Поиск по сайту:

10 ключевых причин, по которым ИИ стал мейнстримом в одночасье - и что будет дальше

Не так давно ИИ казался футуристической идеей. Теперь это во всем. Что случилось?

Эта штука с искусственным интеллектом очень быстро взлетела, не так ли? Это почти как если бы мы добыли какой-то разбившийся инопланетный космический корабль для передовых технологий, и вот что мы получили. Я знаю, я слишком много смотрел «Звездные врата».

Но гиперскоростные пересекающие пропасть эффектов генеративного ИИ реальны. Генеративный ИИ с такими инструментами, как ChatGPT, сильно ударил по миру в начале 2023 года. Внезапно многие поставщики внедряют функции искусственного интеллекта в свои продукты, и наши шаблоны рабочих процессов значительно изменились.

Как это произошло так быстро, по сути, в одночасье трансформировав всю индустрию информационных технологий? Что сделало это возможным и почему это происходит так быстро?

В этой статье я рассмотрю десять ключевых факторов, которые способствовали ошеломляюще быстрому развитию генеративного ИИ и его внедрению в наши технологические стеки и повседневные практики.

На мой взгляд, стремительный рост инструментов искусственного интеллекта, таких как ChatGPT, и их широкая интеграция происходили в два основных этапа. Давайте начнем с Фазы I.

Фаза I: Фундаментальные инновации

Исследователи работают с ИИ на протяжении десятилетий. Я сделал один из своих дипломных проектов по искусственному интеллекту более 20 лет назад, запустил продукты искусственного интеллекта в 1990-х годах и работаю с языками искусственного интеллекта с тех пор, как занимаюсь программированием.

Но хотя все это было искусственным интеллектом, оно было невероятно ограничено по сравнению с тем, что может сделать ChatGPT. Несмотря на то, что я работал с искусственным интеллектом на протяжении всей своей образовательной и профессиональной карьеры, ChatGPT и его собратья наступали мне на пятки.

Это фаза I. 2020-е годы ознаменовали собой эру фундаментальных инноваций в области ИИ, которые превратили ИИ из решения конкретных проблем с возможностью работать в очень узких областях в способность работать практически над чем угодно. На этом этапе есть три ключевых фактора.

1. Усовершенствования в моделях трансформаторов

Несмотря на то, что ИИ исследуется и используется уже несколько десятилетий, на протяжении большей части этого времени он имел некоторые глубокие ограничения. Большинство ИИ должны были быть предварительно обучены с помощью конкретных материалов для создания экспертных знаний.

В начале 1990-х годов, например, я выпустил экспертный системный продукт под названием «Клиника домашних растений», который был специально обучен болезням домашних растений и средствам их устранения. Это было очень полезно, пока растение и связанная с ним болезнь были в обучающих данных. Любая ситуация, которая выходила за рамки этих данных, была пустым местом для системы.

ИИ также использовал нейронные сети, которые обрабатывали слова по одному, что затрудняло понимание ИИ разницы между «берегом реки» и «берегом в центре города».

Но в 2017 году Google опубликовал документ под названием «Внимание — это все, что вам нужно». В нем они предложили модель под названием «самовнимание», которая позволяет искусственному интеллекту сосредоточиться на том, что они идентифицируют как важные слова, позволяя искусственному интеллекту обрабатывать целые предложения и мысли одновременно. Эта «трансформация механизмов внимания» позволила ИИ понять контекст (например, относится ли «берег» в предложении к берегу реки или к зданию, в котором хранятся деньги).

2. Широко обученные модели фундаментов

Трансформационный подход дал исследователям возможность обучать ИИ на обширных наборах информации и определять контекст на основе самой информации.

Это означало, что ИИ мог масштабироваться для обучения практически на чем угодно, что позволило таким моделям, как GPT-3.5 и GPT-4 от OpenAI, работать с базами знаний, которые охватывали практически весь Интернет и обширные коллекции печатных книг и материалов.

Это делает их практически бесконечно адаптируемыми и способными обрабатывать огромные массивы реальной информации. Это означало, что ИИ можно было использовать практически для любых приложений, а не специально созданных для решения отдельных проблем. В то время как мы потратили месяцы на обучение *House Plant Clinic* по данным о растениях, ChatGPT, Google Gemini и Microsoft Copilot могут диагностировать проблемы с домашними растениями (и многое другое) без специализированного обучения.

