Что такое генеративный ИИ?

Генеративный ИИ может извлекать уроки из существующих артефактов для создания новых, реалистичных артефактов (в масштабе), которые отражают характеристики обучающих данных, но не повторяют их. Он может создавать множество нового контента, такого как изображения, видео, музыка, речь, текст, программный код и дизайн продукта.

Генеративный ИИ использует ряд методов, которые продолжают развиваться. В первую очередь это базовые модели ИИ, которые обучаются на широком наборе немаркированных данных, которые можно использовать для различных задач с дополнительной тонкой настройкой. Для создания этих обученных моделей требуются сложная математика и огромные вычислительные мощности, но они, по сути, являются алгоритмами прогнозирования.

Сегодня генеративный ИИ чаще всего создает контент в ответ на запросы на естественном языке — для этого не требуется знание кода или ввод его, — но корпоративные варианты использования многочисленны и включают инновации в разработке лекарств и чипов, а также в разработке материаловедения. (Также смотрите “Каковы некоторые практические применения генеративного ИИ?”)

Что стоит за внезапной шумихой вокруг генеративного ИИ?

Gartner отслеживает генеративный ИИ в своем рекламном цикле искусственного интеллекта с 2020 года (кроме того, генеративный ИИ был одним из наших главных стратегических технологических трендов на 2022 год), и технология перешла от фазы запуска инноваций к пику завышенных ожиданий. Но генеративный ИИ попал в заголовки газет только в конце 2022 года с запуском ChatGPT, чат-бота, способного взаимодействовать, очень похожего на человека.

ChatGPT, запущенный OpenAI, в одночасье стал невероятно популярным и привлек внимание общественности. (Инструмент OpenAI DALL · E 2 аналогичным образом генерирует изображения из текста в рамках связанной с генеративным ИИ инновации.)

По мнению Gartner, генеративный ИИ становится технологией общего назначения, влияние которой аналогично влиянию парового двигателя, электричества и Интернета. Шумиха спадет по мере того, как наступит реальность внедрения, но влияние генеративного ИИ будет расти по мере того, как люди и предприятия будут находить все более инновационные применения технологии в повседневной работе и жизни.

Каковы преимущества и области применения генеративного ИИ?

Базовые модели, включая генеративные предварительно обученные трансформаторы (которые управляют ChatGPT), относятся к инновациям архитектуры ИИ, которые могут быть использованы для автоматизации, расширения возможностей людей или машин и автономного выполнения бизнес- и ИТ-процессов.

Преимущества генеративного ИИ включают в себя более быструю разработку продукта, улучшение качества обслуживания клиентов и повышение производительности сотрудников, но специфика зависит от варианта использования. Конечные пользователи должны реалистично оценивать ценность, которую они хотят достичь, особенно при использовании сервиса как есть, который имеет серьезные ограничения. Генеративный ИИ создает артефакты, которые могут быть неточными или предвзятыми, что делает необходимым проверку человеком и потенциально ограничивает время, которое он экономит работникам. Gartner рекомендует увязывать варианты использования с ключевыми показателями эффективности, чтобы гарантировать, что любой проект либо повысит операционную эффективность, либо создаст чистый новый доход или улучшит опыт.

В недавнем опросе на вебинаре Gartner, в котором приняли участие более 2500 руководителей, 38% указали, что качество обслуживания клиентов и удержание их является основной целью их инвестиций в генеративный ИИ. За этим последовал рост выручки (26%), оптимизация затрат (17%) и непрерывность бизнеса (7%).

Каковы риски генеративного ИИ?

Риски, связанные с генеративным ИИ, значительны и быстро развиваются. Широкий круг субъектов угроз уже использовал технологию для создания “глубоких подделок” или копий продуктов и создания артефактов для поддержки все более сложных мошеннических операций.

ChatGPT и другие подобные ему инструменты обучаются на больших объемах общедоступных данных. Они не разработаны таким образом, чтобы соответствовать Общим правилам защиты данных (GDPR) и другим законам об авторском праве, поэтому крайне важно уделять пристальное внимание использованию платформ вашими предприятиями.

