Парад «Старгейтов»
Похоже, 2025 год имеет все шансы стать годом #ИИ. Еще только февраль, а глобальных событий масса, и еще много предстоит. И каждое окажет влияние на то, как пойдет развитие #AI-технологий в ближайшие годы.
Вот несколько недавних новостей, оцените, как кучно идут:
🔸 В Париже 11 февраля прошел саммит Евросоюза AI Champions Initiative. Европа выделяет €200 млрд на строительство «гигафабрик», на которых будут обучаться новые европейские нейронки.
🔸 В тот же день Эммануэль Макрон объявил о выделении €109 млрд на собственный французский проект развития ИИ — Франция хочет сделать свой Stargate.
🔸 Напомним, что Трамп анонсировал Stargate с бюджетом $500 млрд 22 января.
🔸 27 января Китай ответил Трампу, субсидировав на развитие ИИ 1 триллион юаней ($137 млрд).
🔸 А полутора месяцами ранее, 11 декабря, было объявлено о создании Альянса БРИКС по развитию искусственного интеллекта.
Тенденция, однако.
О чем это говорит? Все развитые страны понимают, насколько БОЛЬШОЕ влияние ИИ окажет на мир вот прям скоро. И спешат принять меры. Кто может — сам, кто не может — коллективно. Ставки слишком высоки.
🚀 NYT уже сравнила обладание собственными моделями ИИ с наличием ядерного оружия. Это теперь не просто технология, а 1) важный элемент национального суверенитета (экономического и военного) и 2) очень весомый козырь в борьбе за мировое лидерство. Кто выиграет гонку ИИ, будет диктовать правила игры при новом технологическом укладе.
Не будем вдаваться в геополитику, поговорим об экономике и технологиях (хотя всё это связано). Евросоюз озабочен своим отставанием от США и Китая в целом ряде ключевых позиций, в т.ч. роботизации. Согласно прогнозу General Catalyst, внедрение генеративных нейросетей может повысить производительность Европы на 3% к 2030 году. Три процента для Европы — это много, но дело даже не в этом: если сейчас не форсировать развитие ИИ, ЕС утратит все надежды на возможное лидерство в будущем.
Тем же самым озабочены и США относительно Китая. Отсюда и «парад Старгейтов».
🇷🇺 Каковы в этой гонке шансы России? Кстати, не так уж плохи. Во-первых, у нас тоже идут инвестиции в ИИ. До 2030 года намечено вложить 149 млрд рублей (с 2019-го по 2023 год потратили всего 19,4 млрд). Во-вторых, можем, умеем, практикуем. Более трети моделей генеративного ИИ, используемых в российском бизнесе, являются отечественными. Создаются целые кластеры специализированных вычислений ИИ. А всего сектор ИИ к 2030 г. должен составить не менее 12 трлн руб. (сейчас — 4 трлн, или 2,2% ВВП). Ну и в-третьих, надо состоять в удачных альянсах. В наше время колаборация — это всё, а у нас в партнерах Китай, Индия и ОАЭ, которые тоже активно вкладываются сейчас в развитие нейронок. По некоторым оценкам, реализованный экономический эффект от внедрения генеративного ИИ в странах БРИКС+ к 2030 г. может достичь $350–600 млрд.
P.S. На наш взгляд, NYT излишне драматизирует. Скорее, ИИ надо сравнить не с атомной бомбой, а с индустриализацией XX века. Тогда тоже менялся глобальный технологический уклад. И хотя каждый, при наличии денег, мог лично построить завод, именно от усилий государства зависело, насколько быстро страна перейдет на новые рельсы. Но в итоге все там будут 😉
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
Похоже, 2025 год имеет все шансы стать годом #ИИ. Еще только февраль, а глобальных событий масса, и еще много предстоит. И каждое окажет влияние на то, как пойдет развитие #AI-технологий в ближайшие годы.
Вот несколько недавних новостей, оцените, как кучно идут:
🔸 В Париже 11 февраля прошел саммит Евросоюза AI Champions Initiative. Европа выделяет €200 млрд на строительство «гигафабрик», на которых будут обучаться новые европейские нейронки.
🔸 В тот же день Эммануэль Макрон объявил о выделении €109 млрд на собственный французский проект развития ИИ — Франция хочет сделать свой Stargate.
🔸 Напомним, что Трамп анонсировал Stargate с бюджетом $500 млрд 22 января.
🔸 27 января Китай ответил Трампу, субсидировав на развитие ИИ 1 триллион юаней ($137 млрд).
🔸 А полутора месяцами ранее, 11 декабря, было объявлено о создании Альянса БРИКС по развитию искусственного интеллекта.
Тенденция, однако.
О чем это говорит? Все развитые страны понимают, насколько БОЛЬШОЕ влияние ИИ окажет на мир вот прям скоро. И спешат принять меры. Кто может — сам, кто не может — коллективно. Ставки слишком высоки.
🚀 NYT уже сравнила обладание собственными моделями ИИ с наличием ядерного оружия. Это теперь не просто технология, а 1) важный элемент национального суверенитета (экономического и военного) и 2) очень весомый козырь в борьбе за мировое лидерство. Кто выиграет гонку ИИ, будет диктовать правила игры при новом технологическом укладе.
