26 листопада фінансова група Barclays в серці фінансового району Лондону Canary Wharf провів свій перший AI Symposium. Цей захід зібрав видатних діячів з фінансового та технологічного секторів, підкреслюючи прихильність гіганта фінансового ринку до інновацій та співпраці у формуванні майбутнього штучного інтелекту
Як ШІ може змінити ландшафт автоматизованих рішень
Симпозіум відкрився ключовою промовою Найджела Туна (Nigel Toon), генерального директора та засновника Graphcore (один з багатообіцяючих британських стартапів, в липні компанія була куплена японським Softbank Group за 2 млрд. фунтів з амбітною метою створювати наступне покоління ШІ-компьютінгу), який поділився цінними думками щодо поточного розвитку штучного інтелекту. Найджел виокремив критичний розрив між технологією та споживачами ШІ-продуктів і сервісів, вказавши на недостатній продуктовий менеджмент як ключову проблему. Тун запропонував бізнесу почати навчати інженерів, роз’яснюючи їм клієнтські очікування і потреби, щоб ефективно подолати цей розрив. Він також спрогнозував, що Blackwell Gen (нове покоління ШІ-чипів від NVIDIA) стане “вдвічі потужнішим” у найближчі роки та відзначив, що прориви у обчислюваних потужностях і наукові прориви в області ШІ сьогодні допомагають сьогодні людству переосмислити такі фундаментальні знання, як, наприклад, молекулярні структури.
Найджел Тун, засновник Graphcore: “Штучний інтелект – як м’яз, який є засобом на службі розвитку людського інтелекту…»
Тун порівняв штучний інтелект з м’язом, заявивши, що він служить як засіб для розвитку людського інтелекту, та вказав на тенденцію багатозадачності моделей штучного інтелекту, які можуть виконувати кілька завдань одночасно. Він підняв цікаві питання про майбутнє SaaS (software as a service – програмне забезпечення, яке виконує певний функціонал), розмірковуючи, чи може штучний інтелект його замінити на якісно новий формат. Так, зазначив він, різниця між програмним забезпеченням та штучним інтелектомполягає в тому, що традиційне ПЗ покладається на дедукцію (воно працює за заздалегідь визначеними правилами та алгоритмами), тоді як штучний інтелект використовує індукцію – аналізучи великі обсяги даних, він створює закономірності й робить висновки, які можуть змінюватися в залежності від нових даних. Це дає ШІ здатність самостійно адаптуватися до змін і працювати у непередбачуваних сценаріях. Отже, додавання ШІ-елементів у SaaS-рішення може створити якісно нову категорію функціональних автоматизованих рішень, які будуть більш адаптивними і розумними. Проте, важливо розуміти, зазначив він, що при цьому штучний інтелект продовжуватиме робити помилки, як їх роблять люди, навіть коли наблизиться до рівня штучного загального інтелекту (AGI). Найджел зазначив, що свого часу Алан Тюрінг говорив про те, що штучний інтелект передбачає наявність помилок, незважаючи на ступінь його розвиненості.
Адаптивніть і вимірюваність – ключ до успіху
Обговорюючи необхідність адаптивності та гнучкості в епоху штучного інтелекту, Тун привів Microsoft як яскравий приклад компанії, яка успішно трансформувалася у відповідь на вимоги ринку. Він провокаційно зазначив, що сьогодні будь-який гравець ринку, включно з OpenAI, може бути витіснений з ринку будь-яким динамічним стартапом. Завершуючи свою промову, він надихнув аудиторію мотиваційним висловлюванням: “Кожен у цій кімнаті може стати мільярдером!” зірвавши аплодисменти учасників конференції.
На симпозіумі також були представлені стратегічні погляди інших лідерів галузі. Так, Міша Джессел-Кеньйон, GMT Lead UK у Mistral AI, відзначив, що підхід Mistral не в тому, щоб привносити дані в модель, а щоб модель наближати до даних. Він також зробив акцент на важливості ефективного вимірювання прогресу під час впровадження кастомізованих ШІ-рішень (мова йшла про те, як корпоративні клієнти Mistral можуть вимірувати успіх від впровадження корпоративного ШІ-рішення). Він наголосив на необхідності встановлення чітких метрик та орієнтирів перед впровадженням, що з часом дозволятиме організаціям оцінити ефективність та вплив штучного інтелекту на їхню діяльність. Зосередившись на конкретних результатах, узгоджених з бізнес-цілями, компанії можуть отримати цінні відомості про роботу своїх систем штучного інтелекту.
