Следующий шаг искусственного интеллекта – выход в физический мир, считают в Сбере

Искусственный интеллект, базирующийся на больших языковых моделях (Large Language Model) и машинном обучении, в публичном поле появился всего два с половиной года назад, но за короткое время успел стать сквозной технологией, оказывающей огромное влияние на развитие экономики и формирование новых рынков.

«Вы можете быть максимально прикладными и максимально интересными для рынка труда, можете быть максимально востребованы на рынке труда с хорошей зарплатой и хорошими перспективами, – отметил Александр Ведяхин. – Вам будет интересно работать – это огромное счастье, когда работать интересно. Вы можете решать интересные задачи, которые будут вас драйвить, вместе с интересными людьми и зарабатывать хорошие деньги».

Другой тренд – постоянно растущая скорость выхода новых AI-релизов. Период от появления идеи до ее внедрения сегодня сократился до нескольких месяцев, а раньше это занимало годы. Новые релизы AI-моделей выходят раз в неделю, а то и раз в три дня. И модели становятся все более умными — тест Тьюринга уже давно пройден. При этом гонка за искусственным интеллектом сосредоточена прежде всего в трех странах: США, Китае и России. Учитывая, что затраты на обучение новых моделей порой измеряются миллиардами долларов, делать это могут единицы компаний, и среди них две российские – Сбер и «Яндекс».

Александр Ведяхин рассказал о перспективах дальнейшего развития искусственного интеллекта. Он особо отметил инсайты, которые модель Сбера GigaChat и другие LLM-модели могут дать менеджерам для решения различных управленческих задач. Генеративный AI помогает получать новые инсайты и дизайнерам – для этого есть нейросеть Сбера Kandinsky. А для инженеров сейчас открываются огромные перспективы сократить время, которое проходит от дизайна до технологической документации какого-либо изделия или устройства. Сейчас это занимает год-полтора, а можно уложиться в 10 дней. Искусственный интеллект позволяет проходить инженерно-дизайнерский цикл очень быстро.

«Искусственный интеллект – технология для любого бизнеса, – подчеркнул Александр Ведяхин. – Если в компании не используют AI, идти работать туда не надо. Это все равно, что они не пользуются компьютерами. Там будут гораздо меньше зарабатывать, и у вас будет гораздо меньше перспектив. Если компания использует искусственный интеллект, туда надо обязательно идти».

Также сегодня в ВГТУ выступают и другие специалисты в сфере AI. Они рассказывают о работе генеративного искусственного интеллекта, мультимодальных моделях, использовании AI для развития мягких навыков, регионального телевещания и анимационного производства, эмоциональном искусственном интеллекте, основах промпт-инжиниринга, применении LLM в реальных бизнес-кейсах и для организации перевода на русский жестовый язык.

Точное определение AGI еще не сложилось, но большинство экспертов определяет его, как ИИ, который соответствует или превосходит человеческие возможности в широком спектре когнитивных задач. Именно это, по мнению директора управления экспериментальных систем машинного обучения SberDevices Сергея Маркова, отличает AGI от существующих сегодня нейросетевых моделей. «Пчела найдет оптимальный маршрут в улей быстрее и лучше, чем это сделал бы человек, хотя в ее нервной системе несколько сотен тысяч нейронов, а у человека восемьдесят шесть миллиардов. Шахматная программа или даже калькулятор в решении конкретной задачи тоже превосходит человека. Уже сегодня можем сейчас взять почти любую простою задачу и сделать систему, которая будет лучше человека в ее решении. А вот AGI или общий искусственный интеллект — это универсальная система, которая сможет решать неизвестные ей ранее задачи. Сила человеческого интеллекта именно в том, что мы умеем решать задачи, с которыми ранее не сталкивались. И к созданию таких систем мы сейчас только приближаемся» , — отметил Марков в своем выступлении на конференции Turbo ML Conf.

Сегодня рынок искусственного интеллекта является самым быстрорастущим в мире. Согласно прогнозам исследовательской компании Statista, c 2024 по 2030 год мировой рынок ИИ будет расти со скоростью 28,46% в год. А по мнению заместителя председателя правительства Российской Федерации Дмитрия Чернышенко, экономический эффект от внедрения искусственного интеллекта увеличит ВВП России к 2030 году на 11 трлн руб.

