В современных реалиях почти нет людей, не слышавших об «эффекте нейросетей». Для одних это уже ключевой инструмент в работе, для других — новое, сравнимое по значимости с приходом интернета явление.
Нейросети быстро входят в повседневную жизнь и, к счастью, выступают прежде всего как полезный инструмент, повышающий точность аналитики и автоматизации. Их применяют и частные пользователи для бытовых задач — планирования дня или редактирования писем, и учёные в лабораториях для диагностики, проверки биологических совместимостей и других сложных задач.
В потоке современной информации легко упустить истоки и этапы развития этой технологии — знание истории помогает лучше понимать, откуда «растут корни» и когда имеет смысл внедрять те или иные решения.
В профессиональной практике термин «нейросеть» встречается постоянно, а наблюдение за рынком позволяет оценивать темпы развития технологий и выбирать оптимальное время и продукт для внедрения у клиентов.
В этой статье рассмотрю развитие B2C-решений на базе искусственного интеллекта, затронув два ключевых рынка: западный и российский. Проанализируем эволюцию крупных технологических игроков, их стартовые продукты и цели внедрения. Начнём с фундаментальных вех в истории нейросетей.
Ранние исследования нейросетей: персептрон и зарождение идей искусственного интеллекта
В середине XX века сформировалась первая научная концепция нейросети: учёные стремились создать машину, имитирующую функции человеческого мозга. В 1943 году Уоррен Мак-Каллок и Уолтер Питтс предложили математическую модель нейрона, а в конце 1950-х Фрэнк Розенблатт представил персептрон — простую модель машинного обучения, призванную помочь компьютерам обучаться на данных. Персептрон часто рассматривают как первую практическую реализацию нейросети.
В период с 1980 по 2000 годы появились базовые алгоритмы обучения, сравнения и анализа данных, а в XXI веке направление начало стремительно развиваться. В 2000-х массовое распространение мощных графических процессоров и доступность больших массивов данных стимулировали создание методов глубокого обучения (Deep Learning) — подхода, основанного на обучении представлений, а не на специализированных алгоритмах под отдельные задачи.
Интерес к воплощению человеческого мышления в вычислительной технике возник сразу же после того, как компьютеры стали массовыми. В XX веке алгоритмы, придуманные людьми, позволяли добиваться результатов, но дальнейшее развитие тормозилось ограничениями аппаратной части и объёмом доступных данных.
Кадр из фильма "Железный человек"
Развитие современных нейронных сетей на Западе: ключевые игроки и вехи (OpenAI, Google, Microsoft)
OpenAI: эволюция генеративных моделей и GPT-семейство (OpenAI, GPT-3, ChatGPT, GPT-4)
OpenAI была основана в декабре 2015 года как некоммерческая исследовательская организация из США, сосредоточенная на разработках в области искусственного интеллекта.
27 апреля 2016 года — релиз OpenAI Gym, публичной бета-версии платформы для разработки и сравнения алгоритмов обучения с подкреплением.
Платформа предоставляла среды с заданными правилами и агентами, позволяя исследователям разрабатывать и сравнивать свои алгоритмы в единой экосистеме.
2017 год — презентация ИИ-ботов для игры в Dota 2.
Неожиданный, но заметный прорыв: боты действовали не по зафиксированному сценарию, а принимали решения самостоятельно на основе обучающего датасета.
28 мая 2020 года — публикация описания алгоритма GPT-3.
Мир узнал о принципе работы крупномасштабной генеративной языковой модели GPT-3. На тот момент это была в основном научная демонстрация идеи, но она привлекла значительные инвестиции и подготовила почву для коммерческих продуктов.
30 ноября 2022 года — запуск ChatGPT, диалогового чат-бота на основе GPT-подхода.
ChatGPT дал пользователям возможность получать разноплановые ответы — от кода до советов и творческих идей — всего по одному сообщению. Это событие стало катализатором для всего рынка: IT-гиганты устремились разрабатывать свои аналоги.