Не будем вдаваться в геополитику, поговорим об экономике и технологиях (хотя всё это связано). Евросоюз озабочен своим отставанием от США и Китая в целом ряде ключевых позиций, в т.ч. роботизации. Согласно прогнозу General Catalyst, внедрение генеративных нейросетей может повысить производительность Европы на 3% к 2030 году. Три процента для Европы — это много, но дело даже не в этом: если сейчас не форсировать развитие ИИ, ЕС утратит все надежды на возможное лидерство в будущем.
Тем же самым озабочены и США относительно Китая. Отсюда и «парад Старгейтов».
🇷🇺 Каковы в этой гонке шансы России? Кстати, не так уж плохи. Во-первых, у нас тоже идут инвестиции в ИИ. До 2030 года намечено вложить 149 млрд рублей (с 2019-го по 2023 год потратили всего 19,4 млрд). Во-вторых, можем, умеем, практикуем. Более трети моделей генеративного ИИ, используемых в российском бизнесе, являются отечественными. Создаются целые кластеры специализированных вычислений ИИ. А всего сектор ИИ к 2030 г. должен составить не менее 12 трлн руб. (сейчас — 4 трлн, или 2,2% ВВП). Ну и в-третьих, надо состоять в удачных альянсах. В наше время колаборация — это всё, а у нас в партнерах Китай, Индия и ОАЭ, которые тоже активно вкладываются сейчас в развитие нейронок. По некоторым оценкам, реализованный экономический эффект от внедрения генеративного ИИ в странах БРИКС+ к 2030 г. может достичь $350–600 млрд.
P.S. На наш взгляд, NYT излишне драматизирует. Скорее, ИИ надо сравнить не с атомной бомбой, а с индустриализацией XX века. Тогда тоже менялся глобальный технологический уклад. И хотя каждый, при наличии денег, мог лично построить завод, именно от усилий государства зависело, насколько быстро страна перейдет на новые рельсы. Но в итоге все там будут 😉
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
EU AI Champions Initiative
Unlock Europe’s Full Potential in AI
Кстати об ИИ и национальном суверенитете. Очень показательные моменты связаны с попытками регулирования искусственного интеллекта. На разных уровнях уже принимаются разные декларации и нормы, но разные страны по-разному на эти инициативы откликаются.
На Парижском форуме была подписана декларация «Заявление об инклюзивном и устойчивом искусственном интеллекте для людей и Планеты». США и Великобритания отказались подписывать, Япония, Ю.Корея, ОАЭ, Китай и Индия подписали.
Одновременно «в низах» возникают свои инициативы. Например, Microsoft (США) и G24 (ОАЭ) создали фонд Responsible AI Foundation.
Летом ожидается Глобальный саммит под эгидой ООН «ИИ во благо», а осенью — Всемирная конференция по ИИ во Франкфурте. На этих площадках также будут решаться проблемы правового и этического регулирования искусственного интеллекта, и наверняка найдутся страны, у которых будет что возразить.
Причины возражений понятны. ИИ — очень чувствительная тема, связанная с суверенитетом. Трамп не хочет, чтобы Америку кто-то ограничивал в развитии этой важнейшей отрасли: ему надодогнать и обогнать китайцев сохранить технологический отрыв от Китая и Европы. Британцы прямо признают, что озабочены вопросами нацбезопасности. Когда делишься такими технологиями, становишься более уязвимым.
У других стран противоположная стратегия, больше ориентированная на сотрудничество. Да и в тех же США на уровне товарища Гейтса видим готовность бизнеса к самоограничениям.
#AI #искусственный_интеллект #регулирование_ии
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
На Парижском форуме была подписана декларация «Заявление об инклюзивном и устойчивом искусственном интеллекте для людей и Планеты». США и Великобритания отказались подписывать, Япония, Ю.Корея, ОАЭ, Китай и Индия подписали.
Одновременно «в низах» возникают свои инициативы. Например, Microsoft (США) и G24 (ОАЭ) создали фонд Responsible AI Foundation.
Летом ожидается Глобальный саммит под эгидой ООН «ИИ во благо», а осенью — Всемирная конференция по ИИ во Франкфурте. На этих площадках также будут решаться проблемы правового и этического регулирования искусственного интеллекта, и наверняка найдутся страны, у которых будет что возразить.
Причины возражений понятны. ИИ — очень чувствительная тема, связанная с суверенитетом. Трамп не хочет, чтобы Америку кто-то ограничивал в развитии этой важнейшей отрасли: ему надо
У других стран противоположная стратегия, больше ориентированная на сотрудничество. Да и в тех же США на уровне товарища Гейтса видим готовность бизнеса к самоограничениям.
#AI #искусственный_интеллект #регулирование_ии
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
Telegraph
США делают ставку на стратегию национального доминирования в ИИ-сфере, отказываются подписать итоговую декларацию AI Action Summit
Разбираем, что произошло 11 февраля в Париже, где проходило подписание итоговой декларации "Statement on Inclusive and Sustainable Artificial Intelligence for People and the Planet". США выбрали «дерегулирование» ИИ в противовес подходу своих союзников из…
🇷🇺 Магнитогорский металлургический комбинат (ПАО «ММК») объявил о создании Центра компетенций искусственного интеллекта. Задача Центра — разрабатывать высокотехнологичные решения и обеспечивать масштабируемость проектов ИИ для повышения эффективности бизнеса компании.
Над цифровизацией производства в ММК работают уже более 5 лет, более половины проектов разрабатываются с учетом привлечения ИИ. Экономический эффект от внедрения этих решений превысил 4,5 млрд рублей.
