Что будет стимулировать развитие генеративного ИИ в России

Цифровая экономика

Синергия IT-компаний с вузами, поддержка разработок и внедрение больших генеративных моделей в бизнес-процессы стимулируют развитие в стране рынка сильного искусственного интеллекта, отмечают эксперты

Объем глобального рынка генеративного искусственного интеллекта (ИИ, GenAI) в 2024 году достиг $68,34 млрд. По данным международной аналитической компании Coherent Market Insights, он продолжит ежегодно расти на 32,8% и к 2031 году составит порядка $496,82 млрд.

Российский сегмент GenAI в период с 2024 по 2030 год ежегодно будет расти темпом выше общемирового— 46,49%, прогнозируют в Statista. В ближайшие шесть лет, по данным аналитиков, он увеличится с $420 млн до $4,15 млрд.

Переход генеративного ИИ из нишевого сегмента в массовый существенно ускорил развитие и внедрение новых технологических решений, говорит директор Национального центра развития искусственного интеллекта при правительстве России (НЦРИИ) Сергей Наквасин. «По экспертным оценкам, расходы компаний на решения на основе генеративного ИИ в ближайшие годы будут расти в среднем более чем на 70% в год— это в два раза быстрее, чем расходы на ИИ в целом»,— отмечает он.

Чем генеративный ИИ отличается от традиционной нейросети

Резкий скачок в развитии технологий искусственного интеллекта произошел буквально два года назад, говорят эксперты. Благодаря совершенствованию больших генеративных моделей в области языка, изображений (включая видео) и звука нейросеть научилась писать программные коды по техническим заданиям и сочинять поэмы на заданную тему. A также давать точные и понятные ответы на тестовые вопросы различных уровней сложности, в том числе из образовательных программ, отмечают авторы обновленной Стратегии развития ИИ до 2030 года.

В отличие от других типов нейросетей генеративный ИИ использует вероятностные методы и глубокое обучение для получения уникальных результатов, он умеет интерпретировать и модифицировать разные формы неструктурированных данных, говорит Сергей Наквасин.

В качестве отдельного направления развития генеративного ИИ выделяют большие языковые модели (Large Language Model, LLM). Именно они лежат в основе чат-ботов и позволяют нейросетям создавать не только текстовый, но и видеоконтент.

GenAI может создавать новые статьи, изображения, аудио и ролики в ответ на запросы пользователя, что является ключевым отличием от традиционной нейросети, отмечают аналитики Банка России в отчете «Применение искусственного интеллекта на финансовом рынке» за 2023 год.

Растущие возможности генеративного ИИ и его способность выполнять более широкий спектр задач, по данным аналитиков ЦБ, рассматриваются некоторыми исследователями как шаг к так называемому сильному ИИ.

Генеративный ИИ уже применяется в искусстве, дизайне продуктов, создании новых методов лечения в здравоохранении и разработке лекарств, усовершенствовании сложных производственных процессов, для создания прогнозов, торговых рекомендаций, инвестиционных стратегий в финансовом секторе. A в архитектуре и строительстве GenAI оптимизирует энергоэффективность, устойчивость и стоимость зданий и городов, отмечают авторы «Аналитической справки по генеративным моделям искусственного интеллекта» (2023 год) ассоциации «Финтех», ссылаясь на мировой опыт.

Как генеративный ИИ применяется в разных сферах жизни

Технология проникает в самые разные функциональные направления, например, эффективно используется в сфере клиентского обслуживания, маркетинга, исследований и разработок, в проектировании, стратегическом анализе и прогнозировании, отмечает Сергей Наквасин из НЦРИИ. Пионерами по внедрению генеративного ИИ, по его словам, выступают отрасли электронной коммерции, телекоммуникаций, IT и медиа.

Бизнес использует GenAI для улучшения качества обслуживания клиентов с помощью чат-ботов, виртуальных помощников, интеллектуальных контактных центров, персонализации и модерации контента, отмечают эксперты.

В других отраслях он также имеет высокий потенциал применения, говорит Сергей Наквасин. «Например, в металлургии предприятия уже в пилотном режиме тестируют инструменты генеративного ИИ для ускорения разработки программных продуктов. Первые результаты показывают прирост производительности по отдельным видам работ свыше 50%»,— отметил он.

