Генеративный искусственный интеллект

Основные статьи:

• Искусственный интеллект
• Искусственный интеллект (рынок России)
• Искусственный интеллект (мировой рынок)

Генеративные модели

Первые высокоразвитые генеративные модели ИИ начали появляться в 2017 году: ProGAN, CycleGAN, RealNVP, VQ-VAE, через год появились Glow, WaveGAN и WaveNet, StyleGAN и StyleGAN2 и BERT. Интеграция GPT началась в 2019 г, и именно она добилась успеха.

Самыми популярными типами генеративных моделей на 2024 г являются:

• Генеративно-состязательные сети (GAN),
• вариационные автокодировщики (VAE) и
• архитектура Трансформеров, применяемые в GPT и BERT.

Токены - базовые единицы информации и ограничения памяти

Токен представляет собой базовую единицу информации, используемую моделью для обработки и генерации текста. Токен может быть словом, частью слова, символом или даже группой слов, в зависимости от того, как модель была обучена разделять и интерпретировать текст.

Не вдаваясь в алгоритмы токенизации, в среднем английский текст содержит 4-5 символов в одном токене, а русский текст 2.2-2.4 символа. Например статья на русском языке в 6000 символов с учетом пробелов будет содержать около 2600 токенов. Генерировать тексты на английском дешевле, писал Spydell Finance.

Самая значительная проблема генеративного ИИ - длина контекста и встроенные алгоритмы функционирования.

Первые редакции GPT 3.5 имели 4096 токенов, самая последняя версия имеет 16 тыс токенов, GPT 4 до ноября 2023 г имела 32 тыс, а после ноября GPT 4 Turbo уже 128 тыс.

Соответственно, предельная длина контекста для GPT 3.5 Turbo с 16 тыс токенов составляет около 37 тыс символов текста на русском языке, а для GPT 4 Turbo со 128 тыс токенов – почти 300 тыс символов.

Что это всё значит? В рамках одного сеанса генеративный искусственный интеллект (ГИИ) забывает, о чем была речь в начале обсуждения, что делает невозможным накопление опыта и развернутые обсуждения. Это, как если бы человек каждый раз забывал, что было два дня назад, отсекая весь прошлый накопленный жизненный опыт.

Если кратко, принцип работы ГИИ заключается в формализации контекстного вектора (сжатое представление входных данных) для генерации продолжения диалога (выходная информация), т.е. происходит компрессия (сжатие) контента (входной единицы информации). С чем это можно сравнить?

Представьте, как если бы высококачественное изображение PNG в 3840*2160 пикселей сжималось бы до картинки 384*216 пикселей JPG, т.е. в 100 раз по пикселям с агрессивным механизмом сжатия с потерями качества. Вроде бы можно корректно интерпретировать информацию на сжатой картинке (понять, что изображено), но происходит необратимая потеря деталей.

Так и с ГИИ. Вся информация поступающая на вход ГИИ так или иначе с различными алгоритмами и механизмами сжатия претерпевает компрессию.

Например, стоит задача проанализировать 10 млн символов правовой информации, что составляет около 4 млн токенов. Как при окне контекста в 128 тыс токенов произойдет обработка информации, кратно превышающей предельную длину контекста?

На начало 2024 г есть два наиболее часто используемых приема.

• Разделение текста на блоки, параграфы, близкие по смыслу и принудительная компрессия на X величину.
• Скользящее окно контекста, когда последовательно обрабатывается первый блок на 128 тыс токенов, сжимается в 20 раз, далее второй блок и так далее. В итоге на выходе получается экстракт в 20 раз с неизбежной потерей деталей и содержания. Можно ли в законодательных документах применять этот прием? Пока нет.

Таким образом ГИИ очень полезен для составления сжатых сводок текстовой, видео и аудио информации. Для анализа информации, представляющей значение – пока нет.

Это значит, что если писать масштабные художественные произведения или научно-исследовательские проекты, ГИИ не позволит эффективно наследовать характеристики и связи объектов на более ранних итерациях.

Можно ли решить эту проблему в будущем? Длина контекста должна вырасти на несколько параметров. Не 128к, как в начале 2024 г, а в тысячи раз больше!

Проблемы ГИИ

На начало 2024 г Spydell Finance выделял следующие ограничения генеративного ИИ:

• Нет самообучения.

• Не подходит для сложных интегральных и многомерных проектов, где нужно учитывать целостную картину и динамические связи

• Необходимо очень жестко формализовать задание для получения желаемого эффекта и часто время на промт-инжиниринг превосходит выгоду от использования ГИИ (проще все сделать руками, как раньше). Необходимо задачу разбивать на множество подзадач до предельного упрощения.

• Ограниченная длина контекста (см. Токены выше).

• Много ошибок, нет проверки фактов. ГИИ мастерски имитирует правду и генерирует выходной контент очень убедительно, но если копнуть глубже оказывается, что значительная часть информации – подделка и галлюцинации.

На май 2024 г отсутствует положительный опыт интеграции генаративного ИИ в научно-исследовательские проекты в области экономики и финансов. Ни одна модель не функциональна, ничего не работает.

Есть критические и пока неразрешимые проблемы на архитектурном уровне самих моделей ГИИ.

Низкое качество выходных данных: время и ресурсы на проверку результатов работы ГИИ превосходят любую потенциальную выгоду

Одна из проблем – нет вшитого контроля верификации выходных данных и корректности интерпретации. Другими словами, ГИИ не способен оценивать корректности и адекватность сгенерированного контента, нет встроенного критерия истинности.

Современные модели ГИИ не обладают критическим мышлением и верификатором результатов, что в контексте работы больших языковых моделей (БЯМ) означает: выявление логических связей и противоречий, оценка аргументов и доказательств, анализ данных и источников, адаптация выходного результата в контекст условий.

Доступные на июнь 2024 г БЯМ:

• Не проверяют достоверность источников информации и не различают надежные данные от ненадежных.
• Не способны самостоятельно выявлять логические ошибки или противоречия в своих ответах.
• Не могут критически оценивать представленные аргументы и доказательства.
• Не могут адекватно адаптировать свои ответы к специфическим условиям или контексту задачи.

БЯМ обучаются на сверх больших массивах данных, изначальная достоверность которых под сомнением, и в этом наборе информационного мусора происходит компрессия данных и определение весов.

Те данные, на которых были обучены большие языковые модели изначально могут содержать ошибки, предвзятость и недостоверную информацию, а следовательно обучение часто строится на ложных сведениях.

В некотором смысле веса в больших языковых моделях (БЯМ) определяют иерархию интерпретации информации, позволяя модели распознавать иерархические и контекстуальные зависимости в данных. Иначе говоря, веса определяют меру связанности информационных блоков, как одна часть информации влияет на другую часть информации.

Что это означает на практике? БЯМ крайне неэффективны в разработке инновационных смысловых конструкций и интерпретации изначально противоречивой информации, производя сложные многоуровневые оценки факторов, обстоятельств и зависимостей.

Генеративный искусственный интеллект может быть эффективен в интерпретации общепризнанных наиболее популярных фактов регулярного характера, но не способы выстраивать иерархию приоритетов и многоуровневую композицию факторов риска в неоднозначном и неструктурированном наборе данных, вектор распределения которых не прогнозируем.

Следовательно, сложная аналитика процессов и событий не подвластна ГИИ, поэтому в ГИИ нет интеллекта в широком понимании. Это высоко эрудированная система, которая достаточно тупа в понимании связей и зависимостей сложных систем, а социология, психология, политология, экономика – это как раз те области, где нет жесткой структуризации данных и нет однозначности в интерпретации.

