ChatGPT - это только начало; впереди – корпоративное использование генеративного ИИ. За последние три года венчурные компании инвестировали более 1,7 миллиарда долларов в генеративные решения для искусственного интеллекта, причем наибольшее финансирование получили разработки лекарств с поддержкой искусственного интеллекта и кодирование программного обеспечения с использованием искусственного интеллекта. “Ранние модели фонда, такие как ChatGPT, фокусируются на способности генеративного ИИ усиливать творческую работу, но к 2025 году мы ожидаем, что более 30% — по сравнению с сегодняшним нулем — новых лекарств и материалов будут систематически открываться с использованием методов генеративного ИИ”, — говорит Брайан Берк, вице-президент по исследованиям в области технологических инноваций в Gartner. “И это лишь один из многочисленных примеров использования в промышленности”.

Пять отраслевых примеров использования генеративного ИИ

Генеративный ИИ может исследовать множество возможных дизайнов объекта, чтобы найти правильный или наиболее подходящий вариант. Это не только дополняет и ускоряет дизайн во многих областях, но и обладает потенциалом для “изобретения” новых дизайнов или объектов, которые люди могли бы пропустить в противном случае. Маркетинг и средства массовой информации уже ощущают влияние генеративного ИИ. Gartner ожидает:

• К 2025 году 30% исходящих маркетинговых сообщений от крупных организаций будут генерироваться синтетически, по сравнению с менее чем 2% в 2022 году.
• К 2030 году выйдет крупный блокбастер, в котором 90% фильма будет сгенерировано искусственным интеллектом (от текста до видео), по сравнению с 0% таких фильмов в 2022 году.

Тем не менее инновации в области искусственного интеллекта, как правило, ускоряются, создавая многочисленные варианты использования генеративного ИИ в различных отраслях, включая следующие пять.

№ 1: Генеративный ИИ в разработке лекарств

Исследование, проведенное в 2010 году, показало, что средняя стоимость доставки лекарства от открытия до выхода на рынок составила около 1,8 миллиарда долларов, из которых затраты на открытие лекарства составляли около трети, а процесс открытия занял целых три-шесть лет. Генеративный ИИ уже использовался для разработки лекарств для различных целей в течение нескольких месяцев, предлагая фармацевтическим компаниям значительные возможности для сокращения как затрат, так и сроков разработки лекарств.

№ 2: Генеративный искусственный интеллект в материаловедении

Генеративный ИИ оказывает влияние на автомобильную, аэрокосмическую, оборонную, медицинскую, электронную и энергетическую отрасли, создавая совершенно новые материалы, ориентированные на конкретные физические свойства. Процесс, называемый обратным проектированием, определяет требуемые свойства и обнаруживает материалы, которые, вероятно, будут обладать этими свойствами вместо того, чтобы полагаться на интуицию. Результатом является поиск, например, материалов, обладающих большей проводимостью или магнитным притяжением, чем те, которые в настоящее время используются в энергетике и транспорте, или для случаев использования, когда материалы должны быть устойчивы к коррозии.

№ 3: Генеративный ИИ в дизайне чипов

Генеративный ИИ может использовать обучение с подкреплением (метод машинного обучения) для оптимизации размещения компонентов при проектировании полупроводниковых чипов (floorplanning), сокращая время жизненного цикла разработки продукта с недель с человеческими экспертами до часов с генеративным ИИ.

№ 4: Генеративный ИИ в синтетических данных

Генеративный ИИ - это один из способов создания синтетических данных, которые представляют собой класс данных, полученных в результате прямых наблюдений за реальным миром без определения конкретных источников этих данных. Например, медицинские данные могут быть искусственно сгенерированы для исследований и анализа без раскрытия личности пациентов, чьи медицинские записи использовались для обеспечения конфиденциальности.

№ 5: Генеративный дизайн деталей

Генеративный ИИ позволяет отраслям промышленности, включая обрабатывающую, автомобильную, аэрокосмическую и оборонную, разрабатывать детали, оптимизированные для удовлетворения конкретных целей и ограничений, таких как производительность, материалы и методы производства. Например, автопроизводители могут использовать генеративный дизайн для создания более легких конструкций, способствуя достижению своих целей по повышению топливной экономичности автомобилей. Большинство систем искусственного интеллекта сегодня являются классификаторами, что означает, что их можно обучить различать изображения собак и кошек. Генеративные системы искусственного интеллекта можно обучить генерировать изображение собаки или кошки, которого не существует в реальном мире. Способность технологий к творчеству меняет правила игры. Генеративный ИИ позволяет системам создавать ценные артефакты, такие как видео, повествование, обучающие данные и даже проекты и схемы.

Внедрение правильных технологий для развертывания генеративного искусственного интеллекта

Например, генеративный предварительно обученный трансформер (Generative Pre-trained Transformer – GPT) - это крупномасштабная технология естественного языка, которая использует глубокое обучение для создания текста, похожего на человеческий. Третье поколение (GPT-3), которое предсказывает наиболее вероятное следующее слово в предложении на основе усвоенного опыта, может писать рассказы, песни и стихи и даже компьютерный код — и позволяет ChatGPT выполнять 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 целый ряд методов искусственного интеллекта, используемых для генеративного искусственного интеллекта, но совсем недавно в центре внимания оказались базовые модели. Базовые модели проходят предварительную подготовку на основе общих источников данных в режиме самоконтроля, которые затем могут быть адаптированы для решения новых задач. Базовые модели основаны в основном на архитектурах Transformer, которые воплощают тип архитектуры глубокой нейронной сети, вычисляющей числовое представление обучающих данных. Архитектуры Transformer изучают контекст и, следовательно, значение, отслеживая взаимосвязи в последовательных данных. Модели-трансформеры применяют развивающийся набор математических методов, называемых вниманием или самоконтролем, для обнаружения тонких способов, которыми даже удаленные элементы данных в ряду влияют друг на друга и зависят от них.

Не забывайте о рисках генеративного ИИ

Прежде чем двигаться вперед на полной скорости, помните, что генеративный ИИ предоставляет не только возможности для бизнеса; угрозы также реальны, включая возможность глубоких подделок, проблем с авторскими правами и других злонамеренных способов использования технологии генеративного ИИ для вашей организации. Работайте с лидерами в области безопасности и управления рисками, чтобы активно снижать репутационные риски, риски контрафакции, мошенничества и политические риски, которые представляет собой злонамеренное использование генеративного ИИ для отдельных лиц, организаций и правительств. Также рассмотрите возможность внедрения руководства по ответственному использованию генеративного ИИ с помощью составленного списка утвержденных поставщиков и услуг, уделяя приоритетное внимание тем, которые стремятся обеспечить прозрачность учебных наборов данных и надлежащего использования моделей и / или предлагают свои модели с открытым исходным кодом.

Статья Джеки Уайлс опубликована на сайте Gartner