Gartner: за пределами ChatGPT: будущее генеративного ИИ для предприятий

ChatGPT, несмотря на свою крутость, это только начало; корпоративное использование генеративного ИИ гораздо более сложное.

За последние три года венчурные фирмы инвестировали более 1,7 миллиарда долларов в решения на основе генеративного ИИ, при этом наибольшее финансирование получили разработки лекарств на основе ИИ и кодирование программного обеспечения на основе ИИ.

"Ранние базовые модели, такие как ChatGPT, сосредоточены на способности генеративного ИИ дополнять творческую работу, но к 2025 году мы ожидаем, что более 30% - по сравнению с нулем сегодня - новых лекарств и материалов будут систематически открываться с помощью методов генеративного ИИ", - говорит Брайан Берк, вице-президент по исследованиям технологических инноваций компании Gartner. "И это лишь один из многочисленных примеров использования в промышленности".

Пять вариантов использования генеративного ИИ в промышленности

Генеративный ИИ может исследовать множество возможных вариантов дизайна объекта, чтобы найти правильный или наиболее подходящий. Он не только дополняет и ускоряет проектирование во многих областях, но и способен "изобретать" новые конструкции или объекты, которые человек мог бы не заметить.

Маркетинг и СМИ уже ощущают влияние генеративного ИИ. По прогнозам Gartner:

• К 2025 году 30% исходящих маркетинговых сообщений крупных организаций будут генерироваться синтетически, тогда как в 2022 году этот показатель составлял менее 2%.
• К 2030 году будет выпущен крупный фильм-блокбастер, в котором 90% фильма будет создано искусственным интеллектом (от текста до видео), по сравнению с 0% в 2022 году.

Инновации в области ИИ в целом ускоряются, создавая множество вариантов использования генеративного ИИ в различных отраслях, включая следующие пять.

№ 1: Генеративный ИИ в разработке лекарств

Исследование 2010 года показало, что средняя стоимость разработки лекарства от момента открытия до выхода на рынок составляет около 1,8 миллиарда долларов, из которых затраты на открытие лекарства составляют около трети, а процесс открытия занимает от трех до шести лет. Генеративный ИИ уже используется для разработки лекарств для различных целей в течение нескольких месяцев, предлагая фармацевтическим компаниям значительные возможности для сокращения расходов и сроков открытия лекарств.

№ 2: Генеративный ИИ в материаловедении

Генеративный ИИ оказывает влияние на автомобильную, аэрокосмическую, оборонную, медицинскую, электронную и энергетическую промышленность, создавая совершенно новые материалы, нацеленные на определенные физические свойства. В процессе, называемом инверсным проектированием, определяются требуемые свойства и выявляются материалы, которые могут обладать этими свойствами, а не полагаются на случайность, чтобы найти материал, обладающий ими. В результате можно найти, например, материалы с большей проводимостью или большим магнитным притяжением, чем те, которые в настоящее время используются в энергетике и транспорте, или для тех случаев, когда материалы должны быть устойчивы к коррозии.

№ 3: Генеративный ИИ в проектировании микросхем

Генеративный ИИ может использовать подкрепляющее обучение (метод машинного обучения) для оптимизации размещения компонентов при проектировании полупроводниковых микросхем (планировании этажей), что позволяет сократить время жизненного цикла разработки продукта с недель при использовании человеческих экспертов до нескольких часов при использовании генеративного ИИ.

№ 4: Генеративный ИИ в синтетических данных

Генеративный ИИ - это один из способов создания синтетических данных, представляющих собой класс данных, которые генерируются, а не получаются в результате прямых наблюдений за реальным миром. Это обеспечивает конфиденциальность исходных источников данных, которые использовались для обучения модели. Например, данные о здравоохранении могут быть искусственно сгенерированы для исследований и анализа без раскрытия личности пациентов, чьи медицинские карты были использованы для обеспечения конфиденциальности.

№ 5: Генеративное проектирование деталей

Генеративный ИИ позволяет отраслям промышленности, включая обрабатывающую, автомобильную, аэрокосмическую и оборонную, проектировать детали, оптимизированные для достижения конкретных целей и ограничений, таких как производительность, материалы и методы производства. Например, автопроизводители могут использовать генеративный дизайн для создания более легких конструкций, что способствует достижению их целей по повышению топливной экономичности автомобилей.

Внедрение правильных технологий для раскрытия генеративного ИИ

Большинство современных систем ИИ являются классификаторами, то есть их можно обучить различать изображения собак и кошек. Системы генеративного ИИ можно обучить создавать изображение собаки или кошки, которых не существует в реальном мире. Способность технологии к творчеству - это изменение игры.

Генеративный ИИ позволяет системам создавать ценные артефакты, такие как видео, повествование, обучающие данные и даже проекты и схемы.

Например, Generative Pre-trained Transformer (GPT) - это крупномасштабная технология естественного языка, которая использует глубокое обучение для создания человекоподобного текста. Третье поколение (GPT-3), которое предсказывает наиболее вероятное следующее слово в предложении на основе накопленного обучения, может писать рассказы, песни и стихи и даже компьютерный код - и позволяет ChatGPT делать домашнее задание вашего подростка за считанные секунды.

Помимо текста, генераторы цифровых изображений, такие как DALL-E 2, Stable Diffusion и Midjourney, могут генерировать изображения из текста.

Существует ряд методов ИИ, используемых для генеративного ИИ, но в последнее время в центре внимания оказались базовые модели.

Фундаментальные модели предварительно обучаются на общих источниках данных самоконтролируемым образом, которые затем могут быть адаптированы для решения новых задач. Базовые модели в основном основаны на архитектурах трансформаторов, которые представляют собой тип архитектуры глубокой нейронной сети, вычисляющей числовое представление обучающих данных.

Трансформирующие архитектуры изучают контекст и, следовательно, смысл, отслеживая взаимосвязи в последовательных данных. Модели трансформеров применяют развивающийся набор математических методов, называемых вниманием или самовниманием, для обнаружения тонких способов влияния и зависимости друг от друга даже удаленных элементов данных в серии.

Не забывайте о рисках генеративного ИИ

Прежде чем двигаться вперед на полной скорости, помните, что генеративный ИИ не только открывает возможности для бизнеса; угрозы тоже реальны - в том числе возможность глубоких подделок, проблем с авторскими правами и других злонамеренных применений технологии генеративного ИИ против вашей организации.

Совместно с руководителями служб безопасности и управления рисками активно снижайте репутационные, контрафактные, мошеннические и политические риски, которые недобросовестное использование генеративного ИИ представляет для отдельных лиц, организаций и правительств.

Также рассмотрите возможность внедрения руководства по ответственному использованию генеративного ИИ через курируемый список одобренных поставщиков и услуг, отдавая предпочтение тем, кто стремится обеспечить прозрачность наборов данных для обучения и надлежащее использование моделей, и/или предлагает свои модели с открытым исходным кодом.

Брайан Берк - вице-президент по исследованиям в области технологических инноваций с 25-летним опытом работы в области технологических инноваций и архитектуры предприятия. Его исследования в основном сосредоточены на выявлении новых и стратегических технологических тенденций. Он был ведущим автором "Топ стратегических технологических тенденций" и "Гиперцикла развивающихся технологий". Он также является автором книги 2014 года "Gamify: Как геймификация мотивирует людей на необычные поступки".

Переведено компанией "IT monitoring" с помощью нейронного машинного перевода, 22.03.2023 г. Фото: футуристический город на закате в генерации "Midjourney".

Оригинальная статья: https://www.gartner.com/en/articles/beyond-chatgpt-the-future-of-generative-ai-for-enterprises