Можно формализовать математику или физику (здесь ГИИ в перспективе 2027-2030 гг может добиться успехов), но нельзя формализовать мотивы и действия социума, поэтому ГИИ не может управлять бизнес-процессами, не может прогнозировать и оценивать все те области, где задействован человек (финансы, экономика, социология, политика и т.д.).

К чему это приводит? ГИИ генерируют огромное количество контента, который на прикладных задачах практически невозможно применять из-за отсутствия достоверности.

В идеале система должна работать, как низко уровневая программа в процессоре, где повторение опытов всегда дает один и тот же результат – есть однозначность и прогнозируемость. В ГИИ слишком широкий диапазон допусков.

В итоге время и ресурсы на проверку результатов работы ГИИ превосходят любую потенциальную выгоду.

Низкая достоверность выходного контента вшита на уровне архитектуры БЯМ, поэтому проблема неисправима ни сейчас, ни в ближайшем будущем, писал Spydell Finance.

Основные сценарии использования

Изначально предполагалось, что ИИ заменит монотонный/повторяющийся, а значит формализируемый вид труда и низко-квалифицированную рабочую силу и лишь в самом конце, на вершине своей эволюции ударит по творческим профессиям, но оказалось все иначе, писал Spydell Finance.

Генеративный ИИ угрожает именно творческому сегменту профессий:

• Создание текста – осмысленные тексты, практически не отличимые от человеческого стиля письма, с возможностью создавать анекдоты, стихи, сценарии для фильмов, истории.

• Написание программного кода и формул - если разбить программу на мини модули определенная польза будет, хотя ошибок изначально будет много. Однако, основная польза скорее в инструменте динамических подсказок и поиске ошибок в компиляции – подходит для опытных программистов.

• Создание музыки. Генерация музыкальных композиций, имитирующих определенные стили, на основе анализа десятков тысяч произведений или создание совершенно новых музыкальных произведений (экспериментальная нейро-музыка).

• Создание реалистичных изображений. Опять же, на основе анализа паттернов сверх большого массива реальных фотографий упорядочиваются характеристики, структура и особенности объектов и далее через алгоритмы GAN генерируются синтетические изображения.

• Создание видео, дипфейки. ИИ анализирует видео, изучая характеристики движения, переходы между кадрами, визуальные и аудио паттерны и далее по аналогичному методу, как и с изображениями – генерируется ИИ видео. Ожидалось, что ГИИ сможет применяться для анимации, создания спецэффектов. Но на 2024 г это не работает по банальной причине – ГИИ не учитывает законы физики и не способен адекватно оценивать механизмы взаимодействия объектов и света. Проблемы с интеграцией объектов в сцены, неверные пропорции и масштабы, искажения и артефакты, ошибки освещения, нереалистичные движения, несогласованность и неправильное взаимодействие, не говоря уже о физике и свойствах объектов.

• Генерация речи, сохраняя тембр, интонации, ритм человеческой речи. Может применяться в ИИ-консультантах, синхронных переводчиках, навигационных системах, голосовых помощниках, в озвучивании книг, онлайн видео и фильмов.

• Симулирование и моделирование сложных систем. Все, что можно формализовать – идеальная среда для ИИ. Научные вычисления входят в этот сегмент. Может применяться в расширении предиктивных/предсказательных моделей в финансах, экономике и бизнесе, в виртуальном прототипировании (для инженеров, архитекторов, конструкторов).

Главное и самое основное предназначение ГИИ – это компрессия и декомпрессия информации, а из этого уже «расщепляются» различные производные направления.

Компрессия информации - конспектирование, резюмирование, обобщение, «суммаризация» и так далее огромных массивов текстовой, аудио или видео информации по особым алгоритмам. Например, краткий пересказ видеоролика, книги, инструкции пользования или каких-либо событий.

Декомпрессия информации – из ранее сжатой информации на основе логических цепочек и по заданным сценарным векторам генерировать аудио, видео или текстовый контент. Например, на основе краткой рецензии книги, сгенерированной ранее ИИ, написать похожие отзывы/рецензии или дать рекомендации по схожим литературным произведениям.

Основные сценарии использования ГИИ:

• Обобщение и интерпретация контента – основное предназначение ГИИ пригодится для фильтрации и группировки мусорного контента по направлениям и темам, но не подходит для компрессии важных документов, т.к. практически всегда упускает важные нюансы.

• Дайджест новостей – на практике работает плохо, т.к. все ведущие информационные агентства запретили индексацию новостного контента со стороны ГИИ.

• Переводчик.

• Экспертная система / ответы на вопросы (что это означает, как это сделать, как это работает, как это исправить и т.д).

• Анализ, аналитика данных (на 2024 г пока самое слабое звено и хуже всего развито).

• Переписывание готовых текстов по заданным направлениям, стилям и тональности.

• Написание резюме, отзывов, эссе, простых статей по заданным темам.

• Более эффективное распознавание цифрового контента (OCR документов, видео, аудио). Например, автоматическая стенограмма презентации с аудио в текст, автоматические таймкоды в видео, распознавание и структуризация документов.

• Более умный семантический поиск. Например, поиск в фото или видео определенных объектов, сюжетов и так далее. Пока все это не работает, но Google обещает интеграцию до конца 2024 года.

• Создание фото и видео с заданными условиями. Можно модифицировать старые, разрушенные чёрно-белые фото в высоком качестве в цветном исполнении.

В перспективе года ГИИ модели позволяет сделать умный органайзер, структурировав документы, письма, фото и видео с заданными маркерами. Например, 30 тыс фото в библиотеке, нужно разбить по типам и сюжетам (люди, природа, города, культурные объекты и т.д.). Аналогично с документами, т.е. умная группировка и поиск по критериям. Структуризация и систематизация контента – это то, что способен делать ГИИ.

Потенциально может быть полезен, как персональный репетитор, создатель гида, проводника в различных неизведанных вопросах и направлениях, в том числе как туристический гид, неплохое пространство для роли консультанта по многим вопросам. Некая улучшенная комбинация Google + Wiki / онлайн библиотеки.

ГИИ может применяться для создания спектра идей для контента, применяться для автоматизации создания отчетов и шаблонных проектов, первичной аналитики данных.

На бытовом уровне ГИИ очень неплох — можно попросить составить и проанализировать список фильмов, разобрать известные литературные произведения, сделать какие-нибудь рецепты или спросить, как починить что-то, и много других вариаций.

На уровне бизнес-решений и в науке публичные версии ГИИ пока очень слабы.

На практике, казалось бы, безграничное пространство возможностей на 2024 г упирается лишь в переводчик, корректор текста, справочное бюро и помощник в написании кода.

Тянет ли это на революцию? Едва ли. ГИИ это пока некая более умная комбинация поисковика + Wiki с пониманием, что количество ошибок может быть неприемлемо высоким.

Способны ли публичные версии ускорять создание технологий и повышать качество существующих технологий? Исключено.

Однако, сама технология ГИИ способна влиять на технологический прогресс при условии доступа к архитектуре и весам LLM, позволяя реализовывать глубокую модернизацию моделей под специфические научные задачи. Эта привилегия доступна лишь избранным компаниям, которые разрабатывают ГИИ.

Хроника

2024

МТС начала использовать генеративный ИИ для разработки сайтов и мобильных приложений

4 сентября 2024 года МТС сообщила о внедрении большой языковой модели (LLM) MTS AI в Front Platform — внутреннюю платформу компании, которая теперь позволит разрабатывать сайты и мобильные приложения с помощью генеративного искусственного интеллекта. Это значительно ускорит создание новых продуктов, так как переход от традиционной поэтапной разработки к настройке параметров готовых шаблонов сократит время на запуск новых решений. Подробнее здесь

Капитализация разработчиков ГИИ в США и ЕС более $10 трлн при выручке в $15 млрд и убытках - $10 млрд. Списки крупнейших проектов

Сегмент ГИИ оценивается в $15 млрд по выручке в 2024 г без учета оборудования по всем ИТ решениям в США и Европе без учета Китая. При этом чистые убытки отрасли составляют около $10 млрд – сверхдорогие программисты, инфраструктура и маркетинг. Капиталтзация компаний при этом превышает $10 трлн.

