ym88659208ym87991671
AI для бизнеса
15 минут на чтение
19 июня 2024

AI что значит

Продукты из этой статьи:

AI (расшифровка аббревиатуры artificial intelligence ― искусственный интеллект/разум)  способность компьютера имитировать человеческие действия и навыки. К примеру, возможность обучаться, решать задачи, создавать тексты и изображения. В статье разберём, что это значит, как работает, зачем и почему используется, на каких принципах строится.

Искусственный интеллект GigaChat
Понимает русский язык, доступен бесплатно, умеет рисовать

Термин «искусственный интеллект» (разум) появился в 1956 году. Понятие AI (artificial intelligence) и принципы применения предложил Джон Маккарти на Дортмундском семинаре Dartmouth Summer Research Project on Artificial Intelligence.

До этого, в 50е годы XX столетия, в мире использовались разные понятия для описания думающих машин (thinking machines) с возможностью решать разные задачи:

  • кибернетика (cybernetics);
  • теория автоматов (automata theory);
  • сложная обработка информации (complex information processing).

Сегодня область Artificial Intelligence в мире связывают с современными компьютерными сервисами:

  • GPT, развитием которого занимается OpenAI (technology GPT-3.5 и GPT-4 в ChatGPT);
  • Copilot, над которым работает Microsoft;
  • PaLM и Gemini от Google (возможности Bard);
  • GigaChat Сбера.

Но AI (artificial intelligence) не ограничиваются способностью генерировать текст. Возможности применения современных компьютерных нейросетей  создание изображений, видео и других форматов контента.

AI в вашем продукте
Встраивайте в свои проекты и получите всю мощь нейросетей

История развития ИИ

О возможности создания и развития искусственного человека, высшего разума и сверхразума, наделённого интеллектом начали задумываться ещё в Древнем мире. Примеры: Талос  человек, выкованный из бронзы, или золотые сторожевые псы Алкиноя.

В XX веке учёные сделали значительный прорыв в развитии современных интеллектуальных систем и изучении принципов работы разума. Вклад в развитие внесли:

  • автор теории вычислений Алан Тьюринг. Он доказал принцип, что для описания любой формы вычислений могут использоваться цифровые методы;
  • основоположник теории информации Клод Шеннон. Рассказал в работах о цифровых сигналах и их возможностях (all-or-nothing signals).

Уолтер Питтс и Уоррен Мак-Каллок первыми проанализировали сети искусственных нейронов. Учёные сформулировали основные принципы разума и того, что в будущем назовут нейросетью (сокращение от neural network, компьютерные нейронные сети  нейросети).

В 1951 году Марвин Мински совместно с Дином Эдмондсом представили первую SNARC  Stochastic Neural Analog Reinforcement Calculator (расшифровка аббревиатуры ― стохастический нейронно-аналоговый калькулятор с подкреплением). Это было первое в истории устройство, где использовался принцип нейросетей для работы и решения основных задач.

Как выглядит ИИ

С 70х годов прошлого столетия развитие направления в науке и бизнесе стали снижать темп. Исследования в области AI (artificial intelligence) и компьютерных нейросетей становятся менее популярными. Причины:

  • недостаточность финансирования научно-исследовательской работы для развития сферы;
  • ограниченность вычислительных мощностей, которые могли использоваться учёными;
  • отсутствие современных баз данных для обучения нейросетей и «разума»;
  • сложность применения и работы в бизнесе и т. д.

В 80е годы XX века искусственный интеллект (разум) используется как экспертная система. Принцип развития  работать над применением в конкретной предметной области и профессиональной деятельности.

Интеллектуальные системы автоматизировали процессы в финансах, юриспруденции, логистике и других областях работы. Это решало проблему вычислительных мощностей и нехватки баз знаний для обучения. Примером применения интеллектуальной экспертной системы может быть XCON. Компьютерная нейросеть (разум) использовалась для решения корпоративных задач Digital Equipment Corporation.

Доступ к Big Data, появление вычислительных мощностей, возможность машинного обучения способствовали развитию нейросетей и применению AI-разума в мире. ИИ способен решать больше проблем за меньшее время.

В чём разница между Artificial Intelligence, Machine Learning и Data Science

ИИ (Artificial Intelligence, AI)  современная дисциплина на стыке мира математики, информатики, биологии, психологии и других. Её область  создание и изучение программ/устройств и интеллектуальных систем, которые работают с имитацией когнитивных функций человека (в том числе мышление, творчество и т. д.).

