Дані та майбутнє: чого нам чекати від штучного інтелекту

Штучний інтелект та сфера Big Data швидко розвиваються. Про це свідчать нещодавні звіти від Databricks та State of AI. Вони містять чимало цікавих цифр та прикладів, що підтверджують не лише колосальний прогрес у ШІ-індустрії, а й глобальні перспективи розвитку в майбутньому.

На основі звітів robot_dreams склав для вас коротку доповідь про стан ШІ в 2023 році.

Про джерела:

Нова ера квантових обчислень

Згідно з новими прогнозами, обсяг даних у всьому світі до 2025 року досягне 180 зетабайт — це майже втричі більше, ніж було у 2020 році. Цифрові дані допомагають нам приймати більш обґрунтовані рішення, покращувати ефективність процесів, виявляти факти шахрайства, створювати нові продукти та послуги.

Інформації у світі стає більше. Щоб обробляти й аналізувати її, вже зараз потрібні потужні ресурси, техніка та системи зберігання даних. Керівники IT-компаній усіх рівнів, намагаючись відповідати тенденції, подвоюють свої інвестиції у дані та штучний інтелект.

За результатами опитування Databricks, абсолютно всі фірми планують наступного року збільшити свої витрати на модернізацію інфраструктури даних та впровадження ШІ. Для майже половини (46 %) компаній зростання інвестицій збільшиться на понад 25 %. Водночас ці інвестиції будуть продуманими й вибірковими.

Ми не можемо зараз припинити впроваджувати ШІ та передові технології обробки даних. Ми просто маємо бути послідовними та структурованими щодо наших інвестицій. Це час, коли кожній компанії доведеться обирати, які проєкти розвивати, оскільки ресурси не є нескінченними.

CTO Dell Technologies Джон Роуз (John Roese)

Сьогодні вже розробляють нові технології, які дадуть змогу створювати більш продуктивні та енергоефективні апаратні рішення для ШІ. Однією з таких технологій є квантові обчислення.

На відміну від класичних бітів (0 і 1), вони використовують кубіти, які можуть перебувати в стані 0, 1 або суперпозиції. Це дозволяє виконувати складніші операції. Крім того, кубіти у квантовому стані можуть взаємодіяти один з одним, викликаючи інтерференцію, що уможливлює паралельні обчислення. Завдяки цьому квантові комп'ютери справляються зі складними завданнями, що перевантажують класичні обчислювальні машини.

Водночас інформація не тільки зростає в обсязі, а й постійно змінюється. Робочі дані стають різноманітнішими: соціальні мережі, Інтернет речей, всілякі датчики — все це сприяє накопиченню масивів даних. Вимоги до безпеки й точності посилюються.

У таких умовах у пріоритеті бізнесу консолідація та уніфікація даних. Наприклад, створюють уніфіковані платформи, які допоможуть уникнути дублювання. 81 % компаній з річним прибутком понад $10 млрд використовують 10 і більше систем консолідації даних та 28 % — використовують понад 20.

Дані зі звіту Databricks

Закономірно, що разом зі сферою Big Data розвивається і штучний інтелект, що дає змогу дедалі швидше та ефективніше збирати й обробляти дані. Деякі світові компанії успішно використовують цей тренд. Наприклад, NVIDIA отримує рекордні доходи від виробництва чипів, а до 2024 планує випустити чипи штучного інтелекту.

Сфери застосування ШІ

Згідно з дослідженням компанії IDC, світовий ринок штучного інтелекту в 2023 році зріс на 31,4 % у річному обчисленні та досяг $64 млрд. Очікують, що це зростання продовжиться і найближчими роками.

Великі технологічні компанії, як-от Google, Microsoft та IBM, а також стартапи вкладають значні кошти у дослідження та розробки ШІ. За оцінками McKinsey, до кінця 2023 року глобальні інвестиції в ШІ перевищать $100 млрд.

