На что способен искусственный интеллект сегодня и каков его потенциал

Влияние пандемии на внедрение ИИ в бизнесе

Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.

Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.

«На данный момент перед исследователями ИИ стоят несколько вызовов. Это умение искусственного интеллекта ставить перед собой новые задачи на основе имеющихся знаний; способность обучаться, не забывая полученные знания; и умение учиться разбивать цель на подцели. Преодоление этих проблем приблизит ученых к созданию таких машин, которые смогут лучше понимать человека и помогать достижению все более амбициозных целей», — отмечает Михаил Бурцев, директор по фундаментальным исследованиям Института Искусственного Интеллекта AIRI, заведующий Лабораторией нейронных систем и глубинного обучения МФТИ.

AGI обучают так, чтобы системы искусственного интеллекта физически взаимодействовали с внешней средой и, помимо своих роботизированных возможностей, воспринимали мир так же, как люди. Существующие компьютерные технологии нуждаются в дальнейшем совершенствовании, прежде чем они смогут точно различать формы, цвета, вкусы, запахи и звуки так же точно, как это делают люди.

Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

Какие технологии лежат в основе исследований генеративного искусственного интеллекта?

Коннекционный (или эмерджентный) подход направлен на воспроизведение структуры человеческого мозга с помощью архитектуры нейронных сетей. Нейроны мозга могут изменять пути передачи, когда люди взаимодействуют с внешними раздражителями. Ученые надеются, что модели ИИ, использующие этот субсимвольный подход, смогут воспроизвести интеллект, подобный человеческому, и продемонстрировать когнитивные способности низкого уровня. Большие языковые модели являются примером ИИ, использующего коннекционный метод для понимания естественных языков.

Для достижения AGI требуется более широкий спектр технологий, данных и взаимосвязей, чем те, которые лежат в основе современных моделей ИИ. Творчество, восприятие, обучение и память необходимы для создания моделей ИИ, имитирующих сложное человеческое поведение. Эксперты в области ИИ предложили несколько методов проведения исследований AGI.

Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO₂.

Генеративный искусственный интеллект (генеративный ИИ) – это разновидность глубокого обучения, при которой система ИИ может создавать уникальный и реалистичный контент на основе полученных знаний. Модели генеративного ИИ обучаются на основе огромных наборов данных, что позволяет им отвечать на запросы людей в форме текстов, аудио или визуалов, которые, естественно, напоминают творения людей. Например, LLM от AI21 Labs, Anthropic, Cohere и Meta – это алгоритмы генеративного ИИ, которые организации могут использовать для решения сложных задач. Команды разработчиков программного обеспечения используют Amazon Bedrock для быстрого развертывания этих моделей в облаке без выделения серверов.

Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.

За прошедшие десятилетия исследователи искусственного интеллекта наметили несколько вех, которые улучшили машинный интеллект до такой степени, что при выполнении конкретных задач он имитирует человеческий. Например, в составлении точных и понятных конспектов при помощи ИИ используются модели машинного обучения (МО), помогающие извлечь важную информацию. Таким образом, искусственный интеллект – это дисциплина в области компьютерных наук, которая позволяет решать современные и сложные задачи с помощью программного обеспечения на уровне, свойственном человеку.

Все современные технологии искусственного интеллекта (AI) функционируют в рамках набора заранее определенных параметров. Например, модели ИИ, обученные распознаванию и генерации изображений, не могут создавать веб-сайты. AGI – это теоретическое стремление к разработке систем искусственного интеллекта, обладающих автономным самоконтролем, достаточной степенью самосознания и способностью осваивать новые навыки. Такие системы смогут решать сложные проблемы в условиях и контекстах, которым они не обучались во время создания. AGI с человеческими способностями остается теоретической концепцией и целью исследований.

Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.