Русский код

Сегодня различные виды искусственного интеллекта активно и триумфально входят в нашу жизнь. Но в глазах очень многих само понятие ИИ ассоциируется прежде всего с зарубежными разработками, такими как ChatGPT.

Выйти из полноэкранного режима

Развернуть на весь экран

Есть ли в России собственные уникальные наработки в этой сфере, относятся ли к области искусственного интеллекта такие понятия, как «импортозамещение» и «технологический суверенитет»? Все знают, что ИИ генерирует смешной контент для соцсетей, но работают ли в российской экономике серьезные версии этой технологии? Обо всем этом «Ъ-Наука» поговорил с экспертом по искусственному интеллекту, заместителем директора Института интеллектуальных кибернетических систем НИЯУ МИФИ Валентином Климовым.

— Валентин Вячеславович, сегодня мощный хайп окружает большие языковые модели, их возможности действительно удивляют, но, может быть, есть другие типы нейросетей, которые оказывают важное влияние на экономику и общество?

— Да, конечно. Например, сейчас популярны такие направления использования нейросетей, как компьютерное зрение и обработка изображений. Там используются модели ИИ, которые никак не связаны с большими языковыми моделями. Просто большие языковые модели — очень известная вещь, у нее есть свои функции: генерация и аналитика текстов, обработки больших массивов текста, но для информации другого типа — например, для распознавания образов, поиска каких-то объектов, генерации видео или музыкального контента, конечно, используются совершенно другие решения.

Также можно отметить, например, используемые в промышленности системы прогнозирования отказов оборудования, системы прогнозирования спроса и предложения на какой-то товар, системы оптимизации логистики и доставки товаров. Сейчас это очень актуальная тема. Например, перед интеллектуальной системой ставится задача оптимизации развоза товаров для маркетплейсов, от складов до потребителей или маленьких магазинов. Также сейчас уже появились решения, которые можно назвать ассистентами ученого, используемые для поиска в больших массивах данных каких-то закономерностей, очистки их от шума и так далее. Это тоже отдельное направление. Все это не относится к классу больших языковых моделей, хотя да, LLM — это сейчас самое звучное, самое популярное и такое хайповое направление. Но это не все, что существует в этом мире.

— А в России кто обладает наибольшей компетенцией в развитии искусственного интеллекта, где добились наибольших успехов?

— Существует ряд высокотехнологичных компаний, которые, безусловно, можно отнести к лидерам этого рынка. Это «Яндекс» со своими решениями, с YandexGPT и с роботами, которые сейчас в порядке эксперимента занимаются доставкой. Также можно выделить «Сбер» с его нейросетью GigaChat и с медицинскими наработками, в которых используются ассистенты с элементами искусственного интеллекта. Уже на улицах Москвы мы можем встретить беспилотный транспорт: недалеко отсюда, в районе метро «Технопарк», можно встретить на дорогах машины с элементами беспилотного вождения от «Сбера». Можно вспомнить и МТС — у нее есть несколько достаточно известных решений, и Т-Банк. С другой стороны, в России существует ряд университетов и научных центров, которые специализируются на различных аспектах искусственного интеллекта. Это и Высшая школа экономики, и ИТМО, и Сколтех. В МИФИ действует Центр искусственного интеллекта в сфере транспорта. Есть научные центры, которые специализируются на применении ИИ в медицине, в промышленности, в нефтегазовой сфере: например, ИТМО известен своим сотрудничеством с «Газпромнефтью» и проектами, связанными с добычей и переработкой полезных ископаемых. Такого рода сотрудничество позволяет использовать экспертизу университетов в каких-то разделах науки и техники, ведь у каждого университета есть своя специфика, а для отраслевых нишевых решений в элементы искусственного интеллекта как раз и должна закладываться сопутствующая экспертиза. Сотрудничество университетов с компаниями позволяет сочетать два важных фактора, необходимых для развития ИИ: экспертизу университетских ученых и создаваемые в реальном секторе наборы данных, датасеты, на которых обучается искусственный интеллект. Если эти два фактора сходятся в одной точке, это позволяет продвигать вперед создание новых интеллектуальных решений.

— Известны ли примеры успешного и достаточно масштабного внедрения в какую-то серьезную область отечественных разработок в области искусственного интеллекта?