Риски надзора, требующие мониторинга, включают:

Отсутствие прозрачности. Модели генеративного ИИ и ChatGPT непредсказуемы, и даже компании, стоящие за ними, не всегда понимают все о том, как они работают.
Точность. Генеративные системы ИИ иногда выдают неточные и сфабрикованные ответы. Оцените все результаты на предмет точности, уместности и реальной полезности, прежде чем полагаться на информацию или публично распространять ее.
Предвзятость. Вам нужны действующие политики или средства контроля для обнаружения предвзятых результатов и обработки их в соответствии с политикой компании и любыми соответствующими правовыми требованиями.
Интеллектуальная собственность (ИС) и авторское право. В настоящее время нет поддающихся проверке гарантий управления данными и защиты конфиденциальной корпоративной информации. Пользователи должны исходить из того, что любые данные или запросы, которые они вводят в ChatGPT и его конкурентов, станут общедоступной информацией, и мы советуем предприятиям ввести меры контроля, чтобы избежать непреднамеренного раскрытия IP.

Кибербезопасность и мошенничество. Предприятия должны подготовиться к использованию злоумышленниками систем генеративного ИИ для кибератак и мошенничества, таких как те, которые используют глубокие подделки для социальной инженерии персонала, и обеспечить наличие смягчающих мер контроля. Проконсультируйтесь с вашим поставщиком киберстрахования, чтобы проверить, в какой степени ваша существующая политика покрывает нарушения, связанные с ИИ.
Устойчивость. Генеративный ИИ потребляет значительное количество электроэнергии. Выбирайте поставщиков, которые снижают энергопотребление и используют высококачественную возобновляемую энергию для смягчения воздействия на ваши цели в области устойчивого развития.

Gartner также рекомендует рассмотреть следующие вопросы:

Кто определяет ответственное использование генеративного ИИ, особенно по мере развития культурных норм и различий в подходах социальной инженерии в разных географических регионах? Кто обеспечивает соблюдение? Каковы последствия безответственного использования?
В случае, если что-то пойдет не так, как люди могут предпринять действия?
Как пользователи дают и удаляют согласие (подписываются или отказываются)? Что можно извлечь из дебатов о конфиденциальности?
Поможет или подорвет доверие к вашей организации и учреждениям в целом использование генеративного ИИ?
Как мы можем гарантировать, что создатели контента и владельцы сохраняют контроль над своей ИС и получают справедливую компенсацию? Как должны выглядеть новые экономические модели?
Кто будет обеспечивать надлежащее функционирование на протяжении всего жизненного цикла и как они будут это делать? Нужен ли советам директоров, например, специалист по этике ИИ?

Наконец, важно постоянно следить за изменениями в законодательстве и судебными разбирательствами, касающимися генеративного ИИ. Китай и Сингапур уже ввели в действие новые правила, касающиеся использования генеративного ИИ, в то время как Италия временно. США, Канада, Индия, Великобритания и ЕС в настоящее время формируют свои нормативные среды.

Каковы некоторые практические применения генеративного ИИ сегодня?

Область генеративного ИИ будет быстро развиваться как в области научных открытий, так и в коммерциализации технологий, но варианты использования быстро появляются в творческом контенте, улучшении контента, синтетических данных, генеративной инженерии и генеративном дизайне.

Используемые сегодня практические приложения высокого уровня включают следующее.

Расширение и создание письменного контента: создание “черновика” текста в желаемом стиле и длине
Ответы на вопросы и обнаружение: позволяет пользователям находить ответы на вводимые данные на основе данных и оперативной информации
Тон: манипулирование текстом с целью смягчения языка или профессионализации текста
Краткое изложение: предложение сокращенных версий разговоров, статей, электронных писем и веб-страниц
Упрощение: разбивка заголовков, создание схем и извлечение ключевого контента
Классификация контента для конкретных вариантов использования: Сортировка по настроению, теме и т.д.
Улучшение производительности чат-бота: улучшается извлечение “чувств”, классификация настроений в ходе всего разговора и генерация потоков поездок на основе общих описаний
Кодирование программного обеспечения: генерация кода, перевод, объяснение и проверка

Появляющиеся варианты использования с долгосрочными последствиями включают:

Создание медицинских изображений, которые показывают будущее развитие заболевания
Синтетические данные, помогающие дополнять дефицитные данные, смягчать предвзятость, сохранять конфиденциальность данных и моделировать будущие сценарии
Приложения, активно предлагающие пользователям дополнительные действия и предоставляющие им информацию
Модернизация устаревшего кода

Как генеративный ИИ повысит ценность бизнеса?

