Что ждет ИИ в 2025 году
Прогноз от MIT Technology Review. Расскажу, кто уже являются первопроходцами и в каких направлениях ждать новостей.
🔥 Еще больше интересного в моем канале продуктовые штучки
1. Генеративные виртуальные миры
2023 год был годом генеративных изображений, а 2024 год — годом генеративного видео — что будет дальше? Генеративные виртуальные миры (они же видеоигры).
Кто первопроходец?
Мы получили крошечный намек этой технологии в феврале, когда Google DeepMind представила генеративную модель под названием Genie, которая могла взять неподвижное изображение и превратить его в сайд-скроллинговую 2D-платформенную игру, с которой игроки могли бы взаимодействовать.
В декабре компания представила модель Genie 2, которая может превратить изображение в целый виртуальный мир.
Кто еще?
Другие компании создают похожие технологии. В октябре стартапы ИИ Decart и Etched представили неофициальный хак Minecraft, в котором каждый кадр игры генерируется на лету, пока вы играете. А World Labs, стартап, соучредителем которого является Фэй-Фэй Ли — создатель ImageNet, огромного набора данных фотографий, который дал старт буму глубокого обучения, — создает то, что он называет большими моделями мира, или LWM.
Где применима технология?
Одно из очевидных применений — видеоигры. Есть игровой тон, и генеративное 3D-моделирование может использоваться для исследования концепций дизайна для новых игр, превращая набросок в игровую среду на лету. Это может привести к совершенно новым типам игр.
Но их также можно использовать для обучения роботов. World Labs хочет разработать так называемый пространственный интеллект — способность машин интерпретировать и взаимодействовать с повседневным миром. Но у исследователей робототехники нет хороших данных о реальных сценариях, с помощью которых можно было бы обучать такие технологии.
Раскручивание бесчисленных виртуальных миров и размещение в них виртуальных роботов для обучения методом проб и ошибок может помочь компенсировать нехватку обучения.
2. Большие языковые модели, которые «рассуждают»
Кто первопроходец?
OpenAI представила в сентябре новую парадигму работы больших языковых моделей o3 — модель, которая, возможно, изменит эту технологию навсегда.
Почему это важно?
Большинство моделей, включая флагманскую модель OpenAI GPT-4, выдают первый ответ, который приходит им в голову. Иногда он правильный, иногда нет. Но новые модели компании обучены прорабатывать свои ответы шаг за шагом, разбивая сложные проблемы на ряд более простых. Когда один подход не работает, они пробуют другой.
Этот метод, известный как «рассуждение», может сделать эту технологию более точной, особенно для математических, физических и логических задач.
Для чего это нужно?
Это также важно для ИИ агентов.
В декабре Google DeepMind представила экспериментального агента для просмотра веб-страниц под названием Mariner. Google DeepMind также создает экспериментальную версию Gemini 2, своей последней большой языковой модели, которая использует этот пошаговый подход к решению проблем, называемый Gemini 2.0 Flash Thinking.
Но OpenAI и Google — это лишь вершина айсберга. Многие компании создают большие языковые модели, которые используют похожие методы, что делает их лучше в целом ряде задач, от поиска рецептов до программирования. Ожидайте гораздо больше шума вокруг этого в этом году.
3. Расцвет ИИ в науке
Наличие инструмента ИИ, который может работать подобно ученому, является одной из фантазий технологического сектора. В своем манифесте основатель Anthropic Дарио Амодеи выделил науку, особенно биологию, как одну из ключевых областей, где может помочь мощный ИИ.
Амодеи предполагает, что в будущем ИИ может стать не только методом анализа данных, но и «виртуальным биологом, который выполняет все задачи, которые выполняют биологи».
Мы все еще далеки от сценария виртуального ученого, и в следующем году мы можем увидеть важные шаги в этом направлении.
Кто первопроходец?
