ПоделитьсяИскусственный интеллект (ИИ) и нейросети плотно вошли в наш словарь и даже стали новыми символами эпохи. Так, «нейросеть» стало словом 2023 года в России по версии «Грамота.ру», его же выбрал британский словарь Collins English Dictionary. По данным поиска «Яндекса», с начала 2022 года интерес к нейросетям вырос более чем в 15 раз. Также опросы показывают, что нейросети используют для бизнеса уже более 70% российских компаний. Как и где эти технологии работают сегодня, рассказали участники круглого стола «Фонтанки».
Безграничное применение
Сферы, где уже нашел применение искусственный интеллект, многочисленны — от медицины до финансов, — и его влияние на нашу жизнь все сильнее. Как отметил Алексей Ушенин, управляющий отделением Сбербанка по Санкт-Петербургу, потенциал применения ИИ практически безграничен:
— В Сбере искусственный интеллект используется в большинстве бизнес-процессов и в работе с клиентами. Например, около 60% кредитов юрлицам выдаются без участия человека, и эта доля будет расти. Помимо оцифровки внутренних рабочих процессов мы много делаем для того, чтобы технологии внедрялись во все сферы экономики, чтобы они активно работали для людей, для бизнеса. Например, в 2023 году запустили сервис оплаты улыбкой: система анализирует черты лица покупателя, которые невозможно подделать. Теперь, забыв карту или смартфон, вы всё равно сможете сделать покупку в тех торговых точках, где стоят такие терминалы. Плюсы очевидны и для владельцев магазинов — вероятность, что покупатель уйдёт без покупки, становится ниже.
Спикер отметил, что региональный бизнес всё чаще задумывается о технологических изменениях. По статистике банка, с начала 2023 года более 1200 компаний СЗФО воспользовались цифровыми сервисами Сбера и его партнёров, и многие из них уже проходят цифровую трансформацию.
— Мы находим поддержку у правительств регионов Северо-Запада и строим эту работу по принципу интерактива: проводим дизайн-сессии, на которых командно разрабатываем решения по использованию технологий искусственного интеллекта в значимых отраслях — ЖКХ, строительстве, образовании, госуправлении, финансово-инвестиционной сфере. Мы провели такие дизайн-сессии уже в пяти регионах, включая Санкт-Петербург и Ленинградскую область, составили дорожные карты и будем по ним внедрять технологии в жизнь, — отметил Алексей Ушенин.
Активно ИИ применяется в тех областях, где нужно решать задачи, связанные с визуальным контролем и распознаванием, добавил Александр Жуков, директор по развитию компании «Формат кода». Это, в первую очередь, традиционные задачи автоматического вождения автомобилей, пилотирования БПЛА, системы помощи медицинским работникам, различные ассистенты для видеонаблюдения, отмечающие необычные объекты или явления в кадре, системы безопасности.
— Не обязательно компьютерное зрение работает в видимом диапазоне — это может быть рентген, ИК или радио, — уточнил эксперт. — Идет развитие визуальных систем в сторону распознавания не только объектов, но и поведения или событий, развивающихся в динамике. Например, системы учатся отличать выкатывание автомобиля с дороги под контролем водителя от аварийного или спокойный перекур друзей в темном переулке от напряженной дискуссии с криминальным развитием — это задачи, связанные с «пониманием» и генерацией текстов и голосов.
Также появляются проекты ИИ-ассистентов (в большинстве случаев чатботов), которые могут решать задачи поиска или предоставления информации на базе очень большого количества источников. Кроме того, ИИ позволяет людям, которые заняты рутинной работой, связанной с информацией, использовать собственный мозг и креативность по назначению — придумывать что-то новое, а не растрачивать его на различные «дежурства», «оформления», кручение руля и тому подобные задачи.
Свои нейросети
Разумеется, всем интересно, как обстоят дела с нейросетями, разработанными в России. По словам Александра Жукова, если говорить о крупных поставщиках («Яндекс», Сбер), особенности наших сетей объясняются в первую очередь теми материалами, на которых обучали систему.
— Отечественные сети лучше владеют русским языком и не несут в себе догмы чужой культуры «из коробки», — пояснил он. — Пока заметен дефицит инфраструктуры: получить доступ к российским технологиям сложнее, чем к ChatGPT или Midjourney. Но надо заметить также, что распространено использование до-обученных западных моделей в локальном варианте или развернутых в облаке. Здесь сложно сказать, российские они или нет, потому что, с одной стороны, они содержат предобученную модель, а с другой — к ним прикладывают руку наши разработчики.
— Сегодня нейросетевая модель Сбера GigaChat лидирует в знаниях о финансах, активно осваивает медицину и юриспруденцию, умеет генерировать код, учится писать стихи и многое другое, — рассказал Алексей Ушенин. — У нее уже 2,5 миллиона пользователей. А генеративная нейросеть Сбера Kandinsky 3.0 способна делать не только статичные изображения, но и видео. В прошлом году с ее помощью более 12 млн человек создали 200 млн изображений.
По словам эксперта, эта нейросеть стала лидером в мире по темпу роста аудитории разработчиков и вошла в топ после Stable Diffusion среди генеративных opensource-моделей. Kandinsky понимает более ста языков, создаёт фотореалистичные изображения в разных стилях и любом количестве, что открывает широкие возможности для творческого применения. Например, недавно Сбер совместно с властями Петербурга запустил молодёжный проект «СделAI лучше» по созданию социальной рекламы с применением своей нейросети. Студенты попробуют себя в генерации рекламных плакатов на социальные темы, а лучшие из результатов будут демонстрировать в городе. Перед этими участники могут пройти бесплатное обучение от СберУниверситета по программе «Генеративное искусство».
