Об эксперте: Армен Бекларян, доцент Высшей школы бизнеса НИУ ВШЭ, академический руководитель программы «Бизнес-аналитика и системы больших данных».
Грядет новая технологическая революция, которая перевернет экономику. Она связана с беспрецедентным развитием генеративного искусственного интеллекта (ИИ). Эта революция станет самой стремительной в истории человечества. Специалисты Bloomberg Intelligence прогнозируют рост рынка генеративного ИИ на 42% в год в течение следующих десяти лет. Технология станет более важной частью расходов на IT, рекламу и кибербезопасность.
Эксперты компании в области кибербезопасности Imperva говорят о переходе к «ботоцентричной» экономике: в 2022 году на ботов пришлось 47,4% мирового интернет-трафика, при этом доля «умных» ботов выросла в два раза по сравнению с 2021 годом.
Бот — это автоматизированное программное приложение, выполняющее повторяющиеся задачи по сети. Он следует специальным инструкциям, чтобы имитировать поведение человека, но действует более быстро и точно.
Для осознания происходящих процессов крайне важно понимать, что представляет из себя генеративный ИИ. Это технологии искусственного интеллекта, которые не просто решают какую-то отдельно взятую задачу, а уже могут «творить» — генерировать, например, текст, картинку или видео. Другими словами, создавать «продукт творчества», который раньше мы считали прерогативой человека. Как результат, в марте 2023 года в рамках конкурса фотографий World Photography Organisation победитель Борис Эльдагсен признался, что сгенерировал изображение при помощи нейросети DALL-E. На конкурсе Colorado State Fair в 2022 году победила картина Théâtre D'opéra Spatial, созданная искусственным интеллектом, а студент РГГУ Александр Жадан успешно в 2023-м защитил свою выпускную работу, написанную ChatGPT (конечно, с редактурой и стилистическими правками, но тем не менее), став дипломированным специалистом.
Как случился прорыв искусственного интеллекта
Почему вдруг именно сегодня случился такой бум, когда в течение года мы получаем несколько обновленных версий сложных нейросетей, появляется большое количество разнообразных движков, решающих широкий спектр творческих задач? Дело в том, что последние 40 лет готовились технологии для того, чтобы произошла революция 2018 года — выход новой архитектуры глубоких нейронных сетей, так называемого трансформера. Правда, тогда она произошла только среди «технарей». А широкая публика узнала о ней лишь в 2022 году после релиза первой публичной версии ChatGPT, который построен именно на этой архитектуре.
Посмотрим, как сформировалась основа сегодняшних успехов в области ИИ. Сначала создавались реляционные (табличные, на простом языке) базы данных с вполне утилитарной задачей — хранить данные организации. Тут важно отметить, что именно данные являются залогом успеха технологии ИИ. На самом деле обучение машин — это не что иное, как загрузка в сложные алгоритмы гигантского объема информации, по сути примеров из реальной жизни, на базе которых и происходит «познание» человеческого мира «железками». Чуть позже уже с целью передачи данных зародились первые веб-сервисы. Затем возникли более тяжелые формы хранения информации — хранилища данных, «озера» данных (например, как у компании «Тинькофф») или даже «умные озера» данных (как в случае «Газпром нефти»), а позже — облачное хранение, сервисы и инфраструктура. Дальше появился тренд на перенос всех сервисов и услуг в онлайн, что вызвало развитие мобильных технологий. Следующим шагом стали пограничные вычисления (edge-вычисления) и real-time-аналитика. Именно они своим аккумулированием большей части мировой информации заложили основу для ключевого прорыва в обучении моделей ИИ — переход к синтетическим данным.
Экономика будущего
Ведущая роль — у синтетических данных
Экономика будущего будет построена на синтетических данных.
Это класс данных, которые генерируются искусственно, а не получаются из прямых наблюдений за реальным миром. Некоторые данные собрать проблематично или вообще невозможно, но при этом имеющийся небольшой набор реальных данных можно использовать для создания новых — по их образу и подобию.