Свежий пример — AI-ассистент, внедренный в январе в электросталеплавильном цехе. ИИ, разработанный с применением методов машинного обучения, предназначен для прогнозирования температуры заказа. Модель обучена на исторических данных по 32 тыс. плавок и учитывает десятки параметров плавки. Вся информация отображается в онлайн-таблице цеха и накапливается в базе для последующего анализа закономерностей и отклонений.
Добавим, что ММК — не исключение. Например, на Надеждинском металлургическом заводе (входит в «Норникель») ИИ, цифровые двойники и специальные роботы применялись при проектировке и монтаже печи для переработки медно-никелевого концентрата. «Северсталь», Новолипецкий ЛМК, РУСАЛ тоже не отстают. В целом по горно-металлургической отрасли в 2023-2024 гг. доля компаний, планирующих увеличить эффект от цифровизации, выросла почти в 4 раза: с 15% до 55%.
🎯 Какие здесь тренды?
👉 Системный подход к внедрению AI. Крупные промышленные компании инвестируют в создание собственных центров компетенций, таких как вышеупомянутый центр на ММК, программа «Цифровая сталь» на «Северстали», Лаборатория ГИИ на Новолипецком ЛМК и т.п. Это позволяет разрабатывать и масштабировать AI-решения под конкретные задачи бизнеса, снижая издержки и повышая эффективность.
👉 Комплексность. Интеграция в производственный процесс широкого спектра технологий (машинное обучение, статистическое моделирование, компьютерное зрение, LLM и др.), а также перспективное планирование их внедрения свидетельствует о более зрелом, комплексном подходе к цифровизации отрасли.
👉 Фокус на производственные процессы. Изначально ИИ использовался преимущественно для оптимизации менеджмента (логистика, HR, работа с клиентами). Теперь мы видим, как акцент всё больше смещается на производство: обработка больших данных, прогнозирование параметров, контроль качества, обеспечение безопасности труда, что, по оценкам руководства компаний, уже приводит к значительному экономическому эффекту.
👉 Концепция AI-first. То, что происходит в металлургии, соответствует общему мета-тренду: все ведущие промышленные отрасли сейчас переходят на новый технологический уровень, где ИИ становится ключевым инструментом повышения эффективности, конкурентоспособности и экономической отдачи.
#роботизация_промышленности #AI_ассистенты #ИИ #металлургия
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
Над цифровизацией производства в ММК работают уже более 5 лет, более половины проектов разрабатываются с учетом привлечения ИИ. Экономический эффект от внедрения этих решений превысил 4,5 млрд рублей.
Свежий пример — AI-ассистент, внедренный в январе в электросталеплавильном цехе. ИИ, разработанный с применением методов машинного обучения, предназначен для прогнозирования температуры заказа. Модель обучена на исторических данных по 32 тыс. плавок и учитывает десятки параметров плавки. Вся информация отображается в онлайн-таблице цеха и накапливается в базе для последующего анализа закономерностей и отклонений.
Добавим, что ММК — не исключение. Например, на Надеждинском металлургическом заводе (входит в «Норникель») ИИ, цифровые двойники и специальные роботы применялись при проектировке и монтаже печи для переработки медно-никелевого концентрата. «Северсталь», Новолипецкий ЛМК, РУСАЛ тоже не отстают. В целом по горно-металлургической отрасли в 2023-2024 гг. доля компаний, планирующих увеличить эффект от цифровизации, выросла почти в 4 раза: с 15% до 55%.
🎯 Какие здесь тренды?
👉 Системный подход к внедрению AI. Крупные промышленные компании инвестируют в создание собственных центров компетенций, таких как вышеупомянутый центр на ММК, программа «Цифровая сталь» на «Северстали», Лаборатория ГИИ на Новолипецком ЛМК и т.п. Это позволяет разрабатывать и масштабировать AI-решения под конкретные задачи бизнеса, снижая издержки и повышая эффективность.
👉 Комплексность. Интеграция в производственный процесс широкого спектра технологий (машинное обучение, статистическое моделирование, компьютерное зрение, LLM и др.), а также перспективное планирование их внедрения свидетельствует о более зрелом, комплексном подходе к цифровизации отрасли.
👉 Фокус на производственные процессы. Изначально ИИ использовался преимущественно для оптимизации менеджмента (логистика, HR, работа с клиентами). Теперь мы видим, как акцент всё больше смещается на производство: обработка больших данных, прогнозирование параметров, контроль качества, обеспечение безопасности труда, что, по оценкам руководства компаний, уже приводит к значительному экономическому эффекту.
👉 Концепция AI-first. То, что происходит в металлургии, соответствует общему мета-тренду: все ведущие промышленные отрасли сейчас переходят на новый технологический уровень, где ИИ становится ключевым инструментом повышения эффективности, конкурентоспособности и экономической отдачи.
#роботизация_промышленности #AI_ассистенты #ИИ #металлургия
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
ПАО "Магнитогорский металлургический комбинат"
ММК создал Центр компетенций искусственного интеллекта. Новости ПАО ММК
ММК создал Центр компетенций искусственного интеллекта. Новости ПАО «Магнитогорский металлургический комбинат».
Мира Мурати, бывший технический директор OpenAI, объявила о запуске ИИ-стартапа Thinking Machines Lab. Его цель — создание доступных и адаптируемых интеллектуальных систем на принципах Open Source.