Эксперты из института Epoch AI проанализировали все прогнозы профессиональных исследователей относительно того, когда человечество создаст AGI. Вероятность создания общего искусственного интеллекта к 2030 году оценивается ими в среднем в 25%, к 2050 году в 57%, к 2100 году в 88%.

Как отметил Александр Ведяхин, лекцию на эту тему он уже читал в Волгограде весной прошлого года, однако с тех пор многое в искусственном интеллекте изменилось. Во-первых, в эту сферу по всему миру стали вкладывать намного больше денег – прежде всего в людей, а также в железо, на котором обучаются все более сложные AI-модели. Ожидаемый объем рынка к 2030 году – свыше 2 трлн долл.

Он также отметил важность мягких навыков – таких, как аналитическое и креативное мышление, инженерный подход, устойчивость, гибкость, принятие решений, мотивация, самоосознанность, обучение на протяжении всей жизни, лидерство, коллаборация, управление проектами. Все они дают дополнительные перспективы в карьере и жизни. И спрос на такие навыки продолжит расти, в том числе в AI-сфере.

Следующий шаг искусственного интеллекта (AI) – выход в физический мир. Об этом Александр Ведяхин, первый заместитель председателя правления Сбербанка, рассказал во время своей лекции «Новые горизонты с AI» в Волгоградском государственном техническом университете. Эта лекция для студентов стала первой в этом году в цикле регулярных образовательных мероприятий по AI, приуроченных к ежегодной международной конференции «Путешествие в мир искусственного интеллекта» (AI Journey).

При этом руководитель научных исследований обработки естественного языка в лаборатории T-Bank AI Research Даниил Гаврилов считает, что общий ИИ появится раньше. Он отметил, что и аналитики, и разработчики, делая прогноз в 2021 году относительно качества нейросетевых моделей к 2022 году, ошиблись более чем в два раза, причем, в меньшую сторону. «Нам очень тяжело думать об экспоненциальном росте, а именно так сейчас развиваются большие языковые модели. Такая скорость тяжело укладывается в голове, поэтому те предсказания, которые мы слышали оказались более пессимистичны, чем реальность. Если экстраполировать текущую скорость развития ИИ, то уже к 2027 году мы получим, если не полноценный AGI, то что-то качественно иное относительно того, что мы имеем сейчас», — считает Гаврилов. Согласно данным Epoch AI, сегодня существуют несколько разнонаправленных трендов, которые будут влиять на скорость развития ИИ в ближайшие годы. Так производительность «железа», которое требуется обучения и работы нейросетей, удваивается каждые 2,3 года. А переход на новые (FP16) тензорные ядра в графических процессорах NVIDIA привел к одномоментному 10-кратному росту производительности. Объем вычислений, используемых для обучения нейросетевых моделей, с 2010 по 2024 ежегодно увеличивался в 4-5 раз. Такой рост наблюдается в новых больших языковых моделях (LLM) всех ведущих компаний. Алгоритмический прогресс в производительности LLM происходит со скоростью эквивалентной удвоению вычислительной мощности каждые 5-14 месяцев. То есть ИИ-алгоритмы становятся более совершенными и производительными. Среди негативных факторов, тормозящих развитие ИИ, эксперты Epoch AI отметили рост стоимость LLM. За последние восемь лет стоимость обучения новейших ИИ-моделей росла в 2-3 раза в год, а к 2027 году стоимость крупных LLM превысит миллиард долларов. Также сдерживающим фактором является дефицит данных для обучения искусственного интеллекта. Запас публичных текстов, созданных человечеством, оценивается примерно в 300 триллионов токенов. Если актуальные тенденции сохранятся, то языковые модели полностью используют этот запас между 2025 и 2032 годами (под токенами подразумевается последовательность текстовых символов — слов или отдельных знаков — ред.). В дальнейшем для дальнейшего обучения нейросетевых моделей потребуется использовать синтетические данные, то есть сгенерированные ИИ. Таким образом искусственный интеллект начнет обучать себя сам, но как это отразится на качестве и характере обучения пока неизвестно. В любом случае аналитики считают, что 2027-2030 года станут рубежом, когда станет ясно, насколько человечество приблизилось к созданию общего искусственного интеллекта. Среди экспертного сообщества нет сомнений, что создание AGI вызовет мощные технологические, экономические и социальные изменения в обществе.