Академический Документы
Профессиональный Документы
Культура Документы
интеллект
в России – 2023:
тренды и перспективы
Москва, 2023 г.
Искусственный интеллект
в России – 2023: тренды
и перспективы
Краткий обзор
В последние 10–15 лет благодаря росту скорости работы
Реализованный компьютеров, объема вычислений и доступной информации
эффект от ИИ технологии искусственного интеллекта (ИИ) развиваются
в России с беспрецедентной скоростью. Новый виток популярности
может достичь технологий в последние 2–3 года связан с генеративным ИИ,
с появлением которого стало возможным решать задачи
4,2–6,9 трлн руб. принципиально нового класса. При этом базовые модели
к 2028 г. генеративного ИИ активно разрабатывают всего около десяти
стран, в том числе и Россия.
3
от реализованного эффекта – 0,8–1,3 трлн руб. При этом
совокупная выручка компаний от продажи ИИ-решений для В2В,
которую можно определить как российский рынок решений
на базе ИИ, в 2022 г. оценивается1 в 30–50 млрд руб. в год;
в позитивном сценарии к 2028 г. эта цифра может вырасти
до 0,3–0,6 трлн руб. (CAGR – около 50%)2.
4
5
Предисловие
6
Дополнительным фактором роста использования ИИ в бизнесе
может стать генеративный ИИ, благодаря которому стало
возможно решать задачи принципиально нового класса –
писать длинные связные тексты и получать развернутые ответы
на вопросы, суммаризировать и сравнивать текст, создавать
изображения, анализировать видео и т. д.
80%
процессов продуктовой разработки будет предполагать
использование генеративного ИИ к 2025 г.
80%
организаций, осуществляющих клиентскую поддержку, внедрят
генеративный ИИ для роста продуктивности специалистов
поддержки и улучшения клиентского опыта к 2025 г.
60%
В2В-продаж будет осуществляться при помощи генеративного
ИИ к 2028 г.
7
Результаты этого анализа, а также детальный разбор истории
и глобальных трендов в сфере ИИ легли в основу данного
исследования, и мы надеемся, что оно позволит внести
определенный уровень ясности в столь важную и в то же время
не до конца реализовавшую свой потенциал сферу российской
и мировой экономики.
8
9
Введение:
обзор технологии
Обучение с учителем
Модель обучается на базе данных с целевыми значениями
ответов, которые модель должна определять на основании
признаков данных. В основном используется для задач регрессии
(предсказания неизвестных данных на основании известных,
связанных с ними) и классификации (определения категории
данных).
10
В ходе своего развития модели машинного обучения прошли
долгий путь по сложности задач, которые они способны решать.
Самые простые из них ищут линейную зависимость между
небольшим числом факторов и потом используют найденные
закономерности для предсказаний – например, предсказания
времени поездки в зависимости от дистанции, количества
светофоров и т. д. С увеличением количества факторов,
принимаемых во внимание, требуются все более сложные модели,
способные выявить нелинейные зависимости. Самые продвинутые
модели сегодня используют архитектуру нейронных сетей и имеют
сотни миллиардов параметров, что позволяет им находить очень
сложные закономерности в данных. С использованием таких
моделей становится возможным предсказать длительность
поездки, в том числе с учетом времени суток, дня недели,
загруженности дорог и погоды.
Предиктивные модели
Тип моделей, которые активно используются в финансовой функции
для выявления мошеннических транзакций, в операционной
функции для предиктивной аналитики ремонтов, в коммерции для
предсказания спроса.
11
Пример
Оптимизационные модели
Тип моделей, которые активно используются в медицине для
нахождения лучшего способа проведения операций, в логистике –
для оптимизации маршрутов, в закупках – для сокращения
расходов.
Пример
12
Компьютерное зрение (CV)
Область технологий, объединяющая решения для распознавания
объектов реального мира. Решения на основе компьютерного
зрения встречаются повсеместно – к ним относится распознавание
лиц камерой смартфона, сканирование штрихкодов в магазинах,
распознавание номеров машин камерами на дорогах,
видеоаналитика на производстве; кроме того, технологии
компьютерного зрения используются для улучшения качества
фотографий. Согласно опросу СТО, проведенному
«Яков и Партнёры», технологию используют почти 70%
опрошенных крупных российских компаний, преимущественно
в отраслях машиностроения, ГМК и логистики.
Пример
13
Речевые технологии
Позволяют работать с человеческой речью, состоят из двух
блоков – распознавание речи (Automatic Speech Recognition, ASR)
и синтез речи (Text-to-Speech, TTS). Зачастую работают в связке
с NLP, используются в голосовых ассистентах, таких как Siri или
Алиса.
Пример
14
Рекомендации и персонализация
Эти технологии позволяют сделать пользователю наилучшее
предложение исходя из его характеристик, в том числе на основе
кластеризации. Используются в маркетинге, рекламе и продажах,
преимущественно в цифровых отраслях.
Пример
15
Большие языковые модели (LLM)
Применяются для генерации, суммаризации (краткого изложения
содержания) или изменения текста – примером таких моделей
являются GPT-4 (OpenAI), Llama 2 (Meta9), YandexGPT (Яндекс),
GigaChat (СБЕР). Спектр задач, для которых могут применяться
модели, очень широк, и на сегодняшний день до конца не известны
все возможные сценарии использования; наиболее очевидное
применение данных моделей на текущий момент – повышение
продуктивности сотрудников за счет выполнения их рутинных
задач моделью. Согласно данным опроса СТО, проведенного
«Яков и Партнёры», 20% компаний-респондентов уже используют
генеративный искусственный интеллект для своих задач
в различных бизнес-функциях. Все они пользуются решениями
от OpenAI (GPT-4, GPT-3.5), а более 90% применяют российские
модели – в частности, YandexGPT для задач по работе с текстами
и Kandinsky для работы с изображениями.
Пример
16
Пример
Пример
При вызове колонки через команду «Алиса, давай Появление нового функционала
придумаем» колонка использует нейросеть YandexGPT в ассистенте
для ответа на вопрос и может выполнить более
творческие задачи – например, составить драфт
делового письма, предложить идеи для продвижения
бизнеса в заданной нише или разработать план
путешествия.
17
Пример
18
19
1950–1960 гг. 1960–1970 гг.
Появление первых искусственных нейронных сетей Первые практические применения ИИ
20 21
2010–2020 гг.
Реализация потенциала ИИ на основе глубокого обучения
22 23
2020 г. и далее Несмотря на то что мировую известность технология получила только в 2022 г.
с появлением чат-бота ChatGPT на базе модели GPT-3.5, генеративный ИИ – закономерный
результат развития технологии глубокого обучения (Deep Learning) и исследований
Реализация потенциала генеративного ИИ в области обработки естественного языка (NLP), продолжавшихся с 1960-х гг.
