Эксперт: Александр Крайнов, директор по развитию технологий искусственного интеллекта «Яндекса».
ИИ уже здесь: от технологии к повседневному инструменту
— Где сегодня мы уже реально используем искусственный интеллект и когда он стал частью повседневных сервисов?
— Таких примеров довольно много. Если смотреть через продукты, есть целый ряд сервисов, которые уже невозможно представить без ИИ, хотя мы об этом редко задумываемся.
Например, поиск по интернету — тот же поиск «Яндекса» — почти полностью на нем базируется. Это сложная система из десятков различных ИИ-моделей, которые отвечают за ранжирование разных документов — видео, картинок, веб-страниц, выбор оптимального формата страницы с результатами, умные подсказки, генерация быстрых ответов и многое другое.
Современный поисковик невозможен без ИИ. Похожая ситуация и в распознавании и синтезе речи, голосовых ассистентах, прогнозе погоды, автономном транспорте, рекомендательных системах в стриминговых сервисах и, конечно, в рекламе.
Даже в камерах смартфонов итоговое качество — это результат работы ИИ: из довольно слабого исходного изображения формируется та картинка, к которой мы привыкли.
Все это появилось не вчера. Машинное обучение используется в поиске, наверное, с 2007 года, нейросетевое распознавание изображений — с 2014-го. Просто раньше это не называли искусственным интеллектом и не акцентировали на этом внимание.
Раньше ИИ был частью сервисов, которые выполняли конкретные задачи, и пользователю было не очень важно, что там внутри. Сейчас ИИ стал самостоятельным продуктом — мы напрямую взаимодействуем с языковыми моделями, например в «Алисе AI», DeepSeek или ChatGPT. И во многом именно с этим связан резкий рост интереса к технологии ИИ в последние годы.
— Как в наши дни выглядит глобальная конкуренция на рынке искусственного интеллекта? За счет чего конкурируют ключевые игроки?
— Пока основная конкуренция сосредоточена на качестве моделей. Оно продолжает быстро расти, и между компаниями идет гонка за улучшение результатов. Но важно понимать, что качество — понятие комплексное. С одной стороны, оно зависит от знаний, которые есть внутри самой модели, то есть от качества и полноты исходных данных (датасетов), на которых модель обучалась: чем чище, разнообразнее и провереннее информация, тем точнее ответы. Но не менее важна и актуальность ответов: именно доступ к поиску позволяет отвечать на вопросы о событиях, произошедших, условно, вчера или сегодня.
С другой стороны, постепенно все большую роль начинает играть удобство использования. В какой-то момент качество достигнет определенного потолка, и тогда выиграют те, кто сможет предложить не просто лучшую технологию, а более удобный и полезный продукт.
Такой ход событий нам знаком. Например, большинство пользователей не задумываются о характеристиках процессоров или памяти в своих устройствах. Они не говорят сейчас «я пользуюсь x86» или «я использую AMD». Они оперируют не компонентами, не технологиями, а приложениями и сервисами. То же самое произойдет и с искусственным интеллектом.
В итоге потребителю будет неважно, какая модель или какие модели работают «под капотом» у его любимого сервиса. Важно будет, насколько хорошо решается его задача.
К нам в «Алису AI» ежедневно обращаются миллионы пользователей с множеством разнообразных задач: бытовых, рабочих, образовательных. И все наши эксперименты с моделями — а их у нас множество самых разных — служат ровно одной цели: быть максимально полезными на реальном потоке реальных задач.
Новый этап: от моделей к агентам
— Что такое ИИ-агенты, почему о них сейчас так много говорят и насколько это новый этап в развитии искусственного интеллекта? Как развивается это направление и насколько оно доступно пользователям?
— Агенты — это действительно следующий значимый шаг в развитии искусственного интеллекта.
Сегодня результатом взаимодействия с моделями часто является получение инструкции: пользователь задает запрос, а модель объясняет, какие действия нужно выполнить. При этом возникает логичный вопрос — почему система не может сделать это сама. Агентный подход как раз направлен на решение этой задачи: не только объяснять, но и выполнять.
Важно, что это не одна универсальная система, а набор относительно небольших компонентов, которые выполняют разные функции и координируются между собой. В некотором виде такие механизмы уже используются. Например, когда модель отвечает на вопрос, требующий поиска информации или ее анализа, она фактически задействует цепочку действий, характерную для агентных систем.
Следующий шаг — переход от инструкций к готовому результату, когда агент выполняет задачу за пользователя.
Есть и еще одно принципиальное отличие от генерации текста. Обычные модели ограничены качеством обучающих данных и оценками людей, тогда как агентные системы ориентируются на результат: задача выполнена или нет. Это позволяет и в теории снять ограничения в обучении. Агент учится, получая обратную связь от взаимодействия с реальным миром. При этом агент — это не «более сложная нейросеть», а отдельный компонент (или компоненты), задача которого выполнить действие.