— Если говорить о сфере производства, то существует достаточно много отечественных решений, связанных с так называемой предиктивной (предсказательной) аналитикой. Это решения, помогающие предприятиям прогнозировать поломки, отказы отдельных узлов механизмов, грубо говоря, станков или турбин, благодаря чему мы не ждем, пока произойдет авария, и действуем не в режиме регламентного обслуживания, когда каждые три месяца надо останавливать производство и проверять все агрегаты. Вместо этого мы анализируем статистику использования механизмов и показания датчиков и видим, что идет опасное увеличение, предположим, вибрации, температуры или еще какой-то характеристики и возникает предаварийная ситуация. Задача такого программного продукта — не доводить до аварий, когда, во-первых, могут возникнуть риски для здоровья персонала, а во-вторых, возникают большие денежные потери из-за разрушения самого устройства и из-за простоя предприятия. Поэтому важно заранее планировать и проводить ремонтные работы, заранее подвозить запчасти, останавливать участки производства на короткий период времени, оперативно получать предупреждения о предаварийных ситуациях и готовиться к ним, понимая, когда наступает оптимальный момент для ремонта, чтобы это принесло предприятию минимальные простои и потери.

— То есть пока широкая публика развлекается с языковыми моделями, отечественный ИИ незаметно занимается ремонтом станков на заводах…

— Можно сказать и так. Также в России наработано много решений, связанных с медициной, появилось большое количество роботов—ассистентов врача, нужных как для рутинного заполнения документов, так и для выработки медицинских рекомендаций. В перспективе это снимает нагрузку с врачей в части несложных медицинских консультаций и оставляет пространство для разбора более сложных кейсов. Сложные вещи пока мы не можем доверить машине, поскольку ответственность за жизнь и здоровье пациента несет врач, но для простых симптомов, таких как повышение температуры, насморк, аллергия, которые более или менее понятны, вполне можно использовать рекомендации нейросети.

А еще можно вспомнить интеллектуальные системы управления светофорами, которые сейчас используются в крупных мегаполисах и оптимизируют транспортные потоки, варьируя переключение светофоров в зависимости от плотности потока. Эти системы позволяют накапливать данные о дорожном движении, о трафике и более оптимально использовать регулирующие средства, повышая пропускную способность дорог без увеличения их ширины.

— Россия, конечно, добилась больших успехов и в импортозамещении, но в сфере ИИ, видимо, без зарубежных наработок тоже не обойтись. Можно ли говорить о том, что, когда, условно говоря, ИT-отдел крупного российского предприятия пытается создать систему предиктивной аналитики, он должен часть элементов брать из зарубежных наработок? Что мы берем из-за рубежа, а что есть у нас?

— Это вопрос сложный. На самом деле каждая такая система уникальна. Безусловно, мы должны опираться на состав оборудования, а значит, очень многое зависит от производителей оборудования, о котором мы говорим, имеется ли у нас оборудование отечественное или зарубежное, какого вида датчики установлены, какой вид информации мы имеем на входе. Есть определенные заделы в программных пакетах — и зарубежных, и отечественных. Где-то мы чуть лучше распознаем те или иные ситуации, где-то — они, и всегда нужно использовать лучшее, чтобы гарантировать предприятию-заказчику минимизацию аварий, простоев и других сложных ситуаций. И если мы можем использовать зарубежный пакет, который анализирует какой-то тип сбоев лучше, чем наш, то, пожалуйста, анализируйте, ничего зазорного в этом нет. Тем более что есть системы с открытым исходным кодом. Но есть и отечественные наработки, тоже вполне жизнеспособные. Но, конечно, нельзя полностью полагаться на зарубежный софт, потому что он может в какой-то момент отказать или перестать обновляться, и мы столкнемся с ситуацией, когда предустановленный программный пакет станет недоступен по каким-то политическим причинам.

— Есть ли в России решения для малого бизнеса, использующие именно искусственный интеллект и нейросети?

— В общем, это не проблема. Те же крупные общедоступные нейросети — скажем, GigaChat или «Яндекс GPT» — равно применимы как для маленьких задач, так и для масштабных. Это универсальные средства для генерации и аналитики текстовой информации вне зависимости от того, какого размера у вас компания. Интеллектуальные агенты, связанные с банковским обслуживанием, также подходят для всех юридических лиц, как крупных, так и мелких. Там имеется режим адаптации и настройки для различного размера компаний. Есть системы, которые позволяют небольшим компаниям составлять финансовую отчетность, даже если вы не являетесь специалистом в построении финансовой отчетности. Раньше для этого требовалось нанимать бухгалтеров, сейчас эта работа автоматизирована, и составленная в автоматическом режиме отчетность будет принята любой налоговой инспекцией. Сегодня даже малому бизнесу проще купить подписку на какую-то такую интеллектуальную систему, чем держать в штате человека. Роботу соцпакет не нужен.

— Как вы полагаете, можно ли найти в России еще залежи оцифрованных данных, которые в перспективе могли бы стать почвой для создания новых систем искусственного интеллекта?

— Залежей на самом деле полно. Это и медицинские данные, их очень много там накопилось за последние 100 лет в различных системах, и оцифрованных, и не оцифрованных, они могут служить хорошей основой для лечения различного рода заболеваний, в том числе сложных. Накопленную экспертизу врачей надо перевести в цифровой вид и проанализировать с использованием интеллектуальных решений.

