Искусственный интеллект где идет

Главные выводы:

Россия относится к немногим странам, имеющим собственные фундаментальные заделы в области ИИ, в т. ч. мегамоделей. Наиболее популярные из них — GigaChat, Kandinsky (ПАО «Сбербанк»), YaLM («Яндекс»); появляются и другие оригинальные разработки компаний и университетов.

По итогам опроса эксперты пришли к выводу, что экономический потенциал искусственного интеллекта в России к 2028 г. составит 22–36 трлн руб. Около 70% потенциала приходится на шесть ключевых для российской экономики отраслей, таких как транспорт и логистика, банкинг, ритейл, добывающая промышленность, производство потребительских товаров, ИТ-отрасль. Реализованный эффект от внедрения искусственного интеллекта к 2028 году может достичь 4,2–6,9 трлн руб., что эквивалентно влиянию на ВВП до 4%. Из них 0,8-1,3 трлн руб. будут зависеть от генеративного искусственного интеллекта.

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.

Решениями от OpenAI (GPT-4, GPT-3.5) пользуется 100% опрошенных компаний, применяющих генеративный искусственный интеллект. Дополнительно 80% респондентов применяют YandexGPT для решения задач по работе с текстами, и более 40% — Kandinsky для работы с изображениями.

Одним из основных барьеров для распространения ИИ являются значительные объемы требуемых инвестиций, а также нехватка кадров. Более 60% организаций тратят на ИИ менее 1% от затрат на внедрение и использование цифровых технологий. Осторожное поведение объясняется тем, что ИИ-проекты, как правило, имеют длительный цикл реализации и отложенные во времени эффекты. Даже при оценке таких эффектов пользователи сталкиваются со сложностями, в том числе из-за нехватки экспертизы и стандартов по разным аспектам разработки и внедрения ИИ-решений и уникальности проектов для каждой отдельной компании.

Более чем для 60% сотрудников развитие генеративного искусственного интеллекта станет скорее плюсом, поскольку позволит высвободить их время за счёт автоматизации рутинных задач, таких как сбор, ввод и первичная обработка данных, типовой документооборот, первичные коммуникации с клиентами, бухгалтерия и многие другие. Это сократит временные затраты и позволит сотрудникам сосредоточиться на более творческих задачах. Для России такие перспективы скорее привлекательны: с учётом прогнозируемого к 2030 г. дефицита кадров в средне- и высококвалифицированных областях, повышение производительности труда сотрудников позволит сгладить их потенциальную нехватку.

Комментирует

Наиболее востребованы продукты на основе технологий компьютерного зрения и распознавания и синтеза речи (78,7 и 62% ответов соответственно) (рис. 1). Активно применяются и рекомендательные системы на основе предиктивной аналитики и больших данных (40,7%), обеспечивающие функции прогнозирования развития ситуаций и поведения объектов, например, при обслуживании оборудования и транспортных средств. Чаще всего ИИ-решения оптимизируют управленческие задачи (продажи и маркетинг, финансовый и бухгалтерский учет), в меньшей степени — производственные процессы. Гораздо реже (около 10%) респонденты применяют интеллектуальные системы управления для автоматизации сложных процессов, которые трудно контролировать традиционными методами. Подобные системы — необходимый элемент цифровых фабрик (полностью распределенных производств), позволяющий гибко подстраивать производственные процессы под изменения спроса и внешних условий.

Институт статистических исследований и экономики знаний НИУ ВШЭ запустил мониторинг развития и распространения искусственного интеллекта (ИИ) в России. Полученные в ходе его первого раунда результаты дают представление о главных тенденциях и специфике использования данного направления технологий.

Данный материал ИСИЭЗ НИУ ВШЭ может быть воспроизведен (скопирован) или распространен в полном объеме только при получении предварительного согласия со стороны НИУ ВШЭ (обращаться issek@hse.ru). Допускается использование частей (фрагментов) материала при указании источника и активной ссылки на интернет-сайт ИСИЭЗ НИУ ВШЭ (issek.hse.ru), а также на авторов материала. Использование материала за пределами допустимых способов и с нарушением указанных условий приведет к нарушению авторских прав.

Яндекс — технологическая компания, которая создаёт инновационные продукты и сервисы на основе машинного обучения и нейронных сетей. Компания объединяет более 85 пользовательских сервисов. Основные бизнес-направления — поиск и портальные сервисы, электронная коммерция, сервисы объявлений, медиасервисы, сервисы онлайн-заказа такси и заказа еды, беспилотные автомобили. Яндекс также предлагает продукты для рекламодателей и владельцев бизнеса.

