Найбільш перспективні AI/ML-технології 2024 року. Частина друга

На ринку рішень AI/ML сьогодні відбуваються дуже цікаві процеси. Чим далі, тим більше стає очевидним, що початковий ажіотаж, викликаний технологічними успіхами, починає потроху спадати й компанії вже ретельніше рахують гроші. Все більше з'являється повідомлень про невдачі стартапів в галузі ШІ, а впливові дослідницькі організації відкрито говорять про те, що сьогодні штучний інтелект це дорого. Наприклад, у свіжому звіті Стенфордського Університету — AI Index Report 2024, повідомляється, що витрати на навчання сучасних моделей ШІ за останній час збільшилися у кілька разів. Наприклад, для OpenAI GPT-4 знадобилося близько $78 млн, але на навчання Google Gemini Ultra було витрачено вже не менше $ 191 млн. І це не межа — витрати продовжують стрімко зростати. У той час, як окупність інвестицій все ще не є очевидною. Звичайно ще рано підбивати якісь підсумки, але багато експертів ринку очікують, що навіть 2024 року повернення вкладень навряд чи стане глобальним трендом. Більшість компаній все ще знаходиться на шляху пошуку та експериментів. Тому, якщо ви не світовий ІТ-лідер з безмежними фінансовими можливостями, дуже важливо правильно розподілити ресурси на AI/ML, акцентуючи увагу на найважливіших та/або перспективних напрямках.

Генеративний ШІ (Generative AI)

Це, можливо, найпопулярніший, найвідоміший і найперспективніший напрямок розвитку AI сьогодні. Генеративний ШІ дозволяє створювати новий контент після навчання на величезних масивах різноманітних даних та заданих шаблонах. У певному сенсі він близький до принципів роботи людського інтелекту і здатний до певної (поки що дуже обмеженої) творчості

У згаданому вище звіті AI Index, генеративний ШІ розглядається як одна з найбільш привабливих галузей для інвестицій. Зокрема, наголошується, що попри загальне зниження обсягу приватних вкладень у ШІ 2023 року, фінансування Generative AI неймовірно зросло, збільшившись до $25,2 млрд, що майже у вісім разів більше порівняно з 2022 роком. Зокрема, нові великі раунди фінансування отримали найбільші гравці у цій сфері — OpenAI, Anthropic, Hugging Face та Inflection. Більш загальні розрахунки, проведені аналітиками Goldman Sachs, свідчать про те, впровадження генеративного ШІ в різних сферах світової економіки може забезпечити загальне зростання глобального ВВП на 7%, а це в абсолютних цифрах — біля $7 трлн. У наведених прикладах не так важливі цифри (яким доведеться лише повірити), скільки загальні тенденції, а вони говорять про те, що Generative AI сьогодні дуже затребуваний.

Проте у цій галузі ми лише на початку шляху й здатність генеративного ШІ створювати реалістичний та оригінальний контент (тексти, зображення, відео, музику, програмний код), можливо, незабаром зробить справжню революцію у низці галузей. Широко відомі здібності Generative AI у таких масових сферах як маркетинг, медіа, розваги. Такий ШІ створює персоналізований контент на основі вподобань та демографічних даних користувачів, генерує рекламні тексти, постери та відеоролики, бере участь у розробці нових ігор та створенні анімації.

У більш вузьких сферах генеративний ШІ допомагає у підвищенні ефективності наукових досліджень (наприклад, суттєво прискорює моделювання молекул та хімічних реакцій у процесі розробки нових ліків), підвищує якість обслуговування клієнтів (за допомогою «розумних» чат-ботів), оптимізує процес розробки програмного забезпечення та ін. Спектр галузей застосування Generative AI постійно розширюється.

Діалоговий ШІ (Conversational AI)

Серед неймовірної різноманітності різних проявів Generative AI варто особливо відзначити одну велику, важливу й дуже перспективну підмножину рішень — Conversational AI. Адже саме діалоговий ШІ дозволяє людям взаємодіяти з обчислювальними системами, використовуючи мову, природну для людини. «Розумні» побутові пристрої, голосові помічники, чат-боти нового покоління — всі вони потребують технології Conversational AI. З погляду реалізації, тут важливі такі технологічні напрямки, як точне розпізнавання мови, розуміння/інтерпретація природної мови (NLU/NLI), генерація природної мови (NLG), робота з питаннями/відповідями, вміння будувати діалог. Природна та захоплива взаємодія між «розумною» системою та людиною допоможе, наприклад, підвищити якість обслуговування клієнтів у контакт-центрах, розширити можливості віртуальних помічників та вивести чат-боти на новий рівень ефективності. Як і в інших випадках, тут ШІ дозволить розвантажити людей від рутинних задач, залишивши їм лише справді важливі питання, що потребують саме людського мислення.