В топливно-энергетическом секторе внедрение генеративного ИИ позволит автоматизировать свыше половины операций в области проектной инженерии. При этом суммарный экономический эффект для отрасли от его применения может превышать 340 млрд руб. в год за счет повышения производительности труда и эффективности производства, ссылается Наквасин на исследование «Выгон Консалтинг».

Отраслевой клуб «ИИ в машиностроении», созданный на базе Альянса крупнейших технологических игроков в сфере искусственного интеллекта, должен стать площадкой для развития технологий генеративного ИИ в инжиниринге и промышленном дизайне, уверен эксперт. «Такой подход позволит масштабировать отраслевые решения и заключать новые партнерства»,— отметил он.

В целом свыше 4 тыс. российских компаний уже подключились к нейросети GigaChat и используют ее в работе, заявлял руководитель блока «Технологическое развитие» Сбербанка Андрей Белевцев минувшим летом на конференции GigaCon.

Что способствует развитию GenAI в России

Сейчас российский бизнес активно сотрудничает с ведущими университетами страны и компаниями-разработчиками для создания отечественных решений в области генеративного ИИ и его внедрения в производственные процессы.

Как рассказали в компании «Атомэнергосбыт», система, подготовленная по ее заказу разработчиком Naumen, позволила автоматически распределять потоки обращений между ботом и операторами, тем самым снизив нагрузку на персонал и одновременно повысив качество консультаций. К 2024 году платформа обрабатывала до 70% обращений вместо традиционных 48%. Время ожидания ответа оператора в среднем сократилось на 33%, до 16 секунд. В первую очередь «Атомэнергосбыт» перевел на платформу с ИИ поток клиентских обращений из Смоленской, Курской, Тверской, Мурманской областей и Республики Хакасия. Сейчас компания планирует тиражировать решение на все свои подразделения.

В целом в промышленном секторе автоматизация рутинных производственных процессов, а также задач по охране труда, контроля трудовой дисциплины, обследования оборудования, обучения и контроля квалификации людей дает существенный экономический эффект и высвобождает ресурсы для более сложных задач, отмечает глава комитета по искусственному интеллекту АРПП «Отечественный софт», гендиректор группы компаний ЦРТ Дмитрий Дырмовский.

Группа ЦРТ совместно с «Сибуром» и «Сбером» одними из первых в стране реализовали внедрение LLM (нейросетевой модели GigaChat) в промышленности. В «Сибуре», одной из крупнейших интегрированных нефтегазохимических компаний России, уже созданы ИИ-помощники. Созданный ИИ-ассистент-диагност помогает инженерам нефтегазохимической компании вести диалог о причине неисправности оборудования: сотрудник в текстовом виде описывает аномалии в работе техники, а обученный ИИ-помощник дает релевантный ответ или формулирует гипотезы о причинах неисправности. Он может предложить и возможные варианты ее устранения. Это лишь один из реализованных кейсов, подчеркивает Дмитрий Дырмовский.

При этом извлечение широкого спектра выгод от внедрения ИИ требует как прямых материальных инвестиций, так и вложений в развитие человеческого капитала, отмечает глава группы ЦРТ. Для эффективного результата на одну единицу вложений в программное обеспечение требуется три в изменение бизнес-процессов, ссылается Дмитрий Дырмовский на аналитику McKinsey.

Для эффективного использования ИИ приоритетна задача восполнения кадрового дефицита GenAI-специалистов, отмечают эксперты. Поэтому IT-компании расширяют партнерство с вузами. ЦРТ, например, создал собственную кафедру на базе университета ИТМО.

Производитель решений и продуктов на основе нейронной сети «Наносемантика» развивает инициативы, направленные на подготовку профильных специалистов, в сотрудничестве с Московским физико-техническим институтом (МФТИ). Лаборатория нейросетевых технологий и прикладной лингвистики в МФТИ во главе с гендиректором компании Станиславом Ашмановым, например, проводит исследования в области глубокого обучения (Deep Learning) и ведет разработки с использованием компьютерного зрения, распознавания и синтеза речи.

Одним из реализованных проектов сотрудников лаборатории стал мультимедийный стенд «Снежинка» с голосовым 3D-аватаром для одноименной международной арктической станции. Он состоит из целого комплекса высокотехнологичных инструментов для презентации достижений отечественной команды исследователей в Арктике. Цифровой аватар в приложении стенда, созданный на базе платформы DialogOS, сочетает в себе обширную базу знаний, интегрированную с возможностями GPT-модели, что позволяет ему эффективно взаимодействовать с пользователями в реальном времени.

Источник