Ждать ли восстания машин от генеративных сетей искусственного интелекта?..

222 by .
Настоящему и ближайшему будущему использования технологий, связанных с искусственным интеллектом, посвящено новое исследование Фонда Росконгресс «Генеративные нейросети: восстание машин или новая экономика», информирует «Тихоокеанская Россия», ТоРосс.

По результатам опроса, проведённого среди 12 тысяч участников Всемирного экономического форума в Давосе в 2023 году, такие технологии имеют стратегическую важность, наряду с инновациями в борьбе с последствиями изменения климата и медицинскими ноу-хау. По данным авторов аналитического обзора Фонда Росконгресс, самое большое распространение технологии искусственного интеллекта получат в таких отраслях как управление цепочками поставок, маркетинг, дизайн продуктов, аналитика данных. А объём рынка продуктов, связанных с искусственным интеллектом, вырастет почти в десять раз и приблизится к двум триллионам долларов к 2030 году.
Рост доступной вычислительной мощности, появление больших наборов данных, создание в 2017 новой архитектуры моделей искусственного интеллекта – трансформеров, создало предпосылки для бурного развития технологий в текущем десятилетии.

Самым быстрорастущим сегментом рынка являются генеративные модели, которые способны создавать изображения и тексты, основываясь на закономерностях, которые установлены из массивов уже существующих данных. Однако будущее принадлежит нейросетям-трансформерам, которые обрабатывают фрагменты данных не линейно и дискретно, а могут держать в фокусе внимания сразу несколько секторов и выбирать наиболее подходящий для выполнения задачи. Такая технология использована компанией OpenAI для создания языковой модели GPT-3. Созданный с ее помощью чат-бот ChatGPT наделал много шума в новостях.

Развитие искусственного интеллекта, включая генеративные модели, сможет повысить производительность труда в тех областях, где цена ошибки небольшая. Такие технологии уже находят широкое применение в маркетинге, копирайтинге, создании иллюстраций для блогов. Для того, чтобы довести модель до состояния, когда она сможет серьёзно улучшить производительность труда, потребуются многомиллиардные инвестиции и дополнительное развитие вычислительных мощностей. Что, по сути, является одним из сдерживающих факторов развития отрасли, так как финансирование необходимого объёма мощностей в ближайшее время будет доступно только крупным компаниям в странах с развитой экономикой.
Огромная стоимость создания моделей вынуждает стартапы в области генеративного Искусственного интеллекта активно привлекать финансирование. За 2022 год объём венчурных инвестиций превысил два миллиарда долларов, и это в три с лишним раза больше, чем в 2020. Инвестиции идут в основном на американский рынок, однако эксперты прогнозируют самые быстрые темпы роста рынка Искусственного интеллекта в Азиатско-Тихоокеанском регионе, включая генеративные модели.
Помимо постоянно растущих требований к вычислительным мощностям в сфере графического дизайна и маркетинга, применение цифрового интеллекта в других областях будет сдерживаться юридическими проблемами, связанными с использованием прав на интеллектуальную собственность и защитой разного вида тайн и персональных данных для получения качественных обучающих данных, например, в банковской сфере и медицине.
Российский опыт разработки технологий на базе Искусственного интеллекта и обучения нейросетей, по мнению авторов обзора, должен опираться на создание собственных конкурентоспособных решений. Отечественные компании уже активно разрабатывают и внедряют генеративные нейросети, и, если они привлекут клиентов, уставших от политической ангажированности западных решений, Россия окажется одним из лидеров не только на внутреннем, но и на глобальном рынке.

Полный текст аналитического обзора опубликован в Дзен-канале Фонда Росконгресс.

Подписывайтесь на «Тихоокеанскую Россию» во «ВКонтакте» и Telegram

Похожие записи


Добавить комментарий

Ваш e-mail не будет опубликован.

Можно использовать следующие HTML-теги и атрибуты: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>