Где проходит граница возможностей искусственного интеллекта

Кроме того, нужно смотреть, чтобы уже накопленные компетенции трансформировать в новый бизнес. Другими словами, мы внедряем искусственный интеллект, сохраняем свою компетенцию, обучая его силами тех сотрудников, которые еще остались. В этом случае компания будет меньше и компактнее, но по качеству услуг и по продукту в виде цифрового сервиса на базе ИИ она будет лучше своих конкурентов.

Безусловные лидеры внедрения ИИ сейчас сервисы и сфера услуг. Почему ИИ-продукты так медленно внедряются в промышленность сельское хозяйство? Там же очевиден огромный потенциал для ИИ. Иван Оселедец: В сельском хозяйстве действительно очень большой потенциал для ИИ-решений, связанных с обработкой спутниковых снимков, анализом различных рисков и предиктивной аналитики на основе этих данных. Просто есть высокая инерция, которая тормозит внедрение, плюс такой аспект, как стоимость труда. В тех агрокомплексах, где она невысокая, нет мотивации для оптимизации производственных процессов. Имеется еще и «человеческий фактор». Специалисты в прикладных областях часто рассматривают датасайентистов как «персональных врагов», которые учат их тому, чем они занимаются много лет. не являясь специалистами в их области. Если же говорить о промышленности, то ИИ можно использовать практически в любом технологически сложном производства, например, для контроля процесса сварки в режиме реального времени. Причем это все можно делать уже на готовых технологиях, не разрабатывая и не обучая нейросеть с нуля.

Но есть специалисты в такой сфере, как обработка и анализ данных. Это бухгалтеры, юристы, редакторы, копирайтеры, переводчики и т.д. Это те люди, которые работают с входной информацией, анализируют ее и делают какой-то вывод. Именно их работу можно автоматизировать. Неквалифицированный ручной труд в перспективе также будет полностью заменен.

Если говорить о том, какие профессии подвержены риску замещения в связи с развитием технологий искусственного интеллекта, то я бы назвал одно правило — бизнес будет избавляться от тех специалистов, которых проще и дешевле заменить на роботов. Если говорить о курьерах или таксистах, то сейчас не совсем подходящий момент. Даже сборщики на многих производствах в Китае стоят пока дешевле, чем сложные роботы.

Искусственный интеллект сейчас уже становится массовым явлением настолько, что впору переименовать ИТ из информационных технологий в интеллектуальные. Однако вопросов при его разработке, использовании в бизнесе и в быту возникает очень много. Наиболее важные из них мы задали CEO и сооснователю STEM-школы Almamat Дмитрию Грину.

Разберемся, какие вообще проблемы могут возникнуть с искусственным интеллектом? Первое — это автономные системы. То, что нужно регулировать — это автономное вооружение. Сейчас разрабатываются комплексы беспилотных дронов, которые могут принимать боевые решения исходя из боевого задания. Эту часть, я думаю, надо очень жестко регламентировать.

Как вы относитесь к письму организации Future of Life, которое подписали Илон Маск, сооснователь Apple Стив Возняк и другие известные персоны, относительно приостановки разработок в области ИИ ввиду его потенциальной опасности для людей? Иван Оселедец: Я, конечно, не поддерживаю идею что надо что-то остановить, прекратить, тем более что некоторые люди, которые подписывали это письмо, например Илон Маск, потом вкладывали деньги в свою компанию по разработке ИИ. Есть и такие экзальтированные исследователи ИИ, как Элиезер Юдковский, который дошел до того, что фактически призывает бомбить дата-центры, где обучают нейросетевые модели. Все это выглядит очень странно. Действительно, сейчас технологии машинного обучения хорошо работает там, где цена ошибки не высока. Никто не может дать гарантии стопроцентно безошибочной работы ИИ, но мы и для человека не можем дать такой гарантии, а ошибки человека, которые случаются, устраняем путем внесения изменений в регламенты, обучение, в подготовку. Такие же процедуры работают и для искусственного интеллекта. Если, например, мы поставим нейросетевую модель управлять транспортом, и она перестанет корректно работать, надо будет разобраться, почему это произошло и решить проблему так же, как и в случае с обучением человека. Мне кажется, сейчас надо максимально вкладываться в развитие ИИ. Естественно, если в какой-то момент мы упремся в технологический или иной барьер, тогда и надо будет думать, что делать дальше. Однако, многие задачи, которые раньше считались для ИИ сложно решаемыми, современные большие языковые модели (LLM) решают легко. Это замечательно, значит, надо учиться этими моделями пользоваться, надо учиться с ними взаимодействовать. То, что происходит сейчас с ИИ сравнимо с предыдущими технологическими революциями, но я опять же не вижу в этом ничего страшного или критичного. В мире, будем честны, гораздо больше более серьезных проблем — голод, болезни, стихийные бедствия — чем гипотетический захват власти над миром каким-то супермозгом.

Второе направление, где очень активно развиваются технологии ИИ, — это медицина. Часто говорят, что врачей не заменят, но на самом деле в диагностике со временем может быть именно так. Уже сейчас искусственный интеллект может диагностировать рак по онкомаркерам в анализе крови, используя технологии больших данных, и увеличить точность диагностирования заболевания до 99%.