Среди видео крупнейшие проекты в странах Запада на июль 2024 г:

• Luma Dream Machine
• Runway Gen-2
• Genmo
• InVideo
• Pika Labs
• Imagen Video Google
• Noisee AI
• Pictory AI
• Haiper
• Clipwise
• Synthesia

Среди генерации изображений:

• Midjourney
• DALL-E 3
• Imagen Google
• Stable Diffusion
• Leonardo AI
• Playground AI
• Recraft AI
• RunwayML
• Artbreeder
• Picsart AI

Названы 9 главных рисков генеративного ИИ

Генеративный искусственный интеллект (ГенИИ) знаменует собой значительный скачок в способности нейросетей понимать сложные структуры данных, взаимодействовать с ними и создавать новый контент. Эта технология открывает широчайший спектр возможностей в самых разных отраслях. Вместе с тем создаются и новые риски, о чем говорится в материалах IDC, обнародованных 10 июля 2024 года. Подробнее здесь.

Россия вошла в топ благоприятных стран для развития генеративного искусственного интеллекта

25 июня 2024 года стало известно о том, что Россия вошла в число стран с наиболее благоприятными условиями для развития генеративного искусственного интеллекта (ГИИ), заняв позицию в одном ряду с такими технологически развитыми государствами, как Израиль, Сингапур, США и ОАЭ.

По данным «Известий», это заключение было сделано на основе совместного исследования, проведенного компанией «Яков и Партнеры» и Альянсом в сфере искусственного интеллекта. Как сообщает издание, эксперты проанализировали нормативно-правовую базу и степень свободы для компаний-разработчиков в различных странах мира.

Россия вошла в число стран с наиболее благоприятными условиями для развития ГИИ

В ходе исследования было выявлено, что в России, как и в других странах-лидерах, сложились наиболее благоприятные условия для развития ИИ и привлечения инвестиций в эту сферу. По словам аналитиков, это способствует активному росту и внедрению технологий ГИИ.

Исследователи также выделили пять основных рисков, связанных с развитием ГИИ. Среди них – увеличение объемов некачественного контента, потенциальный вред от ложных ответов систем ИИ, негативное влияние на рынок труда, рост цифрового мошенничества и нарушение этических норм.

Как отмечает издание, большинство этих рисков можно минимизировать путем маркировки генеративного контента, создания сервисов для проверки сгенерированных элементов и ответственного отношения пользователей к работе с технологией.

В 2024 году участники Альянса в сфере искусственного интеллекта дополнили Кодекс этики в сфере ИИ декларацией об ответственной разработке и использовании сервисов на основе ГИИ. Как сообщают «Известия», аналитики также подчеркивают необходимость повышения цифровой и правовой грамотности населения для минимизации рисков, связанных с использованием ГИИ.^[1]

Почему российские компании медленно внедряют генеративный искусственный интеллект

Генеративный искусственный интеллект стремительно развивается благодаря тому, что он позволяет решать множество профессиональных задач. В России пока едва ли можно говорить о массовом распространении таких технологий в бизнесе, но проектов все больше. Чтобы понять, почему компании в РФ не спешат внедрять генеративный ИИ, TAdviser опросил участников рынка в июне 2024 года.

По прогнозам Ассоциации «ФинТех», одним из трендов в ближайшие два года станет демократизация генеративного ИИ, новые бизнес-модели на его основе, обеспечение технологического суверенитета в этой области и поддержка от государства. Однако к 2024 году большинство компаний в РФ находится на этапе экспериментирования решений на базе этой технологии, применяют его менее 20%.

Одна из проблем - нехватка специалистов по искусственному интеллекту. В первую очередь это связано с тем, что полноценное образование в данной области требует от 2 до 4 лет (магистратура или бакалавриат), говорит декан факультета искусственного интеллекта Университета «Синергия» Эдуард Жданов. По его словам, есть программы профессиональной переподготовки, но они достаточно дорогие, на образовательном рынке много краткосрочных курсов, но они предназначены для поверхностного знакомства.

Пример генерации изображения нейросетью Kandinsky 3.1, разработанной в «Сбере»

Еще один барьер, мешающий развитию генеративного ИИ в корпоративном секторе, связан с недостаточно качественными результатами работы технологий. В Университете ИТМО считают, что для повышения качества требуется предметная адаптация генеративных моделей для целей конкретной компании.

Нужно дообучить модель ИИ на отраслевых данных (хотя бы на уровне правильного использования терминологии или графических элементов), обеспечить промптинг (умение понимать вопросы пользователя, в том числе на профессиональном жаргоне), а также «подружить» модель с уже имеющимися в компании специфическими знаниями: научить «читать» нормативные документы, делать инженерные расчеты и прочее, чтобы заместить «галлюцинации» ИИ объективными данными, - рассказал TAdviser директор Мегафакультета трансляционных информационных технологий Университета ИТМО Александр Бухановский.

По его словам, стоимость такой адаптации по силам лишь крупным компаниям, у которых данных много, и решение потом можно тиражировать. Для малых компаний пока доступны «бытовые» функции генеративного ИИ, но развитие технологий автоматического машинного обучения для больших языковых моделей скоро может изменить ситуацию, добавил Бухановский.

Развитие генеративного ИИ в России сдерживается и потому, что компания до конца не понимают эти технологии и конкретные возможности их применения в бизнесе. Про генеративные нейросети слышали многие, но лишь единицы пробовали серьезно с ними работать и действительно понимают их потенциал, отметил генеральный директор ИТ-компании «ТТК-Облако» Андрей Малов.

Он также обратил внимание на такой фактор, как угроза информационной безопасности. Корпоративное применение генеративного ИИ подразумевает работу с конфиденциальными документами – договорами, внутренними регламентами, которые не должны попасть в чужие руки. Использование публичных коммерческих нейросетей может быть небезопасно, а единственный вариант - внутренняя разработка нейросети в закрытом контуре. Но тогда порог входа для корпоративного применения генеративного ИИ сильно повышается, рассуждает Малов.

Компании в России предпочитают, чтобы ИИ-решения были развернуты на их собственных серверах, подтверждает основатель сервиса Fabula.ai Али Оздиев. Они не готовы отдавать данные компании в обработку сторонним сервисам. Чаще всего они руководствуются внутренним уставом и политикой компании, для некоторых компаний крайне важно, чтобы все данные обрабатывались внутри собственной инфраструктуры, добавил он.

Стоимость внедрения/адаптации (CAPEX – капитальные расходы) и использования (OPEX – операционные затраты) искусственного интеллекта действительно очень высокая, согласен руководитель направления ИИ Softline Digital Максим Милков. На больших потоках это ограничивает количество экономически обоснованных проектов. Кроме того, для использования генеративного ИИ нужны значительные и при этом труднодоступные вычислительные мощности, добавил Милков.

На обучение искусственного интеллекта также требуется время, тем более что начальном этапе освоения ИИ выдает много брака, говорит гендиректора сервиса Getloyalty Дмитрий Третьяков.

Помните, когда только появились графические программы с использованием искусственного интеллекта, они генерировали людей с шестью пальцами и пятью глазами. Работу искусственного интеллекта нужно тщательно тестировать, контролировать и обучать, особенно на раннем этапе, - считает он.