К проекту Миры присоединились несколько крутых специалистов, также покинувших компанию после (временного) увольнения Сэма Альтмана в 2023 году. Например, соучредитель OpenAI Джон Шульман займет должность руководителя исследований, Барретт Зоф станет техническим директором, Александр Кириллов займется мультимодальными моделями ИИ. Джонатан Лахман, возглавлявший отдел специальных проектов OpenAI, также войдет в число топ-менеджеров. Кроме них, проект собрал ведущих исследователей и инженеров из других элитных лабораторий (в т.ч. Character.AI и Google DeepMind), таких как Майл Отт, один из авторов библиотек FSDP и fairseq, и Рэндалл Лин, бывший техлид Твиттера.
Философию этой «команды-ух» сама Мира Мурати определяет так:
Что наблюдаем? Многие «звездные» разработчики не согласны с трендом на развитие ИИ как проприетарных автономных систем и деятельно выступают за опенсорс, мультимодальность, колаборацию ИИ с человеком. Нечто подобное мы уже слышали недавно из Европы, причем там это заявлено как государственная концепция. Набирает силу новый тренд, который в будущем должен сделать ИИ-технологии максимально доступными для массового пользователя, прозрачными, адаптивными и масштабируемыми.
#AI #ИИ #стартапы
К проекту Миры присоединились несколько крутых специалистов, также покинувших компанию после (временного) увольнения Сэма Альтмана в 2023 году. Например, соучредитель OpenAI Джон Шульман займет должность руководителя исследований, Барретт Зоф станет техническим директором, Александр Кириллов займется мультимодальными моделями ИИ. Джонатан Лахман, возглавлявший отдел специальных проектов OpenAI, также войдет в число топ-менеджеров. Кроме них, проект собрал ведущих исследователей и инженеров из других элитных лабораторий (в т.ч. Character.AI и Google DeepMind), таких как Майл Отт, один из авторов библиотек FSDP и fairseq, и Рэндалл Лин, бывший техлид Твиттера.
Философию этой «команды-ух» сама Мира Мурати определяет так:
«Мы стремимся к открытой науке посредством публикации исходного кода, уделяя особое внимание сотрудничеству человека и искусственного интеллекта в различных областях... Мы строим будущее, в котором каждый будет иметь доступ к знаниям и инструментам, позволяющим использовать искусственный интеллект для удовлетворения своих уникальных потребностей и целей».
Что наблюдаем? Многие «звездные» разработчики не согласны с трендом на развитие ИИ как проприетарных автономных систем и деятельно выступают за опенсорс, мультимодальность, колаборацию ИИ с человеком. Нечто подобное мы уже слышали недавно из Европы, причем там это заявлено как государственная концепция. Набирает силу новый тренд, который в будущем должен сделать ИИ-технологии максимально доступными для массового пользователя, прозрачными, адаптивными и масштабируемыми.
#AI #ИИ #стартапы
The Verge
Mira Murati is launching her OpenAI rival: Thinking Machines Lab
Another OpenAI rival is being set up by former employees.
🇷🇺 В Сколково прошла презентация тренд-репорта «Рынок GenAI в 2025: что нужно знать бизнесу» (🎦Youtube, Rutube). Эксперты проанализировали и обобщили
● состояние рынка GenAI в мире и в России,
● технологические и пользовательские тренды генеративного ИИ в 2025 году,
● ситуацию на рынке труда на фоне широкого внедрения GenAI-моделей.
Скачать документ в формате PDF можно по ссылке. Некоторые ключевые тезисы:
🔸 Ожидаемый среднегодовой темп роста рынка GenAI на 2024–2030 гг. оценивается в 46,48%. К 2030 году его объем увеличится в 10 раз, достигнув $356,1 млрд. Ключевую роль в развитии рынка будут играть США, Европа и Азия, но и наша страна имеет достаточный потенциал для появления собственных «единорогов» (стартапов-миллиардеров).
🔸 Объем рынка GenAI в России прогнозируется на уровне $4,15 млрд, со среднегодовым ростом 25%. К 2030 году правительство планирует выделить $0,3 млрд на развитие AI. Вложения из внебюджетных источников, таких как Сбер и РФПИ, могут составить $1,16 млрд. Технология набирает популярность как в бизнесе, так и среди частных пользователей.
🔸Развитие AI-систем движется в сторону агентного подхода: автономные AI-агенты, мультиагентные системы (MAS) и агенты пользовательского интерфейса. Подобная модульность создает предпосылки для формирования композитных AI — мета-структур, которые преодолевают ограничения традиционных LLM за счет интеграции различных технологий в единый комплекс.
🔸Технология RAG (Retrieval-Augmented Generation) становится базово применимой концепцией для LLM
и продолжает эволюционировать, расширяя разнообразие архитектур. Так же активно идет развитие Vision-Language Models (VLM) — продвинутых AI-моделей, работающих одновременно с текстом и изображениями.
🔸Еще один тренд — на развитие SLM (Small Language Models), компактных нейросетей, оптимизированных для узкоспециальных задач. По прогнозу Gartner, к 2027 году более 50% моделей GenAI, используемых в бизнесе, будут адаптированы под конкретные отрасли или бизнес-функции.
🔸Также нас ожидает массовое внедрение AI-агентов и копилотов в физические устройства (дальнейшее развитие «интернета вещей») и переход LM-систем от вопросно-ответных датасетов к рассуждающим моделям.