Март 2023 года — интеграция модели GPT-4, улучшившей качество генерации и мультимодальность (работа с изображениями).
Рисунок 1 – сравнение наборов данных для обучения GPT-3 и GPT-4
GPT-4 обучили на значительно большем объёме данных и добавили возможность работы с изображениями. Многие разработчики отмечали, что модель стала способна автоматизировать рутинные процессы почти без ошибок.
15 февраля 2024 года — релиз Sora для генерации коротких видеороликов по текстовому описанию.
Продукт быстро стал популярным: интернет наполнился видеороликами нейросетевого происхождения, включая даже имитации прохождений игр.
13 мая 2024 года — выпуск GPT-4o: мультимодальная, более быстрая и ресурсно эффективная версия.
Обновление не было революционным, но улучшило скорость и качество ответов.
18 июля 2024 года — GPT-4o mini: облегчённая и экономичная версия GPT-4o.
Она стала компромиссом между качеством и скоростью/стоимостью работы.
12 сентября 2024 года — запуск o1-preview и o1-mini — моделей, ориентированных на высокую точность в задачах науки, программирования и логики.
Эти релизы нацелены на повышение надёжности вывода в профессиональных сценариях: большая точность, обширные датасеты, проверка фактов и доступ к интернету.
Google: Bard, Gemini и интеграция ИИ в поисковые сервисы (Google Bard, Gemini)
6 февраля 2023 года Google представила Bard — чат-бот на основе языковой модели LaMDA, предназначенный для улучшения ответов в поиске и общения на естественном языке.
21 марта 2023 года — ограниченный доступ к Bard для избранных пользователей в США и Великобритании.
Google сначала провела закрытое тестирование, чтобы снизить риск репутационных потерь от некорректных релизов.
Апрель 2023 года — Bard получил возможности писать, отлаживать и объяснять код; модель понимает около 20 языков программирования и интегрируется с продуктами Google.
Компания сделала акцент на возможностях в сфере программирования и связях с экосистемой Google.
Май 2023 года — доступ к Bard расширен до 180 стран.
Продукт стал доступен широкому кругу пользователей в рамках экосистемы Google.
Декабрь 2023 года — трансформация Bard на базе модели Gemini Pro, с добавлением генерации изображений.
После сбора обратной связи Google расширила функционал, добавив мультимодальные возможности.
15 мая 2024 года — интеграция Bard в ключевые продукты Google, включая поиск и ассистент, для более разговорных и интуитивных ответов.
Это позволило внедрять ИИ-ответы непосредственно в инструменты, которыми ежедневно пользуются миллионы людей.
Microsoft: Bing, Copilot и интеграция ИИ в продукты пользователя (Bing Chat, Copilot)
В феврале 2023 года Microsoft представила обновлённый Bing с ИИ, использующий генеративные технологии для выдачи развёрнутых текстовых ответов вместо классического списка ссылок.
14 марта 2023 года — подтверждение, что Bing использует языковую модель GPT-4.
Microsoft сотрудничает с OpenAI и инвестирует в компанию, потому использование GPT-4 объясняется партнёрскими отношениями.
4 мая 2023 года — отмена списка ожидания: Bing Chat стал доступен всем пользователям.
Одновременное появление открытых решений от Microsoft и Google усилило конкуренцию и ускорило развитие функционала у всех игроков.
Май 2023 года — анонс расширения возможностей: история чатов, загрузка изображений и поддержка сторонних плагинов.
Это типичный сценарий развития: добавление функций, которые повышают удобство и интеграцию в рабочие процессы.
21 сентября 2023 года — релиз Copilot: универсального ИИ-инструмента, интегрированного в Windows, Edge и другие сервисы Microsoft.
Copilot внедрён в операционную систему и офисные приложения, помогая автоматизировать работу с текстом, браузером и документами.
