ИИ-проекты за последние пять лет превратились из айтишного направления гикэкономики в солидный сегмент цифрового бизнеса с годовым оборотом в ≈ 600 млрд. долларов. За доли рынка сражаются не только тяжеловесы типа Microsoft, Google и Amazon, но и малоизвестные команды с неограниченной поддержкой целых государств.
Жесткая конкурентная борьба за лидерство среди эффективных ИИ-алгоритмов редко освещается. А зря! Последствия этих закулисных баталий прогнозировать в разы труднее, чем писать надуманные "ужастики" про покорение человечества нейросетями.
Будущее действительно полезного ИИ оказалось в серьезной опасности, а российских разработок – вдвойне!
7 основных факторов угрожающих развитию полезных нейросетей:
- Конкуренты-гиганты избавляются от соперников;
- Вмешательство государств в ИИ-разработки;
- Метод "грязной" конкурентной борьбы – "ЗН";
- Финансовые затраты на обработку запросов ИИ;
- Качество первичных данных и фейковый контент;
- Двойственность моральных и нравственных ценностей;
- Уровень технологий и влияние военных.
ИИ сулит слишком огромные прибыли
В той или иной форме ИИ-решения пробовали внедрять в бизнес с началом массового распространения компьютеров. Но первых значительных успехов удалось достичь лишь когда цифровая экономика стала приоритетом не только на корпоративном, а и на государственном уровне.
По разным оценкам, к 2030-му году прямой доход, от ИИ-алгоритмов в мире составит не менее 2 трлн. долларов, а вместе с косвенным до целых 10 трлн. долларов!
Кроме возможности колоссально обогатиться, разработчикам ИИ-решений открывается уникальный доступ к масштабным данным: корпоративным, личным, финансовым и прочим. Подобная информация о любом человеке или событии уже сама по себе представляет ценность в мире, где всё стремяться оцифровать.
Крупнейшие объёмы таких данных накапливаются в моделях больших нейросетей. Борьба между ними в самом разгаре и остаются считанные годы для желающих подтянуться (и удержаться) в элиту ИИ.
В пылу этой конкуренции небольшие команды с сервисами полезного ИИ могут быстро истребляться или поглощаться. А чуть позже, взамен монополисты предложат услуги способствующие максимизации своей прибыли за счёт клиентов.
Корпорации VS государство
С учётом всех мировых событий не следует ожидать появление и, тем более, согласования единых правил развития ИИ. Бизнесу придётся локализировать свои ИИ-продукты в каждой отдельной стране под конкретные законы регуляторов. Это сложный процесс.
Политики и ранее раздражались от роста сверхдоходов цифрового бизнеса. А потенциал обладания данными почти всего населения страны компаниями несет в себе угрозу потери власти и контроля самим государством. Этого не допустят ни демократические ни авторитарные режимы.
Государство в любое время может заявить о своем эксклюзивном праве владения первичными цифровыми данными. Крупные корпорации найдут способы договориться с чиновниками, а вот для малого бизнеса могут возникнуть непреодолимые барьеры.
Да, ещё возможен некий симбиоз частного и государственного сотрудничества при создании ИИ-решений. Но для этого культура и порядочность предпринимателей вместе с политиками должна быть кристальной, без лоббирования чьих либо интересов в ущерб конкуренции. Такое взаимодействие редкость даже в скандинавских странах.
Метод "грязной" конкурентной борьбы – "3H"
Наивно считать, что Илон Маск покинул OpenAI из-за желания сделать мировой ИИ безопасным. Ему была необходима полностью подконтрольная структура, которую в кратчайшие сроки и создали – xAI. Предлагаемые Маском ограничения и регулирование ИИ всего лишь попытки притормозить растущий разрыв от конкурентов.
Схожая ситация у мирового гения ИИ с российскими корнями - Ильи Суцкевера. Если бы он , как и Маск, искренне переживал за безопасный и полезный ИИ, то не продолжал вы карьеру в OреnAI в качестве главного научного сотрудника, а выбрал бы самостоятельный путь развития в сфере ИИ. Наврядли у него есть проблемы с ресурсами.
Способов борьбы с конкурентами в сегменте ИИ предостаточно. Самым “грязным” и труднодоказуемым является метод с простой аббревиатурой “3H”, означающий одновременную атаку конкурентов по двум направлениям: “H” (Hacking – взлом хакеров) и “HH” ( head hunting – охота и “высасывание” кадров).
Особенность в том, что хакеры подразделяются на "обычных взломщиков" (OSH – old school hackers, классические хакеры) и "F-инженеров" ( FPE – Fake Promt Engineer, "инженеры фейковых запросов"). Последние умышленно обучают генеративные нейросети ложными ответами и алгоритмами. Открытые большие модели типа GPT, Gemini, GigaChat атакуются конкурентами в первую очередь.