🔸Что касается перемен на рынке труда, то прогноз позитивный.
☝️ AI-агент не заменяет человека, но дополняет его. Конкуренция возникает не между людьми и машинами, а между теми, кто эффективно использует AI, и теми, кто этого не делает. Часть задач передается ботам, что меняет структуру труда и перераспределяет работу. Появляются новые требования к сотрудникам, AI-навыки становятся ценным преимуществом.
#аналитика #AI #LLM #SLM #ИИ #RAG
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
● состояние рынка GenAI в мире и в России,
● технологические и пользовательские тренды генеративного ИИ в 2025 году,
● ситуацию на рынке труда на фоне широкого внедрения GenAI-моделей.
Скачать документ в формате PDF можно по ссылке. Некоторые ключевые тезисы:
🔸 Ожидаемый среднегодовой темп роста рынка GenAI на 2024–2030 гг. оценивается в 46,48%. К 2030 году его объем увеличится в 10 раз, достигнув $356,1 млрд. Ключевую роль в развитии рынка будут играть США, Европа и Азия, но и наша страна имеет достаточный потенциал для появления собственных «единорогов» (стартапов-миллиардеров).
🔸 Объем рынка GenAI в России прогнозируется на уровне $4,15 млрд, со среднегодовым ростом 25%. К 2030 году правительство планирует выделить $0,3 млрд на развитие AI. Вложения из внебюджетных источников, таких как Сбер и РФПИ, могут составить $1,16 млрд. Технология набирает популярность как в бизнесе, так и среди частных пользователей.
🔸Развитие AI-систем движется в сторону агентного подхода: автономные AI-агенты, мультиагентные системы (MAS) и агенты пользовательского интерфейса. Подобная модульность создает предпосылки для формирования композитных AI — мета-структур, которые преодолевают ограничения традиционных LLM за счет интеграции различных технологий в единый комплекс.
🔸Технология RAG (Retrieval-Augmented Generation) становится базово применимой концепцией для LLM
и продолжает эволюционировать, расширяя разнообразие архитектур. Так же активно идет развитие Vision-Language Models (VLM) — продвинутых AI-моделей, работающих одновременно с текстом и изображениями.
🔸Еще один тренд — на развитие SLM (Small Language Models), компактных нейросетей, оптимизированных для узкоспециальных задач. По прогнозу Gartner, к 2027 году более 50% моделей GenAI, используемых в бизнесе, будут адаптированы под конкретные отрасли или бизнес-функции.
🔸Также нас ожидает массовое внедрение AI-агентов и копилотов в физические устройства (дальнейшее развитие «интернета вещей») и переход LM-систем от вопросно-ответных датасетов к рассуждающим моделям.
🔸Что касается перемен на рынке труда, то прогноз позитивный.
Несмотря на автоматизацию, безработица не должна вырасти, так как появляются новые профессии. Однако большинство специальностей потребуется адаптировать, а сотрудников — обучать работе в среде с AI-агентами.
☝️ AI-агент не заменяет человека, но дополняет его. Конкуренция возникает не между людьми и машинами, а между теми, кто эффективно использует AI, и теми, кто этого не делает. Часть задач передается ботам, что меняет структуру труда и перераспределяет работу. Появляются новые требования к сотрудникам, AI-навыки становятся ценным преимуществом.
«AI — не очередной хайп. Это следующий технологический цикл, который приведет к масштабным изменениям и долгосрочному обновлению бизнес-процессов».
#аналитика #AI #LLM #SLM #ИИ #RAG
🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!
Рынок вычислений для ИИ — мировые и российские тренды
Мы уже писали о том, что искусственный интеллект становится одним из приоритетов развития бизнеса. В свою очередь, спрос на внедрение генеративного AI вызвал в мире кратный рост рынка вычислительных мощностей.
Согласно данным аналитиков, глобальный рынок центров обработки данных (ЦОД) вырос с $187 млрд в 2020 году до $342 млрд в 2024 году. Стремительное развитие ИИ привлекает всё новые инвестиции. Например, только в 2023 году на ИИ-проекты было потрачено более $150 млрд, что стимулировало строительство новых ЦОД по всему миру.
А что у нас?
Россия не остается в стороне от общемирового тренда. По данным ассоциации «Финтех», уже к середине 2023 года 95% компаний внедрили ИИ-технологии в основные процессы. Крупные игроки, такие как «Ростелеком» и «Яндекс», инвестируют в строительство новых дата-центров и разработку собственных процессоров для ИИ. Например, «Яндекс» к 2025 году планирует увеличить мощности своих ЦОД на 30%.
Спрос на вычислительные мощности в стране продолжает расти, опережая предложение. По итогам 2024 года объем российского рынка центров обработки данных достиг 156,5 млрд рублей — на треть больше, чем в 2023-м. CAGR (среднегодовой темп роста) 30% — не самый высокий для технологичных отраслей, но рынок далек от насыщения, и есть основания ожидать, что в ближайшие годы CAGR вырастет до 45% и выше.
На фоне мировых лидеров это всё равно пока выглядит скромно. Например, в США объем рынка ЦОД в тот же период составил $120 млрд — почти в 70 раз больше, чем в России. На долю США приходится около 40% всех мировых вычислительных мощностей, тогда как РФ занимает менее 1%.
