Навигация по ландшафту ИИ в 2024 году: тренды, прогнозы, возможности. Часть 2



Книга Навигация по ландшафту ИИ в 2024 году: тренды, прогнозы, возможности. Часть 2



Первая часть статьи.


8. Стремление потребителей и регулирующих органов к дальнейшей демократизации ИИ


Наряду со стремлением к большей доступности и инклюзивности ИИ, остаются проблемы, связанные со сложностью и затратностью разработки базовых моделей ИИ. Эта двойственность создает почву для повышения требований общественности к прозрачности и этическому надзору в области ИИ.


Закон ЕС об искусственном интеллекте: предполагаемые уровни риска. Источник: EY

Озабоченность по поводу конфиденциальности и влияния ИИ на общество побуждает потребителей и регулирующие органы, особенно в ЕС, где GDPR (general data protection regulation  —  общий регламент по защите данных) стал катализатором современных законов о конфиденциальности данных, выступать за усиление контроля над ИИ. В этом году мы ожидаем увидеть успехи в создании структур для аудита моделей ИИ, стандартизации точности и введения “табелей успеваемости” для систем ИИ, но впереди еще долгий путь.


Соответствуют ли поставщики базовых моделей требованиям законопроекта ЕС об искусственном интеллекте? Источник: Stanford CRFN (Стэнфордский центр исследований базовых моделей)

Управление рисками в сфере ИИ станет еще более актуальным. Предприятиям придется считаться с тем фактом, что ИИ становится не только инструментом для инноваций, но и объектом пристального внимания со стороны регулирующих органов. Появятся единые структуры и стандарты, нацеливающие предприятия на ответственное внедрение ИИ и гарантирующие безопасность и эффективность интеграции ИИ в общество.





9. Приближение новой эры маркетинговых стратегий с использованием ИИ


Сфера маркетинга, традиционно занимающая львиную долю бюджетов предприятий, переживает преобразование. Катализатором его стал рост числа инструментов, основанных на чате, таких как ChatGPT. Эти инновации могут привести к заметному снижению количества традиционных поисковых запросов, в корне меняя способы взаимодействия потребителей с информацией.


/media/27e7a014b64743919c8b894c4bf9dc94Обсуждение и статистика в поисковых системах и ChatGPT. Источник: Twitter, Greg Sterling


В этом развивающемся сценарии маркетологи оказались на распутье. Возможность влиять на упоминания бренда в диалогах, управляемых ИИ, или отслеживать их, все еще находится на стадии зарождения. В связи с этим растет тенденция к адаптации маркетинговых стратегий к сфере генеративного ИИ. Такая адаптация предполагает стратегическую опору на традиционные СМИ в краткосрочной перспективе, используя их охват и влияние для создания и поддержания присутствия бренда.


Одновременно мы наблюдаем значительные изменения в технологическом ландшафте. Переход от браузерных инструментов к приложениям на устройствах набирает обороты. Ведущими в этом направлении являются такие инновации, как Microsoft Co-Pilot, Google Bard на таких устройствах, как Android, и ожидаемый запуск собственной LLM от Apple в 2024 году. Переход от веб-инструментов к приложениям свидетельствует о смене парадигмы от веб-ориентированного взаимодействия к более интегрированному, основанному на устройствах опыту ИИ.


Выпуск нового компьютера Surface X от Microsoft ожидается в 2024 году. Источник: Microsoft

Наметившаяся тенденция выходит за рамки простого удобства. Она знаменует фундаментальное изменение парадигмы взаимодействия с пользователем. По мере того как ИИ все более органично интегрируется в устройства, различие между взаимодействием онлайн и оффлайн становится все более размытым. Пользователи, скорее всего, будут взаимодействовать с ИИ в более личных, контекстно-зависимых средах, что приведет к более органичному и увлекательному пользовательскому опыту. А это значит, что технологическим гигантам, таким как Google, Microsoft и Apple, уже закрепившимся в мире маркетинговых услуг, стоит пересмотреть свои предложения.