Вірно розроблена та впроваджена модель діалогового ШІ має створювати враження спілкування з живою людиною. Це вдається далеко не завжди. Досі відносно рідко система досягає розуміння контексту, інтонацій, культурних нюансів, «заборонених» чи неоднозначних тем. Але дослідження та розробки для виправлення цих нюансів активно йдуть, гроші вкладаються, тому, очевидно, більшість проблем вдасться вирішити найближчими роками. Поки що тут величезне поле для розвитку технологічних стартапів, особливо у вузьких професійних нішах.

Покращені моделі машинного навчання (Advanced Machine Learning Models)

Нові завдання та розширення сфер застосування вимагають від розробників ШІ нових, більш продуктивних підходів. У результаті зараз активно формується концепція, яку умовно можна назвати Advanced Machine Learning Models. Це не якийсь конкретний напрямок, але цілий пул технологій, що дозволяє вивести моделі AI/ML на новий рівень ефективності. Виходячи за рамки базової автоматизації, ці моделі вирішуватимуть складніші завдання, що вимагають певного осмислення та адаптації й навіть міркувань.

Особливо активно AMLM зараз розвиваються в області Generative AI та Conversational AI (де потрібні серйозні вдосконалення у галузі обробки природної мови). Наприклад, вчені Стенфордського Університету відзначають, що хоча ШІ перевершив людину за певними напрямами, таким як класифікація зображень, візуальні міркування (visual reasoning) й навіть розуміння англійської мови. Разом з тим штучний інтелект відстає у вирішенні складніших завдань, таких як математика змагального рівня, розуміння візуальних даних (Visual Commonsense Reasoning) та комплексне планування.

Успіхи в області моделей AMLM можуть допомогти у скороченні розриву між інтелектуальними здібностями машини та людини. Як наслідок, буде можливий прорив у таких напрямках як машинний зір, керування безпілотним транспортом, розуміння намірів користувачів і клієнтів — скрізь, де необхідне осмислення не лише самої інформації, а й величезного контекстного поля й там де є великий вибір альтернативних рішень.

Пошук та розробка нових ефективних алгоритмів AI/ML вкрай важливий, зокрема, для розвитку амбітних технологічних стартапів, які ще не можуть дозволити собі витрачати десятки мільйонів $ на створення таких же великих та універсальних моделей машинного навчання, як у світових лідерів галузі (Open AI, Google та ін.), але здатні досягти помітних успіхів у вузькопрофесійних галузях, де потрібні спеціалізовані системи ШІ.

Квантове машинне навчання (Quantum Machine Learning)

Головна особливість квантових комп'ютерів — у деталі реалізації яких ми не заглиблюватимемося — у тому, що хоч вони й вирішують дуже обмежене коло завдань, але роблять це у багато разів ефективніше та швидше за будь-які інші типи обчислювальних систем. Як виявилося, частина таких задач безпосередньо пов'язана з AI/ML і, що цілком природно, їх вже спробували реалізувати на квантових комп'ютерах. Таким чином кілька років тому народився новий перспективний напрямок — квантове машинне навчання (Quantum Machine Learning, QML), яке все ще знаходиться на ранній стадії розвитку, але вже є кілька сфер застосування, де технологія має великий потенціал. Це (вже кілька разів згадане) моделювання молекул для розробки нових ліків і матеріалів з особливими властивостями, моделювання процесів та пошук взаємозв'язків усередині складних фінансових систем для прийняття усвідомлених та ефективних інвестиційних рішень, криптографія — розробка нових, більш безпечних методів шифрування, стійких до сучасних методів злому, а також, як не дивно, — розробка більш потужних алгоритмів штучного інтелекту, здатних розв'язувати задачі нового типу. 

