Не будет преувеличением сказать, что с конца 2022 года искусственный интеллект (ИИ) завоевывает мир семимильными шагами. А с выходом в апреле новой версии языковой модели GPT-4, созданной компанией OpenAI совместно с Microsoft, началась настоящая мировая экспансия генеративных моделей.
GPT-4 (Generative Pre-trained Transformer 4) вышел на совершенно новый уровень эффективности по сравнению с предыдущими версиями (например, с той же GPT-3). Он использует более мощную архитектуру Transformer, что позволяет ему генерировать более точные и информативные тексты, причем - на различных языках.
Это делает его идеальным инструментом для работы с международными проектами и задачами, связанными с переводом текстов. Кроме того, GPT-4 обладает способностью генерировать тексты на основе заданного контекста, и соответствовать определенным темам и жанрам, что делает его более естественным и реалистичным. Таким образом, он уже вполне пригоден для профессионального создания рекламных текстов, статей, сценариев, и открывает новые возможности для использования искусственного интеллекта в различных областях деятельности. Помимо текстов языковая модель GPT-4 взаимодействует с изображениями. Алгоритм пытается понять контекст и выдаёт ответ в текстовом виде.
Конечно, ИИ всё ещё не может на равных конкурировать с человеком. Однако даже текущая версия GPT-4 уже достаточно продвинута для того, чтобы заменить часть офисных профессий. Ведь типичная офисная деятельность в большинстве случаев подразумевает работу по инструкции, выполнение регламентированных должностных обязанностей.
Широкое распространение генеративные модели в скором времени получат в связи с тем, что они имеют широкий спектр применения в различных областях, таких как компьютерное зрение, обработка естественного языка, машинный перевод, распознавание речи и т.д.
На данный момент ИИ легко справляется с типовыми задачами офисных менеджеров, бухгалтеров на «первичке», юристов, занятых технической работой по составлению типовых документов и т.д. Также при помощи GPT-4 можно легко организовать линию поддержки клиентов. Так, например, чат-боты, подключенные к большой языковой модели (LLM), очень хорошо имитируют использование человеческого языка, и иногда бывает трудно различить, кто с вами разговаривает – робот или человек.
Большое количество офисных работников тратят свое рабочее время на создание текстов: контракты, юридические заключения, пресс-релизы, статьи для СМИ и так далее. Такие рабочие места, скорее всего, в ближайшее время займет искусственный интеллект.
Более того, GPT-4 прекрасно пишет программный код для простых программ и сайтов, сам может его тестировать, обнаруживать и исправлять ошибки в нём. Кроме того, нейросеть может обучать студентов или простых пользователей написанию таких кодов. Поэтому некоторые работы по программированию также может выполнять ИИ, и программистам достанутся только более сложные проектные задачи, которые пока не под силу решить роботам.
В общем, практически любая форма экономической деятельности, связанная с составлением предсказуемых последовательностей символов, может быть передана нейросетям. Согласно прогнозам Goldman Sachs, около 300 млн рабочих мест в промышленном мире будут полностью или частично заменены на ИИ в ближайшие годы.
Стоит упомянуть здесь еще об одной технологии с аналогичными результатами — создание (генерация) изображений CGI. Так, недавно компания Levi's объявила, что все ее будущие каталоги и реклама будут использовать компьютерные изображения вместо высокооплачиваемых моделей и фотографов. Иными словами, перспективы получить заказы у графических дизайнеров, фотографов и художников также могут со временем уменьшаться из-за экономии заказчиков при использовании ИИ.
Кстати, на посткапиталистическом Западе увольнения уже начались. Например, корпорация IBM решила заменить роботами 8 тысяч сотрудников, собираясь сэкономить на этом около миллиарда долларов. Некоторые СМИ уже заговорили о том, что ChatGPT уже сейчас может заменить журналистов, копирайтеров, юристов и биржевых трейдеров.
Профессора в университетах и колледжах Китая и США бьют тревогу и просят запретить использование GPT-4, так как студенты всё чаще сдают работы, написанные ИИ, которые невозможно отличить от написанных человеком. А в Италии уже законодательно ввели ограничения на использование ChatGPT. Однако у этой нейросети быстро появляется много конкурентов от других ИТ-гигантов, которые в любом случае заполонят рынок ИИ.