Единственной загвоздкой был вопрос о том, кому принадлежат все эти обучающие данные? В настоящее время ведется множество судебных процессов против поставщиков ИИ за обучение (и использование) данных из источников, защищенных авторским правом. Это может ограничить данные, доступные для больших языковых моделей, и снизить их полезность.

Еще одна проблема, связанная с использованием бесконечно масштабируемых обучающих данных, заключается в том, что большая часть этой информации не проверяется. Я знаю, что для всех вас это стало неожиданностью, но информация, опубликованная в интернете, не всегда точна, уместна и даже здрава. Поставщики работают над укреплением ограждений, но мы, люди, даже не знаем, что считается целесообразным. Просто спросите двух людей с совершенно разными взглядами, что есть на самом деле, и вы поймете, что я имею в виду.

3. Прорывы в железном обеспечении (графические процессоры и ТПУ)

К началу 2020-х годов ряд компаний и исследовательских групп разработали программные системы на основе модели трансформатора и обучающих наборов данных мирового масштаба. Но все эти вычисления преобразования на уровне предложения требовали огромных вычислительных возможностей.

Дело было не только в необходимости иметь возможность выполнять массовые параллельные и матричные операции с высокой скоростью, но и в необходимости делать это, сохраняя при этом затраты на питание и охлаждение на неопределенно практичном уровне.

На раннем этапе выяснилось, что игровые графические процессоры NVIDIA способны выполнять матричные операции, необходимые искусственному интеллекту (игровой рендеринг также в значительной степени основан на матрице). Но затем NVIDIA разработала чипы серий Ampere и Hopper, которые значительно улучшили как производительность, так и энергопотребление.

Кроме того, Google разработала свои TPU (тензорные процессоры), которые были специально разработаны для управления рабочими процессами искусственного интеллекта. Microsoft и Amazon также разработали специальные чипы (Maia и Graviton), чтобы помочь им построить свои центры обработки данных с искусственным интеллектом.

Эти огромные дата-центры, управляемые ИИ-чипами, повлекли за собой три основных последствия:

  1. Обучение в мировом масштабе стало доступным, по крайней мере, для крупнейших игроков.
  2. Возможности ИИ могут измеряться и продаваться с помощью модели SaaS, что делает ИИ доступным для большинства предприятий.
  3. Скорость обработки данных ИИ быстро возросла, что позволило начать анализ данных ИИ в режиме реального времени и почти в реальном времени (что оказалось критически важным для беспилотных автомобилей).

Фаза II: Рыночные силы стимулируют внедрение

Итак, теперь у нас есть работающая технология. Что из этого? Я имею в виду, сколько раз команда инженеров производила продукт или возможность, которую она считала революционной, только для того, чтобы их результат умирал из-за отсутствия практичности или признания на рынке?

Но здесь, сейчас, с генеративным ИИ, рыночные силы — это то, что движет реальными изменениями. Давайте рассмотрим еще семь ключевых факторов.

4. ChatGPT для всех и доступ к API

А затем появился ChatGPT. Это забавное название, и большинству из нас потребовалось время, чтобы выучить его. ChatGPT буквально означает программу чата, которая является генеративной, предварительно обученной и использует технологию трансформации. Но, несмотря на название, которое может полюбить только гик, в начале 2023 года ChatGPT стал самым быстрорастущим приложением всех времен.

OpenAI сделал ChatGPT бесплатным для всех. Конечно, в бесплатной версии были ограничения по использованию. Он также был так же прост (или проще) в использовании, чем поиск в Google. Все, что вам нужно было сделать, это открыть сайт и ввести подсказку. Ну вот. И благодаря трем нововведениям, о которых мы говорили ранее, качество отклика ChatGPT было захватывающим. Все, кто пробовал это, вдруг понимали, что они прикасаются к будущему.

Затем OpenAI открыла модели ChatGPT для других программистов через API. Все, что нужно было любому программисту, — это уик-энд обучения и номер кредитной карты, чтобы добавить ИИ, меняющий мир, в любое приложение. Стоимость вызова API была не намного выше, чем у любых других коммерческих API, что внезапно означало, что ИИ стал очень заметным и простым дополнением, которое могло расширить линейку продуктов компании с помощью нового супер-популярного сервиса, приносящего доход.

Барьер для входа? Какой барьер для входа?

5. Ускорение с открытым исходным кодом

В то время как API, поддерживаемые поставщиками, такие как OpenAI, могут значительно сократить время выхода на рынок, они также могут привести к привязке к поставщику. Чтобы предотвратить полную зависимость от проприетарных технологий, сообщество разработчиков программного обеспечения с открытым исходным кодом широко использует ИИ.

