Эндрю Ын 26 июля 2023 года выступил в Стэнфордском университете с докладом о перспективах искусственного интеллекта. Он утверждает, что ИИ стал новой «электроэнергией» — технологией общего назначения, которая трансформирует все отрасли экономики. Около 8 миллионов человек уже прошли обучение ИИ под его руководством, что составляет примерно 1 из 1000 жителей планеты .
🛠 Две опоры современных технологий ИИ 1:09
Эндрю Ын выделяет два ключевых инструмента, которые определяют ландшафт индустрии: обучение с учителем (supervised learning) и генеративный ИИ. Обучение с учителем специализируется на разметке данных и нахождении соответствий между входным сигналом (А) и ответом (Б). Эту технологию применяют для фильтрации спама, оптимизации маршрутов судов и визуальной инспекции на заводах .
Второе направление — генеративный ИИ. В его основе лежит то же обучение с учителем, настроенное на предсказание следующего слова или его части — токена . Модели обучаются на массивах данных объемом более триллиона слов. Для доработки ответов, чтобы они были полезными и безопасными, разработчики применяют метод RLHF (обучение с подкреплением на основе отзывов людей) .
Главные характеристики обучения с учителем:
- Эффективно масштабируется при росте вычислительных мощностей и объемов данных .
- Создает основную часть финансовой ценности отрасли на текущий момент .
- Позволяет автоматизировать задачи с понятным входом и выходом.
⚡️ Ускорение разработки в десятки раз 8:06
Использование больших языковых моделей (LLM) радикально изменило рабочий процесс программистов. Раньше цикл создания коммерческой ИИ-системы занимал от 6 до 12 месяцев . Команде требовалось собрать тысячи примеров данных, обучить модель и настроить облачную инфраструктуру.
Теперь разработчики используют подход на основе промптов (подсказок). Вместо месяцев работы настройка занимает минуты или часы, а развертывание в облаке — считанные дни . Эндрю Ын продемонстрировал это, написав классификатор отзывов для ресторана прямо во время выступления .
Этапы традиционной разработки:
- Сбор данных: 1 месяц.
- Обучение модели: 3 месяца.
- Развертывание: 3 месяца.
В новом цикле на базе LLM написание промпта занимает минуты, а запуск системы — часы. По словам спикера, это вызовет поток кастомных ИИ-приложений, масштаб которого многие до сих пор недооценивают .
💰 Рыночные перспективы и ловушки «быстрого успеха» 11:32
Эндрю Ын прогнозирует, что ценность обучения с учителем, которая уже приносит Google более 100 млрд долларов в год, удвоится в ближайшие три года . Генеративный ИИ вырастет еще сильнее за счет притока венчурного капитала и интереса корпораций .
Однако развитие сопровождается появлением краткосрочных увлечений. Спикер сравнил приложение Lensa, которое быстро взлетело и упало в доходах, с первыми приложениями-фонариками для iPhone . Такие продукты являются лишь тонкой надстройкой над чужими API и не имеют долгосрочной защиты бизнеса.
Устойчивую ценность создают глубокие приложения, аналогичные Uber или Airbnb. Они требуют сложной интеграции в бизнес-процессы и решают фундаментальные задачи, которые трудно скопировать .
🌾 Экономика «длинного хвоста» ИИ 15:50
Большая часть ценности ИИ сейчас сосредоточена в потребительском софте и интернете. В этих сферах работают проекты-миллиардники, такие как рекламные движки или рекомендательные системы Amazon . Однако за пределами IT существует «длинный хвост» из десятков тысяч малых проектов.
Эндрю Ын привел примеры из реального сектора:
- Контроль равномерности сыра на пицце (проект стоимостью около 5 млн долларов) .
- Датчики высоты пшеницы в сельском хозяйстве для более точного сбора урожая .
- Сортировка тканей и листового металла на производстве.
Раньше нанимать 100 инженеров для проекта ценой в 5 млн долларов было нерентабельно. Сегодня инструменты low-code и no-code позволяют сотрудникам заводов настраивать ИИ самостоятельно, предоставляя свои данные вместо написания кода . Это открывает доступ к ИИ остальной части экономики, которая значительно больше IT-сектора.
🚢 Алгоритм создания стартапов в AI Fund 21:59
В стеке ИИ-технологий Эндрю Ын выделяет четыре уровня: оборудование, инфраструктура, инструменты разработчика и приложения. Он предпочитает инвестировать в приложения, так как конкуренция там ниже, чем на уровне инструментов . Например, компания Amorai использует ИИ для коучинга в романтических отношениях, объединяя техническую экспертизу и опыт бывшей главы Tinder Ренаты Найборг .
Процесс создания стартапа в AI Fund занимает несколько этапов:
- Валидация идеи (1 месяц): проверка технической осуществимости и рыночного спроса .
- Поиск CEO: привлечение лидера на самом раннем этапе для предотвращения потери знаний .
- Прототипирование (3 месяца): шесть двухнедельных спринтов для создания MVP.
- Финансирование: первый чек выдается проектам, прошедшим отбор (выживаемость на этом этапе — 66%) .
Примером успешного внедрения стал проект Bearing AI. Система помогает судам экономить до 10% топлива за счет умного маневрирования . Это дает экономию около 450 000 долларов на одно судно в год .
⚠️ Этика, рабочие места и риски вымирания 31:21
Эндрю Ын утверждает, что его команда отклоняет финансово выгодные проекты по этическим соображениям . Он признает проблемы предвзятости и точности ИИ, но отмечает прогресс в их решении за последние полгода .
Главным риском спикер считает трансформацию рынка труда. В отличие от прошлых волн автоматизации, текущая волна больше затрагивает высокооплачиваемые рабочие места . Общество и правительства обязаны позаботиться о людях, чей доход окажется под угрозой.
Относительно экзистенциальных рисков (AGI и угроза вымирания человечества) Эндрю Ын настроен скептически:
- Общий искусственный интеллект (AGI), способный на всё, что делает человек, появится только через 30–50 лет .
- Сценарии внезапного захвата мира сверхразумом нереалистичны, так как технологии развиваются постепенно .
- Реальные угрозы (пандемии, изменение климата) требуют большего интеллекта для решения, поэтому разработку ИИ нужно не замедлять, а ускорять .