Появляется возможность генерировать синтетические данные — это новая ступень в развитии многих отраслей, в частности медицины. Например, используя данные реальных пациентов и алгоритмы генерации синтетических данных, больницы создают как бы «искусственных» пациентов, на которых проводятся тестирования новых методов лечения и медикаментов, не ставя под угрозу жизнь реальных людей.
По прогнозам Gartner, к 2030 году синтетические данные полностью заменят реальные данные в моделях ИИ. Замена даже небольшой части реальных обучающих данных синтетическими позволит еще больше ускорить и упростить предварительное обучение моделей ИИ всех масштабов.
Большие языковые модели продолжат развиваться
Отдельно стоит обратить внимание на то, как развивалось понимание машиной текстовой информации. На какие вопросы нам бы хотелось, чтобы отвечал алгоритм.
Поначалу это были банальные вопросы с ответами по типу «да» или «нет» — это спам или нормальное сообщение в электронной почте. Далее человек захотел ответы на более сложные вопросы: «Какая коннотация у этого комментария насчет моей услуги — это негативный отзыв, позитивный или нейтральный?» Здесь стоит уже более сложная задача анализа тональности. Сегодня мы хотим, чтобы машина сама писала полноценный связный текст или переводила с одного языка на другой.
Перечень актуальных задач вы можете продолжить сами в контексте того, о чем бы вам хотелось спросить машину. Этот класс моделей называют «большие языковые модели» (Large Language Models, LLM). С 2019 года бигтехкомпании и стартапы очень много инвестируют в LLM.
Революционным на этом пути стало событие (явление), когда большие языковые модели самостоятельно обрели новые способности, которым их не обучали разработчики. Сначала LLM-модели на базе 8 млрд параметров научились отвечать на простые вопросы и решать примитивные арифметические задачи. Потом при росте параметров до 64 млрд языковые модели «стали стремиться» не решать задачу, а понимать семантику текста. Как следствие, «приняли решение» научиться отвечать на вопросы, которым их не учили.
Разработчики, конечно, пошли дальше и задались вопросом: есть ли у этой технологии предел, если увеличивать количество параметров? В итоге в 2019–2020 годах LLM превзошли человека в самых сложных тестах на понимание естественного языка. Сотни миллиардов параметров — это четвертая версия чат-бота ChatGPT. В ближайшем будущем ожидается релиз пятого ChatGPT уже с несколькими триллионами параметров. Пока ученые не увидели пределов этого подхода — модель решает все более разнообразные и сложные задачи. В России генеративный ИИ на базе LLM активно развивают «Яндекс» и «Сбер». Также в ближайшей перспективе ожидается появление коробочных решений на основе ИИ для корпоративного использования — Enterprise AI.
ИИ заполнит рынок труда
Вторая волна генеративного ИИ, зафиксированная в мае 2023 года, активно и стремительно меняет рынок труда. По опросам компании Microsoft в рамках формирования индекса рабочих тенденций, 82% руководителей ожидают, что сотрудникам понадобятся новые навыки в грядущую эпоху, которые позволят человеку максимально эффективно взаимодействовать с ИИ. Более того, возникают новые профессии, такие как ИИ-художник и промт-инженер.
Показателен пример нового рекламного ролика компании Coca-Cola. Он создан при активном участии технологий искусственного интеллекта, которые решали такие задачи, как расположение камер, света, написание части сценария, монтаж, компьютерная графика, постпродакшен.
Современная эпоха маркетинга подразумевает от человека лишь следование рекомендациям машины, все остальное, включая сценарий, съемку, озвучку и финальный монтаж, будет сделано машиной. Согласно Gartner, уже в 2024 году 95% работников будут использовать ИИ в ежедневной деятельности.
Позитивный взгляд на такие изменения апеллирует к тому, что ИИ-технологии позволят выполнять высококачественную работу быстрее, правильнее распределять человеческие ресурсы. В то же время набирает силу и негативная волна: люди беспокоятся, что ИИ отнимет у них заработок. Например, в Китае количество рабочих мест иллюстраторов сократилось на 70% из-за распространения генеративного ИИ. Очевидно, что и все профессии, смежные с разработкой программного обеспечения, которые являются ключевым фокусом стартапов, окажутся в зоне солидной трансформации. По прогнозам экспертов журнала, издаваемого Институтом инженеров электротехники и электроники IEEE Spectrum, разработчику через десять лет не обязательно будет изучать язык программирования — достаточно будет понимать семантику, концепцию и логические последовательности компьютерной программы.
