3 тренда в области ИИ, за которыми стоит следить в 2024 году

2023 год стал важным годом для технологии генеративного искусственного интеллекта (ИИ). Он перешел из лабораторий ученых в реальную жизнь, и миллионы людей используют его с помощью таких популярных инструментов, как ChatGPT, Google AI и Microsoft Copilot. В этом году ожидается, что ИИ станет более доступным, совершенным и интегрированным в технологии, которые улучшат повседневные задачи и помогут решить некоторые из самых сложных проблем в мире.

Вот три важных тренда в области ИИ, за которыми стоит следить в 2024 году.

Малые языковые модели

Вы испытали на себе мощь больших языковых моделей (large language models, LLM), если использовали ChatGPT для ответа на сложные вопросы. Эти модели настолько велики, что для их запуска могут потребоваться значительные вычислительные ресурсы, поэтому появление малых языковых моделей (small language models, SLM) стало большой сенсацией.

SLM все еще достаточно велики и имеют несколько миллиардов параметров — в отличие от сотен миллиардов параметров в LLM — но они достаточно малы, чтобы работать на телефоне в автономном режиме. Параметры — это переменные, или настраиваемые элементы, которые определяют поведение модели.

"Небольшие языковые модели могут сделать ИИ более доступным благодаря своему размеру и дешевизне, — говорит Себастьен Бубек, возглавляющий группу Machine Learning Foundations в Microsoft Research. — В то же время мы открываем новые способы сделать их такими же мощными, как и большие языковые модели".

Ученые Microsoft разработали и выпустили две SLM — Phi и Orca, которые в некоторых областях работают не хуже или даже лучше больших языковых моделей, опровергая мнение, что для производительности необходим масштаб.

В отличие от LLM, обученных на огромных объемах данных из Интернета, более компактные модели используют специально подобранные высококачественные обучающие данные, и ученые находят новые пороговые значения для размера и производительности. В этом году можно ожидать появления усовершенствованных моделей, призванных способствовать развитию ученых и инноваций.

Мультимодальный ИИ

Большинство LLM могут обрабатывать только один тип данных — текст, но мультимодальные модели, такие как Google Gemini или Microsoft Copilot, способны понимать информацию из разных типов данных — текста, изображений, аудио и видео. Эта возможность делает технологии, от поисковых инструментов до приложений для творчества, более насыщенными, точными и бесшовными.

Вы можете узнать в Copilot, что происходит на загруженном изображении, благодаря мультимодальной модели, которая может обрабатывать изображения, естественный язык и данные поиска Bing. Copilot может генерировать, например, релевантную информацию об историческом значении памятника на вашей фотографии.

Мультимодальный ИИ также используется в Microsoft Designer, приложении для графического дизайна, которое может генерировать изображения на основе описания того, что вы хотите. Он также позволяет создавать собственные нейронные голоса, или естественные голоса, полезные для чтения текстов и инструментов для людей с нарушениями речи.

ИИ в науке

Эксперты ожидают значительного развития инструментов искусственного интеллекта, призванных ускорить научные открытия, причем большая часть работы направлена на решение глобальных проблем, таких как изменение климата, энергетические кризисы и болезни.

Чтобы смягчить последствия изменения климата и помочь фермерам работать более эффективно, ученые Microsoft используют ИИ для создания более точных прогнозов погоды, оценки выбросов углерода и других инструментов для устойчивого сельского хозяйства. Они также разрабатывают технологии ИИ, которые помогут фермерам в поле, включая чат-бота, помогающего фермеру определить загадочный сорняк или сравнить эффективность различных методов орошения, используя данные по конкретной ферме.

В области наук о жизни ученые сотрудничают в создании крупнейшей в мире модели ИИ на основе изображений для борьбы с раком и используют передовой ИИ для поиска новых лекарств от инфекционных заболеваний и новых молекул для прорывных лекарств. Технология сокращает время научных проб и ошибок — работы, которая может занимать годы, — до нескольких недель или месяцев.

ИИ также преобразует материаловедение — широкую область, занимающуюся созданием новых материалов с особыми свойствами. Одно из недавних открытий продемонстрировало возможности искусственного интеллекта и высокопроизводительных вычислений для ускорения поиска менее токсичных материалов для батарей.