Нейросеть и человек
Развитие технологий уже породило страх, что сотрудники ряда отраслей со временем станут не нужны. Однако это развитие порождает новые задачи и рабочие места — например, нейросетям тоже нужны «учителя». По словам Алексея Ушенина, AI-технологии не делают человека ненужным, но меняют его роль.
— Люди понадобятся, чтобы развивать эти системы и ставить для них задачи, — говорит он. — Человек освободится от рутинной работы, но будет занят изучением системы, пониманием ее работы, продолжением ее обучения и непосредственно творчеством с ее помощью. Искусственный интеллект будет не вместо человека, а вместе с ним.
Александр Жуков считает, что ИИ упростит управление механизмами, задачи оформления и анализа информации — в опасности, соответственно, окажутся специальности, связанные с этими сферами: те, кто управляет механизмами, те, кто называются «клерками», а также какая-то часть охраны и наблюдения. При этом ИИ не способен принимать решения, брать на себя риски, проявлять эмпатию, разбираться в нетиповых ситуациях, а также творить и изобретать. В этой части людям пока ничего не грозит.
— Мне очень не нравится формулировка «бояться» нейросетей. На мой взгляд, сотрудник, которого может полноценно заменить нейросеть, занят такой рутиной, что я бы боялся дальше оставаться на этой роли, — продолжил Жуков. — Лучше стихи писать или биохимию вперед двигать! От такой замены людей на роботов индустрия и общество только выиграют. Я несколько утрирую ситуацию — понятно, что процесс растянется и потребует адаптации. Но в большинстве случаев шаг человека вперед по лестнице прогресса — это последствие толчка сзади. Мы же не видим нигде представителей профессий собирателей или фонарщиков, да и гребцы драккаров больше не нужны. Такой же толчок для нашего поколения уже дает ИИ.
Что касается обучения нейросетей, то есть до-обучение и адаптация, которая доступна для большинства разработчиков даже на домашнем оборудовании, продолжил эксперт. Обучение же с нуля, особенно с использованием технологии RLHF (с обратной связью от живых людей), требует огромного количества технических ресурсов, создания специального инструментария и привлечения множества участников. По его словам, в этом процессе и инструментах состоит изрядная доля технологического лидерства тех компаний, которые могут провести такое обучение и выпустить новую модель.
Доля правды
Еще одна острая проблема эпохи развития нейросетей — вопрос подлинности информации, ошибок искусственного интеллекта, борьба достоверности и фейков. Как отметил Александр Жуков, информацию (и потенциальные фейки) порождают так называемые генеративные модели, а они далеко не исчерпывают область ИИ. Многие системы просто «делают свое дело»: выделяют факты или анализируют обстановку, рулят или занимаются целеуказанием. У них нет пространства для творческой генерации фейков.
Что же касается генеративных моделей, то эксперт разделил причины возникновения ложной информации, сгенерированной нейросетями, на три класса.
— Первое — массив данных, на которых училась нейросеть, в большинстве содержал ложные утверждения, — пояснил он. — Модель не видит мира, она видит только тексты и «верит» им. Именно поэтому для ограничения распространения странных высказываний так важно развивать российские технологии с нуля. Второе — так называемые галлюцинации. Если сеть не знает ответа, она может начать строить фразы, которые выглядят логически связанными, но порождающими ложные факты, которые человечеству неизвестны (у всех же был такой одноклассник, который на уроке истории невыученное домашнее задание так отвечал?) Иногда этот нарратив кажется революционным открытием, но обычно в основе лежит ложный факт.
И третье — спланированные организационно-технические мероприятия, когда в соцсетях орудует армия ИИ-ботов с определенными целями.
По словам Жукова, первый и второй случаи — скорее, технические проблемы. Они успешно решаются до-обучением, переобучением, или предоставлением модели дополнительной информации. Третий требует собственных технологий противодействия фейкам, а иногда «полного отключения от мозга граждан» источников с несимметричной подачей информации — средствами Роскомнадзора.
Будущее в будущем
Самое интересное в будущем ИИ, по мнению Александра Жукова, сейчас лежит в двух сферах. Первая — это мультимодальность и AGI. Это решения, которые позволяют получать и обрабатывать информацию из различных источников. Такая система сможет оценивать текстовое описание, сравнивая его с реальными фактами. В этом смысле AGI должен стать более объективным, чем человек, который в силу когнитивных ограничений вынужден базироваться на доверии каким-то личностям или группам, формируя базу для пропаганды, мифических верований и долгожительства ложных теорий. Однако вопрос, к чему приведет такая объективность ИИ — на фоне отсутствия эмоций и эмпатии.
— Более широкое применение генеративных моделей есть в реальном бизнесе, — говорит Жуков. — В большой степени проблема лежит в избавлении от галлюцинаций искусственного интеллекта. Они сейчас мешают верить фактическим выводам моделей, потому что не всегда понятно, где сеть базируется на известных ей текстах (и тут еще встает вопрос доверия самим текстам), а где она «придумывает» факты и нарративы. Чтобы избежать этой проблематики, появились так называемые RAG-приложения, в которых языковые модели служат не источником знаний, а только «говорящей головой», которую снабжают фактами. К примеру, мы сейчас акцентируемся именно в этой области и видим большие перспективы таких решений в импортозамещении западных финансовых и аналитических систем.
