Что государству делать с нейросетями
В последние месяцы общественность активно обсуждает возможности и риски развития искусственного интеллекта (ИИ), особенно генеративных нейросетей. Нашумевшие GPT-4 и MidJourney умеют разрабатывать код, писать обзоры и отвечать на вопросы, рисовать картинки. Однако у экспертов нет единого мнения, как дальше будут развиваться нейросети и, соответственно, как их регулировать. Палитра мнений обширна — от весьма прагматических до ярких футурологических, причем как позитивных, так и негативных.
Для начала разберемся с алармизмом. В 2015 году философ Ник Бостром представил такую аналогию: каждое изобретение — это бильярдный шар, который человечество вытаскивает вслепую из некоего мешка. Есть белые шары — условно полезные изобретения, такие как письменность, пенициллин, двигатель внутреннего сгорания и интернет. Есть красные шары — опасные изобретения, которые могут причинить много вреда, среди них порох, ядерное оружие, генетическое редактирование смертельно опасных вирусов. Наконец, черные шары — изобретения, после которых жизнь на Земле полностью прекратится. Из мыслимых технологий, которые могут стать черными шарами, пока известно две — сильный искусственный интеллект философа Джона Серла и «серая слизь» нанороботов футуролога Эрика Дрекслера. Практически все философы, рассуждающие на тему искусственного интеллекта, жонглируют этими двумя темами, рисуя апокалипсис через появление сильного ИИ, который захватит мир с помощью придуманных им же нанороботов.
О генеративных нейросетях важно знать следующее: они решают задачу подбора наиболее вероятных слов и не содержат в себе ни одного из инструментов сильного ИИ. Ни инструментов планирования своей деятельности, ни инструментов обучения решению новых задач, ни механики освоения новых инструментов. Генеративные нейросети не могут освоить широко обсуждаемый философами навык манипулирования людьми.
Возникает закономерный вопрос, почему же такой ажиотаж в интернете вокруг нейросетей. Ответ, на мой взгляд, очевиден: мы наконец научились хорошо программировать системы по навыку общения, который в 1950 году Алан Тьюринг прямо связал с разумным компьютером, формулируя свой знаменитый «Тест Тьюринга». Вместе с тем возможность подражать человеку в разговоре либо интеллектуально смешивать большое количество различных фактов, местами перевирая их, не определяет интеллект, а является его следствием.
При этом не стоит отрицать и полезность больших языковых моделей. Люди тратят много времени на поиск, анализ и синтез информации. Большие языковые модели, согласно проведенным исследованиям, уже сейчас способны вдвое сократить время разработки нового ПО, например, при использовании CoPilot, обученного на основе GitHub. А значит, бизнес, который преуспеет во внедрении генеративных нейросетей, получит дополнительные преимущества и будет более успешным.
Давайте подумаем, какой эффект может иметь для экономики развитие и использование генеративных нейросетей. Ежегодно миллиарды оплачиваемых компаниями и государством человеко-часов тратятся на аналитический маркетинг, работу юристов, экономистов, на проведение поисковых и аналитических исследований в науке. Нейросети позволяют в разы увеличить продуктивность этих человеко-часов и таким образом снизить транзакционные издержки — это существенный фактор конкуренции не только между компаниями, но и между юрисдикциями.
По моим прогнозам, через пять лет благодаря генеративным нейросетям можно будет высвободить более 11 млрд человеко-часов в год. Это значит, что, если мы оцениваем один человеко-час в 1 тыс. руб., — экономическая эффективность от использования нейросетей превысит 7% ВВП. Таков прирост эффективности в сфере интеллектуального труда, и такова цена, которую заплатит бизнес — за отставание и слишком медленное внедрение технологий — либо граждане, тратя дополнительные человеко-часы своего времени на получение результатов, которые можно быстрее получать с помощью разнообразных «вторых пилотов».
Государственное регулирование может помочь разработчикам интеллектуальных систем на основе больших языковых моделей не отставать в технологиях, можно акцентировать внимание на двух направлениях — объединение ресурсов и доступность готовых больших языковых моделей как для независимого тестирования, так и создания сервисов для конечного потребителя.
С учетом санкционных ограничений на ввоз в Россию высокопроизводительной электроники необходимо стимулировать вовлечение незагруженных вычислительных мощностей в проекты по расчету параметров больших языковых моделей.
Конечный пользователь этих моделей должен понимать их способности и возможность применения для поиска ответов на те или иные вопросы. То есть доступность систем для тестирования также принципиально важна как для заказчиков, так и для самих разработчиков.
Большинство продуктов для конечных пользователей создаются небольшими командами разработчиков — технологическими стартапами, которые в последующем вырастают в «единорогов» либо поглощаются крупными технологическими компаниями с агрессивной продуктовой политикой. С учетом крайне высокой стоимости создания своих собственных больших языковых моделей создание новых продуктов на их основе сегодня полностью зависит от доступа к ним. Важно применять меры налогового стимулирования, льготные тарифы на электроэнергию для центров обработки данных (ЦОД) для тех игроков рынка, которые обеспечат такую доступность.
Кроме того, для ускорения трансформации общества и выработки новых механизмов использования этих прорывных технологий необходимо оперативно запустить процессы изменения квалификационных требований для россиян, которые работают с информацией. Речь идет прежде всего о праве, экономике, журналистике, науке, образовании и других креативных и творческих профессиях. Необходимо сделать навык работы с большими языковыми моделями в качестве пользователя столь же обязательным, как навык работы с профильным офисным ПО.
Реализация предложенных мер помогла бы существенно ускорить развитие технологии, обеспечивала бы ее внедрение в бизнес-процессы и соответствующий экономический эффект.
Помимо этого, в России уже запущены разнообразные государственные меры поддержки, которые призваны простимулировать бизнес использовать передовые ИИ-технологии. Например, фонд «Сколково» благодаря федеральному проекту «Искусственный интеллект» национального проекта «Цифровая экономика» выделяет гранты от 20 млн до 100 млн руб. компаниям, которые внедряют отечественные решения на базе ИИ. Потратить деньги можно на пилотные проекты с применением искусственного интеллекта для совершенствования продуктов, сервисов и платформенных решений.
