Искусственный интеллект на пороге "оживления"

По одной из версий, роботы, снабженные искусственным интеллектом, действительно могут стать слишком самостоятельными. Фото Xinhua

Большие языковые модели, лежащие в основе чат-ботов, работающих с текстом, – это не вершина развития искусственного интеллекта (ИИ). Одна из версий футурологов предполагает переход к Большим моделям действий. ИИ, снабжаемый информацией от умных датчиков, научится анализировать человека и окружающий его мир и даже действовать, например, посредством роботов, что стоит учитывать в своих стратегиях и бизнесу, и властям. Правда, такие гипотезы исходят из предпосылки о повсеместно налаженной цифровой инфраструктуре.

Компании, которые активно инвестируют в применение генеративного ИИ, рискуют оказаться в положении аутсайдеров, выбравших если и не тупиковую ветвь развития, то точно не магистральную. Мир на пороге нового технологического суперцикла, но вовсе не к нейросетям, генерирующим контент по текстовому запросу пусть и хорошо обученных промпт-инженеров, будут сводиться фундаментальные изменения.

Сейчас начинают проявляться детали более сложной картины, которая состоит в том, что с ИИ объединяются еще две технологии – умные датчики и биотехнологии. Результатом станет переход от Больших языковых моделей (LLM – large language model) к Большим моделям действий (LAM – large action model). Такой сценарий описывает футуролог Эми Уэбб.

Основные тезисы ее выступлений, посвященных ИИ, перевел и пересказал научно-просветительский сайт «Эконс», который ведут сотрудники Центробанка РФ (сайт не отражает позицию регулятора). Видимо, одна из причин такого интереса кроется в том, что описываемые изменения могут затронуть и финансовый сектор.

По мнению Эми Уэбб, одна из проблем с LLM состоит в том, что такие модели обучаются на общедоступных данных, и все крупные компании уже почти полностью «вычерпали» весь интернет.

Похоже, эта проблема не решается даже внедрением для обучения ИИ синтетических данных, созданных уже не человеком, а другими нейросетями. Ведь, по одной из версий экспертов-скептиков, обучение ИИ на синтетических данных чревато тем, что искажения и ошибки начнут расти уже в геометрической прогрессии. Правда, эксперты-технооптимисты с такой версией, наоборот, спорят, утверждая, что лидеры отрасли в состоянии минимизировать подобные риски.

Зато уже мало кто сомневается в том, что для достижения большего эффекта искусственный интеллект нужно «кормить» чем-то еще. И в этом смысле настоящим кладезем информации становится весь окружающий человека мир и сам человек в том числе.

Как пояснила Уэбб, большинство пока еще не осознает, что датчики повсюду, они применяются во многих отраслях. Пример, который на поверхности: в те же смартфоны уже встроены датчики, позволяющие определять, где находится их владелец (геолокация), как он выглядит (идентификация лица для аутентификации). Добавим к этому иные носимые устройства, устройства расширенной реальности, интернет вещей, причем не только бытовых, но и промышленных, умные дома и офисы, умные автомобили. В этом же списке, видимо, однажды появятся имплантируемые в мозг интерфейсы, с которыми сейчас экспериментирует Илон Маск.

«По мере того как нас будет окружать все больше датчиков, они будут захватывать и передавать не просто больше данных, но и больше типов данных, – ожидает Уэбб. – Поэтому и организациям, которые пока заняты созданием и использованием LLM, вскоре понадобится создавать LAM. Если LLM предсказывают, что дальше сказать, то LAM предсказывают, что дальше сделать, разбивая сложные задачи на подзадачи».

Если доводить эту логику до предела, то не исключено, что LAM могут быть оптимизированы и для «самостоятельного» выполнения задач. Эта версия напрашивается после состоявшейся в начале января презентации Nvidia – главного производителя микропроцессоров, необходимых для технологий ИИ. Глава Nvidia Дженсен Хуанг обрисовал большое будущее агентских ИИ.

Эксперты, изучившие во многом рекламную, но информативную презентацию компании, объяснили, что имеется в виду. Агентские ИИ – это, как сообщил аналитический Telegram-канал Spydell_finance, концепция, сочетающая в себе когнитивные способности искусственного интеллекта и механизмы его взаимодействия с физическим или виртуальным миром.

Как это выглядит на практике? Агент получает данные из окружающей среды через датчики, камеры, микрофоны, программные интерфейсы. Эти сведения анализируются с использованием алгоритмов машинного обучения, нейронных сетей. По итогам анализа агент выбирает действия, которые приведут к достижению его цели, разбивая задачу на подзадачи. Агент осуществляет выбранное действие с помощью физических средств (роботов, манипуляторов) или специальных программ, управляющих процессами.