Важное преимущество для развития отрасли в России — дешевизна электроэнергии, почти вдвое ниже среднемировых цен (4,80 ₽ за кВт·ч против 8,67 ₽ за кВт·ч).
С другой стороны, мешают развитию ограниченный доступ к современным технологиям, дефицит квалифицированных кадров, высокая стоимость заемных средств (а отсюда недостаток инвестиций).
Пятилетка ударного роста
Тем не менее, эксперты отрасли настроены позитивно. По мнению вице-президента «Ростелекома» Д.Халитова, к 2030 г. мощность российских ЦОД для решения задач ИИ должна превысить эквивалент 70 000 GPU Nvidia А100.
Крупнейшие российские IT-компании сейчас суммарно владеют вычислительными мощностями, эквивалентными примерно 10 тысячам A100. (Для сравнения, в США только компания Tesla располагает массивом в 350 000 карт Nvidia H200, а каждая H200 в 15 раз мощнее A100). Т.е. парк высокопроизводительных вычислителей в РФ должен за 5 лет вырасти всемеро.
Насколько реалистична такая оценка? Надо учесть, что даже Nvidia A100 в достаточных объемах закупать сейчас не так-то просто. С 2022 года США запретили поставки в Россию и Китай современных GPU-ускорителей, а схемы параллельного импорта как следует еще не выстроены. Одним из решений может стать разработка отечественных AI-процессоров, и такие разработки уже есть. Следите за нашими публикациями!
#ИИ #AI #ЦОД #прогноз #цифры #Россия
🚀 ©ТехноТренды
Мы уже писали о том, что искусственный интеллект становится одним из приоритетов развития бизнеса. В свою очередь, спрос на внедрение генеративного AI вызвал в мире кратный рост рынка вычислительных мощностей.
Согласно данным аналитиков, глобальный рынок центров обработки данных (ЦОД) вырос с $187 млрд в 2020 году до $342 млрд в 2024 году. Стремительное развитие ИИ привлекает всё новые инвестиции. Например, только в 2023 году на ИИ-проекты было потрачено более $150 млрд, что стимулировало строительство новых ЦОД по всему миру.
А что у нас?
Россия не остается в стороне от общемирового тренда. По данным ассоциации «Финтех», уже к середине 2023 года 95% компаний внедрили ИИ-технологии в основные процессы. Крупные игроки, такие как «Ростелеком» и «Яндекс», инвестируют в строительство новых дата-центров и разработку собственных процессоров для ИИ. Например, «Яндекс» к 2025 году планирует увеличить мощности своих ЦОД на 30%.
Спрос на вычислительные мощности в стране продолжает расти, опережая предложение. По итогам 2024 года объем российского рынка центров обработки данных достиг 156,5 млрд рублей — на треть больше, чем в 2023-м. CAGR (среднегодовой темп роста) 30% — не самый высокий для технологичных отраслей, но рынок далек от насыщения, и есть основания ожидать, что в ближайшие годы CAGR вырастет до 45% и выше.
На фоне мировых лидеров это всё равно пока выглядит скромно. Например, в США объем рынка ЦОД в тот же период составил $120 млрд — почти в 70 раз больше, чем в России. На долю США приходится около 40% всех мировых вычислительных мощностей, тогда как РФ занимает менее 1%.
Важное преимущество для развития отрасли в России — дешевизна электроэнергии, почти вдвое ниже среднемировых цен (4,80 ₽ за кВт·ч против 8,67 ₽ за кВт·ч).
С другой стороны, мешают развитию ограниченный доступ к современным технологиям, дефицит квалифицированных кадров, высокая стоимость заемных средств (а отсюда недостаток инвестиций).
Пятилетка ударного роста
Тем не менее, эксперты отрасли настроены позитивно. По мнению вице-президента «Ростелекома» Д.Халитова, к 2030 г. мощность российских ЦОД для решения задач ИИ должна превысить эквивалент 70 000 GPU Nvidia А100.
Крупнейшие российские IT-компании сейчас суммарно владеют вычислительными мощностями, эквивалентными примерно 10 тысячам A100. (Для сравнения, в США только компания Tesla располагает массивом в 350 000 карт Nvidia H200, а каждая H200 в 15 раз мощнее A100). Т.е. парк высокопроизводительных вычислителей в РФ должен за 5 лет вырасти всемеро.
Насколько реалистична такая оценка? Надо учесть, что даже Nvidia A100 в достаточных объемах закупать сейчас не так-то просто. С 2022 года США запретили поставки в Россию и Китай современных GPU-ускорителей, а схемы параллельного импорта как следует еще не выстроены. Одним из решений может стать разработка отечественных AI-процессоров, и такие разработки уже есть. Следите за нашими публикациями!
#ИИ #AI #ЦОД #прогноз #цифры #Россия
🚀 ©ТехноТренды
👍2
С добрым утром! Вам к завтраку — несколько трендовых новостей IT-индустрии. ☕️
⚡️Компания Docker представила программу Docker Model Runner (доступна пока в бета-версии) для загрузки, запуска и тестирования AI-моделей прямо на локальном компьютере, без необходимости настройки сложной инфраструктуры. Модели загружаются из Docker Hub, после чего кешируются и дальше работают уже локально, как обычный контейнер. Поддержка OpenAI-совместимых API значительно упрощает интеграцию Docker Model Runner с существующими приложениями.