Среди претензий, которые предъявляют к разработчикам нейросетей, есть такая, что они не могут объяснить, как нейросеть пришла именно такому ответу, а не к другому. Это проблема? Иван Оселедец: Да, это большая проблема и для нее пока нет каких-то хороших решений, даже для обычных моделей, которые распознают лица с точностью до 99,999%. Сейчас пытаются те же языковые модели, использовать для генерации объяснений, но какого-то вот разумного работающего подхода для повышения объяснимости работы моделей пока нет. Более того есть много примеров, когда можно злонамеренно модифицировать вход, модифицировать текст, модифицировать картинку и модель вообще начинает что-то другое предсказывать. Это одна из недавно открытых больших проблем. Но бизнес это не очень интересует, они говорят — вот у нас есть нейросеть с точностью работы 99,99% и больше нам ничего не нужно. Человек и то чаще ошибается, а почему эта модель работает хорошо нам неважно. Сейчас в целом доминирует бизнес-подход, когда компании готовы внедрять ИИ для экономической выгоды. Либо, если они боятся и переживают, что цена ошибки будет слишком высока, они не внедряют ИИ, а просто используют его как помощника, как например в медицине.

Искусственный интеллект уже второй год подряд становится самой обсуждаемой технологией во всем мире. К ней приковано внимание общества, бизнеса и государства. Он одновременно восхищает и пугает людей, а инвестиции в ИИ исчисляются десятками миллиардов долларов. О том, что же такое современный искусственный интеллект, в интервью «Российской газете» рассказал генеральный директор Института искусственного интеллекта AIRI, доктор физико-математических наук, профессор РАН и Сколтеха, Иван Оселедец.

Дмитрий Грин: Прежде всего, роботы приносят пользу бизнесу, поскольку бизнес стремится сделать качественный продукт за минимальные деньги. Какие выгоды дает искусственный интеллект? Первое: он никогда не спит, это «сотрудник», который работает в режиме 24х7. Второе: он постоянно обучается, что положительно сказывается на качестве оказываемых услуг. Третье: исключаются ошибки, связанные с так называемым «человеческим фактором».

Дмитрий Грин: Прежде всего, меняется состав команды. В ней должны оставаться только руководители и те люди, которые умеют принимать решения и создавать новое. Кроме того, в штате должны быть специалисты, которые работают над совершенствованием технологий искусственного интеллекта. Все остальные сотрудники не являются ключевыми, и их можно постепенно готовить «на выход».

Компании, которые не использует ИИ, будут стремительно терять свои рыночные позиции. Автоматизацией рутинных операций должен заниматься искусственный интеллект, и поэтому должен появиться такой сотрудник, который будет предлагать и внедрять в жизнь соответствующие решения.

Почему многие люди боятся ИИ, откуда взялся этот страх? Иван Оселедец: Отчасти это влияние поп-культуры, таких фильмов, как «Терминатор» и других ярких художественных произведений. У меня и моих коллег перед матричными умножениями — так, собственно, и работает нейросеть — страха нет, скорее интересует вопрос почему же она все-таки работает. Действительно интересно все это осознать, понять какими средствами и каким языком описать. Искусственный интеллект на основе нейросетевых моделей пережил первый пик интереса в 2016 году после матча нейросети AlphaGo и первого игрока мирового рейтинга в игру Го, Ли Седоля. Но тогда кроме специалистов на победу AlphaGo никто не обратил внимания. Что изменилось за 6 лет, почему с 2022 года ИИ постоянно находится на пике общественного интереса? Иван Оселедец: Ответ на этот вопрос очень прост — ChatGPT. Это действительно прорывная история в первую очередь за счет колоссально выросшего качества общения ИИ с человеком. На самом деле искусственный интеллект используется очень давно, например, в камерах, которые распознают лица с потрясающей точностью или в интернет-торговле. ИИ уже с нами, он уже здесь. Но такой формат взаимодействия с ИИ не производил такого впечатления на людей, как возможность лично пообщаться с ИИ. Главная идея ChatGPT заключалась в том, чтобы не обучаться на большом количестве произвольных текстов из интернета, а добавить в процесс обучения нейросетевой модели обратную связь от человека. То, что называется RLHF (reinforcement learning human feedback) Оказалось, что качественные данные и обратная связь от человека приводят к существенному скачку в качестве модели. То есть локомотивом всего хайпа вокруг ИИ стал один яркий продукт? Иван Оселедец: Да, локомотивом действительно стала новая методика обучения и конкретно ChatGPT, который Open AI выложили в публичный доступ. Как только люди стали пользоваться ChatGPT, это привело, к колоссальному взрыву интереса. Сейчас у многих людей эта штука открыта в ежедневном режиме, каждый для себя (по крайней мере я могу про себя и коллег говорить) находят там широкий спектр применений. Интересно, что хотя это очень мощная технология, на самом деле ее не очень сложно повторить. В последние несколько месяцев появилось нескольких открытых OpenSource моделей чуть меньшего размера. Так что это только начало. В ближайшее там время нас ждет очень много интересного.