Генеративный ИИ предоставляет новые и прорывные возможности для увеличения доходов, снижения затрат, повышения производительности и лучшего управления рисками. В ближайшем будущем он станет конкурентным преимуществом и отличительной чертой.

Gartner делит возможности на три категории.

Возможности получения дохода

Разработка продукта: Генеративный ИИ позволит предприятиям быстрее создавать новые продукты. Это могут быть новые лекарства, менее токсичные бытовые чистящие средства, новые вкусы и отдушки, новые сплавы, а также более быстрая и качественная диагностика.

Новые каналы получения доходов: Исследования Gartner показывают, что предприятия с более высоким уровнем зрелости ИИ получат больше преимуществ для своих доходов.

Возможности затрат и производительности

Расширение возможностей работников: Генеративный ИИ может расширить возможности работников по составлению и редактированию текста, изображений и других носителей. Он также может обобщать, упрощать и классифицировать контент; генерировать, переводить и проверять программный код; и улучшать производительность чат-бота. На данном этапе технология обладает высоким уровнем мастерства в быстром и масштабируемом создании широкого спектра артефактов.

Долгосрочная оптимизация кадрового потенциала: Сотрудники будут отличаться способностью придумывать, реализовывать и совершенствовать идеи, проекты, процессы, услуги и отношения в партнерстве с ИИ. Эта симбиотическая взаимосвязь ускорит время на овладение навыками и значительно расширит кругозор и компетентность работников по всем направлениям.

Улучшение процесса: Генеративный ИИ может извлекать реальную пользу в контексте из обширных хранилищ контента, которые до сих пор, возможно, практически не использовались. Это изменит рабочие процессы.

Возможности риска

Снижение рисков: Способность генеративного ИИ анализировать и обеспечивать более широкую и глубокую видимость данных, таких как транзакции клиентов и потенциально неисправный программный код, улучшает распознавание образов и способность быстрее выявлять потенциальные риски для предприятия.

Устойчивость: Генеративный ИИ может помочь предприятиям соблюдать правила устойчивого развития, снизить риск потери активов и внедрить устойчивость в процесс принятия решений, дизайн продукта и процессы.

На какие отрасли генеративный ИИ оказывает наибольшее влияние?

Генеративный ИИ повлияет на фармацевтическую, производственную, медиа-, архитектурную, дизайн интерьера, инженерную, автомобильную, аэрокосмическую, оборонную, медицинскую, электронную и энергетическую отрасли, дополняя основные процессы моделями ИИ. Это повлияет на маркетинг, дизайн, корпоративные коммуникации, обучение и разработку программного обеспечения, усилив вспомогательные процессы, которые охватывают многие организации. Например:

Мы считаем, что к 2025 году более 30% новых лекарств и материалов будут систематически открываться с использованием методов генеративного ИИ, по сравнению с сегодняшним нулем. Генеративный ИИ выглядит многообещающим для фармацевтической промышленности, учитывая возможность сокращения затрат и времени на разработку лекарств.

Мы прогнозируем, что к 2025 году 30% исходящих маркетинговых сообщений от крупных организаций будут генерироваться синтетически, по сравнению с менее чем 2% в 2022 году. Текстовые генераторы, подобные GPT-3, уже можно использовать для создания маркетинговой копии и персонализированной рекламы.
В производственной, автомобильной, аэрокосмической и оборонной промышленности генеративный дизайн позволяет создавать проекты, оптимизированные для удовлетворения конкретных целей и ограничений, таких как производительность, материалы и методы производства. Это ускоряет процесс проектирования, предоставляя инженерам множество потенциальных решений для изучения.

Каковы наилучшие практики использования генеративного ИИ?

Технологии, которые обеспечивают доверие и прозрачность ИИ, станут важным дополнением к генеративным решениям в области ИИ. Кроме того, исполнительные руководители должны следовать этому руководству по этичному использованию LLM и других генеративных моделей ИИ:

Начните изнутри. Прежде чем использовать генеративный ИИ для создания пользовательского или другого внешнего контента, тщательно протестируйте его с внутренними заинтересованными сторонами и вариантами использования сотрудниками. Вы же не хотите, чтобы галлюцинации навредили вашему бизнесу.
Цените прозрачность. Будьте откровенны с людьми, будь то персонал, клиенты или граждане, по поводу того факта, что они взаимодействуют с машиной, четко обозначая любой разговор несколько раз на протяжении.
Проявите должную осмотрительность. Настройте процессы и ограждения для отслеживания предвзятостей и других вопросов надежности. Делайте это путем проверки результатов и постоянного тестирования на предмет отклонения модели от курса.
Решите проблемы конфиденциальности и безопасности. Убедитесь, что конфиденциальные данные не являются ни вводимыми, ни производными. Подтвердите у поставщика модели, что эти данные не будут использоваться для машинного обучения за пределами вашей организации.
Не торопитесь. Сохраняйте функциональность в бета-версии в течение длительного периода времени. Это помогает умерить ожидания идеальных результатов.

