«Секреты успешных ИИ-проектов» — советы от глав исследовательских центров

Искусственный интеллект стремительно меняет наш мир. Многие успешные проекты уже существенно улучшили нашу жизнь. ИИ помогает диагностировать заболевания, развивать беспилотную технику, проводить научные исследования и не только. Кажется, что создать свою собственную разработку на основе искусственного интеллекта очень сложно. Однако все реально: нужно лишь учесть несколько важных аспектов. Раскрываем, как запустить ИИ-проект и сделать его полезным для общества.

Создание успешного ИИ проекта: востребованные направления, залог успеха и другие секреты

«Уровень развития технологий высок, сам рынок технологий только формируется. Многие крупные компании предпочитают “in-house решения”, есть большое количество стартапов и научных групп», — рассказал Иван Оселедец, генеральный директор Института AIRI, профессор Сколтеха.

Для начала необходимо выбрать проблему, которую поможет решить конкретный ИИ-проект. Без определения проблемы не получится создать решение, которое будет востребованным у конкретной аудитории (которую тоже нужно определить). Также обязательно стоит изучить состояние рынка и понять, каких продуктов на нем не хватает, а каких — избыток.

Иван Оселедец выделил несколько самых востребованных направлений ИИ-решений в России:

● Разработка больших языковых моделей (LLM): это модели, которые учатся, анализируя содержание книг, статей, инструкций, сайтов и так далее. Благодаря этому искусственный интеллект «‎запоминает», как правильно сочетаются слова и строятся предложения в языке. Благодаря этому нейросеть может отвечать на вопросы и поддерживать диалог.

● Развитие мультимодальности: мультимодальные системы способны генерировать информацию из разных форматов данных (текст, фото, видео и так далее). Пример мультимодальной модели — OmniFusion, разработанная специалистами Института AIRI.

● Мультиагентность: мультиагентная система искусственного интеллекта работает за счет нескольких программ (агентов), каждая из которых выполняет свои задачи. Агенты могут как работать автономно, так и взаимодействовать друг с другом.

● Снижение вычислительных затрат: позволит на одном оборудовании запускать множество «‎тяжелых» моделей искусственного интеллекта, сделает применение моделей доступнее, а также за счет меньшего потребления электричества сократит нагрузку на окружающую среду. Например, языковая модель GigaChat от Сбера существует в двух вариантах — Pro (подходит для сложных узкоспециализированных задач) и Lite (для оперативного решения типовых задач с меньшей нагрузкой на вычислительные мощности).

● Применение в реальных задачах (химия, биология, проектирование): позволит ускорить исследования и разработки. Например, разработка экспертов Института AIRI поможет предсказывать поведение молекул.

«Флагманское направление, на котором сосредоточены лучшие инженеры и ученые мира в сфере ИИ, — это большие языковые модели и генеративный ИИ. Этот тренд будет сохраняться ближайшие годы. Будут востребованы и более узкие направления. Например, ученые нашего Исследовательского центра в сфере искусственного интеллекта сосредоточены на междисциплинарных исследованиях в сфере ИИ: ИИ в поиске материалов с заданными свойствами, ИИ в химии в целом. Наравне с большими моделями такие исследования, кроме экспертизы в машинном обучении требующие еще и глубокого понимания предметной области, имеют большой потенциал для прорывных результатов: создания новых лекарств, катализаторов, аккумуляторов повышенной емкости и долговечности, двумерных и многомерных материалов и многого другого», — поделился Рамиль Кулеев, директор Исследовательского центра в сфере искусственного интеллекта Университета Иннополис.

Залог эффективности модели искусственного интеллекта — качественные и разнообразные данные. Нельзя просто «‎скормить» нейросети данные, для начала их необходимо обработать. Иногда в больших данных встречается ложная информация. Если нейросеть обучится на таких данных, то она будет использовать их в своем контенте и вводить людей в заблуждение.

«‎Это может приводить к дискриминации и неравенству при принятии решений системой искусственного интеллекта. Решением этой проблемы может быть разработка строгих правил и проверок при использовании данных для обучения искусственного интеллекта, а также участие искусственного интеллекта в обучении и повышении осведомленности о своей предвзятости», — рассказала эксперт по этике ИИ и IT-юрист Наталья Ратнер.

