АI — это технология для человека
На наши вопросы о синергии искусственного интеллекта и научных исследований, «Научном облаке» и новом сезоне Научной премии Сбера отвечает Андрей Белевцев, старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка.
Андрей Андреевич, на Петербургском международном экономическом форуме в июне Сбер анонсировал создание национальной платформы научных моделей «Научное облако». Что это такое и почему важно?
— «Научное облако» — это новое понятие. Мы с коллегами из Санкт-Петербурга понимаем, что современные научные исследования все чаще содержат математические модели. В любом случае они всегда включают экспериментальные данные. Очень важно, чтобы полученные одной командой результаты были доступны другим исследователям. Поэтому научные работы надо публиковать. Но эта область у нас в стране остается недостаточно охваченной и развитой.
Проект «Научное облако» призван упростить для ученых доступ к передовым облачным технологиям, моделям машинного обучения, практикам их применения и быстрее обмениваться результатами, использовать наработки друг друга, проверять их или использовать для достижения лучших результатов. Мы считаем, что это заметно ускорит научные исследования в стране, поможет ученым двигаться быстрее.
— Как вы сегодня видите применение искусственного интеллекта (AI) в науке, в конкретных ее областях?
— Это очень интересное направление, и особенно динамично оно развивается вместе с появлением генеративного AI. С использованием этих моделей можно сэкономить большое количество времени и усилий, которые тратятся нашими учеными и исследователями. Проблема в том, что человек не может обрабатывать нынешний поток информации — невозможно все прочитать и сделать выводы. Модели генеративного AI позволяют ученым очень быстро суммаризировать то, что содержится в статьях по профильным тематикам, извлекать факты, делать выводы или даже «поговорить» с документом, понять, какие основные факторы могут быть важны для работы, которой занимается научный коллектив. Другая история — постановка, документирование, описание эксперимента. Генеративные модели очень хорошо с этим справляются. Следующая задача связана с тем, что многие области индустрии развиваются за счет создания собственных фундаментальных AI моделей (например, в химии или фармацевтике при разработке лекарств). Фундаментальная модель в какой-то конкретной области может использоваться, чтобы проводить определенные эксперименты, искать новые материалы и вещества, предсказывать их свойства. Это крайне интересно. То, что нас очень сильно мотивирует и интересует,— это использование мультиагентных систем, которые могут брать на себя задачи сотрудников лаборатории. Нам кажется, что в этом есть большой научной потенциал.
— Можно ли сказать, что AI сегодня — это ваше приоритетное исследовательское направление?
— Можно сказать, что мы активно занимаемся исследованиями в области AI — это для нас важное направление научной работы, которым занимается большой коллектив сотрудников. Мы сформулировали для себя концепцию, которую называем «практичный сильный AI». Для нас она определяет ключевые направления исследований, двигаясь по которым на каждом шаге мы можем улучшать качество наших моделей, их взаимодействия между собой.
— Каким образом вы их используете?
— Наш фокус внимания — это фундаментальные генеративные модели. Наверное, все знают нашу модель GigaChat, ею воспользовалось уже больше 6 млн человек — это большая аудитория. Используют ее самым разным образом: для помощи в поиске и анализе информации, в обработке больших объемов данных и текстов, в помощи решения креативных задач, когда нужен собеседник, способный дать хорошие идеи. В структурировании деятельности, в подготовке предварительного анализа и обработке документов, в подготовке ответов. Каждый человек находит себе разные сценарии, но для тех, кто к этому привык, это становится ежедневным инструментом.