Так, в феврале этого года Google выпустила собственный чат-бот Bard, который предназначался для ChromeOS в качестве экспериментальной опции под названием Conversational Search. При этом, глава ИИ-проекта Google Bard говорил, что чат-бот создан не для поиска информации в Интернете. В конце марта Google открыла доступ к Bard для пользователей из Великобритании и США.
Между тем сама Microsoft в апреле уже представила обновление для Bing с ответами ChatGPT на поисковые запросы пользователей. В некоторых случаях пользователи будут видеть ответы Bing AI с предложениями продолжить разговор с чат-ботом.
В Китае в начале 2023 года поисковый гигант Baidu также презентовал собственную альтернативу популярной нейросети. Сервис получил название ERNIE (Enhanced Representation through Knowledge Integration) и располагает 550 миллиардами самых разных фактов для анализа.
По своим возможностям он близок к нейросети GPT-4, главным отличием и скорее ограничением стало то, что китайский чат-бот ориентирован исключительно на местный рынок, поэтому может быть не в состоянии отвечать на вопросы, связанные с другими регионами мира. Однако в некоторых моментах ERNIE даже превосходит детище OpenAI и Microsoft. Например, он может отвечать на пользовательские запросы голосом на разных китайских диалектах, а также генерировать по заданному описанию изображения и даже видео. В Baidu заявили, что 650 крупных компаний уже заявили о намерении использовать ERNIE в своём бизнесе.
А что у нас в стране?
Microsoft вложил огромные деньги в разработку ChatGPT (обучение нейросети проводилось с использованием 10000 видеокарт H100, каждая из которых стоила по $30000, что в сумме дает $300 млн. только на часть оборудования) и кроме того использовал свои облачные технологии (платформа MS Azur) для обучения и обкатки сервиса.
Наше правительство, надо отдать ему должное, пытается стимулировать подобные разработки, например, в Сколково на разработку искусственного интеллекта выделяют гранты размером до 100 млн. рублей, но эти суммы гораздо меньше, чем требуется для создания полноценного российского аналога ChatGPT. Так что пока некоторые реальные успехи имеются только у больших российских корпораций.
Так, например, Сбер выпустил собственную версию нейросети - GigaChat, которая умеет отвечать на вопросы пользователей, поддерживать диалог, писать программный код, создавать тексты и картинки на основе описаний в рамках единого контекста, отвечать на фактологические вопросы пользователей. В отличие от иностранных нейросетей, сервис от Сбера изначально уже поддерживает мультимодальное взаимодействие и более грамотно общается на русском языке.
Включение в систему графической модели Kandinsky 2.1 дополнительно даёт нейросети навык создания изображений. Входящий в состав нейросети сервис с 13 миллиардами параметров Сбер планирует выложить в открытый доступ для развития open-source-сообщества и технологий в области ИИ, то есть архитектура GigaChat открыта для разработки.
Модель уже активно внедряется во многие продукты и сервисы Сбера, например – в виртуальный ассистент "Салют". Как заявляют в Сбере, новая нейросеть прекрасно подойдёт для работы представителей СМИ, редакторов, программистов, педагогов, студентов, маркетологов и представителей других профессий. В будущем разработчикам и бизнесу GigaChat также будет доступен для использования через облачное API.
Яндекс также разработал новую нейросеть YaGPT, которую уже начинает постепенно интегрировать в сервисы компании. Эксперты сравнивают ее возможности с американским чат-ботом ChatGPT. Интеграции нейросети с "Поиском", "Алисой" уже частично произошли, а внедрение в "Яндекс-почту" и в другие сервисы планируется запустить до конца 2023 года.
В "Яндекс-почте", например, искусственный интеллект будет помогать быстро составлять развернутое письмо в выбранной стилистике, а получателю писем сможет изложить краткое содержание сообщений. "Алиса" же стала умнее, и в ближайшем будущем будет лучше удерживать контекст беседы и сможет отвечать на большее количество сложных вопросов.
Как отмечают эксперты, знакомые с разработкой, текст сгенерированный новой нейросетью Яндекса практически невозможно отличить от написанного человеком.
