Искусственный интеллект (ИИ) определяется как «новое электричество», подчёркивая его универсальность и потенциал, сравнимый с революционным влиянием электричества на общество. ИИ имеет бесчисленные применения и способен преобразовать множество аспектов нашей жизни.
Два ключевых инструмента ИИ
Выделяются два основных инструмента ИИ: обучение с учителем и генеративный ИИ.
Обучение с учителем отлично подходит для маркировки данных и вычисления соотношений между входными и выходными данными. Примеры его применения включают рекламу в интернете, автопилот, оптимизацию маршрутов кораблей, автоматизированный визуальный контроль и мониторинг репутации. Рабочий процесс включает сбор помеченных данных, обучение модели и её развертывание в облачном сервисе. Масштабирование – ключевой момент: обучение больших моделей на огромных объёмах данных значительно улучшает производительность.
Генеративный ИИ – относительно новая разработка, способная генерировать новый контент (текст, изображения, музыку). В основе лежит обучение с учителем, используемое для многократного предсказания следующего слова в последовательности. Обучение на огромных объёмах текстовых данных позволяет создавать мощные большие языковые модели. Фундаментальным является принцип предсказания следующего слова.
Преимущества генеративного ИИ для разработчиков
Генеративный ИИ значительно ускоряет разработку приложений. Задачи, ранее занимавшие месяцы, теперь могут быть выполнены за недели или дни. Это открывает возможности для создания большего количества приложений большим количеством людей.
Будущее ИИ
Прогноз развития ИИ на ближайшие 3 года: обучение с учителем сохранит свою значимость, а генеративный ИИ продемонстрирует экспоненциальный рост. Однако многие проекты, основанные на ИИ, потерпят неудачу из-за простоты и лёгкой воспроизводимости. Важно создавать сложные и интересные приложения, способные создавать устойчивую ценность.
Ключевые тенденции в развитии ИИ
Выделяются две важные тенденции: ИИ как технология общего назначения, где большая часть работы заключается в поиске и реализации вариантов использования; и локальные инструменты без кода/с малым количеством кода, упрощающие настройку и внедрение ИИ в различных отраслях.
Создание успешных стартапов в области ИИ
Успешное создание стартапов в области ИИ требует: конкретной идеи, быстрой проверки и реализации; партнёрств с экспертами в предметной области; и быстрого прототипирования MVP. Пример успешного стартапа — система для оптимизации потребления топлива на судах.
Риски и социальное воздействие ИИ
Существуют проблемы с точностью, предвзятостью и справедливостью в современных системах ИИ. Быстрое совершенствование технологий и рост числа специалистов работают над решением этих проблем. Одним из самых больших рисков является изменение рынка труда, затрагивающее как низкооплачиваемые, так и высокооплачиваемые должности. Важно обеспечить социальную защиту людей, теряющих работу из-за автоматизации. Создание «сильного ИИ» находится на расстоянии нескольких десятилетий, а сценарий «жёсткого взлёта» маловероятен. Быстрое развитие ИИ рассматривается как ключевой инструмент для решения глобальных проблем.
ИИ обладает огромным потенциалом как технология общего назначения. Необходима активная работа по реализации его возможностей, при условии ответственного и этичного подхода к развитию и внедрению.