Темпы развития больших языковых моделей в последний год сильно ускорились благодаря как увеличению размеров этих систем ИИ, так и появлению новых методов подготовки данных для их обучения. Это позволило ИИ совершить качественный скачок в математике и ряде других областей науки, сообщил ТАСС директор Института искусственного интеллекта AIRI Иван Оселедец на конференции Practical ML Conf 2026.
«Мы точно ещё не подошли к тому пределу, после которого дальнейшее развитие больших языковых моделей будет приводить ко всё меньшим улучшениям. Наоборот, в последние месяцы наблюдается сильное ускорение сразу по нескольким направлениям. В частности, ведущим лабораториям удаётся быстро наращивать масштабы моделей. К примеру, по нашим оценкам, в модели Astra сейчас используется порядка 18 триллионов параметров», — отметил Оселедец.
По его словам, другим важным прорывом стало то, что разработчики передовых систем ИИ научились масштабировать не только сами нейросети, но и данные, используемые для их обучения.
▪️ К примеру, если раньше для обучения ИИ использовалась информация, которая содержится в глобальной сети, книгах или других уже существующих источниках информации, то сейчас для этого применяются различные виртуальные среды, в которых ИИ-агенты самостоятельно учатся.
«Благодаря этому происходят качественные прорывы, самые яркие примеры недавно возникли в области математики. Мало кто верил, что нейросети смогут найти решение хотя бы для одной „задачи тысячелетия“, однако уже в ближайшее время их может стать несколько. Конечно, эти большие языковые модели совсем не те, которые существовали несколько лет назад, но это всё же не нечто совершенно новое, а просто очень быстрое поступательное развитие, и при этом у нас есть ещё большой запас для их дальнейшего улучшения», — добавил директор института AIRI.
При этом Оселедец отметил, что параллельно учёные разрабатывают и принципиально новые типы нейросетей, которые заменят в будущем системы ИИ на базе трансформеров, а также создают различные подходы, позволяющие более эффективно объединять различные типы ИИ-агентов в «рои» и сложно взаимодействующие структуры. Их развитие, по мнению исследователя, приведёт к переосмыслению самой сути исследований и роли и функциях учёного.
«Очевидно, что эти процессы затронут не только математику, но и другие области науки. Если раньше мы находились в ситуации, когда у нас было много задач, но мало доказательств, то развитие ИИ приведёт к обратной ситуации. Доказательств будет много, но их часто не сможет прочитать человек и будет очень сложно проверить, что сильно снижает их ценность. В результате этого и математике, и другим наукам придётся себя переосмыслить и выйти из комфортной ситуации, в которой в основном решались небольшие инкрементальные задачи. Развитие ИИ даст нам возможность вернуться к решению больших задач», — подытожил учёный.
Фото: © Сергей Булкин/ТАСС
#ИИ #технологии #наука
✔️ ТАСС-Аналитика в Макс и Дзене