В рамках первого раунда мониторинга развития и распространения искусственного интеллекта (проведен в конце 2022 г. — начале 2023 г.) обследованы 2,3 тыс. организаций — пользователей решений на базе ИИ из восьми федеральных округов и 36 субъектов РФ. Главный массив респондентов представлен крупными (67,5%) и средними организациями (24,9%). В выборку вошли организации, относящиеся к 20 основным видам экономической деятельности, включая сельское хозяйство, добывающую и обрабатывающую промышленность, строительство, транспорт и логистику, обеспечение электроэнергией, сектор услуг (торговля, финансы, др.), социальную сферу (здравоохранение, высшее образование, др.).

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.

Что вы думаете относительно социальных последствий массового внедрения ИИ? Насколько оправданы опасения его противников, что ИИ лишит их работы, профессии? Иван Оселедец: Если ИИ сможет автоматизировать рутинные процессы в этом нет ничего плохого. Люди смогут сфокусироваться на более интересных и творческих вещах. Но пока не все так просто. Возьмем, программирование и написание кода. Уже было несколько случаев, когда нейросеть за 3 минуты писала код. Очень правдоподобно писала, но с такими хитрыми ошибками, что человек потом 3 часа искал этот несчастный баг. Если же учесть, что программистов сейчас не хватает во всем мире, рынок труда перегрет, то в том, что самый простой код будет писать ИИ нет ничего плохого. Как далеко мы сейчас находимся от того, что называют «общим искусственным интеллектом»? Он в принципе возможен? Иван Оселедец: На эту тему очень много спекуляций, но если бы год назад я сказал «вряд ли» или «надо подождать», то с появлением ChatGPT многое изменилось. Почему бы те вещи, которые он сейчас делает, не рассматривать как проявление общего искусственного интеллекта, который отвечает на многие вопросы лучше среднестатистического человека, решает разнообразные задачи, выполняет роль помощника. Что тут не соответствует понятию «общего искусственного интеллекта». Кейсы с использованием современного ИИ — это очень многозадачные истории и даже в некоторых случаях достаточно креативные. В этом смысле мы подошли очень близко к общему ИИ. Он неожиданно для многих появился в форме чат-бота, который обрастает различными модальностями, то есть, уже работает не только с текстом, но и с изображениями и видео. Можно считать, что мы уже живем в эпоху более или менее «общего ИИ». Человечество в каком-то смысле пересекло эту условную черту. Конечно, можно спорить относительно определения общего ИИ, но факт остается фактом, поведение современных больших языковых моделей принципиально отличается от того, что мы видели раньше и их действительно можно назвать прототипами общего ИИ. Каково на ваш взгляд сейчас место России в мировой ИИ-индустрии в науке о данных? Иван Оселедец: В области Data Science (науки о данных), думаю, мы входим в Топ 15-20 стран. Это достаточно легко измерить количеством публикаций на конференциях. Хотелось бы, конечно, больше так как в этом нет ничего сложного. Data Science наука достаточно своеобразная и нетипичная для нашей академической традиции, так как она не подразумевает каких-то глубоких фундаментальных исследований, а представляет собой набор быстрых и успешных рецептов, которые люди придумывают и используют. Если говорить с точки зрения развития прикладных технологий у нас все очень неплохо. Я обычно привожу как пример обработку медицинских изображений, где по многим показателям Москва находится в мировых лидерах. Тут опять все сводится к тому, что нужно правильно собрать данные и обучить модели, но тем не менее, такого внедрения этой технологии, как в Москве, нигде в мире практически нет. Сегодня каждая уважающая себя российская IT-компания или банк имеет у себя отдел, занимающийся машинным обучением. В «Сколтехе» есть свои научные группы, они работают, появляются новые, но я думаю, что нужно раза в четыре-пять больше научных групп, работающих в области ML (машинного обучения). В целом же ситуация с искусственным интеллектом в стране неплохая, туда вкладываются деньги, есть проекты, есть поддержка. Обучение больших нейросетевых моделей требует значительных вычислительных ресурсов. Насколько реально создавать суперкомпьютеры в текущих условиях в России? Что для этого нужно? Иван Оселедец: Санкционная история просто повышает стоимость вычислительных ресурсов и их доступность. Но при этом программное обеспечение, которым все пользуются, не очень эффективно. Сейчас вычислительный кластер достигает при стандартной методике обучения не более 50% от своей максимальной производительности. Если же, условно, приблизиться к 100%, можно в 2 раза ускорить обучение на том же самом «железе». Одной из важных задач является разработка новых эффективных вычислительных методов обучения нейросетей, которые позволят снизить время обучения и потребление электроэнергии. Мы ведем над этим активную работу. Ситуация с вычислительными мощностями она в везде не очень хорошая, а не только в России. На рынке графических чипов, необходимых для обучения нейросетей, есть фактический монополист — компания NVIDIA, и все в мире осознают это, как глобальную проблему. NVIDIA ушла так далеко вперед, что сейчас проще купить у них процессор, чем пытаться разрабатывать свой. Даже Google для своего последнего вычислительного кластера просто закупила у нее 26 тысяч графических карт, хотя у них есть свой специальный процессор для обучения нейросетей. Наличие такого монополиста не очень хорошо, но при этом надо понимать, сколько стоит разработка каких-то своих решений. Тут тоже есть варианты, что можно сделать, но это все средне- и долгосрочные перспективы. Пока же есть один путь — закупка графических карт и оптимизация алгоритмов. Нужно думать головой, а не просто механически увеличивать размер модели и объем железа необходимого для ее обучения. Пример с ChatGPT показал простую вещь. Можно не обучать модель на сто миллиардов параметров, а создать и обучить модель в несколько миллиардов параметров. Это сокращение сложности и требуемых для обучения мощностей и электроэнергии в десятки раз. При этом можно получить сравнимое качество модели за счет более оптимальных алгоритмов обучения и грамотно подобранных данных.

