Сим, запускаю сегодня серию постов, обобщающую все, что за последний месяц писал про ИИ, пузыри и перспективы. Да, это будет лонгрид, но что поделать - рассчитано не для поколения тиктока.

Вернемся к тому, что сейчас становится уже всем очевидно, что ИИ - это пузырь. Но, на мой взгляд, важно правильно сформулировать, в чём именно пузырь. Речь не о том, что ИИ – бесполезная технология, которая завтра исчезнет. Напротив, технология полезная и долгоживущая. Пузырь в другом: в завышенных ожиданиях масштаба и скорости её коммерческой полезности и в попытке залить проблему деньгами и дата-центрами, вместо того чтобы заниматься содержанием.

Сейчас доминирует очень простая идея:
давайте строить больше дата-центров, закупать всё больше железа, обучать всё более гигантские модели и где-то там возникнет магия.

Да, увеличение параметров модели и мощности может дать прирост качества. Но этот прирост уже явно нелинейный и непропорциональный вложениям. Тратятся сотни млрд. долл. на обучение и инфраструктуру, а прирост прикладной полезности для пользователя и бизнеса растёт куда медленнее, чем счета за электричество и чипы.

Как мы видели, один из идеологов ИИ недавно, по сути, сказал следующее - эти гигантские вложения могут просто не окупиться. Это не значит, что модели перестанут работать, это значит, что модель за условные 300 млрд. долл. не даёт рынку такой прибавки ценности, чтобы вернуть эти 300 млрд плюс премию за риск.

Повторюсь, я верю в путь не столько в ещё одну LLM побольше, сколько в агентов на базе уже существующих LLM. LLM – это, грубо говоря, универсальный языковой интерфейс. Она умеет более-менее понимать человеческую речь и текст. А вот реальная ценность появляется, когда мы берём эту LLM как ядро и обвешиваем её доменными данными, инструментами, доступом к внутренним бизнесовым системам, правильно прописанными ролями и сценариями. И получаем специализированного агента под конкретную задачу.

Это может быть агент для медицинских исследований, который знает наборы статей, протоколы и рекомендации, для физиков и химиков с доступом к базам данных, экспериментам, расчётам, для юристов с законодательством, судебной практикой и внутренними прецедентами компании, для финансов и управления с доступом к отчётности, планам и регламентам компании.

Сама по себе голая LLM - это как человек, который вроде умный, много читал в интернете или как выпускник всех ВУЗов - много знает, но ничего не умеет, но не знает предметной практической области и конкретного бизнеса. Полезно, но ограниченно. Настоящая польза появляется, когда в неё загружают специфические данные и правильно направляют.

Я много раз говорил, что хорошая историческая аналогия ИИ (в т.ч. в контексте пугалок про замещение людей) - это появление Excel или появление ПК. Когда придумали Excel, бухгалтеры никуда не исчезли. Просто стало удобнее работать с массивами данных, рутинные операции автоматизировались, скорость и точность выросли.

Но, например, для нормальной финансовой модели по-прежнему нужны опыт и экспертиза, понимание бизнеса и прямые руки. Можно сделать шаблоны финмоделей. Но идеального универсального шаблона для всех компаний не существует - у каждой свои процессы, структура бизнеса и риски.

То же и с ПК - сначала появился ПК, а настоящая монетизация орасли началась, когда начали появляться конкретные приложения - пользовательские, бизнесовые, системные. Так и здесь, сама по себе модель на Х триллионов параметров сейчас - это как закинуть современный самый мощный ПК в 1985 год.

Поэтому я думаю, что с ИИ будет то же самое.

(ПРОДОЛЖЕНИЕ НИЖЕ)

@moi_misli_vslukh