Как подчеркнули участники дискуссии «Сумма технологий искусственного интеллекта. Тренды и вызовы», состоявшейся в рамках конференции ЦИПР, важно уметь отделять хайп, порождаемый технологиями ИИ, от практической пользы, которую они несут бизнесу и конкретным людям. В ходе обсуждения приглашенные эксперты высказались о наиболее перспективных направлениях развития ИИ и сдерживающих их факторах.

Игорь Калганов, генеральный директор Т1, поделился ожиданиями от технологической революции, эффект которой для большинства станет полной неожиданностью. Мы все привыкли к линейному росту производительности систем, но увеличение скорости моделей ИИ на несколько порядков обеспечит принципиально новые возможности.

«Транзистору исполнилось 75 лет, и за все это время он лишь сильно уменьшался в размерах. Если проводить аналогию с промышленной революцией, сейчас мы до сих пор пытаемся запрягать в повозку все больше лошадей», – утверждает Калганов. Главный фактор, способный изменить рынок, кроется в появлении альтернативных архитектур процессоров, заточенных под работу нейросетей. Они дадут не просто кратный прирост скорости, а увеличат ее на 4-5 порядков. В этот момент произойдет резкий скачок эффективности генеративных нейросетей, по своей значимости аналогичный появлению в промышленности двигателя внутреннего сгорания. Это снимет все физические ограничения, возникающие при попытках расчетов на традиционных процессорах, и последствия предсказать очень трудно. В этот момент обрушится вся криптография, появятся настоящие метавселенные и цифровые двойники, не отличимые от оригиналов. Изменения будут гораздо выше, чем от появления в нашей жизни смартфонов. А появление нейроинтерфейсов станет новым способом коммуникаций между машиной и человеком. Если человеческий мозг представляет собой нейросеть, то логичным выглядит наличие приемо-передающего устройства в нем.

На пути к персональной эффективности

Александр Крайнов, директор по развитию технологий ИИ «Яндекса», видит ближайшие перспективы развития в больших генеративных нейросетях, причем не текстовых, а мультимодальных, позволяющих создавать совершенно новые формы контента. Этот технологический тренд бурно развивается, и близок к «пику завышенных ожиданий» на кривой Gartner.

«Происходит принципиальное изменение, на которое мало кто обращает внимание. До сих пор мы были лишь пользователями продуктов ИИ, на нашу работу это никак не влияло. Сейчас речь идет об инструментах, повышающих эффективность конкретного человека», – подчеркнул Крайнов. Очень скоро не пользоваться генеративными сетями станет невозможно. Это не просто интересно и удобно, но и становится персональным конкурентным преимуществом человека. Из-за этого можно ожидать совершенно другое качество роста внимания к технологиям и стремления в них разобраться.

«Личная эффективность будет определяться персональным помощником в кармане, который может выполнять любое задание, которое хозяин готов ему делегировать, – и рабочее, и личное – не хуже живого человека», – согласился Владимир Авербах, старший управляющий директор управления национального развития AI Сбербанка. Конечно, для этого используемой модели ИИ придется хорошо разбираться в контексте – жизненной ситуации, в которой находится человек. Сочетание персонализации, скорости и возможности взаимодействия с другими цифровыми помощниками и людьми выведет эту технологию на новый уровень. Возможно мы очень быстро перейдем от больших генеративных моделей к каким-то другим, суть которых предсказать довольно трудно.

«ИИ сейчас применяется в подавляющем большинстве случаев крупными компаниями. Но виден тренд, что инструменты разработки уже становятся достаточно удобными и адаптируются небольшими компаниями для решения своих узких задач, порог входа в ИИ значительно снизился», – отметил Евгений Бурнаев, директор центра прикладного ИИ «Сколтех». Это действительно первый шаг к тому, что скоро у каждого в смартфоне будут персональные помощники. Но на пути к этому есть некоторые угрозы, в том числе попадание в ловушку карго-культа с элементами шоу. Важно не идти на поводу у хайпа и выбирать из доступных технологий действительно нужную и полезную. Например, в ближайшее время начнется использование генеративных моделей в производственных приложениях. уже известно про создание с помощью ИИ новых молекул, и подобная практика будет нарастать.

«Хайп, который создала OpenAI со своей ChatGPT, не позволяет молчать о генеративных сетях. Безусловно, эта технология будет востребованной и найдет свое место в истории, но пока она относятся скорее к области развлечения, чем серьезного использования», – сказал Сергей Голицын, заместитель руководителя департамента анализа данных и моделирования ВТБ. Однако их массовое применение окажет заметное влияние на экономику. Это может стать очень большим направлением в материаловедении и синтезе новых материалов.

Второй тренд, упомянутый Голицыным, был по-банковски консервативным – объединение данных из нескольких источников (data fusion). Направления, которые в него заложены, в том числе создание доверенных сред и безопасное объединение данных, будут еще долго двигать бизнес вперед.

Физика в помощь нейросетям

«Важно представить компанию как тысячи ежедневно принимаемых решений, основанных на данных, и максимально делегировать полномочия информационным системам. Для этого далеко не всегда нужны нейросети», – подчеркнул Василий Номоконов, исполнительный директор СИБУР. В России много энтузиазма относительно возможностей ИИ, но многие забывают о том, что наша средняя производительность труда по экономике до сих пор вдвое ниже, чем у стран-лидеров. Даже простыми управленческими инструментами, придуманными полвека назад, можно радикально повысить результаты компаний. ИИ сейчас помогает лишь в некоторых нишах и всего на несколько процентов, поэтому энтузиазм надо соразмерять с поставленными целями.

«На практике получается, что у нас сразу возникает желание заменить человека, принимающего решения на основе своего опыта и понимания природы процессов, на компьютер, обучившийся на больших объемах данных. Мы начинаем выстраивать алгоритм и все больше доверять ему, и как следствие – меньше доверять человеку», – признал Номоконов.

«В «Газпроме» создано несколько сотен серьезных нейросетевых приложений, и мы собрали статистику. Совершенно очевидно: чем более бизнес-критичным является приложение и чем большую ценность приносит, тем меньше находится в зоне лексических моделей и больше – в технической области», – отметил Николай Кисленко, начальник департамента «Газпрома». Многие шутки ради заставляли ChatGPT и подобные системы решать технические задачи. Некоторые системы честно отказывались это делать, но большинство пытались работать и выдавали совершенно некорректные результаты.

Кисленко выразил уверенность, что традиционное противопоставление человеческого знания физики и возможностей нейросетей может привести к синергии. Нейросети хороши в интерполяции, обучившись на имеющихся данных, но очень слабы в экстраполяции, не зная физики. Именно поэтому одним из весьма перспективных направлений становится оптимизация процессов, которую можно проводить на так называемых физически-информированных нейронных сетях. Это новая архитектура, когда нейросеть обучается не на основе данных по принципу «вход-выход», а «пониманию» самой физической функции. С помощью этой технологии в «Газпроме» смогли решить нерешаемую ранее задачу по оптимизации Единой системы газоснабжения (ЕСГ) с 25 тыс. элементов нелинейных физико-химических превращений. Их невозможно посчитать «в лоб» с помощью физики, а с помощью нейросетей, информированных о физических процессах, эта задача была решена.

По мнению Кисленко, следующим шагом должны стать квантовые нейронные операторы, которые позволяют системе обучаться не на конкретной функции, а на всей выборке возможных функций. Именно это дает возможность добиться прогностического эффекта за пределами обучающей выборки. Переход на использование нейронных операторов позволит создать цифровые двойники объектов ЕСГ, обеспечив оптимизацию системы.