# Эндрю Ын: разработка ИИ-приложений ускорилась в десятки раз

Источник: https://www.youtube.com/watch?v=5p248yoa3oE
Канал: Stanford Online
Опубликовано: 29.08.2023

---

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 [0:43].

## 🛠 Две опоры современных технологий ИИ
[[JUMP:01:09]]

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 [2:56].

Второе направление — генеративный ИИ. В его основе лежит то же обучение с учителем, настроенное на предсказание следующего слова или его части — токена [7:14]. 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) [7:26].

Главные характеристики обучения с учителем:

*   Эффективно масштабируется при росте вычислительных мощностей и объемов данных [4:58].
*   Создает основную часть финансовой ценности отрасли на текущий момент [11:46].
*   Позволяет автоматизировать задачи с понятным входом и выходом.

## ⚡️ Ускорение разработки в десятки раз
[[JUMP:08:06]]

Использование больших языковых моделей (LLM) радикально изменило рабочий процесс программистов. Раньше цикл создания коммерческой ИИ-системы занимал от 6 до 12 месяцев [8:57]. 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 [9:24]. Эндрю Ын продемонстрировал это, написав классификатор отзывов для ресторана прямо во время выступления [10:52].

Этапы традиционной разработки:

1.  Сбор данных: 1 месяц.
2.  Обучение модели: 3 месяца.
3.  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 [9:38].

## 💰 Рыночные перспективы и ловушки «быстрого успеха»
[[JUMP: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 [12:24]. Генеративный ИИ вырастет еще сильнее за счет притока венчурного капитала и интереса корпораций [12:38]. 

Однако развитие сопровождается появлением краткосрочных увлечений. Спикер сравнил приложение Lensa, которое быстро взлетело и упало в доходах, с первыми приложениями-фонариками для iPhone [14:42]. 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 [15:22].

## 🌾 Экономика «длинного хвоста» ИИ
[[JUMP: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 [16:31]. 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) [17:24].
*   Датчики высоты пшеницы в сельском хозяйстве для более точного сбора урожая [17:49].
*   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 [19:54]. Это открывает доступ к ИИ остальной части экономики, которая значительно больше IT-сектора.

## 🚢 Алгоритм создания стартапов в AI Fund
[[JUMP: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 [24:32]. Например, компания Amorai использует ИИ для коучинга в романтических отношениях, объединяя техническую экспертизу и опыт бывшей главы Tinder Ренаты Найборг [24:03].

Процесс создания стартапа в AI Fund занимает несколько этапов:

1.  **Валидация идеи (1 месяц):** проверка технической осуществимости и рыночного спроса [26:08].
2.  **Поиск CEO:** привлечение лидера на самом раннем этапе для предотвращения потери знаний [26:22].
3.  **Прототипирование (3 месяца):** шесть двухнедельных спринтов для создания MVP.
4.  **Финансирование:** первый чек выдается проектам, прошедшим отбор (выживаемость на этом этапе — 66%) [27:03].

Примером успешного внедрения стал проект Bearing AI. Система помогает судам экономить до 10% топлива за счет умного маневрирования [27:41]. Это дает экономию около 450 000 долларов на одно судно в год [27:54].

## ⚠️ Этика, рабочие места и риски вымирания
[[JUMP:31:21]]

Эндрю Ын утверждает, что его команда отклоняет финансово выгодные проекты по этическим соображениям [31:34]. Он признает проблемы предвзятости и точности ИИ, но отмечает прогресс в их решении за последние полгода [32:14].

Главным риском спикер считает трансформацию рынка труда. В отличие от прошлых волн автоматизации, текущая волна больше затрагивает высокооплачиваемые рабочие места [32:56]. 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 [33:53].
*   Сценарии внезапного захвата мира сверхразумом нереалистичны, так как технологии развиваются постепенно [35:14].
*   Реальные угрозы (пандемии, изменение климата) требуют большего интеллекта для решения, поэтому разработку ИИ нужно не замедлять, а ускорять [36:08].