Технологии AI уверенно встраиваются в бизнес-модели отечественной цифровой экономики и занимают все новые и новые сегменты рынка. Транспорт, логистика, «умная» городская инфраструктура, медицина, агробизнес, промышленные предприятия используют нейросетевые методы и алгоритмы для оптимизации производства товаров и услуг.
Развитие и расширение областей применения технологий AI на базе искусственных нейронных сетей является некоторой данностью, которую давно надо было принять. И с повышением эффективности нейросетей и вычислительных мощностей для их обучения, таким технологиям будут доступны для решения все более сложные задачи.
Разработчики технологий AI решают прежде всего задачу повышения эффективности деятельности человека в результате применения алгоритмов человеко-машинного взаимодействия, за счет автоматизации рутинных операций, позволяющее человеку сконцентрироваться на высокоинтеллектуальном труде, а не замены человека машиной. При этом всегда найдется почва для злоупотреблений – школьники и студенты, за которых нейросети делают домашние задания; псевдоученые, за которых специальные программы генерируют научный текст итак далее. По мере совершенствования архитектур и моделей обучения нейросетей, области применения и решения задач будут дополняться. То есть нахождение простых ошибок кода разработчика, равно как и генерация фрагментов кода, в том числе вредоносного, сейчас вполне решаемые задачи для не программистов.
В качестве примера вполне закономерной эволюции моделей машинного обучения предыдущих поколений, можно привести Deep Learning мультиязыковую модель типа ChatGPT, позволяющая решать широкий спектр в том числе научно-образовательных задач. Российским школьникам понадобилась всего пара недель после появления OpenAI, для того, чтобы начать автоматически генерировать тексты домашних заданий. При этом системы генерации текста, в том числе научного, существуют достаточно давно, однако в этот раз качество текста значительно повысилось.
Генеративно-состязательные нейросетевые модели тоже появились достаточно давно, но широкую известность получили несколько лет назад после начала массового генерирования фейкового видеоконтента – дипфейков. Однако следует отметить, что сегодня мы говорим прежде всего о внедрении систем слабого AI. То есть AI, который может быстро и качественно решать поставленные задачи по созданным человеком алгоритмам, не понимая внутреннего содержания процессов. Сгенерировать научный текст, выполнить домашнее задание – пожалуйста, сделать научное открытие – нет.
При появлении технологий сильного AI, конфигурация цифровой экономики может измениться принципиально, и надо быть готовыми оперативно реагировать на новые технологические вызовы. Занятно, что одним из последних исследовательских трендов изучения сильного AI стала гипотеза о необходимости имитации биологического сна для нейросетей, по аналогии со сном человеческого мозга.