Інвестиції у штучний інтелект

Говорячи про вдосконалення ШІ, варто згадати важливі віхи та прориви на різних етапах його становлення:

• У 2016 році програма штучного інтелекту AlphaGo, розроблена Google, обіграла чемпіона світу з гри го Лі Седоля. Ця подія стала знаковою, показавши, що ШІ може досягти рівня майстерності людини.
• У 2020 році ШІ знайшов своє застосування в боротьбі з пандемією COVID-19. Його використовували для розробки нових вакцин, відстеження поширення вірусу та надання допомоги пацієнтам.
• У грудні 2022 року ShieldAI пілотувала перший безпілотний винищувач F-16 на аеродромі на північ від Лос-Анджелеса. Це був прорив для ВПС США, які уклали контракт із ShieldAI на розробку складних безпілотних літальних апаратів.
• У 2023 році штучний інтелект допоміг реанімувати зі старої демо-касети голос Джона Леннона, перетворивши його на повноцінний трек Now and Then. За допомогою ШІ аматорський запис розклали на голос та інструмент, видалили шуми, додали нові партії інструментів та змікшували на сучасний лад.

Штучний інтелект вже активно використовують у таких галузях, як створення контенту, дизайн, фінанси, охорона здоров'я та менеджмент. Але його застосування стає дедалі більш глобальним та різнобічним.

У 2023 році розробки, засновані на ШІ, поповнили ринок зброї та оборонних технологій. Декілька оборонних технологічних стартапів, які застосовують можливості штучного інтелекту, вже змінили способи збирання та використання розвідувальної інформації військовими США.

Роль штучного інтелекту було визнано й на суспільно-політичному рівні. У травні 2023 року на саміті G7 започатковано Хіросімський процес штучного інтелекту, метою якого є сприяння розвитку ШІ на глобальному рівні. Лідери країн розробляють керівні принципи, які допоможуть організаціям, що впроваджують та використовують передові системи штучного інтелекту, гарантувати безпеку та надійність технологій.

Це вкрай важливий крок, оскільки 60 % респондентів, які взяли участь в опитуванні від Databricks, вважають, що єдина модель управління даними та ШІ дуже важлива. Також більшість опитаних зізналася, що безпека та конфіденційність даних є основними побоюваннями, пов'язаними з використанням генеративного ШІ.

Великі мовні моделі

Значну роль у розвитку штучного інтелекту відіграють великі мовні моделі — Large Language Models (LLMs) — комп'ютерні програми, які можуть опрацьовувати й генерувати текст. Вони навчаються на величезних наборах даних тексту та коду і можуть виконувати широкий спектр завдань, включно з:

• перекладом текстів з однієї мови на іншу;
• генерацією унікальних текстів: віршів, оповідань, статей тощо;
• створенням відповідей на різні запитання.

Розробку LLM здійснюють у різних країнах світу, до того ж більшість мовних моделей — це продукти з відкритим вихідним кодом. У США, наприклад, над створенням LLM працюють такі компанії, як-от Google AI, OpenAI, Microsoft і Amazon. У Китаї лідером у цій галузі є компанія Baidu. У Європі над створенням LLM працюють DeepMind, Facebook та ETH Zürich.

Мовні моделі нового покоління навчаються на вузькоспеціалізованих наборах даних. Також популярним є навчання LLM на основі обробки природної мови. Таким чином розробникам вдається досягти більшої точності та ефективності у розв’язанні завдань. LLM добре зарекомендували себе в науках про життя, роблячи значні кроки вперед як у молекулярній біології, так і в розробці ліків.

Використання великих мовних моделей (LLMS)

ШІ: який краще?

Претендентів на звання найбільш просунутого ШІ багато, але лідер очевидний — це ChatGPT, один із найбільш швидко зростальних інтернет-продуктів за всю історію. У грудні 2022 року він голосно заявив про себе, пройшовши тест Тюрінга. ChatGPT став другим чат-ботом у світі, який зумів успішно виконати це завдання.

На сьогодні двигун GPT-4 перевершує інші моделі ШІ як за класичними тестами, так і за іспитами, призначеними для оцінки людських здібностей. Але й він має потужних конкурентів.

