Все мы сталкивались с комичными случаями, когда ИИ модели давали некорректные ответы на вопросы, или, например, не умели рисовать пальцы на руках человека. Но это касалось применений, в которых цена ошибки была незначительной
Искусственный интеллект стал реальностью. Россия, несмотря на определенные трудности, активно развивает эту сферу, стремясь занять лидирующие позиции на мировом рынке. О том, как компании используют эту технологию для повышения эффективности и безопасности, какие алгоритмы и методы сегодня наиболее востребованы, и какие перспективы развития ожидают российскую индустрию ИИ рассказывает Георгий Гайков, старший инженер исследователь MTS AI
Какие конкретные области ИИ являются основными и приносящими доход и прибыль российским компаниям (и экономию их клиентам)?
Основные направления включают аналитические системы (например, для принятия решений о выдаче кредитов), рекомендательные системы (например, определяющие, какие товары или услуги показывать пользователям), компьютерное зрение (для биометрии, распознавания медицинских изображений и автомобильных номеров) и обработку естественного языка.
Недавний бум, вызванный появлением ChatGPT, касается обработки естественного языка. Стало возможным автоматизировать такие задачи, как программирование, тестирование, разметка данных, редактирование текстов, написание сценариев, модерирование контента и перевод. Сейчас активно развиваются чат-боты, обеспечивающие поддержку по конкретным темам, такими как корпоративные базы знаний. Можно обучить программу работать на вашем сервере без передачи данных третьим сторонам, что обеспечивает высокий уровень безопасности.
Какие методы и алгоритмы машинного обучения наиболее перспективны сегодня на рынке?
Самые популярные алгоритмы сейчас – генеративного искусственного интеллекта, в генерации текстов это большие языковые модели, в генерации изображений – это диффузионные модели. Также стоит не забывать про генерацию речи, здесь также используются диффузионные модели, но совместно с языковыми.
Как обеспечить безопасность и этичность при разработке и внедрении систем ИИ?
Для того, чтобы понять, как нам правильно и корректно соблюсти баланс между нашими целями с одной стороны, этичностью и безопасностью при разработке и внедрении систем, использующих искусственный интеллект, с другой стороны, нужно в первую очередь и понять, какие цели мы преследуем и какие важные этические правила существуют в нашем социальном мире.
Для того, чтобы ИИ с нашей помощью мог предоставлять этичную и безопасную информацию, его нужно научить. Для этого нужно 1) разработать свод принципов и стандартов, которые помогут обеспечить безопасность и этичность использования технологий ИИ, 2) определить границы ответственности системы, ИИ может быть помощником человека, но не может нести ответственность за возможные последствия, 3) человек должен понимать и контролировать процесс принятия решений ИИ, чтобы отслеживать его действия и своевременно выявлять проблемы в функционировании.
Компании, чья деятельность связана с разработкой ИИ, должны понимать и принимать необходимость соблюдения этих принципов, отражать в своих внутренних корпоративных нормах, участвовать в подготовке и подписании совместных коллективных документах разработчиков продуктов ИИ.
Как посчитать рентабельность инвестиций (ROI) от ИИ-инициатив?
Рентабельность инвестиций (ROI) зависит от конкретного сценария применения ИИ. Например, если речь идет о повышении производительности труда, то показатель ROI можно рассчитать, исходя из сокращения издержек на оплату труда после внедрения ИИ-решений.
Могут ли ИИ-модели быть предвзятыми и что с этим делать?
Да, еще как могут. Ощутимо сложнее сделать непредвзятую модель. Это связано прежде всего с обучением моделей – какие данные использовались при обучении (если мы будем обучать одну модель используя данные на арабском языке, а вторую – используя данные на иврите, закономерно ожидать, что обе модели могут по-разному отвечать на вопросы о справедливом завершении палестино-израильского конфликта). В меньше степени предвзятость может задаваться инструкциями, которые используются при работе ИИ. Чтобы минимизировать предвзятость, важно тщательно подбирать обучающие данные и включать в них многообразные и сбалансированные примеры. Также необходимо тестировать модели на возможные предвзятые ответы и корректировать их.
Как вы оцениваете...