Тим часом, доктор Йохен Папенброк, керівник фінансових технологій EMEA у NVIDIA, занурився в дуже популярну останнім часом тему – ШІ-агентів (додаткових функціональних рішень в рамках ШІ-моделей, які вирішують конкретне завдання), описавши ШІ-агентське майбутнє для фінансового сектору. Він змалював ландшафт ШІ-фабрик, де кожен клієнт банку в майбутньому зможе мати персонально налаштовану модель штучного інтелекту, призначену для вирішення його конкретних завдань і очікувань. В той же час, самі банки також кардинально зміняться: кожен співробітник банку матиме кастомізований пул ШІ-асистентів, що оптимізує персональну продуктивніть та підвищить якість обслуговування.
Учасники конференції також мали можливість побачити передові демонстрації від технологічних гігантів, таких як Google, Microsoft, NVIDIA та багатьох інши і рамках технологічної сцени, послухати інноваційні презентації лідерів ШІ-ринку, які демонстрували свої винаходи та кейси практичного застосування штучного інтелекту. Можливості для нетворкінгу були неймовірними – так, можна було підійти до керівників bigtech і домовитись про ШІ-інтеграцію.
ЩО ТАКЕ ДЕДУКЦІЯ ТА ІНДУКЦІЯ?
Програмне забезпечення та штучний інтелект (ШІ) відрізняються за принципами роботи і методами обробки інформації, хоча вони можуть бути взаємопов’язані.
Програмне забезпечення
Програмне забезпечення використовує дедукцію. Воно працює за заздалегідь визначеними правилами та алгоритмами, які створює програміст. Програмне забезпечення виконує певний набір завдань, базуючись на чітко прописаних інструкціях.
Особливості:
- Визначеність: Має конкретні умови, команди та результат.
- Деталізовані правила: Кожен крок алгоритму повністю описаний.
- Приклад: Калькулятор, який обчислює результат на основі формули, прописаної в програмному коді.
Приклад логіки:
“Якщо натиснута кнопка A, виконай дію X”.
Штучний інтелект
ШІ використовує індукцію. Він аналізує великі обсяги даних, створює закономірності й робить висновки, які можуть змінюватися в залежності від нових даних. ШІ здатний самостійно адаптуватися до змін і працювати у непередбачуваних сценаріях.
Особливості:
- Гнучкість: Може “навчатися” з даних і коригувати свою поведінку.
- Самостійність: Створює моделі й генерує нові підходи на основі отриманої інформації.
- Приклад: Персоналізовані рекомендації в стримінгових сервісах, де система вчиться на ваших уподобаннях.
Приклад логіки:
“Проаналізуй дані X і Y, спробуй передбачити результат Z, навіть якщо точних інструкцій немає”.
Різниця в підходах
- Програмне забезпечення: Керується чіткими правилами, працює у передбачуваних умовах.
- Штучний інтелект: Самостійно визначає правила, спираючись на дані, і може працювати в умовах невизначеності.
Наприклад:
- У банківській сфері програмне забезпечення обробляє транзакції за конкретними правилами (наприклад, перевірка ліміту карти).
- ШІ виявляє шахрайські операції, аналізуючи поведінкові моделі користувачів і шукаючи аномалії.
Отже, програмне забезпечення вирішує завдання через виконання чітких інструкцій, тоді як ШІ адаптується та навчається для прийняття складніших рішень.
Особливість роботи мозку людини
Мозок людини поєднує дедукцію та індукцію для ефективного вирішення завдань:
- У повсякденному житті: Ми використовуємо дедукцію для базових рішень, наприклад, коли слідуємо правилам дорожнього руху, а індукцію – коли аналізуємо нові ситуації або змінюємо поведінку залежно від контексту.
- У навчанні: Індукція допомагає мозку вчитися на прикладах і помилках, а дедукція дозволяє застосовувати знання для прогнозування чи прийняття рішень.
Приклад поєднання в дії
Уявіть, ви граєте в шахи:
- Дедукція: Ви знаєте правила гри, які допомагають вам рухати фігури та розуміти, як поставити мат.
- Індукція: Ви вчитеся на помилках та аналізуєте, як протистояти ходам суперника, покладаючись на минулий досвід і спостереження.
Таким чином, людський мозок використовує обидва підходи, залежно від завдання, комбінуючи логіку, досвід і адаптивність.
Кейт Щеглова, експерт з ШІ-регулювання та тьютор Cambridge Judge Business School