👉 Событие знаковое. Контейнеризация моделей через Docker указывает на переход LLM из категории экспериментальных технологий в статус де-факто стандарта разработки. LLM теперь легко встраиваются в существующие ИТ-системы наравне с традиционным ПО, что означает зрелость технологии LLM и ее переход в категорию must-have для современных цифровых решений.
⚡️ Google выкатила Firebase Studio — облачную платформу для разработки ИИ-приложений с помощью ИИ. Теперь можно разработать и задеплоить полностью работающее приложение, не написав ни строчки кода. Платформа интегрирована с ассистентом Gemini и экосистемой Google Cloud и представляет собой полнофункциональный конструктор, который быстро генерирует функциональные прототипы веб-приложений (начиная с Next.js) с помощью подсказок, изображений или даже рисунков. Gemini по запросу сам добавляет любой функционал (напр., аутентификацию пользователей), дорабатывает макет и интерфейс, изменяет алгоритмы ИИ. Доступен мгновенный просмотр результата на любом устройстве. Платформа в версии Preview доступна бесплатно всем желающим обладателям аккаунта Google.
⚡️ В Южной Корее разработан уникальный композитный наноматериал для литий-ионных аккумуляторов. Анод из инновационного композита продемонстрировал рекордную удельную емкость 1687,6 мА·ч/г−1 при плотности тока 100 мА/г−1 и «превосходную циклическую стабильность». По прогнозам, его внедрение позволит увеличить срок службы аккумуляторов до 5-10 лет, сделав их более легкими и компактными.
⚡️ Ученые из израильского Техниона нашли новый вид квантовой запутанности — впервые за последние 20 лет. Эффект, получивший название «запутанность фотонов ближнего поля в общем угловом моменте», позволит в будущем разработать новый тип квантовых компьютеров на основе фотонов — значительно более миниатюрных и мощных.
⚡️ Еще одна новость от Google: на рынок представлен Ironwood — новый TPU для инференса AI мощностью >4,5 петафлопс. На минуточку, это мощность, сопоставимая с суперкомпьютерами из мирового ТОП-50 (скажем, «Ломоносов-2» в МГУ выдает всего ~2.5 PFLOPS). Каждый чип имеет 192 ГБ выделенной оперативной памяти с пропускной способностью ~7,4 Тбит/с. Борьба за лидерство на рынке высокопроизводительных вычислений не сбавляет обороты.
⚡️ Сбербанк выпустил в релиз второе поколение нейросетевых моделей GigaChat. Версии GigaChat 2 Pro (для повседневных задач) и GigaChat 2 Max (для сложных и профессиональных) можно попробовать бесплатно на сайте, в телеграм-боте и в мессенджере Max от VK. Значительно улучшены навыки распознавания аудио и видео — модель способна понимать устную речь, акценты, фоновые шумы и музыку, обрабатывать изображения, голосовые сообщения и аудиофайлы длительностью до 60 минут и размером до 30 МБ без предварительного преобразования в текст, анализировать массивы документов (до 200 страниц формата А4 в одном диалоге). ГигаЧатом теперь «из коробки» оборудованы умные колонки Sber.
#дайджест #тренды #LLM #AI
🚀 ©ТехноТренды
⚡️Компания Docker представила программу Docker Model Runner (доступна пока в бета-версии) для загрузки, запуска и тестирования AI-моделей прямо на локальном компьютере, без необходимости настройки сложной инфраструктуры. Модели загружаются из Docker Hub, после чего кешируются и дальше работают уже локально, как обычный контейнер. Поддержка OpenAI-совместимых API значительно упрощает интеграцию Docker Model Runner с существующими приложениями.
👉 Событие знаковое. Контейнеризация моделей через Docker указывает на переход LLM из категории экспериментальных технологий в статус де-факто стандарта разработки. LLM теперь легко встраиваются в существующие ИТ-системы наравне с традиционным ПО, что означает зрелость технологии LLM и ее переход в категорию must-have для современных цифровых решений.
⚡️ Google выкатила Firebase Studio — облачную платформу для разработки ИИ-приложений с помощью ИИ. Теперь можно разработать и задеплоить полностью работающее приложение, не написав ни строчки кода. Платформа интегрирована с ассистентом Gemini и экосистемой Google Cloud и представляет собой полнофункциональный конструктор, который быстро генерирует функциональные прототипы веб-приложений (начиная с Next.js) с помощью подсказок, изображений или даже рисунков. Gemini по запросу сам добавляет любой функционал (напр., аутентификацию пользователей), дорабатывает макет и интерфейс, изменяет алгоритмы ИИ. Доступен мгновенный просмотр результата на любом устройстве. Платформа в версии Preview доступна бесплатно всем желающим обладателям аккаунта Google.
⚡️ В Южной Корее разработан уникальный композитный наноматериал для литий-ионных аккумуляторов. Анод из инновационного композита продемонстрировал рекордную удельную емкость 1687,6 мА·ч/г−1 при плотности тока 100 мА/г−1 и «превосходную циклическую стабильность». По прогнозам, его внедрение позволит увеличить срок службы аккумуляторов до 5-10 лет, сделав их более легкими и компактными.
⚡️ Ученые из израильского Техниона нашли новый вид квантовой запутанности — впервые за последние 20 лет. Эффект, получивший название «запутанность фотонов ближнего поля в общем угловом моменте», позволит в будущем разработать новый тип квантовых компьютеров на основе фотонов — значительно более миниатюрных и мощных.