3 октября 2024 года — обновление Bing Chat с интеграцией DALL·E 3 для генерации изображений по текстовым запросам.
Таким образом, на западном рынке выделяются три ключевых игрока: OpenAI, Google и Microsoft. В роли основного инноватора выступает OpenAI, часто первой реализующая новые функции. Google и Microsoft, в свою очередь, оперативно адаптируют и интегрируют эти идеи в свои экосистемы. Конкуренция между ними стимулирует технологический прогресс и расширение применения ИИ в продуктах и сервисах.
Большие экосистемы Google и Microsoft дают дополнительные возможности для масштабной интеграции ИИ в широкую номенклатуру сервисов, поэтому у каждого игрока уже сформированы планы внедрения на годы вперёд.
Развитие современных нейросетей в России: отечественные платформы и модели (Яндекс, Сбер)
Яндекс: эволюция YandexGPT и интеграция в экосистему (YaLM, YandexGPT, YandexGPT 2/3/4)
В феврале 2023 года «Яндекс» объявил о разработке собственной генеративной нейросети на базе семейства языковых моделей YaLM, проект носил рабочее название YaLM 2.0 и позднее был выпущен как YandexGPT.
17 мая 2023 года — презентация YandexGPT (YaGPT) и интеграция навыка в виртуальную ассистентку «Алису».
Стоит отметить, что отечественный релиз произошёл совсем недалеко по времени от западных запусков — разница составила примерно два месяца. Первая версия могла отвечать на одиночные вопросы, но ещё не учитывала контекст беседы.
5 июня 2023 года — YandexGPT научилась запоминать контекст беседы и задавать уточняющие вопросы.
Это важный шаг: модель стала опираться на предыдущие сообщения при формировании ответов.
15 июня 2023 года — интеграция YandexGPT в приложение для генерации изображений «Шедеврум».
Пользователи получили возможность формировать посты с текстом, заголовком и подходящей иллюстрацией, созданной ИИ.
Июль 2023 года — предоставление доступа бизнесу: API для создания виртуальных ассистентов, чат-ботов и автоматизации текстовых задач.
Это позволило компаниям внедрять модель в производственные процессы, внутренние базы знаний и аналитические сценарии.
27 июня 2023 года — внедрение суммаризации статей в браузере: YandexGPT научилась тезисно пересказывать русскоязычные тексты объёмом до 30 тысяч знаков.
Функция была реализована пилотно в Яндекс.Браузере и упростила потребление длинного контента.
7 сентября 2023 года — анонс YandexGPT 2: улучшенная версия модели с расширенным набором задач и повышенным качеством ответов.
Разработчики утверждали, что YandexGPT 2 лучше отвечает пользователям в 67% случаев по сравнению с первой версией.
14 сентября 2023 года — тестирование YandexGPT в поиске для формирования быстрых ответов с указанием источников.
Модель в реальном времени находила релевантные материалы, делала краткие выжимки и формировала наиболее полезный ответ под строкой поиска вместе со ссылками на источники.
6 октября 2023 года — добавлена возможность создания кратких пересказов русскоязычных видеороликов длительностью от двух минут до четырёх часов с распознаванием речи.
Это существенно упростило доступ к англоязычному контенту для русскоговорящих пользователей, разрушив языковой барьер; функция стала бесплатной частью Яндекс.Браузера.
28 марта 2024 года — анонс YandexGPT 3 и запуск YandexGPT 3 Pro на Yandex Cloud, повышающие точность в сложных запросах.
«Яндекс» продолжил дообучение базовой модели и предложил платную редакцию Pro для коммерческих пользователей.
28 мая 2024 года — запуск облегчённой версии YandexGPT 3 Lite для задач с высоким требованием к скорости: чат-боты, проверка орфографии и быстрые ответы.
Lite-версия оптимизирована под узкие сценарии, где важны скорость и экономичность.
24 октября 2024 года — представление YandexGPT 4: линейки моделей (Pro и Lite) с улучшенной генерацией команд и интеграцией в Yandex Cloud.