ChatGPT хочет знать больше о своем пользователе. Источник: Винсент Коч и OpenAI ChatGPT

Следует ожидать появления новых платформ “аналитики ответов” и операционных моделей в маркетинге для поддержки оптимизации системы ответов. Эти инструменты, вероятно, будут сосредоточены на понимании и использовании нюансов взаимодействия, управляемого искусственным интеллектом. При этом они смогут более эффективно использовать обучающие данные, чтобы понять, как лучше представить результаты по конкретному бренду или продукту.


Диджитал-маркетологи, ранее задумавшиеся о продвижении в поисковых системах, начнут уделять больше внимания индексации в обучающих массивах данных.


Скриншот со списком топовых доменов, ставших доступными благодаря Common Crawl. Набор данных, используемый для LLM

Более того, потенциальный запуск результатов, спонсируемых рекламой, или инструментов измерения медиапоказателей на таких платформах, как OpenAI, может привнести новое измерение в цифровую рекламу. Эти разработки не только откроют новые возможности для продвижения брендов, но и бросят вызов существующим стратегиям цифрового маркетинга, что потребует переоценки показателей и методологий оценки ROI (рентабельности инвестиций).


С переходом пользователей LLM на устройства и отходом их от традиционных веб-интерфейсов маркетинговый ландшафт ждут значительные изменения. Маркетологи должны адаптироваться к ним, используя как традиционные медиа, так и новые технологии ИИ, чтобы эффективно взаимодействовать со своей аудиторией в новую цифровую эпоху. Такой двойной подход, сочетающий воздействие традиционных медиа с точностью аналитики на основе ИИ, вполне может стать ключом к успеху в быстро меняющемся маркетинговом ландшафте 2024 года.





10. Повышение важности принципа “мусор на входе  —  мусор на выходе”


По мере того как организации все чаще используют генеративные модели ИИ и разрабатывают собственные решения, внимание к качеству исходных данных резко падает. Классический подход к управлению данными “мусор на входе  —  мусор на выходе” снова ставится во главу угла, поскольку качество данных вновь становится актуальным.


Мировой тренд в области качества данных. Источник: Google Trends

Организации и руководители сталкиваются с суровой реальностью: высококачественные, точно маркированные данные  —  краеугольный камень эффективного внедрения ИИ. Дело не только в наличии данных, но и в их релевантности, точности и контекстуальности. Проблемы предвзятости и неверно подобранные обучающие данные могут обернуться катастрофой для результатов работы модели.


В ряде обучающих данных, используемых LLM, были обнаружены различные погрешности. Источник: Bias and Fairness in Large Language Models: A Survey — arxiv

Однако на этом проблемы не заканчиваются. Существующие технологии работы с данными и ИИ, ранее считавшиеся адекватными, теперь оказываются на грани приемлемого. Их несостоятельность часто обнаруживается в столкновении со специфичными требованиями продвинутых моделей ИИ. При таком разрыве между возможностями и требованиями необходима эволюция инструментов и методологий обработки данных.



В отчете за 2023 год Data Integrity Trends and Insights (“Тенденции и анализ целостности данных”) низкое качество данных рассматривается как актуальная тема для многих организаций из разных отраслей: 70% тех, кто не доверяет своим данным, называют качество данных самой большой проблемой для принятия уверенных решений.



Кроме того, стремление к совершенству ИИ сопряжено со множеством логистических трудностей. Интенсивные вычислительные мощности, необходимые для сложных моделей ИИ, обусловливают значительный спрос на графические процессоры.


Мем, изображающий “нехватку GPU”

Дело не только в наличии финансовых возможностей для инвестиций в оборудование, но и в доступности этих ресурсов на рынке. По мере того как все больше игроков выходят на арену ИИ, борьба за графические процессоры усиливается. Это приводит к узким местам в разработке и внедрении ИИ, что еще больше усложняет способность организаций адаптироваться к нормальной ситуации в области ИИ.