Опрошенные TAdviser также упомянули такую проблему, как ограничение доступа к иностранным технологиям и ресурсам. Руководитель направления по работе с финансовым сектором RNT Group Алексей Лебедев полагает, что к июню 2024 года в РФ нет отечественных ИИ-моделей, способных конкурировать с зарубежными решениями. Инфраструктура и оборудование, которые позволяют полноценно развернуть ИИ-модели и обеспечить работу с ними, не поставляются в РФ, указал Лебедев.

В вопросе доступности оборудования мы пока вынуждены исходить из санкционных ограничений в поставках и доступности графических ускорителей. Этот вопрос предстоит решить на высоком уровне, - сообщил руководитель проектов по развитию ИИ-продуктов Directum Илья Петухов.

Тем не менее организации в России активно внедряют партнерские отношения с технологическими компаниями и стартапами, чтобы получить доступ к новым разработкам и решениям в области генеративного ИИ, говорит директор продуктового офиса BIA Technologies Дмитрий Владимиров. По его мнению, важным шагом также является обмен опытом и знаниями между компаниями и стимулирование инноваций с помощью государственной поддержки и инвестиций в исследования и разработки.

Обучение с подкреплением позволило лучше работать генеративным потоковым нейросетям

Ученые Центра ИИ и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ применили классические алгоритмы обучения с подкреплением для настройки генеративных потоковых сетей (GFlowNets). Это позволило улучшить работу GFlowNets, которые применяются уже три года для решения сложнейших научных задач на этапах моделирования, генерации гипотез и экспериментального проектирования. Об этом НИУ ВШЭ сообщила 13 июня 2024 года. Подробнее здесь.

На Госуслугах запустили генеративный ИИ

На Госуслугах запустили генеративный искусственный интеллект. Об этом в Министерстве цифрового развития, связи и массовых коммуникаций РФ сообщили 22 мая 2024 года. Подробнее здесь.

Как генеративный искусственный интеллект меняет индустрию красоты

В начале апреля 2024 года французский производитель парфюмерии и косметики L’Oreal рассказал о том, какие преимущества технологии генеративного искусственного интеллекта (ГенИИ) могут привнести в индустрию красоты. Компания полагает, что такие инструменты способны революционизировать отрасль. Подробнее здесь.

Как генеративный ИИ поможет российским нефтегазовым компаниям заработать дополнительные 343 млрд рублей

Суммарный эффект от применения генеративного искусственного интеллекта (ГенИИ) для российских нефтегазовых компаний может составить до 343 млрд рублей в год. Это может быть достигнуто благодаря повышению производительности труда и эффективности производства, о чем говорится в исследовании «Выгон Консалтинга», результаты которого опубликованы 3 апреля 2024 года.

Отмечается, что нефтегазовые компании активно используют ИИ с глубоким обучением для работы с большими структурированными числовыми данными. При этом по состоянию на начало апреля 2024-го в отечественном нефтегазовом секторе отсутствуют промышленные решения на базе ГенИИ. Между тем внедрение таких технологий позволяет охватить более значительный объем информации, сократить время на ее анализ, увеличить скорость и качество принятия решений. ГенИИ, в частности, сможет повысить автоматизацию функциональных процессов, связанных с инженерией и научно-технической экспертизой. В отчете сказано, что автоматизировано может быть до 59% прикладной экспертизы. В целом, потенциал автоматизации работы профессиональных групп, связанных с инженерией, при использовании нейросетей оценивается в 57%.

Суммарный эффект от применения генеративного искусственного интеллекта (ГенИИ) для российских нефтегазовых компаний может составить до 343 млрд рублей в год

Аналитики полагают, что из 343 млрд рублей общего эффекта от внедрения ГенИИ наибольшая доля (около 69%) придется на такие направления, как геологоразведочные работы, бурение, обустройство и капстроительство, мониторинг и управление добычей. На первом этапе ГенИИ сможет решать относительно простые задачи: это распознавание текстовых документов, поиск в базе знаний, а также обобщение документов и построение ключевых выводов.

Говорится также, что внедрению соответствующих технологий в России препятствуют санкционные ограничения и высокая стоимость систем. Так, суммарных инвестиций в ГенИИ в России достаточно для создания лишь одной мегамодели уровня 2023–2024 года, тогда как в будущем потребуется их увеличение, поскольку расходы на создание и развитие могут достигнуть 100 млрд рублей.^[2]

Возможности использования генеративного ИИ для обеспечения технологического суверенитета российского ТЭК

Как в России развивается генеративный ИИ

1 марта 2024 года Ассоциация ФинТех (АФТ) представила результаты исследования, посвященного развитию генеративного искусственного интеллекта (ГенИИ) в России. Обнародованный отчет призван упросить взаимодействие между разработчиками продуктов и решений на базе ИИ и представителями финансового рынка, а также помочь в создании инновационных решений в соответствующей сфере.

Авторы отчета описывают структуру российского рынка, выделяя четыре базовых слоя. Это продукты и сервисы на базе ГенИИ, инструменты для ГенИИ, модели, а также инфраструктура. К первой из этих категорий относятся горизонтальные и вертикальные прикладные решения, доступные локально и в облаках. В число горизонтальных входят приложения в таких отраслях, как продажи, продуктивность, финансы, обслуживание клиентов, информационные технологии и управление знаниями. Вертикальные и отраслевые приложения охватывают такие области, как финтех, юриспруденция, естественные науки, ретейл, здравосохранение, транспорт, PR/маркетинг и робототехника.

Инструменты для ГенИИ включают средства для эффективного и безопасного промышленного использования базовых моделей. В свою очередь, сами модели делятся на GPT-решения, доменные и диффузионные системы. Кроме того, ведется развитие маркетплейсов генеративных моделей. ИИ-инфраструктура объединяет вычисления для обучения, программируемые/специализированные интегральные схемы, сети связи, интерконнект, средства обеспечения базовой безопасности, приватные вычисления, облачные сервисы и пр.

К концу 2023 года, по оценкам, 20% крупных российских компаний применяют решения на основе ГенИИ. Более чем для 60% сотрудников развитие ГенИИ станет скорее плюсом, поскольку позволит высвободить их время за счет автоматизации рутинных задач, таких как сбор, ввод и первичная обработка данных, типовой документооборот, первичные коммуникации с клиентами, бухгалтерия и пр.^[3]

Сергей Брин назвал провальным новый сервис Google по генерированию изображений

В первых числах марта 2024 года сооснователь Google Сергей Брин заявил о том, что компания «определенно напортачила» с генерацией изображений в большой языковой модели Gemini. Пользователи жалуются на сомнительные ответы и исторические неточности, которые ИИ-система допускает в процессе работы. Подробнее здесь.

Зачем банки тратят миллиарды долларов на генеративный ИИ

Исследование Juniper Research, результаты которого опубликованы 23 января 2024 года, говорит о том, что банки быстро увеличивают расходы на генеративный искусственный интеллект (GenAI). Внедрение таких инструментов позволяет улучшить качество обслуживания клиентов и повысить уровень безопасности. Подробнее здесь.

Как генеративный ИИ экономит сотни миллиардов долларов больницам и клиникам

К 2025 году генеративный искусственный интеллект (GenAI) высвободит до 10% времени врачей, а также поможет медицинским учреждениям экономить сотни миллиардов долларов. Об этом говорится в исследовании IDC, результаты которого представлены 23 января 2024 года. Подробнее здесь.

2023

Как в мире растут расходы на генеративный ИИ

В 2023 году расходы компаний на генеративный искусственный интеллект (ГенИИ) составляли в среднем 4,5% от общего размера ИТ-бюджетов. В дальнейшем, как ожидается, показатель будет расти и к 2027-му достигнет примерно 7,6%. Это указывает на увеличивающуюся значимость технологий ИИ в корпоративном секторе. Рыночные тенденции рассматриваются в обзоре Boston Consulting Group (BCG), опубликованном 16 июля 2024 года.