Модели с открытым исходным кодом (LLaMa, Stable Diffusion, Falcon, Bloom, T5 и т. д.) предоставляют непроприетарные и автономные возможности искусственного интеллекта, не полагаясь на крупные технологические монополии. Открытый исходный код также демократизирует ИИ, позволяя разработчикам создавать решения ИИ для областей за пределами ограничений, которые поставщики больших моделей должны поддерживать в эксплуатации.

Платформы, подобные Hugging Face, предоставляют простые в использовании и тестировании инструменты, которые позволяют разработчикам с разным уровнем квалификации быстро интегрировать ИИ в свои проекты.

Кроме того, конечно, есть классические преимущества открытого исходного кода: широкомасштабное сотрудничество, непрерывные улучшения, оптимизации, созданные и проверенные сообществом, а также внедрение новых функций, в том числе слишком неясных, чтобы быть прибыльными для крупного поставщика, но необходимых для определенных проектов.

Все это дает предприятиям любого размера, исследователям и даже разработчикам, работающим по ночам и выходным, возможность добавить ИИ в свои проекты, что, в свою очередь, ускоряет внедрение ИИ в широком спектре применений.

6. Потребительский и корпоративный спрос

Дело в том, что генеративный ИИ был не просто хайпом. Это работало и приносило пользу. Помимо помощи в написании текстов (которую политика ZDNET запрещает авторам), я задокументировал 15 различных способов, которыми ИИ ощутимо помог мне всего за 2024 год.

Они варьировались от программирования и отладки до исправления фотографий, анализа настроений, о котором я упоминал выше, создания обложек альбомов, создания ежемесячных изображений для интернет-магазина моей жены, создания движущихся масок в видеоклипах, очистки плохого звука, слежения за мной во время съемок, исследования проектов и многого другого.

И я не одинок. Малые и крупные предприятия, а также студенты и отдельные участники заметили, что генеративный ИИ может помочь в этом. Не только оценки компаний, занимающихся искусственным интеллектом, взлетели до небес, но и потребители фактически покупали и использовали инструменты искусственного интеллекта, которые внезапно стали доступны.

7. Виральность и сетевые эффекты

В течение многих лет, на самом деле, ИИ был далек от мейнстрима. Конечно, в видеоиграх был ограниченный ИИ. Были построены экспертные системы, которые помогли решить конкретные задачи некоторых компаний. Было много перспектив и исследований. Но когда дело дошло до «Покажите мне деньги», так и не было той ошеломляющей отдачи, которую капиталисты-стервятники и им подобные требовали от инвестиций в технологии.

Затем, внезапно, тетя Мардж заговорила о ChatGPT во время семейных посиделок. ИИ был вещью, он был удивительным, и, о боже, вещи, которые он мог делать. Знаете ли вы, что можете заставить его говорить, как пират? Знаете ли вы, что можете заставить его написать историю «Звездного пути»? Знаете ли вы, что он может анализировать ваши разрозненные бизнес-данные и давать вам анализ настроений за считанные минуты без программирования? И знаете ли вы, что он может написать код, который будет работать?

В течение нескольких месяцев ChatGPT стал самым быстрорастущим приложением всех времен, достигнув 100 миллионов активных пользователей. Год спустя это число удвоилось и достигло 200 миллионов активных пользователей.

8. Конкурентное давление на рынке

Внезапно ИИ стал хедлайнером, а не личностным знаком гиков-соседей, которых вы просите починить свой компьютер, но на самом деле предпочли бы, чтобы они ушли, как только компьютер снова заработает, и им заплатят свежеиспеченным печеньем.

Если отбросить в сторону странные аналогии с моим гиковским прошлым, ИИ явно был возможностью. OpenAI внезапно стал стоить миллиарды, и казалось, что Google, Microsoft, Meta, Amazon, Apple и все остальные остались позади.

Инвестиционные и лицензионные сделки были повсюду, и ИИ встраивался в основные продукты либо в качестве бонусной функции, либо (что гораздо более распространено) очень приятной дополнительной продажи к ежемесячному аннуитету. У Microsoft был Copilot, у Google — Gemini, у Meta — Meta AI, у Amazon — Q, а у Apple... в конце концов появился Apple Intelligence (чего бы это ни стоило).