Релиз включал базовую клиентскую версию, Pro и Lite, а также расширенные возможности интеграции для бизнеса.
Сбер: GigaChat и развитие отечественных генеративных моделей (GigaChat, ruGPT-4)
В апреле 2023 года «Сбер» представил GigaChat — генеративную нейросеть, способную одновременно генерировать текст и изображения по текстовому описанию.
2023 год — создание GigaChat, языковой модели, обученной на больших массивах текстовых данных для решения разнообразных задач, связанных с текстом.
Сбер использовал наработки в области ruGPT-3.5 и других отечественных моделей для создания своего решения.
Март 2023 года — интеграция более продвинутой модели ruGPT-4.
В ответ на выпуск YandexGPT Сбер усилил свою линейку моделей, представив более мощное поколение.
В 2023 году GigaChat получила возможность генерировать изображения по текстовым описаниям.
Таким образом, Сбер расширил функционал своей модели, обеспечив мультимодальные сценарии использования.
Это завершает обзор первой части статьи, в которой мы прошли по историческим и современным этапам развития нейросетей, а также рассмотрели ключевые релизы и стратегии западных и российских компаний. В следующей части продолжим анализ влияния этих технологий на рынок B2C, рассмотрим успешные кейсы внедрения и риски, связанные с массовым распространением генеративных моделей.
Компания также не забыла про генерацию изображений: в рамках GigaChat был представлен бот Kandinsky, который с самого первого релиза выдавал генерации хорошего качества.
В 2023 году GigaChat была обновлена и получила возможность выполнять арифметические действия и решать математические задачи.
Выпустив основной функционал, Сбер стал наращивать мощности текущей генеративной модели, обучать её математике и логическому мышлению.
В 2023 году GigaChat также получила функции помощи пользователям в написании текстов — писем, статей, рассказов и т. п.
Окно промпта было увеличено, датасет расширен, и модель доведена до уровня работы с полноценными статьями и большим объёмом текста.
Российские IT-компании и конкуренция в ИИ — Сбер и Яндекс: GigaChat и Yandex GPT
Итого, из российских ИТ‑компаний всерьёз за разработку ИИ‑решений взялись две ключевые силы: «Сбер» и «Яндекс». Важно отметить, что производители продемонстрировали быстрый отклик и на сегодняшний день активно сокращают отставание от западных лидеров.
Более активно на текущий момент развивается Yandex GPT: компания распространяет разработку во многие сферы жизни — для бизнеса (в Yandex Cloud), для пользователей в виде чата (навык в Яндекс.Алисе), а также через интеграции в браузере (Яндекс.Браузер). Команда собирает обширную обратную связь и оперативно исправляет ошибки, внедряет улучшения и новые модели.
«Сбер» также демонстрирует бурный рост и хорошую производительность в лице GigaChat. Компания поддерживает дух конкуренции на рынке, не только имея внутреннюю мотивацию к развитию, но и стимулируя активность конкурентов.
Заключение: будущее нейросетей и роль лидеров — OpenAI, Google, Microsoft, Яндекс, Сбер
Развитие нейросетей — стремительный и впечатляющий процесс, который активно идёт как на Западе, так и в России. От ранних концепций нейросетей в середине XX века и простых моделей мы перешли к созданию сложных и мощных алгоритмов глубокого обучения.
Основными двигателями прогресса на Западе являются OpenAI, Google и Microsoft. На российском рынке в разработке нейросетей заметно выделяются продукты «Яндекса» и «Сбера». Российские компании сумели оперативно включиться в тренд и уже приближаются по функционалу к западным аналогам.
В истории современных нейросетей важно обратить внимание на частоту обновлений: она является показателем бурного роста и впечатляет объёмом изменений в год.
Комментарии (0)
Войдите или зарегистрируйтесь, чтобы оставить комментарий
Загрузка комментариев…