Инструменты ГенИИ стремительно набирают популярность. По оценкам BCG, в 2024 году суммарные инвестиции в данной области поднимутся на 30% по отношению к предыдущему году. Причем рентабельность инвестиций у предприятий, которые вкладывают значительные средства в проекты ГенИИ, до 2027 года будет примерно в три раза выше, чем у компаний, которые предпочитают не тратить значительные суммы на подобные разработки. Основным препятствием для внедрения ГенИИ является незрелость технологии. Кроме того, серьезные опасения у организаций вызывают риски, связанные с безопасностью данных и возможными проблемами юридического характера. В исследовании говорится, что общие ИТ-бюджеты предприятий увеличиваются, однако расходы остаются неравномерными. Основное внимание уделяется безопасности и цифровой трансформации.

Хотя компании фокусируют внимание на облачных технологиях и безопасности, технологии ГенИИ выходят на первый план, поскольку предприятия стремятся к повышению производительности, — отмечается в обзоре BCG.

В рамках усилий по контролю затрат ИТ-руководители планируют консолидировать поставщиков практически всех продуктов, особенно тех, которые связаны с инфраструктурой. В частности, 33% респондентов указали на консолидацию закупок в области хранения данных, а 36% — в сфере серверов. Вместе с тем в области ГенИИ и машинного обучения наблюдается иная картина: 42% опрошенных планируют расширять количество поставщиков, и только 13% ожидают консолидации. Учитывая, что технологии ГенИИ являются сравнительно молодыми, но при этом стремительно развиваются, компаниям необходимо взаимодействовать с различными разработчиками и провайдерами, чтобы найти инструменты, которые подходят им наилучшим образом. Это, в свою очередь, вынуждает поставщиков ГенИИ дифференцироваться, чтобы привлекать и удерживать клиентов.

Авторы исследования говорят о стабильном увеличении интереса к инструментам ГенИИ в корпоративном сегменте. По состоянию на начало 2024 года только около 20% компаний используют ГенИИ незначительно или не применяют такие решения вовсе. Для сравнения, в третьем квартале 2023-го этот показатель равнялся 24%. Хотя доля предприятий с высоким уровнем внедрения ГенИИ в течение рассматриваемого периода осталась прежней (приблизительно 12%), количество компаний со средним уровнем внедрения поднялось с 18 % до 27%. В технологическом секторе примерно 62% компаний демонстрируют высокий и средний уровень зрелости в плане использования ГенИИ. Далее идут банковское дело, розничная торговля, промышленный сектор и здравоохранение, где от 32% до 39% организаций имеют значительный уровень внедрения технологий генеративного искусственного интеллекта.

С географической точки зрения в Северной Америке и Европе процесс внедрения ГенИИ во многом показывает схожие тенденции: около 40% компаний сообщили о средней и высокой зрелости. В Азии результаты немного лучше: на значительный уровень внедрения ГенИИ указали 45% организаций. Кроме того, в Азии только 16% респондентов заявили о том, что используют ГенИИ незначительно или не применяют его совсем. Для сравнения, в Северной Америке и Европе это значение составляет 18% и 23% соответственно.^[4]

Китай в 6 раз опережает США по числу патентов на генеративный ИИ

В период с 2014-го по 2023 год в глобальном масштабе были поданы около 54 тыс. патентных заявок на технологии, связанные с генеративным искусственным интеллектом (ГенИИ). Причем Китай лидирует по числу патентов в рассматриваемой области, в шесть раз опережая США. Такие данные приводятся в отчете Всемирной организации интеллектуальной собственности (ВОИС), обнародованном 3 июля 2024 года.

Отмечается, что средства ГенИИ применяется в таких отраслях, как медико-биологические науки, промышленное производство, транспорт, безопасность и телекоммуникации. В течение 2014–2023 годов в КНР было зарегистрировано более 38 тыс. изобретений в области ГенИИ. В США, которые находятся на втором месте по количеству патентов, за указанный период зарегистрированы примерно 6300 изобретений. Далее в рейтинге располагаются Южная Корея (4155 изобретений) и Япония (3409). В Индии (1350 изобретений), которая находится на пятом месте, наблюдется самый высокий среднегодовой темп роста показателя среди лидеров — 56%.

В период с 2014-го по 2023 год в глобальном масштабе были поданы около 54 тыс. патентных заявок на технологии ГенИИ

В десятку ведущих компаний и организаций, подающих заявки на получение патентов в области ГенИИ, входят Tencent (2074 изобретения), Ping An Insurance (1564), Baidu (1234), Китайская академия наук (607), IBM (601), Alibaba Group (571), Samsung Electronics (468), Alphabet (443), ByteDance (418) и Microsoft (377).

В общей массе патентов в сфере ГенИИ доминируют решения, связанные с обработкой изображений и видеоматериалов (17 996 изобретений). Далее следуют текст (13 494 изобретения) и речь/музыка (13 480 изобретений). Стремительно увеличивается число патентов на технологии, использующие данные о молекулах, генах и белках: среднегодовые темпы роста зафиксированы на отметке 78%. В целом, с 2017-го по 2023 год число патентов в области ГенИИ увеличилось в восемь раз.^[5]

Названы 10 главных трендов в сфере генеративного ИИ для бизнеса

Технологии генеративного искусственного интеллекта (GenAI) позволят компаниям и организациям из разных секторов оптимизировать процессы, увеличить продуктивность работы персонала, сэкономить время при выполнении рутинных задач и сократить расходы. 29 ноября 2023 года аналитики IDC назвали 10 ключевых трендов в сфере GenAI для бизнеса.

1. GenAI поможет во внедрении инноваций

Генеративный ИИ будет использоваться для совместной разработки цифровых продуктов и услуг путем выявления рыночных перспектив и распределения ресурсов компании. Предприятия смогут более эффективно реализовывать новые проекты, что поможет увеличить доход.

2. Рост инвестиций в цифровые технологии продолжится

В 2024 году, полагает IDC, расходы компаний на цифровые решения будут расти в семь раз быстрее, нежели экономика в целом. Трансформация рынка стимулирует предприятия к развитию новых бизнес-моделей и укреплению цифровых возможностей.

3. ИИ на уровне высшего руководства

Согласно опросу IDC, более половины ИТ-директоров заявляют, что в их организации есть или планируется должность главы направления ИИ. Причем во многих случаях речь идет о включении таких специалистов в состав высшего руководства (на уровне исполнительной команды).

4. Генеративный ИИ на цифровых предприятиях

Компании, осуществляющие цифровую трансформацию, продолжат внедрять средства GenAI для улучшения своих бизнес-моделей и создания дополнительного конкурентного преимущества. Цифровые предприятия, по мнению аналитиков, в 2024 году будет активно инвестировать средства в приложения GenAI.

5. Цифровые бизнес-платформы

Такие решения оптимизируют анализ деятельности компании, позволяя лучше оценивать эффект от инвестиций. По мере цифровизации предприятий бизнес-платформы нового поколения могут способствовать росту финансовых показателей.

6. ИИ стимулирует появление новых цифровых бизнес-моделей

IDC полагает, что сочетание прогнозирующего ИИ, машинного зрения и технологий GenAI, а также предоставление услуг по запросу через цифровые экосистемы откроют новые возможности для бизнеса. Компании смогут создавать продукты и услуги с учетом интересов определенных групп клиентов.

7. Внедрение новых показателей эффективности

Аналитики полагают, что на фоне продолжающейся цифровой трансформации компании начнут применять новые критерии оценки эффективности операций. Это поможет в принятии стратегически важных решений.