Машинное обучение (ML ― расшифровка аббревиатуры Machine Learning)  набор методов и принципов, при помощи которых происходит обучение и развитие ИИ. Для ML могут использоваться средства:

  • теории графов;
  • математической статистики;
  • численных методов оптимизации;
  • матанализа.

В процессе Machine Learning используется предыдущий опыт решений схожих задач. Выделяют разные виды обучения, которые могут использоваться в современных интеллектуальных системах. В мире работают:

  • supervised learning (с учителем);
  • unsupervised learning (без учителя);
  • reinforcement learning (с подкреплением, когда машина решает и выбирает из нескольких сценариев оптимальный).

Data Science (datalogy)  современная наука о данных. Раздел информатики изучает принципы и проблемы анализа, сбора, обработки и представления данных, в том числе и BD (расшифровка аббревиатуры ― Big Data). Дата-сайентист может работать с базами данных (БД), создавать алгоритмы машинного обучения или обслуживать инфраструктуру для работы с данными.

Работа с большими данными

К примеру, возьмём генеративную языковую модель GigaChat. В её основе лежит нейросетевой ансамбль NeONKA.

Компьютерные технологии для работы:

  • ruGPT-3.5 с 29 млрд параметров;
  • Kandinsky 3.0;
  • ruCLIP и FRED-T5.

Подключить GigaChat API можно, чтобы писать тексты, создавать изображения, генерировать код.

Чтобы создать нейросеть, использовалось более 7,5 петабайт данных: это в 2,5 раза больше всей литературы мира. Для обучения требовалось более 300 Гб. Сбор данных, очистка, создание датасетов, организация инфраструктуры хранения  то, над чем мог работать Data Scientist.

Для машинного обучения разума и развития GigaChat использовали современные принципы:

  • Alignment: Supervised-finetuning  более 500 000 пар в формате «инструкция  ответ»;
  • Alignment: обучение с подкреплением  100 000+ пар[инструкция, N отранжированных ответов LLM].

Когда эффективно применение машинного обучения

Вариантов, где и как использовать Machine Learning для интеллектуальных систем, гораздо больше (и это не только генеративные языковые модели). Применение компьютерных технологий помогает работать над задачами и решать проблемы следующего характера:

  • определение злокачественности или доброкачественности опухоли мозга на базе медицинских изображений;
  • анализ рынка мира, его развития, прогнозирование цен и котировок для работы области трейдинга;
  • создание интеллектуальных механизмов рекомендаций в ленте социальных сетей, на маркетплейсах или в интернет-магазинах;
  • обнаружение паттернов аномального поведения на веб-сайте с учётом определённых принципов.

Чем больше качественных данных используются для обучения компьютерных нейросетей на входе, тем лучше и точнее будет результат.

Как связаны Big Data и машинное обучение

Big Data (большие данные)  петабайты информации, которая накапливается по миру в области бизнеса и не только. Это могут быть сведения о:

  • транзакциях;
  • покупках;
  • ошибках;
  • маршрутах;
  • кликах;
  • геопозиции;
  • просмотрах;
  • посещениях.

Чтобы найти закономерности в Big Data и решать задачи в маркетинге или применения в производстве (например, связь между количеством визитов и заказов), необходимы методики обработки больших массивов данных.

Применение алгоритмов машинного обучения помогает справляться с потоком больших данных: обрабатывать их быстрее и точнее. При этом разнообразие Big Data прокачивает алгоритм и способствует развитию разума.

AI робот

В каких областях развивается искусственный интеллект в 2024 году

На Всемирном экономическом форуме в Давосе Билл Гейтс указал, что в ближайшие пять лет искусственный интеллект (разум) изменит мир. Области, которые затронут технологии и интеллектуальные системы Artificial Intelligence:

  • здравоохранение  ИИ облегчит доступ к медицинской информации, решит задачу оценки риска заражения инфекцией, поможет в борьбе с устойчивостью к антибиотикам;
  • образование  применение новых технологий позволит обеспечить практически каждого собственным цифровым учителем;
  • быт  у пользователей появится личный интеллектуальный помощник, который сможет искать информацию на сайтах, делать саммари, создавать презентации, решать задачки и заниматься другой рутинной работой.

По мнению Билла Гейтса, генеративный ИИ может повысить продуктивность работы программистов на 50%. К примеру, компьютерная нейросеть GigaChat пишет код на Java, JavaScript, Python и других языках программирования. Искусственный интеллект (разум) оптимизирует рутинную работу фронтенд- или бэкенд-программиста. Для поиска некоторых типов уязвимостей, расширенной кодогенерации и других задач возможно применение GigaCode technologies. Интеллектуальная система поддерживает более 15 языков программирования.