У травні 2021 Databricks запустила реєстр моделей машинного навчання MLflow, який показав реальні темпи просування ШІ та зростання цифровізації загалом. Після чергового тренування кожну модель ретельно перевіряють щодо визначення точності й повноти роботи (відсоток правильно передбачених випадків).

Найбільш швидкозростальні продукти ШІ

Під час реєстрації та аналізу даних було виявлено, що кожна третя модель отримала оцінку, яка свідчить про «зрілість» проєкту. Окрім того, акуратність нових моделей зростає від версії до версії. Згідно зі звітом, лише за останні 12 місяців їхня ефективність підвищилася на 20 %.

Питання моралі та брак нових кадрів

Стрімкий прогрес штучного інтелекту призвів до низки проблем. Наприклад, етичні норми для ШІ ще не визначені, і це завдання, яке належить розв’язати людству. Важко передбачити, як поводитиметься обчислювальний механізм, зіткнувшись із суперечливою ситуацією.

Також без злого наміру ШІ може розкрити зловмисникам конфіденційні дані користувачів або наділяти людей власними вадами, особливо якщо машинне навчання проводили на даних, що містять упередження.

Ці проблеми призвели до створення нових протоколів безпеки. Зараз активно розробляють системи, стійкі до відмови, нові інтелекти, які зважають на етичні наслідки своїх рішень тощо. Ось кілька прикладів того, як ці протоколи безпеки вже використовують:

• ШІ, який керує літаком Boeing 787 Dreamliner, здатний активувати систему резервування для керування польотом в аварійних умовах;
• система розпізнавання осіб IBM використовує методи, які допомагають уникнути упередженості, заснованої на расових та етнічних відмінностях;
• нейронні мережі в компанії Capital One систематизують та надають користувачам статистичні дані та інформацію про те, як їхній кредитний рейтинг впливає на шанси отримання кредиту.

Ці приклади показують, що розробники ШІ усвідомлюють ризики та вживають заходів для їхнього зниження. Але є й інша проблема — потрібні нові кадри.

Зі зростанням інтересу до продуктів, у які інтегровано системи машинного навчання, зростає й попит на відповідних фахівців зі збирання та обробки інформації. Компанії змушені вкладатись у навчання та розвиток працівників. Дуже потрібні фахівці з комп'ютерного зору, робототехніки, машинного навчання і з етики ШІ, до того ж близько 40 % компаній зізналися, що готові інвестувати в таланти.

Штучний інтелект та машинне навчання є ключовими напрямами, які продовжуватимуть трансформувати бізнес найближчими роками. Згідно з опитуванням Databricks:

• 75 % компаній вже використовують штучний інтелект та машинне навчання у своїй діяльності;
• 72 % компаній активно використовують дані ШІ для ухвалення рішень — будь-яке прогнозування, аналіз трендів тощо;
• 64 % компаній використовують дані для оптимізації та автоматизації процесів;
• 56 % компаній використовують дані для інновацій.

Інші залишаться «за бортом» і навряд чи зможуть сподіватися на успіх.

Висновки

Цінність великих даних постійно зростає, а компанії, які не впровадять у свою роботу штучний інтелект і машинне навчання, ризикують за короткий час відстати від конкурентів. Багато організацій інвестують великі гроші у свої бази машинного навчання, створюючи більш інноваційні рішення та покращуючи власні позиції на ринку. У 2022 році обсяг інвестицій у ШІ становив $77,6 млрд, що на 24 % більше, ніж у 2021-му. Очікують, що ця тенденція збережеться і в 2023 році, досягнувши позначки $100 млрд.

Сьогодні ніхто не може засумніватися у розвитку ШІ та його глобальному впливі на всі сфери життя. Звіти Databricks і State of AI ґрунтуються на даних із секторів фінансових послуг, охорони здоров'я та біологічних наук, роздрібної торгівлі й споживчих товарів, виробництва, засобів масової інформації та розваг, а також членів урядового сектору. Всі перелічені сфери так чи інакше вже зазнали значних змін внаслідок впровадження ШІ, а далі очікують тільки прискорення і масштабування цього процесу.