«Центр развития перспективных технологий» - ЦРПТ (оператор маркировки в России) также начал экспериментировать с применением нейросетей в системе маркировки товаров. Нейросети должны будут выявлять и «подсвечивать» потенциальных нарушителей системы маркировки. При этом глобальных платов по внедрению нейросетей в работу национальной системы маркировки товаров пока что нет.
«Есть вопросы к безопасности, сохранности данных, а мы работаем с чувствительной информацией. Но мы активно экспериментируем с нейросетями, какие-то вещи благодаря им можно автоматизировать и упростить, отказаться от некоторых рутинных процессов», – заявил Председатель Совета директоров ЦРПТ Михаил Дубин.
ЦРПТ применяет системы предикативного анализа на базе нейросетей. Новые технологии определяют потенциально рискованное поведение и оценивают профиль риска.
Где может применяться ИИ в учете, маркетинге и финансах?
Искусственный интеллект (ИИ) может оказать значительную помощь в бизнесе в различных областях, таких как:
1. Автоматизация бизнес-процессов: ИИ может использоваться для автоматизации рутинных задач, таких как обработка заказов, управление складом, анализ данных и т.д. Это может снизить затраты на персонал и повысить эффективность работы.
2. Анализ данных: ИИ может анализировать большие объемы данных, чтобы выявлять закономерности и тенденции, которые могут помочь принимать более обоснованные решения. Например, ИИ может использоваться для прогнозирования продаж, анализа конкурентов и выявления новых возможностей для бизнеса.
3. Оптимизация маркетинга: ИИ может помогать компаниям создавать персонализированные маркетинговые кампании, основываясь на данных о клиентах и их поведении. Это может увеличить конверсию и улучшить показатели продаж.
4. Улучшение обслуживания клиентов: ИИ может использоваться для создания чат-ботов, которые могут отвечать на вопросы клиентов и предоставлять информацию о продуктах и услугах. Это может сократить время ответа на запросы и улучшить качество обслуживания клиентов.
5. Улучшение безопасности: ИИ может обнаруживать и предотвращать угрозы безопасности, такие как фишинг, вредоносные программы и хакерские атаки. Это может защитить компании от финансовых потерь и ущерба репутации.
6. Машинное зрение: распознавание шаблонов и особенностей в отсканированных документах. Эта возможность может быть использована для оцифровки материалов, включая типовые формы документов. Уже давно известны инструменты OSR (Optical Character Recognition) - для распознавания первичных документов и преобразования их в редактируемые форматы либо непосредственно загрузки их в учетную систему.
Важной задачей при распознавании является обучение ИИ пониманию смысла написанного текста после извлечения данных из отсканированных документов и отчетов. Здесь решается проблема с неструктурированными данными, из которых требуется извлечь ключевые термины, чтобы автоматизировать отслеживание и подготовку ответов и выводов на основе информации, содержащейся в неструктурированных данных.
В бухгалтерской и налоговой сфере применение статистических методов машинного обучения ИИ для автоматического выявления закономерностей в данных может быть затем использовано для решения таких задач, как например:
- классификации транзакционных операций, когда доходы или расходы распределены по разным счетам;
- планирования и прогнозирования результатов деятельности за какой-либо незавершенный период;
- прогнозирование остатков и оборотов по бухгалтерским счетам для предварительного расчета налоговой базы, определения суммы вычетов и т.п.;
- определения налоговых последствий сделок на основе анализа текста понимания естественного языка налоговых вопросов и подсказывания пользователю;
- рутинную работу по расчету налоговой базы, начиная со сбора информации по регистрам, заканчивая собственно подачей декларации в налоговые органы.
Вообще, в финансовой сфере, где приходится обращаться с большим объемом цифр и показателей, применение искусственного интеллекта может быть особенно полезным. Компании нуждаются в оперативном получении максимально точной информации по налогам, чтобы строить верные финансовые планы, не нарушая при этом законодательства. Учитывая все финансовые и репутационные риски от неверно рассчитанных налоговых платежей, сбор и обработка данных машинным способом скоро будет незаменимы.
Самым простым примером использования роботов в бухгалтерской сфере является, например, обработка первичных документов, когда сканированная фотография отчета превращается в текст, считывается роботом и заносится в базу данных с разнесением по требуемым счетам и аналитическим разрезам.