Об этом говорится в исследовании «Искусственный интеллект в России — 2023: тренды и перспективы», которое опубликовали «Яков и Партнёры» и Яндекс. Оно оценивает состояние рынка искусственного интеллекта в России и мире, потенциальный экономический эффект от внедрения технологии и выделяет ключевые тренды и области применения ИИ.

Собственные базовые модели генеративного искусственного интеллекта в мире разрабатывают около десяти стран, в том числе Россия, при этом наша страна занимает 7-е место в мире по уровню поддержки государством сферы разработки искусственного интеллекта. Подобный фокус не случаен — внедрение искусственного интеллекта будет иметь гораздо более широкие последствия для страны, чем непосредственно экономический эффект, в частности развитие искусственного интеллекта положительно повлияет на качество и продолжительность жизни, повысит качество образования, создаст новые рабочие места.

Открытие для компаний API российских генеративных нейросетей будет стимулировать бизнес внедрять технологию в пользовательские продукты и внутренние процессы. Быстрее всего мы увидим результат внедрения технологии в сферах ИТ, маркетинга и клиентского сервиса: например, ассистент написания кода на основе генеративного искусственного интеллекта может увеличить производительность разработчиков и избавить их от 10–15% рутинных задач, а благодаря генеративным подсказкам и суммаризации обращений сотрудники службы поддержки смогут обрабатывать запросы клиентов быстрее на 30–40%.

Данный выпуск начинает серию экспресс-информаций по итогам мониторинга. Также ИСИЭЗ НИУ ВШЭ готовит к публикации доклад «Разработчики и пользователи искусственного интеллекта в России», в котором будут отражены ключевые тенденции развития технологий ИИ, особенности их разработки и направления внедрения в различных отраслях экономики и социальной сферы страны.

«Яков и Партнёры» — международная консалтинговая компания со штаб-квартирой в Москве и представительствами в Дубае, Абу-Даби, Нью-Дели и Шанхае. Мы увлечённо работаем над задачами по стимулированию развития и трудимся плечом к плечу с лидерами различных отраслей промышленности и общественного сектора. Вместе с ними мы формируем поворотные моменты в истории отдельных компаний и общества в целом. Мы добиваемся устойчивых результатов, масштабы которых выходят далеко за пределы отдельных организаций.

Две трети (65%) обследованных организаций применяют ИИ пока в тестовом (экспериментальном) режиме, изучая и оценивая возможности новых решений для бизнеса. Примерно 3 /₄ респондентов используют ИИ совместно с другими цифровыми технологиями. В половине случаев речь идет о различных видах промышленного ПО, включая системы автоматизированного проектирования, управления процессами и др. Более четверти (27%) организаций применяют ИИ наряду с технологиями Интернета вещей, 38% — в связке с коммуникационными сервисами, обеспечивающими взаимодействие с клиентами и решение маркетинговых задач.

После первой волны визионерского восприятия и завышенных ожиданий к технологиям ИИ решения на их основе постепенно становятся неотъемлемым инструментом бизнеса и применяются практически во всех сферах деятельности — от мониторинга сельхозугодий и управления космическими аппаратами до помощи в написании научных работ и новостей СМИ. Растущий интерес, расширение потребительских предпочтений и демократизация данного направления технологий приводят к появлению новых рынков и продуктов на основе ИИ.