В 2024 году мы станем свидетелями повышенного внимания к качеству данных и совершенствованию инфраструктуры, что определит траекторию развития ИИ.





11. Превращение специализированных небольших базовых моделей в обычное явление


2024 год вполне может стать годом небольших базовых моделей. Эти специализированные, созданные для определенных целей модели ИИ займут центральное место, превзойдя по эффективности и точности свои генерализованные аналоги.


Сейчас у организаций есть возможность использовать легко обучаемую генерализованную большую языковую модель, такую как OpenAI GPT, Google Bard и Anthropic Claude [на диаграмме ниже приведены обученные с подкреплением (RL) модели], или рискнуть создать собственную.


Этапы эволюции LLM — от научного доклада InstructGPT до создания ChatGPT. Изображение в адаптированном виде взято из статьи Чипа Хуйена “RLHF: Обучение с подкреплением на основе фидбэка от человека”. Источник: Argilla

Можно, используя тонкую настройку, обучить базовую языковую модель выполнять новые функции (как, например, при тонкой настройке, можно заставить автомобиль ехать быстрее) или углубиться в разработку собственных базовых моделей в целом.


Пользовательская модель GPT, созданная Open AI для предприятий. Источник: OpenAI

Для создания генерализованной модели, такой как GPT со 100 млрд параметров (или “переключателей” в программировании модели), потребуется до $4 млн. Недавно компания OpenAI начала предлагать корпоративным заказчикам услугу “создание собственного GPT” по цене $2–3 млн.


Организации, которые либо разработали собственные базовые модели, либо доработали готовые под свои случаи использования, будут иметь все шансы на успех. Такой подход соответствует правилу 80:20, в соответствии с которым основное внимание уделяется небольшим специализированным моделям, отвечающим конкретным потребностям, а не попыткам привлечь внимание широкой публики с помощью обобщенных решений.


Истинная ценность для организаций заключается в возможности разработки специализированных моделей для отдельных задач. Такие модели не только обеспечивают более высокую точность и актуальность, но и открывают новые возможности для монетизации. В мире, где все большее значение приобретают индивидуальные потребности, специализированные модели становятся бесценным активом, предлагая эффективные и экономически выгодные решения.


Более того, наблюдается тенденция отказа от использования исключительно крупных моделей общего назначения, поскольку они не вполне подходят для решения любых задач. Многие организации на основе этих генерализованных моделей создают решения, выступающие в роли “тонких оберток”, предлагая ограниченный набор возможностей для настройки и масштабирования. Хотя такие решения могут стать шагом вперед, они вряд ли обеспечат ту долгосрочную ценность, которую может дать разработка собственных моделей.


Генерализованная модель для прогнозирования доступности и качества продуктов. Источник: Sequioa Capital

Бенефициарами в этом меняющемся ландшафте станут те, кто инвестирует в разработку собственных генерализованных моделей или небольших базовых моделей, предназначенных заполнить пробелы в общем спектре возможностей. Такая стратегия не только повышает точность и эффективность ИИ, но и снижает накладные расходы. Небольшие модели не только дешевле в эксплуатации, но и быстрее адаптируются и легче управляются.



Это приводит к реализации концепции “общей стоимости моделирования”, согласно которой выгоды от разработки и поддержки небольших целевых моделей перевешивают первоначальные инвестиции, предлагая более устойчивый и экономически эффективный подход в долгосрочной перспективе.



Заглядывая в 2024 год, мы видим, что способность создавать и использовать небольшие базовые модели станет ключевым отличием на конкурентном рынке ИИ. Этот сдвиг знаменует собой значительное продвижение к более персонализированным, эффективным и экономически обоснованным решениям в области ИИ.





12. Появление маркетплейсов для агентов ИИ


Маркетплейсы ИИ становятся адаптивными и отзывчивыми платформами, меняя наше представление о технологических сделках и взаимодействии.


