AI что значит

Продукты из этой статьи:

GigaChat

GigaChat API

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.

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 50—е 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.

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.

С 70—х 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 80—е 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.

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.

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

GigaChat API