Есть данные, связанные с транспортом, которые постоянно пополняются. Дорожные сети развиваются, появляются новые виды транспорта: например, раньше не было электромобилей. Эти данные также надо анализировать и использовать для обучения нейросетей для разных применений — например, для оптимизации дорожного движения. Также важный аспект — ремонты дорог. Данные о дорогах могут в автоматизированном режиме собираться дорожными лабораториями. Приезжает машина с лидарами и видеокамерами, анализирует количество трещин и впадин, и это является основой для составления графиков дорожных ремонтов, и не надо ждать аварии, которая случится из-за трещины. Вместо этого мы получаем полный срез состояния дорожного покрытия, и эта информация собирается в автоматическом режиме, затем анализируется с использованием ИИ, после чего мы получаем рекомендации, на основе которых человек может принять решение.

Третье — это, конечно, финансово-банковская сфера. Мы каждый день совершаем какие-то финансовые операции, что-то покупаем, что-то заказываем, на что-то тратимся, все это можно анализировать. Основываясь на этих данных, можно строить индивидуальные предложения по банковскому обслуживанию, по кредитованию, предложения инвестиционных программ, учитывая, что кто-то более склонен к риску, кто-то — менее, поэтому одним нужно предлагать гарантированные пакеты, а другим — более рискованные. Поскольку это индивидуальные предложения, то здесь чем больше мы данных имеем о человеке, тем лучше. Построение профиля человека важно и для борьбы с мошенничеством, с отмыванием и прочими сложными вещами, поскольку, накапливая данные о человеке, мы можем выявить необычные для него трансакции, и для банка важно как минимум остановить такую операцию.

На самом деле таких залежей гораздо больше, но время нашей беседы ограничено.

— Можно ли говорить об искусственном интеллекте как предмете научных исследований? Что интересует ученых? Чем заняты ученые в этой области?

— Это очень интересный вопрос. На одном из первых планов сейчас стоит вообще создание «искусственного ученого», интеллектуального агента, адаптированного к различным сферам науки, который сможет обнаруживать ранее не открытые или не доказанные человеком вещи просто за счет того, что обладает большим объемом информации на входе. Сейчас для машины не является чем-то сверхъестественным прокачать через себя всю библиотеку американского Конгресса плюс пласты информации из интернета и внезапно обнаружить какие-то вещи, а человеку на это жизни не хватит. Сейчас машины уже делают открытия и обнаруживают закономерности, которые человек не может увидеть просто в силу сравнительно небольшого объема информации, которую каждый из нас может через себя пропустить. Машины уже обнаруживают раковые заболевания лучше, чем человек. Машинам удалось доказать некоторые математические теоремы, которые человек не мог доказать несколько десятилетий. Как они это сделали — это уже другой вопрос.

— А какими исследованиями занимаетесь вы в МИФИ?

— Я, например, сотрудничаю с профессором Алексеем Самсоновичем, который занимается тем, что адаптирует большие языковые модели к разным когнитивным архитектурам. Речь идет о том, чтобы модель обладала определенной эмпатией, некоторой возможностью проявлять эмоции, поскольку на текущий момент любого голосового ассистента можно зачастую отличить от обычного человека именно тем, что он не может считывать эмоции либо делает это очень плохо. То есть не может сострадать, радоваться вместе с вами, посмеяться, погрустить, рассказать анекдот и так далее. Идут исследования, которые пытаются понять, как это происходит у людей, и, познав эти законы, связанные с психологией и физиологией человека, подумать о том, как это передать машине. Речь не только об эмоциях, но и о социальных аспектах, о поведении человека в социуме. Если при взаимодействии внутри социума мы используем какой-то элемент искусственного интеллекта, то надо сделать так, чтобы это было социально, чтобы это было этично, чтобы это не расценивалось другими как какое-то негативное воздействие. То есть чтобы ИИ-агент воспринимался как помощник, сотрудник, соратник, как ваш напарник в решении какой-то задачи, а не как угроза. Мы научились какие-то механические вещи передавать машине, но мы не поняли до конца многие вещи про самих себя — про эмоции, про социальность, про сознание. Что такое сознание? До конца непонятно, откуда оно берется, как оно передается, почему оно угасает, вообще, что это такое? Это Божья искра или это основанное на какой-то физиологии явление? А если мы не познали про себя эти аспекты, то очень сложно это передать искусственному интеллекту. Все равно до сих пор искусственный интеллект — это творение, а не творец. Творец пока человек. И мы не дошли до стадии сильного искусственного интеллекта, которую предвещают многие там фантасты, когда он начнет сам себя создавать, генерировать, настраивать, и в какой-то момент мы станем ему не нужны. Пока мы до этого не дожили, и думаю, в ближайшее десятилетие не доживем. А может быть, и доживем, но чуть позже. Но впереди точно много новых и интересных открытий.

Беседовал Константин Фрумкин