Платформу с открытым кодом Drift Inspector представили специалисты Института AIRI и Сколтеха. Она помогает отслеживать, как меняются направления исследований в сфере искусственного интеллекта. В основе работы — разбор аннотаций научных статей: алгоритм вычленяет тезисы о вкладе авторов и группирует близкие по смыслу формулировки. По сообщению пресс-службы, проект доступен всем желающим. Об этом пишет сайт N + 1.
Массив для анализа оказался внушительным: 118 тысяч публикаций с ключевых конференций по машинному обучению, компьютерному зрению и обработке естественного языка. Хронология охватывает 2018–2026 годы. Из этих материалов система извлекла 570 тысяч утверждений о научных результатах. Любую точку на графике можно раскрыть до исходной статьи и конкретного тезиса.
Методика отличается от простого подсчета слов. Разные формулировки одной идеи попадают в общий кластер, а одинаковые термины в несовпадающих значениях не смешиваются. Для каждой темы вычисляется доля статей за год, где встречается хотя бы одно утверждение из группы. Кластеризацию сверяли с внешней таксономией, а качество извлечения проверял валидированный ИИ-судья.
Один из заметных сдвигов касается информационного поиска: в ведущем кластере его доля выросла с 0,7 до 3,3 процента. Прирост дал не поиск по ключевым словам, а плотный поиск на основе генерации с дополненной выборкой. Такой подход позволяет модели обращаться к внешнему источнику данных. Его считают одним из главных средств против галлюцинаций, на нем строят корпоративные ассистенты для внутренних баз знаний.
Одновременно доля работ по синтаксическому парсингу сократилась почти на 97 процентов. Причина — переход от конвейера с грамматическим разбором к большим языковым моделям, которые решают задачу целиком. Исследователи стали меньше конструировать системы и больше изучать готовые модели. Выросла доля проектов, объединяющих текст и изображения, а работы о языковых моделях все реже распыляются по разным областям и все чаще сосредоточены на узких темах — от медицины до юриспруденции.