Уважаемый руководитель,
Я обращаюсь к вам с просьбой о выделении дополнительного времени для нашей команды для завершения верстки
нашего исследования, касающегося генеративного искусственного интеллекта.
Как вы, возможно, знаете, наше исследование посвящено изучению возможностей генеративного ИИ в создании сложных
графических изображений. Мы обнаружили, что данный процесс требует тщательной работы с множеством графических
элементов, что значительно увеличивает время, необходимое для верстки.
Мы понимаем, что сроки сдачи работы могут быть сжатыми, но мы считаем, что предоставление дополнительного времени
позволит нам создать высококачественное исследование, которое будет достойно представлять нашу команду
и организацию.
Завершение верстки исследования займет у нас примерно неделю, и мы гарантируем, что результат будет соответствовать
всем требованиям и стандартам.
Таким образом, я прошу вас рассмотреть возможность предоставления нам дополнительного времени.
Мы ценим ваше понимание и поддержку в этом вопросе.
Спасибо за ваше внимание к этому запросу.
С уважением,
Ваше имя
24 25
2020 г. и далее
Реализация потенциала генеративного ИИ
2023 г.
Февраль
Alphabet (материнская компания Google) анонсировала Bard –
собственный инструмент генеративного ИИ на основе модели LaMDA
Март
OpenAI обновила базовую модель и выпустила GPT-4, появились
плагины для ChatGPT, включая доступ к поисковику Bing
и интерпретатору кода
Апрель
Amazon анонсировал Bedrock – инструмент для работы
с LLM-моделями (дообучения и разработки приложений)
Май
Яндекс первым в мире встроил генеративную нейросеть YandexGPT
в виртуальный голосовой помощник – Алису
Сентябрь
Яндекс анонсировал обновление большой языковой модели –
YandexGPT 2; OpenAI представила новую базовую модель Text-to-
Image (Dall·E 3), которая позволяет генерировать картинки на основе
текстового описания
Ноябрь
OpenAI представила новый формат – GPT (и GPTStore, где будут
продаваться GPT) – ассистента на основе моделей OpenAI, которого
можно создать с минимальным знанием кода
26 27
Текущее состояние рынка ИИ
в России и в мире
CAGR
~35-40%
860-1040
170-280
20-27%
690-760
185-200
30-45
135-145
20-30 ~155
~115
Генеративный ИИ
Традиционный ИИ
28
который создает как прямой эффект для отраслей, выражающийся
во внедрении новых продуктов и сервисов, так и дополнительный
эффект за счет роста продуктивности сотрудников, использующих
генеративный ИИ в работе для решения базовых задач11.
Рынок продуктов и сервисов на базе искусственного интеллекта
в мире к концу 2023 г. составит около 185–200 млрд долл. США12,
из которых около 30–45 млрд долл. США придется на генеративный
ИИ, остальное – на традиционный (в эту цифру включаются
решения на базе ИИ, вычислительные мощности и услуги
в индустрии). Ожидается, что к 2028 г. общий объем рынка может
составить 860–1040 млрд долл. США, из которых на традиционный
ИИ придется около 690–760 млрд долл. США (CAGR – около
35–37%), на генеративный – около 170–280 млрд долл. США (CAGR –
около 43–45%). За счет относительно недавнего начала развития
генеративного ИИ (большие языковые модели появились всего
6 лет назад) темпы его роста в ближайшие 5 лет будут более
активными, чем у традиционного ИИ.
Прочие Здравоохранение
14% 10%
26%
10%
31%
18%
10%
16%
14%
34% 14%
29
По данным Precedence Research13, с точки зрения отраслей
внедрения решений около 75% рынка сосредоточено в шести
ключевых индустриях с наибольшим потенциалом внедрения
моделей традиционного ИИ – банки и финансовые институты,
Доля компаний-респондентов
1023+ 2717+
Инициирование
Изучение
Эксперименти-
рование
Формализация
Масштабирование
Инициирование
10%
Изучение
Отсутствует стратегия; технологии
ИИ и потенциал их использования
в компании обсуждаются с вендорами
и внутри; точечно изучаются
потенциально интересные решения
Экспериментирование
В различных функциях появляются
собственные POC (proof of concept)
и тестируются решения вендоров,
нет единых стандартов и массового
17%
23%
23%
Формализация
27%
Масштабирование
Развитие и масштабирование ИИ –
стратегическая цель компании, компания
внедрила ИИ-решения и получает от них
реальный эффект
внедрения ИИ
30
здравоохранение, медиа и реклама, транспорт и логистика,
производство, ритейл. В России в топ входят также добывающая
промышленность и ИТ-отрасль, которые вытеснили из топ-6
здравоохранение, а также медиа и рекламу. Мы ожидаем, что
по ходу развития технологии генеративного ИИ дисбаланс
по внедрению ИИ между индустриями будет сокращаться за счет
большей универсальности таких решений.
31
По рейтингу из 62 стран, подготовленному агентством Tortoise
Media14, лидерами традиционно являются США и Китай;
за последние годы существенный прогресс был сделан
Сингапуром, поднявшимся на 3-е место в 2023 г. В топ-10 также
попали развитые страны с сильными исследовательскими
лабораториями – Великобритания, Канада, Южная Корея.
На горизонте ближайших 3–5 лет лидерские позиции в ИИ,
вероятно, останутся за США и Китаем, что во многом объясняется
объемом средств, которые инвестируются в технологию.
Страны покроют более 75% совокупного объема инвестиций
за 2024–2025 гг. (США – около 150 млрд долл. США, или около 55%;
Китай – около 65 млрд долл. США, или около 20%)15. На текущем
этапе развития технологии именно вложения средств в разработку
базовых технологий и решений будут решающим фактором,
определяющим конкурентоспособность страны на рынке ИИ.
Другие страны, стремящиеся преуспеть в ИИ-гонке, фокусируются
на создании благоприятных условий для бизнеса и исследований,
привлекательности страны для внешних инвестиций
и гармонизации регулирования с целью повысить эффективность
своих вложений и оставаться конкурентоспособными.
32
место
7
в мире
занимает Россия по одному
из ключевых факторов развития
искусственного интеллекта –
участию государства в развитии
технологии
33
Ожидаемый финансовый эффект от внедрения ИИ
для экономики России, трлн руб. в год
1,3-2,0 4,2-6,9
Генеративный ИИ
0,3-0,4 0,8-1,3
Традиционный ИИ
1,1-1,6
0,3-0,5 3,5-5,5
0,5-0,7 0,2-0,3
0,3-0,7 0,4-0,6
0,6-0,9 0,3-0,6
0,5-0,8
0,6-0,9
0,2-0,3
0,5-0,7
0,6-1,1
0,5-1,0
34
В абсолютном выражении около 70% потенциала приходится
на шесть ключевых для российской экономики отраслей (транспорт
и логистика, банкинг, ритейл, добывающая промышленность,
производство потребительских товаров, ИТ-отрасль).