Трудно поверить в то, что какой-нибудь Google покорно отдает свой ключевой бизнес поиска Microsoft, Amazon или xAI, не прибегая в том числе и к методу "3H"... .
“Высасывание” кадров в ИИ направлении происходит куда агрессивнее обычных форм рекрутинга айтишников – сразу же целятся в наиболее ценных и гениальных. Таких сотрудников крайне мало даже в мировом масштабе. Им стараются делать уникальные предложения от которых трудно отказаться в долгосрочной перспективе. Талантливые одиночки или команды скупаются на любой стадии бизнеса.
Без должного внимания к деятельности конкурентов, слишком гордый и независимый ИИ-проект может достаточно быстро превратиться в генератор фейков.
Если же не давать нейросети развиваться открыто с помощью обратной связи от пользователей, то потребуются значительные ресурсы для существенного увеличения штата Data-инженеров.
Стоимость обработки запроса VS параметры нейросети
Чем больше параметров у нейросети, тем качественнее может быть результат, но и тем больше производится вычислений и используется мощностей компьютеров.
Например, на поддержку функционирования Chat GPT-3 со 175 млрд. параметров компания OpenAI тратила при каждом запросе пользователя не менее 0,08$. В новой версии Chat GPT-4 turbo уже 1, 76 трлн. параметров и каждый запрос стал обходиться в 0,36$. Заявленные ~ 100 млн. платных подписчиков OpenAI покрывают не более 30% всех затрат на содержание нейросетей Chat GPT-4 turbo 4 и Dall-E 2. Остальные финансовые издержки пока щедро оплачивает Microsoft (~ 5-6 млрд. Долларов в год,).
Похожие инвестиционные расходы и у других лидеров с большими моделями ИИ. Да, вычислительные мощности обходятся совсем не так дёшево, как может казаться.
В ближайшем будущем (3-5 лет) крупному бизнесу придётся пользоваться ИИ-сервисами созданными мировыми лидерами для оптимизации расходов. Почему?
Мало кто сможет тягаться по скорости обработки и стоимости запроса пользователя с большими нейромоделями (в сравнении с собственными возможностями). Похожая ситуация была с облачным хранением данных. Богатый бизнес в настоящее время предпочитает сервис от AWS, MS Azure, DropBOX, a не собственные мощности.
Хотя изначально многие начинали выстраивать свою независимую облачную инфраструктуру.
Обратная сторона использования сторонней инфраструктуры, как сервиса (модель IaaS), заключается в потенциальной потере уникальности своего бизнеса.
Размещая свой открытый или коммерческий проект на мощностях крупного вендора (IBM, OpenAI, Google, Сбер, Яндекс) нет гарантий, что в случае вашего успеха вашу идею банально не клонируют, затем улучшат с помощью "тюнинга" и ... элегантно вытеснят вас с рынка. Так регулярно делают крупные маркетплейсы - Amazon, Ozon, Яндекс и другие, перезапуская копии успешных продуктов под собственными брендами.
Качество первичных данных VS фейки
Нейросети глубокого обучения (Chat GPT, Яндекс GPT, GigaChat) прогнозируют и классифицируют результаты своей работы с применением техники "обратного распространения ошибки". Генеративный ИИ учится на базовом контенте предоставленном человеком. Затем нейромодель продолжает развиваться с помощью обратной связи в виде оценок качества пользователями результатов запросов (обучение с подкреплением) и оценок результатов другими специальными нейросетями.
Современный интернет переполнен фейками, выдуманным контентом и фальшивыми иллюстрациями. Качество некоторой поддельной информации столь велико, что не каждый нишевый профи сможет определить ложь.
Каким образом оценивать достоверность событий и данных? Пока существует лишь крайне дорогое решение – наём дополнительных учителей для обучения ИИ-моделей с уникальным опытом в определенной тематике.
Другая проблема в уровне реальных фундаментальных знаний математики и статистики у студентов или начинающих работников. За последние 10 лет этот показатель значительно просел (-63%). Причем, это относится не столько к программистам и дата-инженерам, как к тем сотрудникам, кто занимается сбором и систематизацией первичных данных: социологи, маркетологи, бизнес-аналитики, экономисты, продавцы и другие. Когда первичные данные неправильно собираются или интерпретируются (обрабатываются) с ошибками, то весь последующий контент основанный на них, будет со значительной погрешностью в части реальности.
В итоге, большие нейросети станет ещё дороже разрабатывать, а независимые малые проекты ИИ могут не всегда корректно генерировать результат из-за недостоверных первичных данных.
Моральные ценности VS параллельные миры
Сценаристы из Marvel словно заглянули в будущее, отправляя своих героев в параллельные вселенные, постоянно переворачиваются привычные моральные ценности. И если в фильме все проблемы повесили на злодея Таноса, то в нашем реальном мире все произошло банальнее. Нежелание дипломатично договариваться и культурно решать наболевшие проблемы привело к грубому разделению стран по радикально разнообразным моральным принципам.
