктури і чужих правил гри.

Для України ця ситуація особливо неприємна. Через наше геополітичне положення ми легко можемо ставати об’єктом тиску через soft power, через нашу залежність від чужих AI-моделей, compute-інфраструктури й доступу до актуального технологічного знання. Якщо ми хочемо залишатися конкурентними в AI, маючи обмежені ресурси, доведеться використовувати їх розумніше.

А щоб використовувати розумніше, спочатку треба зрозуміти, що саме в нас уже є.

Ось тут і починається проблема, з якої виріс ШіМон. Ми багато говоримо про AI-потенціал України, але часто бачимо його як набір розрізнених сигналів: окремі команди, університетські програми, стартапи, воркшопи, літні школи, хакатони, мітапи, конференції. Багато сплесків активності, проте немає простого способу побачити, хто чим займається, які напрями дублюються, а де навпаки експертиза відсутня. Через це іноді починають шукати допомоги за межами країни, не знаючи, що потрібна компетенція вже є у нас. Якщо ми хочемо ставитися до AI-потенціалу як до стратегічного ресурсу, треба агрегувати та відстежувати релевантні сигнали та переходити до режиму накопичення досвіду.

Одне з джерел такого потенціалу — університети. Мене ця тема особливо зачепила після вступу в аспірантуру Львівської політехніки на кафедру систем штучного інтелекту. Я усвідомив, що різні команди в українських університетах працюють над схожими задачами, частково дублюють одне одного або проходять той самий шлях з нуля, просто тому що не бачать, де в країні вже є релевантна експертиза. Для країни з обмеженими ресурсами це занадто дорога розкіш.

І проблема не в тому, що робота не ведеться. Часто вона є, просто її важко побачити ззовні. Щось лежить на сайті кафедри. Щось з’являється в Instagram або Facebook. Щось ховається в PDF, старих сторінках чи внутрішніх каналах. Окремо це можуть бути вагомі результати, але зовні воно часто не помітно, або виглядає як шум який складно порівняти й використати.

У результаті потенціал ніби є, але він не перетворюється на ресурс, з яким можна працювати системно.

Без видимості немає синергії. Без координації немає масштабу.

І за цією фразою стоїть дуже практична річ. Якщо ми не бачимо, хто і де щось робить у сфері ШІ, ми не можемо швидко з’єднувати людей, знаходити партнерів, підсилювати перспективні напрямки, помічати прогалини.

Сайт: shimon.info

Чому я починаю з університетів

Тут може виникнути питання: чому університети? У нас же є як власний великий бізнес так і офіси міжнародних компаній, продуктові компанії, стартапи.

Але університети мають одну особливість. Значна частина цієї системи фінансується з державного бюджету, тобто ми як суспільство маємо право формувати очікування від того, що там відбувається. Якщо в країні є запит на AI-інновації, логічно дивитися не лише на приватний сектор, а й на ресурс, який уже підтримується спільними грошима, має великий доступ до людського капіталу і, на мою думку, досі використовується недостатньо.

Плюс університети можуть працювати в режимі, який бізнесу часто складно відтворити. R&D можна інтегрувати в навчальну і наукову діяльність: через курсові, дипломні, лабораторні роботи, студенські проєкти, грантові програми, міжуніверситетські колаборації. Це не звичайно замінить штат дорогих спеціалістів у компаніях, але дозволяє створювати реальну цінність там, де є люди які і так вже ведуть профільну діяльність.

Звичайно, це працює тільки за певних умов. Потрібен доступ до обчислювальних ресурсів. Потрібні якісні джерела інформації. Потрібні сучасні курси в навчальних програмах. Потрібна екосистема, де знання циркулюють і актуалізуються. Без цього університет легко перетворюється на місце, де правильні слова є в програмі, але відчутних результатів майже немає.

І тут у університетів є ще одна стратегічна перевага. Україна асоційована з Horizon Europe, а це відкриває для команд доступ до європейських дослідницьких програм, колаборацій, мобільності й інфраструктури. Навіть обчислювальні ресурси частково можна шукати через конкурсні механізми EuroHPC JU, зокрема для великих наукових задач або AI-досліджень. Це не скасовує повністю потребу у власних HPC, але зменшує тиск на власний бюджет: частину дорогих можливостей можна залучати через міжнародні університетські програми.

У хорошому сценарії це виглядає так: держава формує запит на інновації у визначених напрямках, університети через навчальну і наукову діяльність доєднують людей, створюють умови і залучають міжнародні ресурси, а країна отримує більше ефекту з меншим фінансовим навантаженням.

Що саме варто відстежувати

Можна було б піти найпростішим шляхом і взяти університети як ціле. Але тоді ми майже нічого не зрозуміємо. Великий університет може мати десятки факультетів і кафедр, з яких до AI реально дотичні дві-три. А може мати модну назву в програмі, але дуже слабкий публічний слід.