35
Доля компаний, внедряющих ИИ в бизнес-функции, 80-100% 30-50%
Банковская отрасль
и страхование
ИТ и технологии
Розничная торговля
Металлы
и горная добыча
Электроэнергетика
Телекоммуникации
Сельское
хозяйство
Электронная
коммерция
Нефть и газ
Транспорт
и логистика
Химия
и нефтехимия
Потребительские
товары
Машиностроение
Автомобильная
промышленность
Медиа
36 37
Рынок решений на базе ИИ
38
Генеративный ИИ – потенциал
технологии
39
Тем не менее количество параметров – не единственная важная
характеристика моделей и не определяет качество выходных
данных. На качество генерируемых данных также влияют
архитектура сети, количество и качество данных в обучающей
выборке, способ обучения и размер контекстного окна23 (другими
словами, какой объем данных модель может воспринять в качестве
вводных данных), количество задач (промптов), под которые
модель была обучена. Более того, сейчас наблюдается тренд
на снижение количества параметров в моделях, в том числе для
того, чтобы сократить стоимость работы уже обученной нейросети
на конечном устройстве и ускорить работу в контексте бизнес-
решений.
40
При этом либерализация генеративного искусственного интеллекта
сформировала интересный тренд на рынке стартапов, поляризовав
их по профилю и объемам привлеченных средств. За 6 месяцев
2023 г. всего три стартапа аккумулировали около 80% всех
инвестиций в рынок генеративного ИИ, оцениваемых в 14,1 млрд
долл. США26, или 46% от всех инвестиций в область ИИ, притом что
общее количество сделок за тот же период превышает 1,1 тыс.27
При этом все эти компании занимались разработкой базовых
моделей.
76% 15% 6%
опрошенных компаний опрошенных компаний опрошенных компаний
тратят на генеративный ИИ тратят на генеративный ИИ тратят на генеративный ИИ
не более 1% годового от 1 до 3% годового от 3 до 5% годового
бюджета на ИТ/ бюджета на ИТ/ бюджета на ИТ/
цифровизацию цифровизацию цифровизацию
0% 3%
опрошенных компаний опрошенных компаний
тратят на генеративный ИИ тратят на генеративный ИИ
от 5 до 10% годового более 10% годового
бюджета на ИТ/ бюджета на ИТ/
цифровизацию цифровизацию
41
Несмотря на то что российские компании в среднем пока
достаточно осторожно инвестируют во внедрение генеративного
ИИ (около 76% опрошенных на горизонте 1 года планируют
выделить менее 1% бюджета ИТ и цифровизации), уже
определились индустриальные пионеры технологии (24% компаний,
готовые проинвестировать в генеративный ИИ на горизонте
1 года более 1% своего бюджета на ИТ/цифровизацию). Так, 40%
компаний в e-commerce готовы инвестировать 1–3% бюджетов,
треть компаний в медиа и ИТ – 3–5% бюджетов, а 20% компаний
в телекоме планируют потратить на ИИ более 10% бюджета ИТ,
что объясняется значительным потенциалом использования
генеративного искусственного интеллекта в клиентской поддержке.
42
Инфраструк- Бизнес- Заказная
Технология тура продукт разработка
Примеры
Источник: анализ рабочей группы по данным Crunchbase, Dealroom.co, CB Insights. Данные по объему инвестиций
кумулятивно за 2019–2023 гг.
43
Количество юз-кейсов с использованием
генеративного ИИ в ключевых функциях
10 Разработка
Управление
персоналом
и внутрикор-
поративные
20
функции
Клиентский
10 сервис
(поддержка)
Исследования
17
6
Продажи и разработки
Юридическое
сопровождение,
6 управление
рисками
и комплаенс
5
Финансы
и закупки
Маркетинг 15
1 Безопасность
44
Самое популярное функциональное направление стартапов с готовым бизнес-
продуктом (как по объему инвестиций, так и по количеству стартапов) –
маркетинг и продажи, следующий приоритет – клиентский сервис и разработка
По объему По количеству
инвестиций стартапов
Генерация и персонализация
текстового контента
Виртуальный
продавец-консультант
(чат-бот)
Синтез и анализ
обратной связи
от клиентов
Оптимизация кода
Автоматизация рекрутинговых
процессов: генерация описания
вакансий, анализ интервью и др.
45
Ряд международных компаний уже активно внедряют технологию
генеративного ИИ: одни тестируют на внутренних функциях –
например, в работе финансовых консультантов для ускорения
поиска данных (Morgan Stanley); другие (Kraft Heinz, Netflix, Levi’s,
KLM, Nestle) используют точечно – например, для генерации
материалов для креативных кампаний (Kraft Heinz) или моделей
для показа новой коллекции (Levi’s); третьи (Salesforce, Notion,
Khan Academy, Typeform, Duolingo) уже внедрили генеративный
ИИ в доступные клиентам решения – Einstein GPT (Salesforce) –
встроенный GPT в CRM-системе, ИИ-помощник в Notion или
ИИ-тьютор Khanmigo в Khan Academy.
Microsoft
46
в продукты экосистемы, создав Microsoft 365 Copilot –
ИИ-ассистента для повышения продуктивности работы.
Инструмент уже доступен в Word, Excel, PowerPoint, Outlook,
Teams, но только для ограниченного круга пользователей
в режиме тестового доступа33. Среди ранних последователей –
General Motors, Chevron, Mayo Clinic, UOB.
Российские компании
Российские компании также тестируют технологии генеративного
ИИ на практике, хотя о повсеместном внедрении в бизнес-
процессы говорить пока преждевременно.
47
Яндекс Лавка с сентября 2023 г. начала заполнять карточки товаров
по фотографиям этикеток с помощью технологий распознавания
текста в комбинации с YandexGPT. Это, как ожидается, позволит
втрое увеличить скорость обновления информации о продуктах
по сравнению с ручным заполнением и упростить работу контент-
менеджеров: им не нужно вручную вносить данные – достаточно
проверить корректность работы нейросети.
48
Как отрасли относятся к новым
технологиям GenAI?