8. Цифровые инициативы выходят на первый план

IDC считает, что ИТ-руководители компаний сосредоточат усилия на улучшении бизнес-результатов, повышении гибкости операций и создании новых источников дохода путем внедрения цифровых услуг и сервисов.

9. ИИ окажет влияние на рабочие процессы

Массовое внедрение ИИ создаст определенные сложности для сотрудников, повлияв на устоявшиеся операционные процессы и подготовку кадров. Поэтому работникам компаний придется пройти переподготовку и получить навыки взаимодействия с платформами GenAI.

10. Цифровые технологии помогут в достижении целей устойчивого развития

Компаниям, по мнению аналитиков, предстоит тщательно планировать инвестиции для достижения бизнес-целей при одновременном обеспечении устойчивого развития. Это позволит эффективно использовать имеющиеся ресурсы с прицелом на долгосрочное успешное расширение деятельности.

В целом, отмечает IDC, отрасль вступает в эру цифрового бизнеса: компании ищут новые источники доходов, одновременно оцифровывая операции для сокращения затрат и повышения отдачи от инвестиций.^[6]

Как генеративный ИИ будет развиваться в 2024 году. 6 главных трендов

Внедрение средств генеративного искусственного интеллекта создает качественно новые возможности, как для организаций, так и для потребителей. Такие инструменты помогают повысить эффективность бизнес-операций, улучшить качество обслуживания клиентов, сократить временные и финансовые затраты на выполнение рутинных задач. В 2024 году рынок генеративного ИИ продолжит активно развиваться, а до 60% скептиков, негативно относящихся к технологии, в том или ином виде начнут использовать или оценивать ее. Об этом говорится в отчете Forrester Research, опубликованном 24 октября 2023 года. Аналитики называют шесть ключевых трендов на мировом рынке генеративного ИИ.

1. Улучшение клиентского опыта

Средства генеративного ИИ, по мнению Forrester, в 2024-м впервые за многие годы позволят улучшить уровень обслуживания клиентов. Службы поддержки смогут быстрее и качественнее отвечать на вопросы и решать многие проблемы пользователей уже при первом обращении. При этом значительно сократится время ожидания при звонках в колл-центры, а нагрузка на специалистов служб поддержки снизится. Станет возможна автоматизация резюмирования обращений и предоставление мгновенных точных ответов с помощью чат-ботов с возможностями извлечения информации.

2. Персонализированные ИИ-решения для корпоративных клиентов

В 2024 году 10 крупнейших рекламных агентств потратят в общей сложности приблизительно $50 млн на создание индивидуальных ИИ-систем, которые позволят их клиентам масштабировать маркетинговые кампании, повышать эффективность деятельности и привлекать новых заказчиков.

3. Техника подсказок в облаке

В 2024 году, по мнению аналитиков, многие гиперскейлеры и облачные платформы в том или ином виде внедрят технику подсказок (prompt engineering). Это концепция ИИ, нацеленная, в частности, на обработку естественного языка. В технике подсказок описание задачи встраивается во входные данные, а не указывается в неявном виде. Однако, полагает Forrester, несмотря на внедрение prompt engineering облачными платформами, 80% предприятий будут привлекать для решения соответствующих задач внутренних специалистов.

4. Регулирование в сфере генеративного ИИ

Сервисы ИИ создают новые возможности, но одновременно порождают дополнительные проблемы, в частности, в плане обработки персональной информации. Поэтому, сообщает Forrester, компаниям следует идентифицировать приложения, которые могут спровоцировать некорректное использование личных данных, а также внедрить дополнительные инструменты для управления рисками.

5. Изменения в B2B-сфере

Несмотря на появление новых рекомендательных систем на основе ИИ, многие заказчики в B2B-сегменте предпочитают личное общение со специалистами по продуктам, считая такое взаимодействие более ценным и эффективным.

6. Сокращение инвестиций в улучшение опыта сотрудников

По мере того, как платформы генеративного ИИ берут на себя выполнение однообразных функций, компании начнут сокращать инвестиции в улучшение опыта сотрудников, то есть, в повышение качества взаимодействия работников со своей организацией. В целом же, подчеркивает Forrester, генеративный ИИ, несмотря на определенные риски, будет служить опорой, на которую предприятия полагаются для расширения возможностей, улучшения бизнес-процессов, привлечения сотрудников и клиентов. В 2024-м, считают аналитики, наибольшего успеха добьются те компании, которые внедрят генеративный ИИ и продолжат экспериментировать с данной технологией.^[7]

Сколько компании в мире тратят на генеративный ИИ

В 2023 году компании по всему миру инвестируют около $16 млрд в генеративный искусственный интеллект (ИИ), прогнозируют аналитики IDC (исследование опубликовано 16 октября 2023 года). В свои расчеты они включили расходы на оборудование, программное обеспечение, а также ИТ- и бизнес-услуги, связанные с генеративным ИИ.

Вице-президент IDC Риту Джиоти (Ritu Jyoti) говорит, что генеративный искусственный интеллект - это не какой-то мимолентный тренд или хайп. Это революционная технология, которая может оказать долгосрочное влияние на бизнес.

Благодаря этичному и ответственному внедрению генеративный ИИ может изменить рынки, изменить то, как мы работаем, играем и взаимодействуем с миром, - добавил эксперт.

Для работы таких ИИ-систем нужна инфраструктура, включая оборудование и сервисы, такие как IaaS (инфраструктура как услуга) и SIS (программное обеспечение для системной инфраструктуры). Именно инфраструктура занимает большую часть расходов компаний при инвестировании в генеративный ИИ, и такая ситуация останется в будущем, считают аналитики IDC, выпустившее исследование рынка в октябре 2023 года. При этом наиболее высокие темпы роста на рынке прогнозируются в сегментах программного обеспечения (+76,8% в год в период с 2023 по 2027 гг. ), ИИ-платформ и моделей (+96,4% в год) и разработки приложений (+82,7% в год).

Эксперты IDC ожидают, что расходы бизнеса на генеративный искусственный интеллект в горизонте 2023-2027 гг. будут расти среднегодовыми темпами в 73,3% - более чем в два раза быстрее, чем расходы на ИИ в целом, и почти в 13 раз быстрее затрат на ИТ-сфер. В 2027 году расходы на генеративный ИИ составят 28,1% от всех вложений в сферу ИИ в целом против 9% в 2023 году, говорится в исследовании.

По мнению аналитика IDC Рика Вилларса (Rick Villars), темпы роста расходов на генеративный интеллект будут сдерживаться до 2025 года из-за нестабильности в изменении рабочих процессы и распределении ресурсов, связанных с чипами, сетевыми коммуникациями, ИИ-навыками и т. п. Кроме того, негативное влияние на рынок будут оказывать высокие цены, опасения компаний по поводу защищенности данных и конфиденциальности. Инвестиции на рынке будут развиваться естественным образом, следуя за тем, как организации переходят от ранних экспериментов к активному применению и широкому внедрению технологии, считают в IDC.

Доходы рынка генеративного искусственного интеллекта могут увеличиться к 2032 году до $1,3 трлн, следует из отчета аналитиков Bloomberg Intelligence. Это в 32 раза больше, чем этот рынок принес в 2022 году, когда прибыль составила $40 млрд.

