Цифровизация в целом и ИИ в частности — серебряная пуля или троянский конь? Сегодня все труднее отмахнуться от шумихи вокруг искусственного интеллекта — не проходит и дня без новых заголовков о превосходстве компьютерных моделей над людьми в выполнении когнитивных задач. Как следствие, на дальнейшее повышение производительности соответствующего оборудования выделяется все больше средств, что, конечно, особо приветствует трио технологических светил: Дженсен Хуанг предположил, что AGI появится уже через пять лет, Бен Герцель («отец» AGI) предсказал — через три, а Илон Маск ставит на конец 2025 года. Правда, Ян Лекун, которого на Западе называют одним из «крестных отцов ИИ», утверждает, что «не существует такого понятия, как «общий искусственный интеллект», потому как человеческий интеллект не является универсальным».
На этом фоне западные гиганты — поставщики решений искусственного интеллекта (а вслед за ними и не западные, и не гиганты) делают акцент на производительность, которая всегда была основным преимуществом технологических достижений. Действительно, финансовую выгоду от высокой производительности проще оценить, чем любой другой показатель, включая и качество решений. Конечно, быстродействие важно, но без фокусировки на целях порой чревато неожиданными последствиями. Так возник мем: «Хочу, чтобы ИИ убирал мою квартиру, приносил еду, с тем, чтобы у меня было больше времени на то, что я люблю делать: рисовать, писать, творить стихи и музыку. Но вместо этого сейчас создается ИИ, который рисует, пишет и `создает` музыку, оставляя меня заниматься тем, что я ненавижу».
Когда дело доходит до реализации стратегии, большинство компаний сразу же сосредотачиваются на том, чтобы как можно быстрее достичь заявленной цели. Но первым шагом должна быть не скорость, а уверенность в том, что движение идет в правильном направлении. В противном случае, как получается сегодня с ИИ, мы будем двигаться все быстрее и быстрее в сторону от того места, куда должны двигаться, потому что не утвердили цель. Как и получается по другому мему: нас не сбить с пути, так как мы не знаем, куда идем. А между тем высокопроизводительное использование неправильных вещей ведет к катастрофе.
Возможно, причину того, что ИИ сегодня ориентируют на второстепенные вещи, следует искать в теории аргументации, которая подводит руководителей к выводу, что если ИИ может принимать более правильные решения, то тогда топ-менеджеры — лишние. Так зачем же тогда рисковать? Генеративный искусственный интеллект — технология, перевернувшая с ног на голову многие отрасли благодаря своей способности обрабатывать старые и производить новые данные, — приземлился в инвестиционных компаниях. Наибольшему риску подвергаются финансовые аналитики финансового бизнеса, которые тратят массу времени на изучение корпоративных финансов, тонкости слияний, публичных предложений и сделок с облигациями. Теперь ИИ быстро и со значительно меньшими затратами выполняет большую часть их работы — нужно ли столько аналитиков? С другой стороны, как только аналитики это осознают, то докажут обратное или перекроют финансирование для ИИ. Следует больше внимания уделять тому, чтобы не допускать подобных ошибок, а не ускорять их совершение, повышая производительность.
Как бы то ни было — ИИ меняет жизнь и экономику, но просто и быстро, как утверждают гуру, не будет. Достаточно, например, посмотреть на явные расхождения в ожиданиях применительно к ИИ представителей управляющей когорты С-level и рядовых сотрудников. Сегодня 69% руководителей ожидают, что GenAI существенно улучшит показатели компании, но 70% рядовых сотрудников считает, что их компании не готовы к внедрению ИИ. Половина топ-менеджеров заявляет об инициативах внедрения ИИ, однако 84% сотрудников, использующих ИИ, уже могли допустить утечку чувствительных данных в публичные инструменты. Более того, 43% топ-менеджеров уже применяют ИИ для принятия стратегических решений, но 41% рядовых сотрудников видят в ИИ конкурента, способного исключить их из процесса принятия решений. Чтобы стать организацией AI-driven, потребуется большая трансформация, внедрение ИИ не в виде оптимизации отдельных бизнес-процессов, а на масштабе.
Технологии искусственного интеллекта полезны, в этом сомнений нет, но как же удачнее прыгнуть в ИИ, не забыв с собой «парашют», и не разбиться, например, о ступень LLM?
Большие языковые модели на трассе к интеллекту человеческого уровня — это, по сути, боковой съезд. Системы, подобные LLaMA, GPT-3 и Bard с LaMDA, обучаются на огромных объемах данных — человеку потребуется около 100 тыс. лет, чтобы прочитать весь текст, полученный ведущими LLM. Однако это не основной метод обучения индивида — человек потребляет гораздо больше информации через взаимодействие с окружающим миром. Даже среднестатистический четырехлетний ребенок видел намного больше данных, чем крупнейшая LLM, — основная часть человеческих знаний не является языком и большие языковые модели никогда не смогут достичь человеческого интеллекта, который не растет на диете из чистого текста. Только когда ИИ будет способен обучаться, подобно гениальному ребенку, выросшему в обычной семье, которая не может дать ему нужного объема знаний, тогда и можно будет говорить о перспективах LLM.
Прыжок из data-driven в AI-driven возможен только при условии глобальной перестройки, глубокой трансформации и тщательного подхода к обучению моделей. Иначе получится как с цифровизацией, от которой изначально ожидалось получение либо новых денег, либо экономии, либо повышение прибыли, а на деле, в своем большинстве свелось лишь к потраченным деньгам. Цифровая трансформация не проходит легко, так и с ИИ — просто и быстро не будет, если вообще такой проект состоится, хотя потенциально ИИ может во всех смыслах «взорвать» экономику.
.jpg)
Дмитрий Волков
DOI: 10.51793/OS.2024.16.35.001