8983+80+7133+6430+3311+2040+
Телеком 60% 20% 20%
Банкинг
10% 60% 30%
и страхование
Металлы и горная
29% 71%
добыча
Транспорт
17% 83%
и логистика
Машиностроение 100%
FMCG 100%
49
Стадии внедрения ИИ в компаниях России
Доля компаний
Доля компаний среди среди всех
компаний, уже внедряющих ИИ опрошенных
Маркетинг
и продажи
66% 24%
Исследования
и разработки
49% 18%
ИТ 31% 12%
Управление
персоналом
11% 4%
Производство 9% 3%
50
Внедрение ИИ в различных
корпоративных функциях
51
Наиболее интересные юз-кейсы: доля компаний (в %),
спонтанно отметивших юз-кейс в качестве приоритетного
Потенциально 14/15
заинтересованы
в пилоте
52
Для уточнения потенциала применения GPT в российских компаниях проведены встречи
с представителями 15 компаний, лидирующих в своих отраслях, в том числе:
53
Общекорпоративные
функции
Ассистент Продажи и управление
Функции написания кода и поддержка персоналом
Продукто- Завершение 1–2 строк кода Генеративные подсказки Умный корпоративный портал:
вое напол- (inline-подсказки) оператору поддержки внутренний поисковик,
нение систематизация, суммаризация
Генерация кода по сигнатуре Автоматические ответы
материалов в базе знаний
функции / контексту файла пользователю
Генерация тренингов
Написание кода по текстовому Суммаризация обращений
на основе внутренних/
комментарию
Контроль качества внешних материалов
54
Ключевые риски и будущее
технологии в России
Компетенции
Один из ключевых барьеров при внедрении ИИ – дефицит
профильных специалистов (дата-сайентистов, дата-инженеров,
ML-инженеров, AI-тренеров и дата-аналитиков). Согласно данным
опроса СТО, почти все компании (99%) отмечают в качестве
одной из ключевых сложностей в использовании ИИ именно поиск
и привлечение специалистов с ИИ-компетенциями.
По нашим оценкам, 61% работодателей36 сталкиваются
61% со сложностями в поиске кандидатов с навыками в сфере
работодателей цифровых технологий. Так, например, по данным hh.ru за январь –
сталкиваются март 2022 г., конкурс на вакансии в области ИИ – не более двух
со сложностями специалистов на место, в то время как в целом в ИТ-сфере средний
показатель – три кандидата на вакансию, что также сигнализирует
в поиске
об остром дефиците кадров. При этом об уверенном владении
кандидатов знаниями в сфере искусственного интеллекта заявляют всего 8%
с навыками респондентов37. Согласно заявлению Максута Шадаева, главы
в сфере Минцифры, общий дефицит кадров в российской ИТ-отрасли –
цифровых около 500–700 тыс. человек38. А по заявлениям Германа Грефа,
технологий дефицит составляет более 1 млн специалистов.
Аппаратное обеспечение
Еще один ограничивающий фактор развития ИИ – доступ
к «железу» и высокий уровень затрат на разработку
ИИ-инструментов. Так, 57% опрошенных компаний отмечают
в качестве сложностей при внедрении ИИ высокую стоимость.
55
Программное обеспечение
Импортозамещение ПО, напротив, не барьер в случае
с дискриминативным ИИ, так как игрокам доступны решения
на основе оpen-source (в том числе основные библиотеки для
работы с ML).
Результаты опроса
Кибербезопасность
Соблюдение нормативных
6853+ 48+ 29+ 27+ 18+ 9+ 2+ 1+ 0+
и законодательных требований
Интерпретируемость полученных
53%
68%
результатов 48%
Нет рисков 9%
Предвзятость алгоритмов1 2%
Другое 1%
Замещение рабочей
силы 0%
56
Прочие барьеры
Более 75% опрошенных компаний также отмечают сложности
с поиском решений на основе ИИ на рынке или с их разработкой,
примерно половина (46%) – сложности в создании необходимой
платформы данных для работы с ИИ. Среди ключевых рисков
указывают кибербезопасность (68%), вопросы комплаенса –
соблюдения нормативных и законодательных требований (53%)
и интерпретируемость полученных результатов (48%).
с ИИ-компетенциями
9978+ 57+ 51+ 46+ 44+ 32+ 32+ 31+ 18+ 1+
Поиск и привлечение специалистов
Масштабирование ИИ внутри
организации 32%
Информирование и обучение
сотрудников по вопросам ИИ 32%
Нет сложностей 1%
57
Что задерживает массовое внедрение
генеративного ИИ?
58
Основные блокирующие факторы – высокая стоимость разработки
собственных решений, усложненный процесс закупок видеокарт
для обучения и поддержки работы моделей, отсутствие
доказанного коммерческого эффекта, ограничения по работе
с персональными и конфиденциальными данными. Но, несмотря
на все сложности, около 77% опрошенных компаний готовы
адаптировать open-source-модели генеративного искусственного
интеллекта под свои нужды силами внутренних команд или отдавать
эти задачи на аутсорсинг внешним подрядчикам, о чем заявляют
около 88% компаний-респондентов. При этом 30% компаний готовы
к заключению прямого партнерства с технологическим вендором
генеративных решений для развития подобной компетенции у себя
в компании.
59
Монополия на графические ускорители
NVIDIA – монополист на рынке графических ускорителей для
обучения нейронных сетей. С компанией пытаются конкурировать
AMD Radeon Software и Huawei, однако доля NVIDIA на рынке GPU
для машинного обучения остается, по разным оценкам, на уровне
80–95%46.
Проблема монополии не только непосредственно в «железе»,
Доля NVIDIA но и в том, что NVIDIA – одна из немногих компаний,
на рынке GPU предоставляющая низкоуровневый доступ к написанию
запросов – GPGPU (CUDA – программно-аппаратная архитектура
для машинного параллельных вычислений). Ближайший конкурент NVIDIA –
обучения софт AMD Radeon (ROCm), однако он гораздо менее популярен
остается, на рынке47. CUDA поддерживает только процессоры NVIDIA
по разным и более чем за 15 лет существования стала наиболее успешным
оценкам, около механизмом взаимодействия с «железом», своего рода
международным стандартом, с которым привыкли работать
80–95% специалисты в области глубокого обучения нейронных сетей.
Основные библиотеки (PyTorch, TensorFlow), с которыми работают
специалисты по глубокому обучению, имеют более широкую
поддержку драйвера CUDA, нежели ROCm и других возможных
аналогов (OpenCL и др.). Например, PyTorch только недавно начал
поддерживать ROCm.
Фактически для перехода на новое «железо» при обучении
моделей отдельная команда разработчиков должна доработать
библиотеки для формализации запросов по взаимодействию
с вычислительными мощностями, что не только потребует
дополнительных вложений, но и замедлит time-to-market готового
продукта.
60
Более чем в 80% случаев одна из ключевых причин отказа –
несоответствие зарплатных предложений и ожиданий кандидата48.