Поки що в галузі QML більше проблем, ніж реального ефекту, дається взнаки складність розробки, схильність квантових комп'ютерів до помилок та відсутність ефективних методів відлагодження програм. Проте останні кілька років, коли кантові комп'ютери стали доступні ентузіастам, зокрема з хмари, безліч компаній – як стартапів, так і лідерів ІТ-галузі – багато працюють у напрямку квантових обчислень й зокрема QML. Так що ця нова захоплива область досліджень цілком може призвести до революційних відкриттів найближчими роками.

Етичний ШІ (Ethical AI)

На тлі повсюдного та стрімкого проникнення AI/ML у всі сфери нашого життя, особливо гостро постає питання контролю та етичного використання таких технологій. Головна проблема полягає в тому, що ми не знаємо, до яких меж можуть розвинутись фактичні можливості штучного інтелекту, хто і з якою метою його використовуватиме. Побоювання стосуються не стільки гіпотетичного «повстання машин», скільки в першу чергу людей, організацій чи держав, що можуть використовувати ШІ з руйнівною метою, особливо за наявності достатніх обчислювальних потужностей та квантових комп'ютерів. Це реальність, і вона змушує замислитись.

Нове опитування, проведене компанією Ipsos показує, що 2023 року частка людей, які вважають що AI кардинально вплине на їхнє життя у найближчі три-п'ять років, зросла з 60% до 66%. Водночас 52% респондентів висловлюють побоювання щодо впровадження продуктів та послуг на основі штучного інтелекту (у 2022-му таких було 39%). Аналітики роблять висновок, що зараз подібні технології радше турбують, ніж надихають. У дослідженні AI Index 2024, яке ми вже не раз згадували, наголошується на відсутності стандартизації звітності у сфері технологій ШІ, що ускладнює розуміння та систематизацію різних моделей.

Водночас всі провідні країни світу відчайдушно намагаються ввести AI/ML у зрозуміле законодавче поле. В результаті зростає кількість законодавчих актів у цій сфері, але наскільки вони ефективні допоки неясно. Якщо у 2016 році в США діяв лише один нормативний акт, пов'язаний з регулюванням технологій ШІ, то наприкінці 2023 року таких актів було вже 25 (до того ж більша частина з них прийнята минулого року). У березні 2024 року комплексний Закон (Регламент) про штучний інтелект (Artificial Intelligence Act або The EU AI Act) прийняв і Європарламент. Формально Регламент вже набув чинності, але впроваджуватися він буде поступово й на повну силу почне працювати лише у 2027 році.

Критики кажуть, що закон у його нинішній редакції стримуватиме розвиток інновацій у рамках ЄС, але європарламентарі вважають, що на даному етапі важливіше зниження потенційних ризиків, пов'язаних з ШІ, таких як упередженість, дискримінація, відсутність прозорості. Об'єктивність і відповідальне використання має бути в основі будь-яких рішень AI/ML. Це, своєю чергою, стимулює розвиток напряму ШІ, адже кожна послуга або застосунок, зараз чи в найближчому майбутньому, повинні відповідати критеріям певної етики, а отже будуть потрібні консультанти, фахівці та розробники з відповідною експертизою, якої поки що надзвичайно мало.

Сьогодні технології штучного інтелекту та машинного навчання, попри всі здобутки, все ще знаходяться на початку шляху але куди цей шлях приведе — поки що не знає ніхто. З іншого боку, саме зараз ми маємо величезний простір для експериментів, пошуку проривних рішень і створення революційних розробок в галузі AI/ML.

Втілюйте свої унікальні ідеї, а компанія De Novo забезпечить для цього продуктивну та надійну технологічну базу. Найкращі в галузі AI/ML-інструменти вже доступні в наших хмарах. Отримайте у розпорядження найпотужніші TPU NVIDIA H100 і L40S безпосередньо з оточення Kubernetes у складі нових хмарних послуг Tensor Cloud (у колективній хмарі) та HTI (сервіс класу GPU Private Cloud), а з PaaS-платформою ML Cloud ви отримуєте ще й готове повноцінне робоче середовище для ML-інженера (класу AWS SageMaker або Google Vertex AI).

Бажаєте дізнатися більше? Звертайтесь за детальною консультацією до наших експертів! Вони не лише нададуть відповідь на ваші запитання, але й допоможуть розгорнути пілотний проєкт або перенести навантаження в хмару De Novo.