Вообще, использование RPA (robotic process automation - программных роботов, повторяющих действия человека при работе за компьютером), в связке с технологиями ИИ, открывает еще более широкие возможности для бизнеса.
Нейросеть, основанная на машинном обучении, с обработкой естественного языка, таким образом, будет аналогом мозга, который отвечает за общение и принятие решений, а RPA — "руками", которыми это решение исполняется.
Так, в компаниях всё чаще стали внедряться RPA-решения, имитирующие работу бухгалтера с интерфейсом программы по заложенному алгоритму. В частности, RPA-системы могут решать следующие бухгалтерские задачи:
- автоматическое заполнение справочников;
- автоматическое создание первичных документов;
- автоматическое выставление счетов покупателям;
- регулярная сверка взаиморасчетов в фоновом режиме;
- автоматическое формирование и рассылка различных отчетов;
- обмен данными между бухгалтерской и другими системами.
Куда движется налоговая система
1. Автоматический расчет налогов
Впервые налоговые органы взяли на себя функцию расчета налога в 2019 году на специальном режиме для самозанятых лиц – Налог на профессиональный доход (НПД).
Затем, с 1 января 2021 года бизнес перестал рассчитывать и сдавать декларации по транспортному и земельному налогу, а с 2022 года - по налогу на имуществу от кадастровой стоимости. Рассчитывать эти налоги стала ФНС на основе данных из ГИБДД, реестра недвижимости и других источников данных.
С 1 июля 2022 года в четырех пилотных субъектах РФ заработал специальный налоговый режим "Автоматизированная система налогообложения" (АУСН), при котором налог с доходов исчисляет также налоговый орган, а не сам плательщик. Источниками данных для расчета служат сведения от онлайн-касс, уполномоченных банков и переданные самим налогоплательщиком через личный кабинет.
В будущем налоговая служба планирует взять на себя расчет всех налогов, включая упрощенку, налог на прибыль и даже НДС. Для этого у ФНС уже есть почти все ресурсы: онлайн-ККТ, прослеживаемость и маркировка товаров, интеграция с банками и всеми госорганами. Остается только ввести всеобщий обязательный электронный документооборот (ЭДО) и интеграцию с учетными системами компаний в режиме онлайн.
Что и подтверждает концепция развития ЭДО, принятая Правительственной комиссией по цифровому развитию еще в декабре 2020 года, которая предусматривала перевести обмен 95% счет-фактур и 70% товарных и транспортных накладных в формат ЭДО до конца 2024 года.
2. Автоматизация налогового администрирования
С 2013 года налоговая начала внедрять инструменты автоматизации администрирования налогов — АСК-НДС.
Программа собирает данные из деклараций по НДС и налогу на прибыль компаний, анализирует и сверяет данные. Если программа находит расхождения в декларациях компаний, то налогоплательщикам отправляются автоматические уведомления с просьбой предоставить документы и объяснить расхождения — это камеральная проверка.
В дальнейшем к процессу могут подключиться люди со стороны налоговой и попросить пересчитать сумму налога, чтобы обойтись «малой кровью» и налоговой не пришлось делать полноценную выездную проверку. Иногда стоимость проведения выездной налоговой проверки больше, чем сумма итоговых доначислений.
ФНС задействует искусственный интеллект для внедрения голосового ассистента для консультаций, а также для создания классификаторов по вновь поступающим вопросам и товарным наименованиям.
Вывод:
Прошло еще слишком мало времени, чтобы мы все, включая государственный аппарат и бизнес, в полной мере осознали всю масштабность наступающих перемен. ChatGPT появился в конце ноября прошлого года (всего полгода назад), а уже к марту к нему подключились более 140 млн пользователей по всему миру.
Нам остается только надеяться, что наше правительство и ИТ-корпорации будут, с одной стороны, развивать этот процесс для избежания отставания от западных и китайских конкурентов - IT-гигантов, а с другой стороны - контролировать распространение нейросетей и искусственного интеллекта как в целях государственной безопасности, так и для поддержания числа рабочих мест в стране.
Читайте также:
Профессия бухгалтера скоро умрёт. Разберемся, так ли это на самом деле?