Аналитики полагают, что в секторе генеративного искусственного интеллекта в течение 10 лет произойдет взрывной рост, который может коренным образом изменить методы работы технологического сектора. По расчетам Bloomberg, этот сектор может расти со среднегодовым темпом (CAGR) 42% в течение 10 лет, что объясняет спрос на инфраструктуру для обучения нейросетей, а также на устройства с моделями искусственного интеллекта, рекламу и другие услуги. Рынок инфраструктуры для обучения ИИ может составить к 2032 году примерно $247 млрд, прогнозирует Bloomberg. Доход от цифровой рекламы может достичь к этому времени $192 млрд, а доход от серверов искусственного интеллекта — $134 млрд, говорится в отчете. Главными получателями выгоды могут оказаться облачное подразделение Amazon, Alphabet (материнская компания Google), производитель микрочипов Nvidia и Microsoft, считают исследователи.^[8]

Как компании внедряют генеративный ИИ в мире - исследование Gartner

В 2023 году менее 5% компаний и организаций в глобальном масштабе применяют программные интерфейсы (API) или модели генеративного искусственного интеллекта (GenAI) и (или) внедряют соответствующие приложения в своих операционных средах. Однако к 2026-му этот показатель может превысить 80%, о чем говорится в исследовании Gartner, результаты которого опубликованы 11 октября 2023 года.

Генераторный ИИ стал главным приоритетом для корпоративных руководителей верхнего звена и привел к появлению новых инструментов, выходящих за рамки базовых моделей. Спрос на приложения и сервисы GenAI растет во многих отраслях, таких как здравоохранение, медико-биологические науки, юридические и финансовые услуги, государственный сектор, — отмечает Арун Чандрасекаран (Arun Chandrasekaran), вице-президент Gartner.

Аналитики выделяют три ключевых направления, которые окажут значимое влияние на организации, использующие или внедряющие средства ИИ. Одно из них — приложения с поддержкой GenAI. Такие инструменты помогают в решении повседневных задач и позволяют ускорить достижение поставленных целей благодаря автоматизации рутинных процессов. По состоянию на октябрь 2023 года основной областью применения приложений на базе GenAI является анализ больших объемов текстовой информации с применением запросов на естественном языке. Генеративный ИИ помогает извлекать нужные данные, создавать новый контент и идеи, включая разговоры, истории, изображения, видео и музыку. Кроме того, средства GenAI применяются для улучшения качества цифровых изображений, редактирования материалов, быстрого создания прототипов для производства и пр.

Второе направление — базовые модели. Это масштабные ИИ-модели, предварительно обученных на огромных объемах данных. К ним, в частности, относятся большие языковые модели (LLM), специально ориентированные на выполнение таких задач, как обобщение, генерация текста, классификация, формирование ответов на вопросы и пр. По оценкам Gartner, к 2027 году базовые модели будут лежать в основе 60% платформ обработки естественного языка против менее чем 5% в 2021 году. Базовые модели найдут применение в самых разных сферах. Например, в финансовом секторе учреждения смогут использовать чат-ботов на основе ИИ для улучшения обслуживания клиентов, генерируя рекомендации по продуктам и ответы на запросы пользователей. Кредитные организации получат возможность ускорить выдачу займов с помощью базовых моделей на рынках с недостаточным финансовым обслуживанием, особенно в развивающихся регионах. Кроме того, базовые модели помогут ускорить инновации в здравоохранении, автомобилестроении, энергетике, телекоммуникациях и пр. Компании из индустрии развлечений могут использовать генеративный ИИ для разработки игр нового поколения и предоставления пользователям возможности создавать глубоко персонализированные аватары.

Третьей ключевой областью эксперты Gartner называют управление доверием, рисками и безопасностью (AI TRiSM). Это важная основа для создания ответственного ИИ. Речь идет об управлении инструментами ИИ, обеспечении надежности, справедливости, эффективности и защиты данных. Кроме того, должны соблюдаться этические нормы и конфиденциальность пользователей. Аналитики полагают, что организации, которые не уделяют должного внимания средствам AI TRiSM, столкнутся с самыми разными проблемами, включая финансовые и репутационные потери, провалы проектов и невозможность достижения поставленных бизнес-целей, социальный вред и возможные судебные разбирательства.^[9]

Как генеративный ИИ используют в индустрии моды

Технологии генеративного искусственного интеллекта могут оказать серьезное влияние на индустрию моды. Такие системы помогут быстрее выводить одежду и аксессуары на рынок, более эффективно продавать их и улучшать качество обслуживания клиентов. Об этом говорится в исследовании компании McKinsey, результаты которого обнародованы в начале марта 2023 года.

Аналитики отмечают, что индустрия моды экспериментирует с базовым ИИ и другими передовыми технологиями: это, в частности, метавселенные, невзаимозаменяемые токены (NFT), цифровые идентификаторы и дополненная или виртуальная реальность. В то же время в данной области по состоянию на начало 2023 года практически не применяются средства генеративного ИИ, несмотря на их огромный потенциал. Согласно оценкам McKinsey, к 2026–2028 годам генеративный ИИ может добавить от $150 млрд до $275 млрд к операционной прибыли в секторах одежды, моды и предметов роскоши.

На наш взгляд, генеративный ИИ — это не просто автоматизация процессов. Это еще и расширение и ускорение. Профессионалы в сфере моды и творческие люди получают технологические инструменты, позволяющие выполнять определенные задачи значительно быстрее. Таким образом, может быть высвобождено дополнительное время для тех вопросов, которые могут решить только люди. Это также означает создание новых сервисов для более качественного обслуживания клиентов, — говорится в отчете McKinsey.

Создание продуктов

Вместо того чтобы полагаться на традиционные исследования тенденций и анализ рынка для разработки дизайна коллекции следующего сезона, участники сферы моды могут использовать генеративный ИИ для изучения отрасли в реальном времени. Генеративный ИИ может, например, быстро выполнять анализ настроений покупателей на основе видеороликов в социальных сетях или моделировать тенденции на основе нескольких источников потребительских данных. На базе заданных параметров, таких как тип ткани, цветовые палитры и узоры, системы генеративного ИИ могут быстро создавать множество вариантов дизайна.

Маркетинг

Руководители и агентства по маркетингу могут использовать генеративный ИИ для мозгового штурма с целью разработки стратегий ведения бизнеса и определения содержания рекламных кампаний. Генеративный ИИ также может применяться для персонализированного общения с клиентами. Кроме того, такие системы могут использоваться для создания определенного контента, например, коротких видеороликов для социальных платформ.

Цифровая коммерция и потребительский опыт

Специализированные чат-боты на основе генеративного ИИ, обученные для индустрии моды, помогут поднять качество обслуживания клиентов и ускорить многие операции. Такие инструменты способны поддерживать разговор или давать рекомендации по стилю после того, как покупатель покидает магазин. Подобные системы смогут анализировать профили потребителей и онлайн-взаимодействие в режиме реального времени. Генеративный ИИ также может применяться для обучения сотрудников салонов продаж. Умные платформы дадут стилистам возможность быстро и точно интерпретировать множество отзывов клиентов и выбирать продукты, которые потребители купят с большей вероятностью. Если клиенты регулярно указывают, например, на «отличную посадку» и «приятный цвет» брюк определенного стиля, генеративный ИИ может создать изображения похожих брюк, которые покупатели, скорее всего, захотят приобрести. Виртуальные примерочные — еще один сервис, который поможет улучшить продажи и качество обслуживания потребителей.^[10]

2022

В генеративный ИИ в мире за год вложили $5 млрд. Спрос на таких разработчиков стремительно растет

По итогам 2022 года инвестиции на мировом рынке генеративного искусственного интеллекта достигли приблизительно $5 млрд. При этом спрос на специалистов в соответствующей области стремительно растет, о чем говорится в исследовании компании McKinsey, результаты которого обнародованы 20 июля 2023 года.