Должен ли я разработать политику использования для генеративного ИИ?

Скорее всего, ваши сотрудники уже используют генеративный ИИ либо на экспериментальной основе, либо для поддержки своих рабочих задач. Чтобы избежать “теневого” использования и ложного чувства соответствия, Gartner рекомендует разработать политику использования, а не вводить прямой запрет.

Сохраняйте простоту политики — ее можно упростить до трех “не” и двух “делай”, если используешь ChatGPT или другую готовую модель:

Не вводите никакую личную информацию.
Не вводите какую-либо конфиденциальную информацию.
Не вводите IP-адрес какой-либо компании.
Отключайте журнал, если используете внешние инструменты (например, ChatGPT), которые позволяют этот выбор.
Внимательно следите за результатами, которые иногда подвержены тонким, но значимым галлюцинациям, фактическим ошибкам и предвзятым или неуместным заявлениям.

Если компания использует собственный экземпляр большой языковой модели, проблемы конфиденциальности, которые ограничивают вводимые данные, исчезают. Однако необходимость внимательно следить за результатами остается.

Как генеративный ИИ повлияет на будущее работы?

В бизнесе многие люди в той или иной степени являются создателями контента. Генеративный ИИ существенно изменит их работу, будь то создание текста, изображений, дизайна оборудования, музыки, видео или чего-то еще. В ответ работникам нужно будет стать редакторами контента, что требует иного набора навыков, чем создание контента.

Между тем, способ взаимодействия рабочей силы с приложениями изменится по мере того, как приложения станут разговорными, проактивными и интерактивными, что потребует изменения пользовательского интерфейса. В ближайшей перспективе модели генеративного ИИ выйдут за рамки реагирования на запросы на естественном языке и начнут предлагать то, о чем вы не просили. Например, на ваш запрос о построении гистограммы на основе данных может быть получен ответ с альтернативной графикой, которую, как подозревает модель, вы могли бы использовать. По крайней мере, теоретически это повысит производительность труда, но также бросает вызов общепринятому представлению о необходимости того, чтобы люди брали на себя ведущую роль в разработке стратегии.

Чистая смена рабочей силы будет сильно варьироваться в зависимости от таких факторов, как отрасль, местоположение, размер и предложения предприятия.

С чего мне следует начать с генеративного ИИ?

На многих предприятиях разрабатываются пилотные версии генеративного ИИ для генерации кода, текста или визуального дизайна. Чтобы запустить пилотный проект, вы можете воспользоваться одним из трех путей:

Готовый продукт. Используйте существующую базовую модель напрямую, вводя подсказки. Вы могли бы, например, попросить модель создать описание работы для инженера-программиста или предложить альтернативные темы для маркетинговых электронных писем.
Быстрое проектирование. Программируйте, подключайте программное обеспечение к базовой модели и используйте ее. Этот метод, который является наиболее распространенным из трех, позволяет вам использовать общедоступные сервисы, защищая IP и используя частные данные для создания более точных, конкретных и полезных ответов. Создание чат-бота HR benefits, который отвечает на вопросы сотрудников о политике конкретной компании, является примером быстрого проектирования.
Пользовательские. Создание новой базовой модели выходит за рамки возможностей большинства компаний, но модель можно настроить. Это включает в себя добавление слоя или собственных данных таким образом, который существенно изменяет поведение базовой модели. Несмотря на дороговизну, настройка модели обеспечивает высочайший уровень гибкости.

Что мне нужно купить, чтобы включить генеративный ИИ?

Затраты на генеративный ИИ будут варьироваться от незначительных до многих миллионов в зависимости от варианта использования, масштаба и требований компании. Предприятия малого и среднего размера могут извлекать значительную выгоду для бизнеса из бесплатных версий общедоступных приложений, размещенных на открытом сервере, таких как ChatGPT, или платить низкую абонентскую плату. Например, OpenAI в настоящее время стоит 20 долларов США на пользователя в месяц. Однако бесплатные и недорогие опции обеспечивают минимальную защиту корпоративных данных и связанных с ними рисков вывода.