Маркетплейс GPT Store, запущенный OpenAI в 2024 году. Источник: OpenAI

Компания OpenAI готова представить долгожданный “маркетплейс GPT” в начале 2024 года, установив новую планку на арене ИИ. Ожидается, что этот шаг откроет шлюзы, и другие технологические гиганты поспешат последовать примеру OpenAI. Мы можем стать свидетелями того, как множество игроков, от признанных гигантов, таких как Amazon, Apple и даже Bytedance, до развивающихся стартапов, будут осваивать рынок ИИ.


Но эффект от этой революции наверняка выйдет за рамки традиционных технологических компаний. С развитием автономных агентов и активным распространением носимых смарт-девайсов снова наступает час пик для Apple iPhone и App Store. Разработчики увидят в этом золотую лихорадку возможностей.


На данном этапе преобразований феномен маркетплейсов ИИ расширяет свой охват от B2B- до B2C-сектора (B2B  —  бизнес для бизнеса, B2C  —  бизнес для потребителя). Скорее всего, мы увидим, как различные игроки пробуют свои силы в этом направлении, и каждый из них будет предлагать уникальные ценностные предложения. Спектр предложений на этих рынках  —  от потребительских приложений ИИ до решений корпоративного уровня  —  будет удовлетворять самые разные потребности и устремления.





13. Выход продуктов ИИ за рамки модели SaaS



Модель SaaS (software as a service) подразумевает предоставление в пользование программного продукта за абонентскую плату.



С распространением маркетплейсов и инструментов ИИ традиционные стратегии ценообразования подвергаются переоценке, освобождая место для инновационных подходов, учитывающих уникальную природу услуг ИИ.


Компании, формирующие ценообразование на основе потребления услуг. Источник: Open Venture Partners

Скорее всего, мы станем свидетелями значительного перехода от традиционной модели ценообразования в магазинах приложений к более динамичным системам тарификации на основе потребления. Такие модели, напоминающие тарификацию коммунальных услуг, станут более распространенными, что соответствует концепции аренды агентов ИИ. В этом случае клиенты будут платить в зависимости от объема и характера использования ИИ  —  это будет более гибкая и справедливая структура ценообразования.


Но эволюция на этом не остановится. Более широкое распространение маркетплейсов и инструментов ИИ открывает путь для вариативных стратегий ценообразования и новых бизнес-моделей. Эти изменения обусловлены необходимостью адаптации широкого спектра приложений и услуг ИИ, каждое из которых имеет свое ценностное предложение и модели использования. В связи с этим может быть опробована модель выплат процента от прибыли (App Store) или система, предусматривающая роялти для разработчиков (Spotify) за использование их сервисов/агентов ИИ на торговых площадках.


Еще одной развивающейся моделью может стать ценообразование, основанное на результатах, когда плата за услуги зависит от итогов или успехов, достигнутых с помощью инструмента с ИИ. Такая модель будет особенно привлекательна в тех отраслях, где влияние ИИ можно измерить количественно, например в маркетинговой аналитике, финансовом прогнозировании или даже в творческой индустрии.


Стратегии пакетной и непакетной стратегий ценообразования. Источник: Matt Brown

Кроме того, поскольку ИИ продолжает проникать в различные отрасли, межотраслевые партнерства могут привести к появлению комплексных услуг. Такие пакеты могут объединять инструменты ИИ с традиционными программными услугами, предлагая комплекс, удовлетворяющий более широкий спектр потребностей бизнеса.


Появление новых моделей и стратегий ценообразования отражает состояние рынка, который быстро адаптируется к уникальным вызовам и возможностям, предлагаемым ИИ. По мере ознакомления предприятий и потребителей с возможностями ИИ будет расти спрос на гибкие, прозрачные, ценностно ориентированные модели ценообразования.