Тому потрібна визначена одиниця: конкретний AI-підрозділ разом із джерелами його активності. Це може бути інститут, кафедра, факультет, або навіть окрема лабораторія. У ШіМоні зараз 21 такий AI-юніт у 12 містах. Це не повний кадастр AI-освіти, але навіть так видно важливу і не очевидну річ: університетський AI напрямок не зводиться до кількох центрів в декількох вишах.

Чому це інженерна задача

Якщо ми хочемо розуміти, що відбувається в університетському AI зараз, потрібен регулярний збір відкритих сигналів.

Університетські джерела не мають спільного стандарту. Один підрозділ має RSS, інший публікує новини в HTML без нормальної структури, третій живе в Telegram, а десь сторінку доводиться відкривати повноцінним браузером, бо інакше вона не віддає дані.

У поточному інвентарі ШіМон працює з 25 джерелами різних типів: RSS, HTML, Telegram, JSON, Atom і browser-based сторінками. У live-базі зараз 589 новинних записів.

ШіМон працює з відкритими джерелами, тому бачить передусім публічну активність підрозділів.

Дайджести як ще одне джерело технічних новин

Коли новини вже збираються регулярно, з них природно хочеться робити щось читабельне. Не всі будуть відкривати сотні записів і вручну розбиратися, де там справді щось важливе, а де просто факультетський інформаційний шум.

Це окремий інформаційний продукт: щоп’ятнична добірка технічних новин з українського університетського AI. Її можна читати незалежно від карти у моєму каналі

Зараз опубліковано 10 випусків. Новини оцінюються через LLM за 8 критеріями на шкалі від 1 до 12. Сенс цих критеріїв простий: зрозуміти, чи це справді AI-новина, чи є там конкретний результат, наскільки сильна роль університетського підрозділу, чи може ця можливість бути корисною іншим людям. Найвище піднімаються матеріали де: підрозділ щось організував, запустив, показав результат, відкрив можливість, зробив проєкт або технічний артефакт.

Так, LLM-скоринг може помилятися, а джерела мають різну культуру комунікації. Але навіть недосконала повторювана методологія краща за ситуацію, де ми не маємо цієї інформації.

Лідерборд

ML-індустрія любить лідерборди: вони швидко показують динаміку і додають трохи гри. Тому я не зміг утриматися і зробив свій.

Механіка проста: якщо AI-підрозділ потрапив у top-8 тижневого дайджесту, він отримує +1. Сума цих входжень і формує позицію. Стає цікаво дивитися, хто регулярно залишає сильний публічний слід, хто підтягується, хто раптом почав частіше з’являтися в дайджестах.

Це лідерборд медійної видимості, а не якості освіти. Він показує, які AI-підрозділи регулярно залишають публічний сигнал, що проходить у дайджести.

Для координації це важливо. Можна бути дуже сильним підрозділом і майже не комунікувати, але тоді вас складніше знайти, оцінити досягнення, побачити можливості для кооперації та скористатися результатами. Видимість не замінює якість, але без видимості якість часто залишається локальною.

Що далі з цією видимістю

Для мене тут важливо, що монітор дає голос тим, кого раніше було складно почути за межами власного сайту або локальної спільноти. Сильна університетська робота часто існує, але її бачать тільки свої. ШіМон допомагає виносити такі сигнали в ширший простір: за досягненнями й роботою AI-підрозділів регулярно стежить одне з найбільших українських технічних AI-ком’юніті навколо мого Telegram-каналу, а сам монітор уже підключений і до Discord-каналу AI Lab Львівської політехніки.

Це маленька деталь, але вона добре показує напрям: ШіМон може бути не тільки сайтом, а й інфраструктурою доставки сигналу туди, де вже є люди, яким цей сигнал потрібен.

Є ще один важливий ефект. Коли ми починаємо дивитися на публічний сигнал, університети отримують дуже простий стимул: нормально розповідати про свою роботу. Публікувати новини, мати читабельні джерела, показувати курси, студентські проєкти, лабораторні результати, партнерства. Якщо кафедра зробила сильний курс, але про нього знає тільки внутрішній чат, для решти країни цього курсу майже немає. Якщо лабораторія організувала подію, але анонс лежить у місці, яке неможливо регулярно прочитати, вона випадає з загальної картини.

ШіМон робить перший практичний крок: переводить розмову про AI-потенціал з рівня «десь щось є» у режим, де це вже можна відкривати, дивитися і з’єднувати.

Як додати ШіМон на головний екран телефона: на iPhone відкрийте сайт у Safari, натисніть Share і виберіть Add to Home Screen. На Android відкрийте сайт у Chrome, натисніть меню з трьома крапками і виберіть Add to Home screen або Install app.

Якщо ваш підрозділ робить щось у сфері AI і його ще немає на карті — напишіть мені. Додамо джерела і зробимо цей сигнал видимим.