По данным «Авито Работы», 24% компаний заявили об успешном внедрении искусственного интеллекта и применении технологии ИИ в России (по состоянию на ноябрь 2023 года).

В России над внедрением интеллектуальных систем работают:

  • МВД. К 2025 году ведомство собирается подготовить датасеты для обучения нейросетей «Клон» (борьба с подделкой видео) и «Конъюнктура» (прогноз чрезвычайных ситуаций);
  • в Подмосковье искусственный разум контролирует качество уборки улиц  компьютерная технология помогла выявить около 2,4 тыс. нарушений;
  • медучреждения Москвы используют современные ИИ-сервисы для интеллектуального обнаружения инсульта и других патологий на КТ-снимках.

В докладе аналитиков Ассоциации электронных коммуникаций (РАЭК) перечислены сферы применения AI (artificially intelligent) и тренды в мире на 2024 год:

  1. Экспертный ИИ. Бизнес всё чаще приходит с задачами адаптации нейросетей к особенностям профессиональной деятельности. К примеру, нужны интеллектуальные системы, которые дообучены для применения и способны решать задачи в областях:

    • финансов;
    • юриспруденции;
    • логистики;
    • биологии.
  2. Виртуальный персонал. Нейросети вывели на новый уровень создание цифровых персонажей. К примеру, в умных устройствах Салют ТВ работает нейросетевой ведущий, который может рассказать новости.

  3. Современные цифровые профессии в области компьютерных технологий. Востребованы промпт-инженеры, тренеры нейросетей, дата-сайентисты, нейрокреаторы  все, кто умеет ставить задачи нейросети и получать от разума результат.

  4. Увеличение по всему миру объёмов контента, созданного интеллектуальными системами. К примеру, GigaChat генерирует не только текст (сказки, доклады, заголовки, тезисные планы, саммари, новости, статьи в блог), но и другие форматы контента. Сервис используется для создания изображений, а ещё решает загадки и пишет код. По мере развития он научится генерировать другие виды контента под задачи пользователя.

  5. Стратегические партнёрства в области ИИ. Разработчики отечественных технологий и интеллектуальных систем продолжат сотрудничество. К примеру, GigaChat интегрирован в российский офисный пакет ПО «Мой Офис».

Генеративный искусственный интеллект

Компьютерные нейросети GPT-3.5, GPT-4, Copilot, PaLM, Midjourney, Stable Diffusion и другие  примеры генеративного разума AI. Сервисы создают контент: изображения, тексты, код, музыку, видео. Могут делать саммари или расшифровки аббревиатур.

Для обучения используются unsupervised или self-supervised machine learning. Чтобы генеративные интеллектуальные системы работали, нужны подсказки на естественном языке (промпты).

Генеративный разум может быть:

  • одномодальным  работает только с одним типом контента (к примеру, только рисует картинки или только пишет текст);
  • мультимодальный  генерирует разные виды контента (к ним относится GigaChat, он создаёт изображения, может писать код и тексты).

Голосовой и языковой искусственный интеллект

Пример применения разума AI  речевые технологии Сбера SaluteSpeech. Технологии распознавания и синтеза речи позволили создать голосовых помощников, которые живут в:

  • смарт-устройствах;
  • умной телефонии;
  • мобильных приложениях.

Применение технологии возможно в различных областях: от IVR (расшифровка аббревиатуры Interactive Voice Response) до инфостендов с цифровыми персонажами. Принципы синтеза и распознавания речи открывают широкие возможности и могут решать многие задачи:

  • транскрибации (расшифровки аудио при помощи компьютерных технологий);
  • сервисов аналитики аудиозаписей и работы контакт-центра (к примеру, как в AI SaluteSpeech Insights);
  • озвучки текста мужским или женским голосом;
  • использования ассистентов и голосовых помощников с разумом (на примере Салюта  Сбер, Афина и Джой).

Генеративный и голосовой ИИ может использоваться параллельно. К примеру, можно попросить компьютерную нейросеть GigaChat создать текст, а затем озвучить его при помощи сервиса синтеза речи.

Объяснимый искусственный интеллект

Объяснимый ИИ (Explainable AI)  это современный подход, направление исследований и работы в области Artificial Intelligence. Цель  создание прозрачных и понятных алгоритмов и принципов машинного обучения в мире.