14. Движение BYO в сфере ИИ как стимул потребности в безопасных цифровых идентификаторах


Расширение современных генеративных инструментов ИИ приведет к увеличению цифровых следов, что потребует создания безопасных, переносимых цифровых идентификаторов. Задача состоит в том, чтобы обеспечить пользователям баланс между гарантированной безопасностью и доступностью. Пользователи могут рассчитывать на персонализированный опыт: их предпочтения, история и контекст станут ключевыми для использования многих сервисов ИИ в интернете.


Банки и платформы предоставления госуслуг в электронной форме становятся потенциальными хранителями этих единых цифровых идентификаторов и личных предпочтений. Эта консолидация указывает на упорядоченное и более безопасное цифровое существование. Но речь идет не только о безопасности, но и о бесшовной интеграции наших цифровых “я” на различных платформах.


С этой проблемой напрямую связано движение BYO в сфере ИИ. BYO  —  bring your own  —  приноси свои продукты (традиционно в кафе, ресторане); в данном случае: приноси свой ИИ. Представьте, как вы переносите свои цифровые предпочтения, способы обучения и даже покупательские привычки из одной цифровой среды взаимодействия в другую. Такая переносимость не просто удобна, она позволит достичь недостижимого ранее уровня персонализации и эффективности. Носимые устройства также станут неотъемлемой частью управления цифровой идентичностью. Постоянно изучая наши взаимодействия, они превратятся в персональные центры данных, не только понимающие наши предпочтения, но и предвосхищающие наши потребности.


Интеграция искусственного интеллекта в рабочую среду означает, что наши цифровые предпочтения могут автоматически регулировать настройки офисных приложений, средств связи и даже физического рабочего пространства. Представьте, что вы входите в переговорную комнату, где освещение, температура и даже цифровые дисплеи автоматически подстраиваются под ваши предпочтения.


Однако такой уровень персонализации и интеграции данных вызывает вопросы о конфиденциальности и использовании данных. По мере усложнения цифровых идентификаторов и переплетения их с ИИ значительно возрастает потенциал их использования поставщиками рекламных цифровых услуг для гиперперсонализации. Это может привести к новой эре контекстной рекламы и вовлечения потребителей, когда рекламные предложения будут не просто целевыми, а глубоко интегрированными в наши цифровые образы.


Интеграция идентификаторов с искусственным интеллектом изменит наше взаимодействие с технологиями как в личной, так и в профессиональной сферах, что приведет к более персонализированному, эффективному и взаимосвязанному существованию. Однако, предвкушая и принимая это будущее, как никогда важно учитывать этические соображения и обеспечить защиту конфиденциальности.




Заключение


Уже в начале 2024 года мы видим, что потенциал ИИ и технологий, способных изменить мир, неоспорим. Каждый из приведенных здесь прогнозов позволяет заглянуть в будущее, где инновации, ответственность и инклюзивность идут рука об руку.


Основные выводы:



  • Генеративный ИИ становится основной технологической стратегией. Переход от рекламного ажиотажа к массовому внедрению происходит в различных отраслях.

  • Достижения в области нейронных сетей приближают к генеративному ИИ. Новые архитектуры, такие как Mamba и нейро-символический ИИ, значительно расширяют когнитивные возможности.

  • Носимые устройства на основе ИИ и девайсы с системой расширенной реальности набирают обороты популярности. Эти технологии предлагают расширенный человеческий опыт и взаимодействие в повседневной жизни.

  • Взаимосвязанные агенты ИИ создают новую экосистему. Специализированные агенты ИИ, взаимодействуя друг с другом, революционизируют динамику развития отрасли.

  • Безопасные цифровые идентификаторы становятся решающим фактором в эпоху персонализации ИИ. Повсеместно возникают носимые цифровые идентификаторы, управляемые банками и платформами предоставления госуслуг в электронной форме.


Добро пожаловать в будущее! Оно ждет от нас открытости, здравого смысла и непредвзятости. Оно не просто наступит, но будет формироваться нами. Присоединяйтесь к созданию мира 2024 года.



47   0  

Comments

    Ничего не найдено.