Так, например, по данным HeadHunter за 2023 г., медианные
значения по зарплатным ожиданиям на 36 тыс. руб. выше, чем
предложение, у технических директоров, на 32 тыс. руб. –
у руководителей групп разработки, на 13 тыс. руб. – у менеджеров
продукта49.
61
и переключаться между ними. Яндекс, например, уже провел
два потока Школы AI-тренеров, участники которой научились
писать эталонные ответы, оценивать ответы модели и проверять
информацию в них на полноту и достоверность.
Исследования в области
На российских ученых пока что приходится не более 1% публично
В условиях доступных работ в области ИИ. Для сравнения: более 70%
снижения объема наиболее цитируемых исследований за 2022 г. приходились
совместных на ученых из США (Google, Meta54, Microsoft, Калифорнийский
исследований университет в Беркли, DeepMind, Стэнфордский университет).
и публикаций На фоне довольно значимого положения страны в сфере в целом
это говорит о слабой интегрированности отечественного научно-
с западными
исследовательского сообщества в мировую инфраструктуру.
лабораториями
В условиях снижения объема совместных исследований
возможно и публикаций с западными лабораториями данное положение
наращивать формирует базу для активного наращивания взаимодействия
взаимодействие со странами БРИКС и Глобального Юга, такими как Китай,
со странами ОАЭ, Саудовская Аравия, Сингапур и др. Учитывая активные
БРИКС и Глобаль- госинвестиции в решение проблемы дефицита кадров, подобный
ного Юга шаг может быстро изменить ситуацию и поддержать российский
подход к развитию ИИ. Благодаря федеральному проекту
«Искусственный интеллект» национального проекта «Цифровая
экономика» уже созданы шесть специальных исследовательских
центров на базе следующих образовательных и научных
организаций: Сколтех, ИТМО, Иннополис, НИУ ВШЭ, МФТИ
и ИСП РАН. Государственную поддержку, как ожидается,
получат около 1,2 тыс. стартапов. В российских вузах откроются
40 программ магистратуры и 10 программ бакалавриата
по искусственному интеллекту.
62
63
Это особенно критично для медицинской и финансовой отраслей,
данные в которых строго конфиденциальны, а доступ
к ним ограничен как законодательством, так и этическими
соображениями. Например, на март 2023 г. использование ChatGPT
и подобных систем было уже запрещено в JPMorgan, Citigroup,
Wells Fargo и в программном обеспечении ЦБ Ирландии, чтобы
не допустить утечек.
Этические риски
Несовершенство искусственного интеллекта
Этические риски отчасти связаны со спецификой самой технологии.
You
ChatGPT
Аргентина не выиграла чемпионат мира по футболу в 2022 году, потому что в финальном матче
они уступили сборной Франции. Этот матч был наполнен драматизмом и непредсказуемостью.
Аргентина вела в счете большую часть игры, но Франция смогла сравнять счет, благодаря
выдающейся игре своих ключевых игроков. В итоге, после ожесточенной борьбы и
дополнительного времени, победитель был определен в серии пенальти, где французы оказались
более удачливыми и точными.
Этот матч стал одним из самых запоминающихся в истории чемпионатов мира, демонстрируя
высокий уровень мастерства обеих команд и непредсказуемость футбола как спорта.
64
обеспечения достаточной репрезентативности, так и путем
модерации результатов работы систем ИИ.
65
Плохой промпт Хороший промпт Комментарии
66
чтобы вводные данные были искажены и выходные данные
не соответствовали им. Это может привести к некорректной
обработке данных моделью и, следовательно, к ошибочным
результатам. Последствия – распространение дезинформации,
фейковых новостей, нежелательных/вредоносных текстов.
Например, не так давно (в июне 2023 г.) пользователю удалось
взломать ChatGPT с помощью промпта и бесплатно получить ключи
активации для Windows 11; аналогичная «фишка» сработала и в Bard
от Google61.
Подходы к регулированию ИИ
в мире – выводы для России
На сегодняшний день более 60 стран, в числе которых и Россия,
а также некоторые международные организации уже утвердили
отдельные принципы и стандарты, регулирующие использование
и развитие искусственного интеллекта, например:
67
Однако широких, комплексных законов на данный момент
не принято. Наиболее известным проектом таких мер является
Акт ЕС об искусственном интеллекте, устанавливающий отдельные
меры в зависимости от уровня риска использования ИИ (одобрен
Европейским парламентом и ожидает утверждения Советом ЕС
в конце 2023 г.).
1 уровень
Общее регулирование,
основанное на соблюдении правил, норм, этики
2 уровень
Дополнительные меры
Возможные архетипы
1 2 3 4
Отсутствие Ограничения в отдельных Ограничительные Учет алгоритмов ИИ
дополнительного регули- отраслях и механизм меры в зависимости и проверка контента,
рования саморегулирования от риск-профиля систем используемого для
ИИ обучения моделей
68
— Первый уровень
Общее регулирование, применяемое во всех странах. Оно
основано на соблюдении правил, норм, этических принципов,
принципов добросовестной конкуренции и т. д. Наличие такого
типа общего регулирования позволяет осуществлять базовый
контроль за развитием ИИ в стране.
— Второй уровень
Дополнительные меры регулирования, позволяющие вводить
классификацию систем ИИ и вариативность мер в зависимости
от типа системы ИИ и принимаемых ею решений.
— Неприемлемый риск
Области, в которых запрещено внедрение систем ИИ, например
побуждение к опасному для здоровья поведению, нелегитимная
оценка и социальная классификация.
— Высокий риск
Области, в которых установлены дополнительные меры
регулирования, такие как уведомление компетентного органа
и регистрация в государственной базе. К ним относятся
образование, управление персоналом, государственные услуги
и т. д.
69
70
— Ограниченный риск
Области, в которых разрешено использование решений
генеративного ИИ и установлено требование к обязательному
маркированию результатов моделей, например, при генерации
изображений, видео и т. д.
Ярким представителем четвертого архетипа является Китай,
практикующий учет алгоритмов ИИ и разные механики проверки
контента, используемого для обучения базовых моделей.
В частности, все базовые модели генеративного ИИ в Китае
проходят сертификацию и получают разрешение от Администрации
киберпространства Китая на их использование.
71
автомобиля с помощью устройства Е-stop, чтобы выполнить
остановку (1-я категория), а также может диспетчеризировать
и маршрутизировать удаленно (2-я категория) (постановление
№ 30968).
72
Будущее технологии
искусственного интеллекта
в России и мире
Ускорение развития ИИ
С одной стороны, большие языковые модели будут становиться
более универсальными – научатся выполнять более широкий
спектр задач без дообучения.