Более крупным предприятиям и тем, кто желает проводить более тщательный анализ или использовать собственные корпоративные данные с более высоким уровнем безопасности, защиты IP-адресов и конфиденциальности, потребуется инвестировать в ряд пользовательских сервисов. Это может включать создание лицензированных, настраиваемых и проприетарных моделей с использованием платформ обработки данных и машинного обучения и потребует работы с поставщиками и партнерами. В этом случае затраты могут исчисляться миллионами долларов.

Также стоит отметить, что возможности генеративного ИИ будут все чаще встраиваться в программные продукты, которыми вы, вероятно, пользуетесь каждый день, такие как Bing, Office 365, Microsoft 365 Copilot и Google Workspace. Фактически это “бесплатный” уровень, хотя поставщики в конечном итоге перекладывают расходы на клиентов в рамках комплексного постепенного повышения цен на свои продукты.

Что Gartner прогнозирует для будущего использования генеративного ИИ?

Генеративный ИИ призван оказывать все более сильное влияние на предприятия в течение следующих пяти лет. Gartner прогнозирует, что:

К 2024 году 40% корпоративных приложений будут иметь встроенный диалоговый ИИ, по сравнению с менее чем 5% в 2020 году.
К 2025 году 30% предприятий будут внедрять стратегию разработки и тестирования с использованием искусственного интеллекта, по сравнению с 5% в 2021 году.
К 2026 году генеративный дизайн ИИ автоматизирует 60% работ по разработке новых веб-сайтов и мобильных приложений.
К 2026 году более 100 миллионов человек будут привлекать робоколлективы для участия в их работе.
К 2027 году почти 15% новых приложений будут автоматически генерироваться ИИ без участия человека. Сегодня этого вообще не происходит.

Кто является основными поставщиками технологий на рынке генеративного ИИ?

Рынок генеративного ИИ в огне. Помимо крупных игроков на платформах, существует множество сотен специализированных поставщиков, финансируемых за счет значительного венчурного капитала и волны новых моделей и возможностей с открытым исходным кодом. Поставщики корпоративных приложений, такие как Salesforce и SAP, встраивают возможности LLM в свои платформы. Такие организации, как Microsoft, Google, Amazon Web Services (AWS) и IBM, вложили сотни миллионов долларов и огромные вычислительные мощности в создание основополагающих моделей, от которых зависят такие сервисы, как ChatGPT и другие.

Gartner считает, что в настоящее время основными игроками являются следующие:

У Google есть две большие языковые модели: Palm, мультимодальная модель, и Bard, чисто языковая модель. Они внедряют свою технологию генеративного ИИ в свой набор приложений для рабочих мест, которые сразу же получат ее в руки миллионов людей.
Microsoft и OpenAI идут в ногу со временем. Как и Google, Microsoft внедряет технологию генеративного ИИ в свои продукты, но на ее стороне преимущество первопроходца и шумиха вокруг ChatGPT.
Для создания решений Amazon сотрудничает с Hugging Face, у которой есть ряд LLM, доступных с открытым исходным кодом. У Amazon также есть компания Bedrock, которая предоставляет доступ к генеративному ИИ в облаке через AWS, и объявила о планах по выпуску Titan, набора из двух моделей ИИ, которые создают текст и улучшают поиск и персонализацию.
У IBM есть несколько базовых моделей и широкие возможности для точной настройки как своих, так и сторонних моделей путем внедрения данных, переподготовки и использования модели.

Является ли это началом общего искусственного интеллекта (AGI)?

Это зависит от того, кого вы спросите. AGI, способность машин соответствовать человеческому интеллекту или превосходить его и решать проблемы, с которыми они никогда не сталкивались во время обучения, вызывает бурные дебаты и смесь благоговения и антиутопии. ИИ, безусловно, становится все более способным и демонстрирует иногда неожиданное возникающее поведение, которое люди не программировали.

Вероятный путь – эволюция машинного интеллекта, который имитирует человеческий интеллект, но в конечном итоге направлен на то, чтобы помогать людям решать сложные проблемы. Это потребует управления, нового регулирования и участия широких слоев общества.

Источник