Сейчас мы находимся близко к моменту, когда создавать агентов смогут не только специалисты. У нас в Yandex Cloud есть AI Studio, в которой можно относительно легко делать своих агентов. Хотя пока для этого еще требуется определенная подготовка.
Фактически уже сейчас можно собрать «команду» из нейросетей: одна пишет код, другая формулирует запрос, третья проверяет результат, четвертая ищет ошибки, пятая предлагает интерфейсные решения.
Можно пофантазировать, что следующий этап — автоматизация этой координации, когда такая команда будет собираться сама и выполнять задачу целиком.
Правила игры: рынок и регулирование
— Как вы оцениваете подход к регулированию искусственного интеллекта в России, в частности обсуждаемый сейчас законопроект Минцифры России?
— Можно сказать, что в каком-то смысле нам повезло, что закон об искусственном интеллекте не появился несколько лет назад. Тогда вокруг ИИ было много страхов и фобий — в массовом сознании он ассоциировался скорее с образами из «Терминатора» или «Матрицы», чем с прикладными инструментами.
Сейчас ситуация изменилась. Искусственный интеллект стал частью повседневной практики, и отношение к нему стало более прагматичным: это инструмент, а не самостоятельный субъект. На этом фоне и подход к регулированию стал более сдержанным, профессиональным и ориентированным на практику.
При этом важно, что речь пока идет не о финальном законе, а о проекте, который дорабатывается с учетом мнений разных участников — компаний, государственных организаций и пользователей. Общая логика в том, чтобы регулирование не мешало развитию, а, наоборот, способствовало внедрению технологий.
Одновременно государство, как и в других странах, стремится защищать национальные интересы. Речь идет о том, чтобы не оказаться в положении, где используются только заимствованные технологии, без собственных компетенций.
Однако современная IT-разработка изначально глобальна. Она опирается на open source и международные наработки. Компании не только используют открытый код, но и сами активно делятся разработками. И искусственный интеллект развился и продолжает развиваться именно благодаря этому обмену.
Судя по текущему подходу, задача — сохранить баланс: с одной стороны, использовать мировые достижения (и участвовать в их создании) и не терять темп, с другой — сохранять способность самостоятельно создавать технологии с нуля. Это важно на случай, если мир свернет не туда и глобальная открытость в технологиях снизится. Чего, надеюсь, не произойдет.
Что касается требований к размещению инфраструктуры и данных, например хранения пользовательских данных внутри страны, это распространенная мировая практика. В большинстве стран существуют аналогичные условия для массовых сервисов.
Что дальше: будущее и пределы развития ИИ
— В каком направлении движется развитие искусственного интеллекта — к универсальным системам или к специализированным решениям? И насколько мы сегодня близки к общему искусственному интеллекту?
— На практике происходит одновременно и то и другое. С одной стороны, будут появляться системы, которые выглядят как универсальные и способные решать широкий круг задач. С другой — внутри они состоят из множества отдельных компонентов, программ и алгоритмов, которые работают вместе.
Уже сейчас многие нейросети построены по принципу mixture of experts — «смесь экспертов», когда есть набор относительно небольших моделей и для каждой задачи подключаются наиболее подходящие. Поэтому сложно однозначно сказать, что это — единая система или набор специализированных решений.
Если говорить про общий искусственный интеллект, или AGI, то к нему трудно приблизиться еще и потому, что мы постоянно пересматриваем само определение. Если бы десять лет назад мы увидели современные генеративные модели, мы, скорее всего, сказали бы, что это и есть он, AGI. Сейчас нам этого уже недостаточно — требования выросли.
Вероятно, так будет и дальше: по мере развития технологий планка будет сдвигаться. Даже если через несколько лет появятся развитые агентные системы, которые смогут выполнять сложные действия и взаимодействовать друг с другом, мы, скорее всего, скажем, что это серьезный шаг вперед, но все еще не тот самый общий искусственный интеллект. В этом смысле вопрос во многом упирается не только в технологии, но и в то, как мы AGI определяем.
— Какие ключевые тренды в развитии искусственного интеллекта вы видите в ближайшие годы?
— В первую очередь будут развиваться агентные системы — это, пожалуй, самое перспективное направление сейчас.
При этом важно понимать, что, даже если бы развитие технологий остановилось на текущем уровне, нам бы хватило этого на многие годы вперед для внедрения и создания новых продуктов. Сейчас технологии развиваются так быстро, что внедрение за ними не успевает.
Поэтому ближайшие годы, скорее всего, пройдут под знаком внедрения — появления новых сервисов и решений, основанных на уже существующих технологиях. То есть речь идет о «доведении технологий до продукта», когда мы начинаем получать от них понятный и полезный результат в повседневной жизни.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.