73
GitHub Copilot, позднее появились Replit Ghostwriter и Amazon
Уже сейчас CodeWhisperer – продукты, способные сгенерировать код
намечается из обычного текстового комментария, описывающего работу
тренд функции, класса или скрипта, которые собирается написать
программист.
на узкоспециали-
зированные Однако технология движется дальше. Еще в марте 2023 г.
модели ИИ для Bloomberg выпустил BloombergGPT – языковую модель,
дообученную на архиве финансовых данных компании размером
отдельных
363 млрд токенов71. В планах Bloomberg интегрировать модель
отраслей в функции собственного ПО Terminal, чтобы пользователям
было проще ориентироваться в потоке финансовых новостей.
BloombergGPT более точно, чем неспециализированные
модели, отвечает на вопросы типа «Кто генеральный директор
компании Х?», оценивает, являются ли заголовки «медвежьими»
или «бычьими» для инвесторов, и делает обобщения на основе
коротких сообщений компаний. Китай также движется в этом
направлении: на пресс-конференции в июле 2023 г. Huawei
анонсировал Pangu Government Model, Pangu Railway Model, Pangu
Drug Molecule Model, Pangu Mining Model и др.72
Google, например, выпустил Med-PaLM 2 – для ее создания
исследователи дообучили PaLM 2 с 540 млрд параметров
с использованием данных медицинской отрасли, включая HIPAA
и другие международные стандарты конфиденциальности,
а также клинические заметки и данные. Полученная в результате
модель смогла сдать USMLE (United States Medical Licensing
Examination) – экзамен, который необходимо пройти, чтобы иметь
право работать врачом в США, – на 86,5% при необходимых
60%73. В целом медицина – одна из передовых для ИИ областей.
Для диагностики заболеваний уже существует ряд решений,
перспективное направление – drug discovery, один из самых
затратных и рискованных R&D-процессов с длительным (10–20 лет)
циклом разработки и тестирования. Еще в 2018 г. Google DeepMind
разработал AlphaFold – программу на базе ИИ, выполняющую
предсказания пространственной структуры белка.
74
Diffusion, или CoDi, – модель, которая может обрабатывать
и одновременно генерировать комбинации модальностей (текст,
изображение, видео и аудио) из любой комбинации входных
данных77. В августе 2023 г. Alibaba выпустила две модели –
Qwen-VL (Qwen Large Vision Language Model) и Qwen-VL-Chat,
способные работать как с текстом, так и с изображениями:
например, ответить на вопросы по фото или создать изображение
на основе представленных пользователем, совместить несколько
картинок или использовать стилистику одного изображения для
генерации персонажа с другого. Инсайдеры говорят о том, что
мультимодальные модели готовят к релизу и Google (Gemini),
и OpenAI (Gobi). OpenAI уже (в сентябре 2023 г.) выпустила GPT-4V –
версию GPT-4, способную также работать с изображениями,
например анализировать их.
Помимо классических модальностей Text-to-Image (из текста
в картинку) и Text-to-Text (из текста в текст), это и более сложные
концепции, например Text-to-Sentiment (из текста в эмоцию) или
физические модальности – топологическая и др. Работа с новыми
модальностями в совокупности, например, с методами квантовой
физики позволит перейти к решению гораздо более сложных
практических задач – синтезу материалов по заданным свойствам
(и определению свойств по заданному материалу), проведению
полноценных цифровых симуляций и экспериментов и др.
Эксперты полагают, будущее не за большими монолитными
Будущее моделями с рекордным количеством параметров, которые дороги
за мультиагент- как в обучении, так и в использовании, а за мультиагентными
системами – совокупностью нескольких небольших LLM-моделей,
ными системами
которые мы оркестрируем. Для мира технологий мультиагентные
с совокупностью системы – явление не новое, однако в области генеративного
нескольких ИИ тренд только набирает обороты. Так, например, в октябре
небольших 2023 г. Microsoft выпустил AutoGen – собственную библиотеку
LLM-моделей, Python с открытым исходным кодом, фреймворк для упрощения
оркестрации, оптимизации и автоматизации рабочих процессов LLM.
которые
Основная идея AutoGen – в создании агентов, которые являются
мы оркестрируем программными модулями, работающими на основе LLM. Эти агенты
взаимодействуют друг с другом через естественно-языковые
сообщения для выполнения различных задач. Например, один агент
выполняет задачи Code Assistant и генерирует код Python на основе
запросов пользователя, а второй агент выступает рецензентом
кода, устраняя в нем неточности и повышая его эффективность.
Некоторые агенты могут также иметь доступ к внешним
инструментам, подобно плагинам ChatGPT.
Еще одно направление развития – сценарии, в которых
искусственный интеллект существует не «в себе», а выходит
в физический мир и взаимодействует с окружающей средой,
выполняя конкретные команды: отправляет письма, бронирует
авиабилеты, вносит данные в CRM-систему. Такие задачи
инструменты на базе генеративного ИИ умеют выполнять уже
сейчас – с помощью коннекторов к сторонним приложениям.
Следующий шаг – это переход от сценария «Я выполняю прямые
команды пользователя» к сценарию «Я могу анализировать
результаты своей работы и ставить себе новые задачи».
В совокупности со способностью взаимодействовать с внешней
75
Для более чем
60%
сотрудников
развитие генеративного ИИ позволит
высвободить время за счет автоматизации
рутинных задач
76
средой такие инструменты выйдут на новый уровень полезности
и станут полноценными персональными ассистентами.
Демократизация ИИ
Некоторые ИИ-технологии уже прочно закрепились в нашей
жизни: например, распознавание изображений (номеров
автомобилей, штрихкодов и др.) и речи, хотя обе получили
активное коммерческое распространение сравнительно недавно.
Аналогичный сценарий развития, по мнению экспертов, ожидает
и технологии генеративного ИИ.
Технология в определенной степени уже прошла точку перелома:
она стала доступной непрофильным специалистам. Благодаря
таким инструментам, как ChatGPT, YandexGPT или GigaChat, любой
человек, не обладающий специальными знаниями в области
машинного обучения в машинном обучении, теперь может
использовать технологию в качестве ассистента для решения
рутинных задач. Со временем генеративный ИИ станет таким же
привычным, как персональный компьютер и доступ в интернет.
В ближайшем будущем генеративный ИИ имеет перспективы
стать основным интерфейсом поисковых систем, обеспечивая
более естественный и интуитивно понятный пользовательский
опыт. Microsoft уже встроил генеративный ИИ в Bing, Google
запустил эксперимент Search Generative Experience, а Яндекс начал
использовать свою нейросеть YandexGPT для создания быстрых
ответов в Поиске – пока в тестовом режиме.
Некоторые эксперты не исключают, что у каждого пользователя
может появиться цифровой индивидуальный помощник на базе
генеративного ИИ, без которого, как сейчас без телефона, будет
сложно обойтись.