9. Законодательное и нормативное отставание

Этот новый бум искусственного интеллекта приобрел черты дикого, дикого запада. Правительства просто пытались понять, что это такое, и является ли это огромной экономической возможностью или экзистенциальной угрозой. Подсказка: это и то, и другое.

Правительство США разработало некоторые планы по надзору за ИИ, но они были в лучшем случае прохладными. Поставщики ИИ предупредили о катастрофе, если ИИ не будет регулироваться. Судебные разбирательства по вопросам авторских прав осложняли дело. Затем новая администрация изменила правила игры, сосредоточившись на существенном сокращении регулирования.

Все это открывает двери для компаний и предприятий, использующих ИИ для инноваций и внедрения новых возможностей. Это отлично подходит для быстрого роста и инноваций, но это также означает, что технология работает без ограничений. Это определенно способствует распространению технологий искусственного интеллекта, но это также может быть очень, очень плохо.

10. Непрерывные инновации и инвестиции

Итак, мы переходим к фазе полоскания-стирки-повторения нашего обсуждения. ИИ никуда не денется. Все самосбывающиеся пророчества подпитывают новые инновации, потому что они действительно работают. Крупные компании продолжают не только делать миллиардные ставки на эту технологию, но и предлагать привлекательные продукты и услуги, которые могут принести реальную пользу их клиентам.

Все больше и больше компаний и частных лиц инвестируют в стартапы в области искусственного интеллекта и текущие услуги. Мы наблюдаем такие прорывы, как мультимодальный ИИ с текстом/изображениями/видео/аудио, автономные агенты и даже ИИ, используемый для кодирования ИИ.

Ближайшим примером этого благотворного цикла, который я могу придумать, была экономика приложений середины 2000-х годов. Скорость передачи данных стала достаточно высокой и доступной, чтобы телефоны всегда были подключены к Интернету, стартапы предлагали услуги приложений, которые оказались ощутимо ценными, эти компании выросли и продолжали предлагать услуги, а все больше и больше инвестиций в мобильные вычисления окупались как для потребителей, так и для производителей.

Весьма вероятно, что благотворный цикл также стимулирует инновации и производство ИИ, продвигая генеративный ИИ и другие услуги на основе ИИ в мейнстрим, где он вряд ли когда-либо исчезнет.

Фаза III: Будущее

Когда я учился в колледже в 1980-х годах и специализировался на информатике, моя мама сказала, что все, что она хочет от меня, — это компьютер, который будет пылесосить ее полы. Теперь у нас есть широкий спектр маленьких роботов, которые делают именно это. Сегодня утром, попивая кофе, я записал на пленку песню «Вакуум и швабра спальни», и Уолли Нарвал сделал именно это.

Я мечтаю о том, чтобы иметь возможность сказать: «Алекса, принеси мне кофе», и иметь устройство, которое действительно сделает мне чашку кофе и принесет мне, пока я сижу здесь и пишу. Не смейтесь. Будь то Tesla, Apple или Meta, реальная работа над человекоподобными роботами ведется прямо сейчас.

Учитывая, сколько раз моя Alexa ошибается, а ChatGPT придумывает что-то, чтобы сохранить лицо, я не совсем уверен, что иметь резвого, топающего робота в моей гостиной или офисе — хорошая идея. Но я хочу свой кофе.

Оставайтесь с нами. Последние два года были безумной поездкой, и я подозреваю, что мы только увидели начало.

Что, по вашему мнению, стало наиболее важным фактором в быстром внедрении ИИ? Внедрили ли вы инструменты искусственного интеллекта, такие как ChatGPT, в свой повседневный рабочий процесс? Если да, то как они изменили ваш подход к работе или творчеству?

Считаете ли вы, что ИИ в долгосрочной перспективе изменит правила игры, или вы думаете, что мы находимся в разгаре цикла ажиотажа, который в конечном итоге стабилизируется? А как насчет этических и нормативных проблем? Считаете ли вы, что развитие ИИ идет слишком быстро для надлежащего надзора? Дайте нам знать в комментариях ниже.

Вы можете следить за моими ежедневными обновлениями проекта в социальных сетях. Обязательно подпишитесь на мою еженедельную новостную рассылку и следите за мной в Twitter/X по адресу @DavidGewirtz, на Facebook по адресу Facebook.com/DavidGewirtz, в Instagram по адресу Instagram.com/DavidGewirtz, на Bluesky по адресу @DavidGewirtz.com и на YouTube по адресу YouTube.com/DavidGewirtzTV.