Получилось так, что одно и то же событие оценивается разными государствами совершенно диаметрально. Например, культурное внимание к девушке в виде букета с тюльпанами в России воспримут как правильное поведение и традиционные ценности. За аналогичный поступок где-нибудь в США вас могут отправить на несколько лет в тюрьму, как дискриминацию и "незаконный флирт".
Как ИИ-алгоритму дать вам корректный ответ, если один и тот же факт трактуется с разным смыслом? Пока разработчики пытаются дипломатично отказывать пользователям общаться с ИИ на совсем чувствительные темы, либо открыто указывают поддерживаемую ИИ "ориентацию" и нравственные ценности. Но это лишь временная мера.
ИИ-решения без определенной степени предвзятости пока невозможны и это необходимо учитывать в любом проекте, особенно с прицелом на экспорт.
Двойное назначение ИИ VS технологии "железа"
Военные структуры щепетильно следят за перспективными ИИ-стартапами и зрелыми решениями. Допустима ситуация при которой полезная ИИ-модель резко становится интересна службам безопасности, соответственно, её могут оперативно национализировать и засекретить для публичного доступа. Причем подобное развитие возможно совершенно в любом современном государстве.
Всё те же военные или структуры госбезопасности могут определять некоторые виды коммерческих моделей ИИ как продукты "двойного назначения", запретив их работу в своих странах. Этим приёмом сейчас особенно активно пользуются для ограничения конкурентной борьбы.
Лучшие технологии производства сверхпроводников и микроэлектроники ближайшее десятилетие продолжат контролироваться бизнесом из США, Японии, Голландии и Швейцарии. Китай догонит лидеров первым, а России придется изрядно постараться для сокращения отрыва.
Скорость обработки данных (запросов в нейросеть) напрямую зависит от возможностей и мощности электроники (компьютеров, серверов, маршрутизаторов и тп.).
Стоимость и обслуживание топового "железа", необходимого для эффективной работы нейросети любого уровня в любом случае будет обходиться кратно дороже через "параллельный импорт", чем в тех странах, где оно продаётся в свободном доступе.
Российские ИТ и ИИ услуги могут оказаться значительно дороже аналогичных у конкурентов или предпринимателям придётся экономить на марже и развитии.
Эти факторы осложнят экспорт российских ИИ-решений, который и без этого пытаются выдавливать недружественные страны путем угроз вторичных санкций и запретов.
Способы сдерживания угроз для ИИ
Можно ли ликвидировать все эти угрозы для развития полезного ИИ? Частично - да, сразу и все - нет. История про стратегическое планирование для ИИ-проектов специфична из-за молодости сегмента так такового. Да и проекты разные – открытые и закрытые, большие и малые модели, модели на базе других нейросетей, нишевые и разносторонние, для внутреннего рынка и глобальные.
Тем не менее, можно выделить базовый сценарий действий минимизации угроз. Вначале необходимо расставить угрозы в порядке приоритета для конкретного ИИ-решения. Затем оценить доступные бизнесу ресурсы для защиты от угроз и способы усиления конкурентных преимуществ. Своевременно стоит разработать варианты изменений в модели вашего ИИ-бизнеса под каждый вид ключевых угроз, на случай наихудшего развития ситуации. Вспомните про таксопарки проигнорировавшие
появление Uber.
Чек-лист действий по защите ИИ от угроз:
1. Выбрать 1-2 наиболее приоритетных угроз;
2. Определить способы мониторинга и контроля остальных угроз;
3. Оценить доступные ресурсы для минимизации приоритетных угроз;
4. Дополнительно усиливать собственные конкурентные преимущества ;
5. Проработать варианты изменения бизнес-модели своего ИИ-проекта на случай невозможности сдерживать каждую из угроз;
6. Искать единомышленников, вступать в профильные клубы, ассоциации, гильдии и сообщества для усиления противодействия основным угрозам;
7. Качественно реализовывать действия по всем вышеперечисленным пунктам через доработку стратегии, тактику и задачи.
Только вперед!
А может вообще не нужно ввязываться в ИИ-проекты? Не слишком ли рискованное это занятие, учитывая весьма весомые угрозы и сложную специфику. Конечно же, финальное решение за вами..., но объективно в мире (и тем более в России) еще слишком мало классных продуктов с полезным ИИ.
Чем чаще начнут появляться перспективные ИИ-проекты, тем труднее гигантам с монопольными замашками будет подавить конкуренцию, а выбор у пользователей останется разнообразнее.
Именно в малых нишевых ИИ-решениях заключена будущая ключевая роль улучшения жизни и эффективности работы каждого человека! Пускай проектов с полезным ИИ в России появляется побольше, а последующее покорение мира успешнее!
Тест: Оцените свою степень понимания заметки
Пройдите тест на нашем сайте из пяти вопросов для оценки понимания заметки и уровня вовлеченности читателя с точки зрения собственных знаний в маркетинге и пояснения к ответам.