При этом популярность технологии проявляется не только
в массовом использовании среди индивидуальных пользователей,
но и в ее распространении в прикладном поле – для решения
бизнес-задач. После бума ChatGPT многие компании начали активно
экспериментировать с технологией, но для того, чтобы назвать этот
тренд устойчивым, пока прошло недостаточно времени.
77
труда, эквивалентному росту мирового ВВП на 7%79. Более чем
для 60% сотрудников развитие генеративного ИИ станет скорее
плюсом, поскольку позволит высвободить их время за счет
автоматизации рутинных задач.
Кроме того, в ряде ситуаций искусственный интеллект скорее
выступает ускорителем и повышает эффективность сотрудника,
нежели заменяет его. Наконец, работу ИИ-систем необходимо
контролировать, и зачастую с этой задачей лучше всего
справляются специалисты, детально разбирающиеся в предметной
области. Один из основателей OpenAI Сэм Альтман утверждает:
«Языковые модели – это инструменты, а не существа. Они хорошо
выполняют задачи, но не работу».
Справедливо, что люди, которые правильно и эффективно
Люди, которые используют ИИ, будут более конкурентоспособны, чем те, кто
правильно игнорирует прогресс. Технология теперь всегда будет наступать
на пятки, поэтому концепция Lifelong Learning (непрерывного
и эффективно
обучения) становится как никогда актуальной.
используют ИИ,
будут более Искусственный интеллект повлияет на весь рынок труда в целом,
конкурентоспо- но в первую очередь – на области, где есть типовые действия,
не требующие индивидуальных решений. Благодаря развитию
собны, чем те, новых технологий и роботизации часть рутинных процессов – сбор,
кто игнорирует ввод и первичная обработка данных, типовой документооборот,
прогресс первичные коммуникации с клиентами, бухгалтерия – уже
автоматизированы. Это сокращает временные затраты
и позволяет сотрудникам сосредоточиться на более творческих
задачах. Для России такие перспективы скорее привлекательны;
с учетом прогнозируемого к 2030 г. дефицита кадров
в средне- и высококвалифицированных областях повышение
производительности труда сотрудников позволит сгладить
их потенциальную нехватку.
В краткосрочной перспективе генеративный искусственный
интеллект в большей степени повлияет на профессии,
относящиеся к так называемой категории белых воротничков. Это
представители творческих профессий (копирайтеры, дизайнеры,
сценаристы, маркетологи), преподаватели, юристы, разработчики,
менеджеры среднего звена, административный персонал и др.
Для большинства задач в этих областях применим генеративный
ИИ – например, сгенерировать рекламное изображение или
план лекции, сделать первичный скрининг резюме на вакансию
или суммаризировать несколько источников информации. Тем
не менее это приводит к трансформации профессий, а не к потере
их актуальности: как минимум контент, сгенерированный ИИ,
нужно дорабатывать, а как максимум увеличение эффективности
выполнения рутинных задач высвобождает время для решения
важных, но несрочных задач, стратегической, а не операционной
деятельности.
Набирают популярность не только профессии, связанные с ИТ
и машинным обучением. Среди актуальных областей – проджект-
и продакт-менеджмент. Это закономерно: рынок нуждается
в специалистах, которые способны создавать и управлять
продуктами с использованием передовых технологий.
78
Ответственный ИИ
Чем более популярной становится технология, тем более
возрастает значимость вопросов этики. Этические риски,
связанные с природой генеративных моделей, скорее всего,
никуда не исчезнут. Вероятность галлюцинаций в ближайшие
5–10 лет будет неуклонно снижаться, но не опустится до 0%,
как и возможности перехвата работы модели, хотя взломать
модели станет сложнее. По мере развития генеративного ИИ
результаты работы текстовых и графических моделей все сложнее
будет отличить от созданных человеком. Возможно, в будущем
в браузерах появятся плагины, предсказывающие вероятность того,
что текст или изображение – результат работы нейросети. Правда,
пока детекторы текстового ИИ-контента не справляются со своей
задачей: в июле 2023 г. OpenAI закрыла выпущенный в январе того
же года AI Classifier – инструмент для выявления сгенерированного
ИИ-контента – в связи с низкой точностью80.
79
и внедрять решения на базе ИИ. Учитывая прогнозируемый дефицит
кадров на рынке труда, резонно усиливать работу с талантами
на самых ранних этапах – на базе профильных университетских
кафедр, курсов дополнительного образования при компаниях и др.
80
81
Примечания
1. Часть оценок рынка в условиях ограниченной информации предполагает иную методологию и потому может
значительно отличаться от представленной выше: так, по данным МФТИ (https://ict.moscow/research/almanakh-ii-12-
indeks-2022-goda), рынок ИИ в РФ составляет 650 млрд руб., однако в эту оценку включается общая выручка всех
компаний, продающих ИИ-решения.
2. Собственная оценка «Яков и Партнёры», основанная на анализе данных по выручке более 300 российских компаний
и оценке доли ИИ в их выручке.
3. https://ourworldindata.org/grapher/supercomputer-power-flops
4. https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf
5. https://www.gartner.com/en/newsroom/press-releases/2021-10-18-gartner-identifies-the-top-strategic-technology-
trends-for-2022
6. https://www.goldmansachs.com/intelligence/pages/ai-investment-forecast-to-approach-200-billion-globally-by-2025.
html
7. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022-and-a-half-decade-in-
review#review
8. https://yakov.partners/publications/ceo-barometer-report/
11. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-
productivity-frontier
12. Для прогнозирования мирового рынка ИИ использовались данные отчетов международных исследовательских
компаний – Bloomberg, KPMG, Statista, Spherical Insights, FnF Research, Acumen Research, Fortune Business Insights,
Precedence Research, Allied Market Research и др.
13. https://www.precedenceresearch.com/artificial-intelligence-market
14. https://www.tortoisemedia.com/intelligence/global-ai/#data
15. https://www.goldmansachs.com/intelligence/pages/ai-investment-forecast-to-approach-200-billion-globally-by-2025.
html
16. Под потенциалом подразумевается увеличение выручки или сокращение издержек компаний. Для расчета
использовались оценки роста совокупной выручки различных отраслей экономики России и потенциал эффекта
в процентах от выручки как от традиционного, так и от генеративного ИИ.
82
18. Часть оценок рынка в условиях ограниченной информации предполагает иную методологию и потому может
значительно отличаться от представленной выше: так, по данным МФТИ, рынок ИИ в России составляет 650 млрд
руб., однако в эту оценку включается общая выручка всех компаний, продающих ИИ-решения.
19. Собственная оценка «Яков и Партнёры», основанная на анализе данных по выручке более 300 российских компаний
и оценке доли ИИ в их выручке.