Уже сейчас применяются технологии, в которых сказанная голосом команда переводится машиной в программный код, регулирующий действия робота. Code as Policies (CaP) — открытая инициатива от Google Robotics, позволяет генерировать программные инструкции для физических роботов в реальном времени. Пользователь задает цель для робота на естественном языке, CaP в реальном времени генерирует Phyton-код для робота. Примечательно, что пользователем может выступать не только человек, но и робот. Однако такая гибкость повышает потенциальные риски: программы могут, причем абсолютно непреднамеренно и даже с благими намерениями, но тем не менее совершить какие-то критические действия, которые не были предусмотрены разработчиком в системе ограничений.
К 2030 году коммуникации с участием ботов (машин) станут доминирующими в экономике — доля составит порядка 80%; таким образом, количество ботов превысит количество людей. Все сайты и мобильные приложения будут представлять собой чат-боты. Количество бизнес-приложений существенно возрастет, стоимость их создания и срок жизни будут минимальными. Наиболее распространенными станут коммуникации m2m (бот — бот). Боты будут выступать заказчиками работ для людей. Robonimics — экономика роботов и создания автономных предприятий. С помощью маркетплейсов и блокчейна робот получит возможность опубликовать объявление о работе, нанять человека, оплатить выполненные работы, использовать полученные средства для оплаты электроэнергии и других ресурсов, оплаты услуг других роботов, а также свой ремонт.
Бизнес станет автономным
Следующий шаг, на который перейдут предприятия после цифровой трансформации, — автономный бизнес. Это стиль ведения бизнеса, частично или полностью управляемый самообучающимися программными агентами. Такой бизнес предоставляет интеллектуальные продукты и услуги на рынке, где преобладают клиенты-машины, работая в программируемой экономике. То есть в экономической системе, где роль человека ограничена описанием потребностей и указанием ограничений, таких как минимальная маржинальность (для продавцов) или максимальные затраты (для покупателей). Вся остальная работа: поиск контрагентов, размещение заказа, торги, заключение сделки, контроль транзакций, формирование счет-фактуры и прочее — все делается машиной.
Как это выглядит? Например, ресторанная служба dark kitchen с роботами-поварами доставляет еду клиентам с помощью автономных транспортных средств. Основная задача человека в такой системе — наблюдение и контроль. Таким образом, автономность производства в определенной степени является залогом оптимальности траты ресурсов, сокращения издержек и ускорения как самого производства, так и доставки продуктов или услуг до клиента. Результат работы автономного бизнеса будет характеризоваться большими скачками производительности, отсутствие которых беспокоило экономистов на протяжении большей части последнего столетия.
Тем не менее остаются важные опасения — правда ли, что инженеры действительно в состоянии в полной мере отразить функцию полезности производства и потребления, как это понимает (а может, чувствует) человек? Неужели и вправду можно рационализировать систему принятия решений без оглядки на эмоции, мораль и гуманистичность?
«ИИ не отнимет у вас работу. Но другой человек, использующий ИИ, лишит вас работы» — к таким выводам пришли руководители крупнейших корпораций на Всемирном экономическом форуме в ходе оживленных дискуссий в мае 2023 года. Гуру компьютерного мира, основатель компании Microsoft Билл Гейтс уверен, что на рынке товаров и услуг в гонке технологий победит тот, кто создаст самого продвинутого личного ассистента. Помимо технических вопросов столь стремительное развитие ИИ подняло и ряд этических вопросов. Развитие происходит быстрее, чем появляются ответы на них. Как свидетельствуют технологические революции прошлого, человек не в силах остановить эти процессы — придется адаптироваться, приняв ИИ-технологии как неотъемлемую часть реальности.