Причиной появления концепции стал так называемый чёрный ящик при разработке ИИ. К примеру, разработчики интеллектуальных систем ChatGPT или DALL-E не показывают, на каких данных и как обучается их система. Как результат  сложно оценить:

  • предвзятость алгоритма AI;
  • качество и количество данных;
  • логику работы/принципы, как ИИ решает задачи.

Этика искусственного интеллекта

Развитие современных компьютерных технологий по всему миру спровоцировало новые вызовы в разных областях. Среди них:

  • появление дипфейков  изображений, аудио и видео, сгенерированных нейросетями и интеллектуальными системами;
  • утечки данных и сложность защиты информации;
  • риск ошибок компьютерных технологий, которые используются при принятии важных решений.

Кибербезопасность на основе искусственного интеллекта

Применение компьютерных технологий возможно в области информационной безопасности. ИИ может решать задачи в области:

  • защиты бренда в сети  фишинг, утечки персональных данных, работа по выявлению инфоатак и мошеннических сайтов;
  • киберразведки и получения данных о новых угрозах в мире  информация об атакующих и обновляемые индикаторы компрометации;
  • противодействия мошенничеству  возможность детектировать мошеннические учётные записи, устраивать защиту от бот-активностей, работать над отслеживанием нелегитимных попыток входа;
  • выявления компрометации инфраструктуры, следов прошлых и текущих атак  снижение риска утечки данных, кражи активов, интеллектуальной собственности.

Компьютерные технологии используются для анализа сетевой безопасности, обнаружения современных киберугроз и фрода, а также других задач. Бизнесу в Российской Федерации необходимо внедрять возможности интеллектуальных систем с учётом требований закона  152-ФЗ, правил GDPR, PIPEDA, APPI и других нормативно-правовых актов.

Виртуальные помощники

Ассистенты помогают пользователям в рутинной работе, бытовых делах и других областях. Для бизнеса virtual assistant  это современный элемент автоматизации и брендинга.

К примеру, Салют  семейство помощников, которые умеют оплачивать мобильную связь или переводить деньги клиентам Сбера по имени из адресной книги.

Салют (персонажи Афина, Джой, Сбер) работает в умных устройствах и других сервисах Сбера. Возможности ассистента:

  • поддерживать диалог с пользователем;
  • решать задачи;
  • ставить будильник или таймер;
  • включать/отключать музыку;
  • делать расшифровки аббревиатур;
  • рассказывать о научных принципах;
  • подсказывать курс валют;
  • искать информацию по запросу пользователя, а также делать многое другое.

Есть и другие примеры программных агентов, которые работают в мире  Siri, Яндекс Алиса, Маруся, Олег банка Тинькофф, Google Assistant.

Сбер даёт бизнесу возможность создавать собственных голосовых помощников и ассистентов с определёнными принципами работы.

Периферийный ИИ

Периферийные вычисления (Edge computing)  это IT-архитектура для обработки данных ближе к их источнику при помощи локальных периферийных узлов.

Причина появления технологии связана с интернетом вещей (IoT, internet of things). Датчики, сенсоры и другие решения, встроенные в умные устройства, работают и собирают огромное количество данных. К примеру, это могут быть:

  • температура;
  • давление;
  • влажность;
  • вибрации;
  • номера автомобилей;
  • частота сердцебиения.

Передавать данные в центр обработки данных дорого и долго. Поэтому появилась концепция возможности переноса части вычислительных мощностей ближе к месту сбора информации.

Концепция Edge Computing не подразумевает полный отказ от облака. Но при этом технология облегчает машинное обучение и автономное применение алгоритмов глубокого обучения.

Возможности GigaChat

GigaChat  современный ИИ, который способен решать задачи бизнеса в различных областях. Как работают возможности и применяются AI, можно оценить на примере большой языковой модели large language model (LLM).

Продукты из этой статьи:

GigaChat API
Решения с использованием ИИ
Ещё по теме
GigaChat API
Prompt Engineering

Рекомендации по составлению промптов для GigaChat API
GigaChat API
Помощник для сотрудников юридических фирм и департаментов

Решение с использованием GigaChat API
GigaChat API
Суммаризация диалогов и суфлёр для сотрудников контактного центра

Решение с использованием GigaChat API
GigaChat API
Заголовки для информационных ресурсов

Решение с использованием GigaChat API
ПАО Сбербанк использует cookie для персонализации сервисов и удобства пользователей.
Вы можете запретить сохранение cookie в настройках своего браузера.