20. https://learn.microsoft.com/en-us/semantic-kernel/prompt-engineering/llm-models
21. https://www.makeuseof.com/gpt-models-explained-and-compared/
22. https://the-decoder.com/gpt-4-has-a-trillion-parameters/
23. Справочно: количество данных, на которых обучаются генеративные модели, как и объем информации, которую
модель обрабатывает на вход, обычно измеряются в токенах. Токен может быть отдельным символом, слогом,
словом, словосочетанием или частью предложения. Поменять предложение на следующее: Например, в английском
языке примерно одной тысяче токенов будет эквивалентен текстовый документ из 700–750 слов, а в русском языке –
из 150.
25. https://www.scmp.com/tech/tech-trends/article/3210086/beijing-leads-china-most-number-ai-firms-nations-capital-
pledges-support-developing-chatgpt-services?module=inline&pgtype=article; https://techwireasia.com/2023/07/
generative-ai-is-progressing-well-in-china/
26. https://www.cbinsights.com/research/generative-ai-funding-top-startups-investors/
27. https://www.cbinsights.com/research/report/ai-trends-q2-2023/
28. https://techcrunch.com/2023/05/23/anthropic-raises-350m-to-build-next-gen-ai-assistants/
29. https://www.reuters.com/technology/ai-startup-cohere-raises-270-mln-nvidia-backed-funding-round-2023-06-08/
30. https://youtu.be/lr87yrvK86w?si=FcrnMNPEm9UTuV_5
31. https://economictimes.indiatimes.com/industry/services/advertising/google-ads-introduces-auto-generated-
advertisement-tool-using-generative-ai/articleshow/102265446.cms?from=mdr
32. https://workspace.google.com/solutions/ai/
34. https://moskva.mts.ru/about/media-centr/soobshheniya-kompanii/novosti-mts-v-rossii-i-mire/2023-07-26/mts-
razrabatyvaet-nejroset-dlya-programmistov-software-20
35. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-
productivity-frontier#business-value
36. https://yakov.partners/publications/money-talks-to-talent/
37. https://yakov.partners/publications/u-turn-in-the-labor-market/
38. https://www.comnews.ru/content/228259/2023-08-21/2023-w34/deficit-it-prodolzhenie-temy
39. https://www.kommersant.ru/doc/6082034
40. https://www.sequoiacap.com/article/generative-ai-act-two/
41. https://arxiv.org/pdf/2302.13971.pdf
42. https://www.nbcnews.com/tech/tech-news/meet-10000-nvidia-chip-powering-race-rcna72155
43. https://www.wired.com/story/openai-ceo-sam-altman-the-age-of-giant-ai-models-is-already-over/
44. https://mpost.io/gpt-4s-leaked-details-shed-light-on-its-massive-scale-and-impressive-architecture/
45. https://www.theinformation.com/articles/microsoft-readies-ai-chip-as-machine-learning-costs-surge
46. https://www.reuters.com/technology/why-are-nvidias-shares-soaring-what-is-its-role-ai-boom-2023-05-25/
47. https://www.forbes.com/sites/karlfreund/2023/06/30/is-the-amd-gpu-better-than-we-thought-for-ai/?sh=45dba0af31af
48. https://hhcdn.ru/file/17623409.pdf
83
49. https://hhcdn.ru/file/17623409.pdf
50. https://iz.ru/1590742/2023-10-17/vk-education-otkryvaet-nabor-v-proforientatcionnuiu-laboratoriiu-dreamlab-dlia-
shkolnikov
51. https://21-school.ru/
52. https://www.udemy.com/course/chatgpt-prompt-engineering-for-beginners/
53. https://www.codecademy.com/learn/prompt-engineering-with-chat-gpt
55. https://epochai.org/blog/will-we-run-out-of-ml-data-evidence-from-projecting-dataset
56. https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-
showed-bias-against-women-idUSKCN1MK08G
57. https://www.reuters.com./technology/google-ai-chatbot-bard-offers-inaccurate-information-company-ad-2023-02-08/
58. https://trends.rbc.ru/trends/innovation/63f6205a9a794766a144714a
60. https://fortune.com/2023/08/01/can-ai-chatgpt-hallucinations-be-fixed-experts-doubt-altman-openai
61. https://www.digitaltrends.com/computing/chatgpt-generates-free-windows-11-keys/
62. ГОСТ Р 59276-2020. Национальный стандарт Российской Федерации. Системы искусственного интеллекта. Способы
обеспечения доверия. Общие положения (утержден и введен в действие Приказом Росстандарта от 23.12.2020
N 1371-ст)
64. Рекомендация Совета по искусственному интеллекту, принятая Советом ОЭСР на уровне министров 22 мая 2019 г.
67. Федеральный закон от 31.07.2020 г. № 258-ФЗ «Об экспериментальных правовых режимах в сфере цифровых
инноваций в Российской Федерации».
68. Постановление Правительства РФ от 09.03.2022 г. № 309 «Об установлении экспериментального правового режима
в сфере цифровых инноваций и утверждении Программы экспериментального правового режима в сфере цифровых
инноваций по эксплуатации высокоавтоматизированных транспортных средств».
69. https://mintrans.gov.ru/press-center/news/10435
70. https://www.mos.ru/news/item/107729073/
71. https://www.bloomberg.com/company/press/bloomberggpt-50-billion-parameter-llm-tuned-finance/
72. https://www.huaweicloud.com/eu/news/20230707180809498.html
73. https://sites.research.google/med-palm/
74. https://3dnews.ru/1082777/publikatsiya-1082777
77. https://www.maginative.com/article/new-research-from-microsoft-teases-next-level-multimodal-generative-ai-
capabilities/
78. https://www.bloomberg.com/news/articles/2023-04-30/tech-ai-driving-job-changes-for-nearly-a-quarter-of-all-
workers?srnd=economics-v2
79. https://www.ft.com/content/7dec4483-ad34-4007-bb3a-7ac925643999
80. https://www.theverge.com/2023/7/25/23807487/openai-ai-generated-low-accuracy
84
Искусственный интеллект в России – 2023: тренды и перспективы
Контент и аналитика отчета подготовлены
консалтинговой компанией «Яков и Партнёры»:
Александр Громов, заместитель генерального директора
Максим Болотских, директор
Марина Дорохова, руководитель проектов
Федор Чемашкин, СТО Digital
Анна Ларионова, консультант
Иван Серов, консультант
Никита Власов, консультант
Яков Коган, консультант
media@yakov.partners
www.yakov.partners
85
2023 © Все права защищены
Яков и Партнёры
www.yakov.partners
YakovPartners
Yakov.Partners
Yakov-Partners
86