Это была организационная встреча, в ходе которой резиденты ближе познакомились друг с другом, рассказали о приоритетах своего бизнеса, высказали предложения по тематике клубных встреч в четвертом квартале 2024 года.
Дмитрий Озман рассказал о функционале Forbes Club, приоритетах в деятельности проекта. Резиденты узнали о том, какие возможности предоставляет Forbes Club в плане нетворкинга, о развитии клубных медиа — журнала, сайта и видеопроектов.
Приглашенным гостем мероприятия стал Александр Абрамов, эксперт в области машинного обучения и искусственного интеллекта. Резиденты клуба задали ему вопросы, касающиеся проблем и возможностей, с которыми сталкивается бизнес при внедрении в свои процессы ИИ. Одна из таких проблем — «галлюцинации». Это ситуация, при которой ИИ уверенно генерирует вымышленный ответ, который не имеет отношения ни к действительности, ни к реальным данным, на которых он обучался.
По словам Александра Абрамова, ответам ИИ нельзя доверять на 100%: «Нужно принимать на себя риски ложных срабатываний — обычно это малые доли. К сожалению, здесь порой кроме человеческой оценки ничего не поможет — придется написать какие-то проверяющие скрипты или набор сценариев, которых должен придерживаться алгоритм. Риск ошибки может быть очень невысок, но рано или поздно он проявится. В качестве решения можно использовать несколько моделей, одна из которых будет неким судьей или «цензором». Она должна отслеживать правильность решений и оценивать каждое из них. Тот, кто научит генеративные модели быть на 100% правдивыми, сможет претендовать на научную премию и на большую выручку».
Часто предприниматели используют генеративный ИИ как ассистента, который помогает искать информацию, дает советы в каких-то вопросах. Однако, есть и другие функции, которые алгоритмы могут взять на себя. «ИИ в состоянии помочь в проведении переговоров, — рассказывает Александр Абрамов. — Есть модели, которые помогут транскрибировать запись встречи и выделить из нее самое основное. После каждой встречи ИИ может отправлять партнерам письма с основными тезисами, к которым вы пришли в рамках переговоров.Также он может помочь анализировать огромные отчеты — сделать summary всего документа и сэкономить ваше время. ИИ в состоянии помочь вам проверять надежность партнеров. Вы задаете ему параметры плохих контрагентов, а затем — параметры надежных контрагентов. В будущем при помощи ИИ вы сможете проверять всех новых партнеров — спрашивать алгоритм, похож ли новый контрагент больше на первый или второй пример».
Данные, которые получает ИИ, он часто использует, чтобы самообучаться. Например, так происходит у OpenAI. Логичный вопрос — насколько надежно защищена информация, которой вы делитесь с технологией, а также насколько защищена та финальная модель, которая получается после вашего дообучения. Александр Абрамов подтверждает, что вопросы конфиденциальности модели и данных актуальны, но их уже помогают решать, к примеру, кастомизацированные модели: «Это модели, которые дообучают под каждого заказчика. Такое решение очень популярно в Китае, где крупные компании разрабатывает отдельные решения для каждой сферы — ИИ для медиков, аналитиков и т. д. В этом случае ваш «кусочек» алгоритма будет работать, а все остальное останется заморожено. Это нужно, чтобы ваши сценарии не проходили в «основной мозг» ИИ и сохраняли конфиденциальность. Кстати, этот подход набирает популярность и у нас».
ИИ-решения разрабатывают как крупные компании, так и небольшие стартапы. Резиденты Forbes Club поинтересовались, с кем в этом случае надежнее работать. «Это вопрос демократизации ИИ, — отвечает эксперт. — Не у всех есть средства разрабатывать собственные модели. Но есть крупные компании, которые выкладывают основной код своего алгоритма или саму модель в открытый доступ. Небольшие компании используют этот код и модели, чтобы дообучиться под свои задачи. Оба варианта хороши, нужно смотреть, что вы можете себе позволить. С точки зрения качества большие корпорации обладают большими мощностями и экспертизой, но все упирается для заказчика в вопросы бюджета».
Отвечая на вопрос о том, как отделить мифы об ИИ от реальных перспектив, Александр Абрамов сослался на теорию Гартнера. Согласно теории, предложенной американской исследовательской компанией Gartner, любая инновационная бизнес-модель или технология проходит пять стадий от хайпа до продуктивного использования. Александр Абрамов отмечает, что согласно теории кривой Гартнера сейчас ИИ находится на пике завышенных ожиданий: «Впереди — «долина отчаяния», а после нее мы отбросим все нерелевантные иллюзии и найдем то применение ИИ, где он будет максимально полезен. Думаю, это произойдет в течение ближайших двух-трех лет».