Итак, работа с датчиками действительно в центре внимания. Однако Уэбб упоминает в этой связке еще один элемент – биоинженерию, благодаря которой ИИ имеет шанс стать условно «живым». На первых этапах ожидается создание особых биологических «продуктов»: «дизайнерских микробов», компонентов или даже организмов, что будет востребовано в медицине, фармацевтике, экологии, а также иных, неочевидных на первый взгляд отраслях – допустим, в строительстве.

Это могут быть «умные лекарства» (включая наноботов), искусственно спроектированные ферменты, которые будут, например, расщеплять пластик и иные загрязняющие вещества. Это могут быть новые материалы, способные автономно регулировать температуру, свет, вентиляцию – без участия не только человека, но и компьютера.

Совсем фантастический сценарий – появление «живых машин». «Органоидный интеллект дебютировал как новая область науки в 2024 году», – сообщается в материале «Эконс». Речь идет об использовании выращенных в лабораторных условиях тканях, таких как клетки мозга и стволовые клетки, для создания биологических «компьютеров».

Хотя при построении таких гипотез стоит, конечно, время от времени возвращаться и на землю. Футурологи, как можно судить, исходят из предпосылки, что вся необходимая для описанных изменений цифровая инфраструктура будет налажена повсеместно. Тогда как до сих пор далеко не каждый населенный пункт (и это проблема отнюдь не только труднодоступных территорий России) в принципе имеет доступ к интернету и иным благам цивилизации, не говоря уже об оснащении помещений, зданий, улиц умными датчиками. 

Есть и другие препятствия – например, в области юридической проработки. Описанные новации «требуют жесткого разграничения и определения участия человека с точки зрения ответственности за последствия», пояснил гендиректор Национального центра компетенций по информационным системам управления холдингом Кирилл Семион.

Кроме того, необходимо совершенствовать всю систему киберзащиты для обеспечения конфиденциальности персональных данных. Наконец, масштабирование всего процесса обработки все большего потока информации потребует – по крайней мере, как это видится сейчас – и огромных вычислительных мощностей. А это существенные издержки.
  
Если же говорить именно о России, то опрошенные «НГ» эксперты единодушны в том, что наша страна обладает и научно-технической базой, и опытом, и потенциалом для развития как агентских ИИ, так и Больших моделей действий.

Но в моменте возникают и трудности. «Ограниченные ресурсы, кадровый голод и санкционное давление делают этот процесс сложным и длительным, – уточнил директор по продуктам «Преферентум» компании SL Soft Николай Тржаскал. – Для достижения конкурентоспособности в этой области нам потребуется сконцентрироваться на стратегических инициативах: на создании доступной отечественной инфраструктуры, развитии образовательных программ, стимулировании сотрудничества между государством и бизнесом».

Причем это сотрудничество должно быть в первую очередь с малыми технологическими предприятиями и стартапами, поскольку крупные корпорации скорее всего будут и дальше продвигать свои закрытые экосистемы, считает эксперт.

По его оценкам, наиболее вероятно развитие LAM в секторах экономики с высокой долей участия средне- и малоквалифицированной рабочей силы, а также со значительным уровнем цифровизации.

Гендиректор компании Aqara.ru Дмитрий Кожевников добавил, что необходимы инвестиции в инфраструктуру, обучение кадров и создание нормативно-правовой базы, способствующей безопасному и этичному использованию ИИ. «Важно также учитывать культурные и социальные аспекты, – добавил он. – Доверие общества к новым технологиям играет ключевую роль в их принятии».

Наиболее вероятными сферами применения агентских ИИ и Больших моделей действий Кожевников назвал также технологии умного дома и интернет вещей: «Использование ИИ позволяет учитывать различные факторы, такие как прогноз погоды, стоимость электроэнергии в разное время суток и температуру внутри и снаружи помещений, что может значительно сократить затраты на отопление и кондиционирование».

Подводя итоги, в этой теме много, конечно, и спекуляций. По крайней мере, как говорит руководитель направления Data science экосистемы Hybrid Алексей Калабурдин, уже есть область ИИ, занимающаяся «пространством действий», откуда и пришел термин «агент», превратившийся в последние месяцы в «куклу маркетинга» глобальных IT-компаний. Этим компаниям ведь выгодна постоянная подпитка интереса к их продуктам и технологиям. Хотя сама по себе описанная концепция не просто не нова, она пережила уже не один ренессанс.

Но вне зависимости от этого использование ансамблей ИИ-агентов, совместно решающих одну задачу, действительно обеспечивает существенное улучшение качества результатов, говорит руководитель отдела изучения и развития ИИ в сфере госуправления ВШГУ Президентской академии Петр Отоцкий: «Это перспективное направление применяется для разработки «рассуждающих» ИИ». Такие модели могут перепроверять свои ответы, выполнять сложные последовательности действий, самостоятельно писать программы для решения задач.

«Но в любом случае это будут помощники и ассистенты экспертов-людей, а не самостоятельные субъекты, влияющие на функционирование или развитие организаций», – ожидает Отоцкий. По крайней мере, так было бы надежнее.