Одно из самых захватывающих применений ИИ — ускорение открытий в естественных науках. Возможно, величайшее подтверждение потенциала ИИ на этом фронте произошло в октябре прошлого года, когда Королевская шведская академия наук вручила Нобелевскую премию по химии Демису Хассабису и Джону М. Джамперу из Google DeepMind за создание инструмента AlphaFold, который может решать проблему сворачивания белков, а также Дэвиду Бейкеру за создание инструментов, помогающих проектировать новые белки.
Ожидайте, что эта тенденция продолжится в следующем году, и мы увидим больше данных и моделей, которые нацелены конкретно на научные открытия.
Белки были идеальной целью для ИИ, поскольку в этой области были отличные существующие наборы данных, на которых можно было обучать модели ИИ.
Где еще ждать прорывов?
Одной из потенциальных областей является материаловедение. Meta опубликовала огромные наборы данных и модели, которые могут помочь ученым использовать ИИ для гораздо более быстрого открытия новых материалов, а в декабре Hugging Face совместно со стартапом Entalpic запустили LeMaterial — проект с открытым исходным кодом, направленный на упрощение и ускорение исследований материалов.
Создатели моделей ИИ также стремятся представить свои генеративные продукты в качестве исследовательских инструментов для ученых. OpenAI позволил ученым протестировать свою последнюю модель o1 и посмотреть, как она может помочь им в исследованиях. Результаты оказались обнадеживающими.
4. Проекты в области национальной безопасности
Занимающиеся разработкой ИИ компании, готовы предоставить свои инструменты для пограничного контроля, сбора разведывательной информации и других задач по обеспечению национальной безопасности, что принесет им немалую прибыль.
Кто первопроходец?
Американские военные запустили ряд инициатив, которые показывают, что они стремятся принять ИИ, от программы Replicator, которая обещает потратить $1 миллиард на небольшие беспилотники, до Artificial Intelligence Rapid Capabilities Cell, внедряющего ИИ во все, от принятия решений на поле боя до логистики.
Европейские военные находятся под давлением, требующим увеличения инвестиций в технологии; растущая напряженность между Тайванем и Китаем также сильно давит на умы военных.
Где еще ждать развития?
В 2025 году этот тренд продолжит приносить пользу компаниям оборонно-технологического сектора, таким как Palantir, Anduril и другим, которые теперь используют секретные военные данные для обучения моделей ИИ.
Глубокие карманы оборонной промышленности также привлекут в свои ряды ИИ компании.
В декабре OpenAI объявила о партнерстве с Anduril в программе по уничтожению дронов, отказавшись от своей политики не сотрудничать с военными. Так OpenAI присоединяется к Microsoft, Amazon и Google, которые годами сотрудничают с Пентагоном. Обоснованием изменения позиции OpenAI было то, что «демократии должны продолжать играть ведущую роль в разработке ИИ». В 2025 году мы увидим, как другие последуют ее примеру.
Компании в области ИИ, которые тратят миллиарды на обучение и разработку новых моделей, столкнутся с большим давлением в 2025 году, чтобы серьезно задуматься о доходах. Возможно, они найдут достаточно клиентов из невоенной сферы, которые будут щедро платить за агентов ИИ, способных выполнять сложные задачи, или творческие отрасли, готовые тратиться на генераторы изображений и видео. Но они также будут все больше склоняться к тому, чтобы побороться за выгодные контракты военных.
Ожидайте, что компании будут обсуждать, будет ли работа над оборонными проектами рассматриваться как противоречащая их ценностям.
Генеративные виртуальные миры звучит интересно. Представляю, какие крутые игры можно будет создавать с их помощью
"Но у исследователей робототехники нет хороших данных о реальных сценариях, с помощью которых можно было бы обучать такие технологии"- ещё как есть.
Промышленная робототехника.
Совершенно однозначно, в этом году увидим применение таких технологий на практике.
Считайте это инсайдом, я видел шаги в этом направлении на крупнейшем европейском производстве автомобилей.
Концепцию "программинг роботов без человека" пытаются развивать уже не первый год, подключение AI подстегнуло разработки пинком.