Также можно использовать итеративный подход: то есть начинать с более простых моделей, постепенно их усложняя. Благодаря этому будет проще исправлять ошибки и корректировать курс развития проекта.

И до, и во время подготовки проекта, и когда он уже завершен, важно оценить его с точки зрения этики. Необходимо учитывать аспекты прозрачности и справедливости. Для этого нужно ознакомиться с документами на эту тему: например, Кодексом этики в сфере искусственного интеллекта.

«ИИ развивается чрезвычайно быстро, превращается из инструмента для решения узких прикладных задач в более мощное средство, которое можно применять для работы с разнородными данными и обобщения. Это порождает этические нюансы, которые обсуждают как общественность, так и профессиональное сообщество: допустимость создания и использования цифровых копий реальных людей, проблема выбора при неизбежности нанесения ущерба людям — проблема вагонетки, социокультурные аспекты при использовании моделей ИИ, вопрос о прозрачности и информировании пользователей о работе с нейросетями, а также потенциальное сокращение рабочих мест вследствие распространения искусственного интеллекта», — рассказал Рамиль Кулеев.

Соответствие проекта этическим нормам очень важно для людей: о том, что этика искусственного интеллекта чаще воспринимается как гарантия безопасности для человека, сообщают 24% респондентов ВЦИОМ.

Иван Оселедец выделил несколько ошибок, которые могут погубить проект:

1) Отсутствие четкой задачи и «‎бизнес-идеи». «Самое распространенное: "У меня есть большие данные, я хочу найти эффект"», — рассказал эксперт. Часто в таких ситуациях непонятно, для чего вообще нужна работа. Определение задачи позволяет команде понять, что нужно делать, чтобы ИИ-проект смог выполнить свои цели и быть полезным в обществе, а значит — востребованным. Также задача поможет понять, достиг ли проект успеха.

2) Отсутствие компетентной команды. Каждый ее участник должен быть первоклассным специалистом. В таком случае появится возможность полностью реализовать потенциал идеи проекта.

3) Отсутствие системности в проверке гипотез. Невозможность адекватно критиковать ход работы и корректировать развитие проекта может привести к тому, что разработка будет абсолютно неприменима в реальной жизни.

Примеры успешных российских ИИ-проектов

Cognitive Pilot — отечественный разработчик беспилотных транспортных систем, основанных на искусственном интеллекте. Команда предлагает разнообразные продукты для беспилотного управления комбайнами, тракторами, а также трамваями и другими видами транспорта.

Не обходится без нейросетей и в медицинской сфере. Например, приложение ПроРодинки с помощью искусственного интеллекта определяет, является ли родинка злокачественным образованием. Приложение обнаруживает 93,5 из 100 злокачественных образований на коже.

Маркетплейс Ozon запустил нейросеть, которая помогает редактировать фон для карточек товаров. AI-редактор позволит продавцам редактировать изображение товара: за несколько минут сгенерировать подходящий фон, удалить неудачный фон, а также улучшить качество фотографии, если она загружена в низком разрешении.

Российские ученые создали нейросеть LegNet, которая может расшифровывать ДНК. В будущем такая разработка позволит ускорить и упростить раннюю диагностику сложных генетических заболеваний.

Если ИИ-проект кажется достойным, то можно попытаться получить грант. «Создание центров ИИ сильно развило науку, создав адресную поддержку наиболее успешных групп. Есть ряд фондов, поддерживающих “инициативные проекты”. Сильно при этом отстают классические фонды (РНФ), но это и понятно: они нацелены на фундаментальные проекты, а ИИ часто имеет высокую прикладную компоненту, и логично такие исследования поддерживать в рамках коммерческих проектов», — рассказал Иван Оселедец. Поэтому лучше всего акцентировать внимание на более практикоориентированных фондах: Сколково, Фонд содействия инновациям, Фонд перспективных исследований и другие.

При создании успешного и нужного обществу ИИ-проекта нужно учесть огромное количество самых разных аспектов: от формирования цели инициативы до учета этических аспектов работы искусственного интеллекта. Учет всех факторов требует большого количества времени и сил, но позволяет достичь целей, которые поставили перед собой разработчики. Ответственный подход к разработке ИИ-проектов позволит достичь наилучших результатов в использовании искусственного интеллекта.

Следите за событиями в сфере ИИ на национальном портале в сфере ИИ – ai.gov.ru.