Аналитики отмечают, что генеративный ИИ знаменует собой переломный момент для развития отрасли ИИ в целом. Такие системы способны создавать новый, неструктурированный контент — текст, аудио, видео, изображения, код, симуляции и пр. В бизнес-контексте генеративный ИИ позволит переосмыслить операционные процессы и улучшить качество обслуживания клиентов. Кроме того, повысится производительность труда сотрудников.

По состоянию на 2023 год практически 80% исследований в области ИИ сосредоточены именно на генеративном направлении. Количество объявлений о вакансиях в данной сфере поднялось на 44% в течение 2021–2022 годов. Венчурные инвестиции в соответствующем сегменте по сравнению с 2020-м взлетели на 425%. Варианты использования генеративного ИИ изучают компании и организации в самых разных отраслях — от финансовых услуг до медико-биологических наук. Многие предприятия реализуют новые проекты на основе больших языковых моделей (LLM), тогда как другие компании интегрируют возможности генеративного ИИ в существующие продукты и сервисы.

На фоне стремительного развития отрасли генеративного ИИ растет нагрузка на вычислительные платформы. В этой связи крупные облачные и технологические компании начинают активно заниматься разработкой собственных аппаратных ускорителей. Специализированные акселераторы дают возможность не только поднять производительность, но и снизить потребление энергии. Например, Google разработала тензорный процессор четвертого поколения (TPU v4), который позволил примерно в десять раз увеличить быстродействие по сравнению с предыдущими версиями.^[11]

Рынок генеративного искусственного интеллекта достиг объема в $40 млрд

По итогам 2022 года объём глобального рынка технологий генеративного искусственного интеллекта достиг приблизительно $40 млрд. Это на 75% больше показателя за 2021-й, когда затраты в соответствующем сегменте оценивались в $23 млрд. Такие данные приводятся в исследовании Bloomberg Intelligence, результаты которого были обнародованы 1 июня 2023 года.

Аналитики говорят, что появление передовых потребительских сервисов на основе генеративного ИИ, таких как ChatGPT и Google Bard, способствует стремительному развитию данной отрасли. В 2023 году затраты в этой области, как полагают эксперты, достигнут $67 млрд, в 2024-м — $137 млрд, а в 2025-м — $217 млрд. В 2032 году расходы превысят $1,3 трлн. Таким образом, среднегодовой темп роста в сложных процентах (CAGR) на протяжении десяти лет (к 2032 году) окажется на отметке приблизительно 42%.

Мир столкнётся с взрывным ростом в секторе генеративного ИИ в течение десятилетия — такие инструменты обещают коренным образом трансформировать технологическую отрасль. По мере своего развития ИИ-решения будут становиться всё более важной статьёй расходов в сферах рекламы, обеспечения информационной безопасности и ИТ-инфраструктуры в целом, — говорит Мандип Сингх (Mandeep Singh), руководитель исследования Bloomberg Intelligence.

В отчёте отмечается, что всевозможное программное обеспечение в сфере ИИ, такое как «умные» помощники, инфраструктурные продукты, а также софт, ускоряющий кодирование, может принести $280 млрд в 2032 году. Показатель CAGR по данному направлению ожидается на уровне 69%.

На аппаратные решения придётся основная часть расходов — примерно $641 млрд по итогам 2032-го. От этой суммы около $168 млрд обеспечат различные устройства, а ещё $473 млрд — инфраструктурное оборудование, применяющееся в том числе для обучения масштабных ИИ-моделей на огромных массивах всевозможной информации. Развитие генеративного искусственного интеллекта приведёт к увеличению отгрузок специализированных серверов, систем хранения данных и компонентов платформ машинного зрения. В частности, только ИИ-серверы в 2032 году принесут поставщикам примерно $134 млрд. Бизнес цифровой рекламы, подкреплённый технологиями ИИ, обеспечит выручку в размере $192 млрд. А в сегменте программных помощников на основе ИИ затраты в 2032-м могут составить до $89 млрд.

Прогнозируется, что к 2032 году вклад отрасли генеративного искусственного интеллекта в общий объём ИТ-рынка окажется на уровне 10–12% против менее чем 1% по итогам 2022-го. Эти данные учитывают продажи программных продуктов, аппаратного обеспечения, рекламы и других услуг. В числе ведущих игроков рынка генеративного ИИ называются облачное подразделение AWS компании Amazon, Google, Nvidia и корпорация Microsoft, вложившие миллиарды долларов в OpenAI — разработчика ChatGPT.

Вместе с тем растёт обеспокоенность по поводу повсеместного внедрения нейросетей и генеративного ИИ. Такие инструменты могут применяться для создания реалистичных дипфейков, провоцирующих волнения среди населения и конфликты. В то же время Центр безопасности искусственного интеллекта (CAIS) в США предупреждает, что стремительное развитие технологий ИИ и вовсе может обернуться исчезновением всего человечества.

Снижение риска вымирания людей, которое может произойти из-за искусственного интеллекта, должно стать глобальным приоритетом — наряду с противодействием другим угрозам, таким как пандемии и ядерная война, — говорится в заявлении CAIS.[12]

Разработчики генеративных ИИ-приложений привлекли $1,37 млрд инвестиций

7 января 2023 года обнародованы данные об объёме инвестиций в компании, занимающиеся генеративным искусственным интеллектом (ИИ). Сообщается, что в 2022-м такие проекты привлекли $1,37 млрд — почти столько же, сколько за предыдущие пять лет вместе взятые.

Генеративный ИИ предполагает использование технологий, которые позволяют формировать текст, изображения, звуки и другие медиаданные в ответ на запросы пользователя. По оценкам, более 450 стартапов к концу 2022 года работали над подобными решениями.

В частности, много шума наделал чат-бот ChatGPT компании OpenAI, которая, по сообщению газеты The Wall Street Journal, теперь оценивается в $29 млрд. В течение 2022 года, по данным PitchBook, в общей сложности были заключены 78 сделок по инвестициям в разработчиков генеративных ИИ-приложений. В качестве наиболее ярких примеров The New York Times называет проект стартапа Jasper, основанного в 2021 году: в октябре 2022-го он привлёк $125 млн, а его рыночная стоимость достигла $1,5 млрд. Основанная в 2020 году компания Stability AI, разрабатывающая решения для создания изображений, в том же месяце привлекла $101 млн, получив оценку в $1 млрд. Небольшие проекты, занимающиеся генеративным ИИ, включая Character.AI, Replika и You.com, также вызвали интерес инвесторов.

Эксперты Sequoia Capital заявляют, что генеративный ИИ «может создать триллионы долларов экономической ценности». А Лонн Джаффе (Lonne Jaffe), инвестор Insight Partners, сравнил развитие отрасли генеративного ИИ с ранними этапами становления интернета. Однако некоторые специалисты опасаются, что ажиотаж вокруг генеративного ИИ опередил реальность. Технология подняла острые этические вопросы о том, как такие приложения могут повлиять на авторские права и нужно ли компаниям получать разрешение на использование данных, которые обучают их алгоритмы.^[13]

2021: Бум моделей генеративного ИИ

Впервые формализация концепции ИИ произошла еще в середине XX века, а более осмысленные и работоспособные модели ИИ - в 1990-е (на уровне расширенных скриптов и экспертных систем, где пионером были компьютерные игры).

В 2000-х годах распознавание текста и позже изображений, переводчики, голосовые ассистенты, торговые алгоритмы.

В 2010-х годах – глубокое обучение и нейронные сети, Big data, распознавание видео, самоуправляемый транспорт.

Высокоразвитые модели ИИ начали появляться в 2017-2018, бурная экспансия началась с 2019-2020 (бум инструментов для фото, рекомендации музыки, анализ новостного контента, дипфейки), а с 2021 по экспоненте пошли вверх генеративные модели ИИ.

Робототехника

Примечания