⚡️ Еще одна новость от Google: на рынок представлен Ironwood — новый TPU для инференса AI мощностью >4,5 петафлопс. На минуточку, это мощность, сопоставимая с суперкомпьютерами из мирового ТОП-50 (скажем, «Ломоносов-2» в МГУ выдает всего ~2.5 PFLOPS). Каждый чип имеет 192 ГБ выделенной оперативной памяти с пропускной способностью ~7,4 Тбит/с. Борьба за лидерство на рынке высокопроизводительных вычислений не сбавляет обороты.
⚡️ Сбербанк выпустил в релиз второе поколение нейросетевых моделей GigaChat. Версии GigaChat 2 Pro (для повседневных задач) и GigaChat 2 Max (для сложных и профессиональных) можно попробовать бесплатно на сайте, в телеграм-боте и в мессенджере Max от VK. Значительно улучшены навыки распознавания аудио и видео — модель способна понимать устную речь, акценты, фоновые шумы и музыку, обрабатывать изображения, голосовые сообщения и аудиофайлы длительностью до 60 минут и размером до 30 МБ без предварительного преобразования в текст, анализировать массивы документов (до 200 страниц формата А4 в одном диалоге). ГигаЧатом теперь «из коробки» оборудованы умные колонки Sber.
#дайджест #тренды #LLM #AI
🚀 ©ТехноТренды
Artificial_Intelligence_Index_Report_2025.pdf
10.9 MB
Опубликован Artificial Intelligence Index Report 2025 — ежегодный аналитический доклад Института человекоориентированного ИИ при Стэнфордском университете (Stanford HAI). Цель отчета — составить объективное, на основе количественных данных, представление о масштабах, тенденциях и последствиях развития ИИ по всему миру.
Интересно будет разобрать стэнфордские выкладки и сопоставить с нашими наблюдениями, выводами и прогнозами.
#AI #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
Интересно будет разобрать стэнфордские выкладки и сопоставить с нашими наблюдениями, выводами и прогнозами.
#AI #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
Итак, читаем доклад Stanford HAI о масштабах, тенденциях и последствиях развития ИИ по всему миру. Рост интереса к ИИ в последние годы был стремительным. После выхода LLM-моделей вроде GPT, Llama, Claude и их широкого распространения стало очевидно, что требуется системный подход к анализу изменений в этой сфере.
❗️Первое, что бросается в глаза — в документе почти не нашлось места России. Ни в сводках по патентам или инвестициям, ни в части информации о лабораториях, компаниях или исследованиях в области ИИ. Разве что несколько упоминаний в контексте кибербезопасности и ИИ-регулирования.
Посмотрите на первую картинку в этом посте: на инфографике «Частные инвестиции в развитие ИИ» Россия отсутствует, хотя есть такие страны, как Чили и Литва, явно не крупные AI-державы. В целом отчет выглядит американоцентричным (что, впрочем, объяснимо). Возможно, у авторов просто не было доступа к данным по РФ — и это одна из наших проблем.
Исправим это досадное упущение — дополним отчет. Как ситуация выглядит на самом деле?
🇷🇺 В России (и наши публикации об этом говорят) развитие ИИ идет большими темпами: как в плане внедрения (link, link), так и в плане инвестиций и регулирования.
1. Инвестиции.
Объем рынка GenAI в России прогнозируется на уровне $4,15 млрд, со среднегодовым ростом 25%. К 2030 году правительство планирует выделить $0,3 млрд на развитие AI. Вложения из внебюджетных источников, таких как Сбер и РФПИ, могут составить $1,16 млрд — это уже больше, чем у Мексики или Каймановых островов, присутствующих на диаграмме.
Про AI у нас говорят из каждого утюга. Практически все сейчас что-то делают с LLM (об этом см. ниже). Даже если предположить, что каждая компания вложит в ИИ по ₽2 млн (а реальные вложения достигают от десятков до сотен млн рублей), то наше место явно не в категории «Rest of World» 😉
2. Внедрение.
Теперь посмотрите на график AI Goes Corporate.
Россия здесь опережает общемировой тренд. По нашим наблюдениям, практически каждая компания так или иначе, косвенно или прямо использует LLM в своей работе. Это подтверждается и исследованиями рынка: уже к середине 2023 года 95% российских компаний заявляли о том, что внедряют ИИ-технологии в основные процессы.
3. Разработка.
Третья картинка — Number of notable AI models by geographic area — уже ближе к истине. Россия отнесена авторами исследования в категорию стран, имеющих 1-10 собственных AI. На самом деле реально самостоятельно обученных моделей у нас две: от Яндекса и от Сбера. Остальные LLM и SLM на российском рынке — тюнингованный open source. Конечно, здесь сказывается недостаток вычислительных мощностей, но и в эту отрасль запланированы вложения (мы об этом писали).
В общем, по России ситуацию прояснили. Давайте разбираться с общемировыми трендами — пойдем по главам.
⬇️⬇️⬇️
#AI #ниокр #LLM #внедрение #Россия #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
❗️Первое, что бросается в глаза — в документе почти не нашлось места России. Ни в сводках по патентам или инвестициям, ни в части информации о лабораториях, компаниях или исследованиях в области ИИ. Разве что несколько упоминаний в контексте кибербезопасности и ИИ-регулирования.
Посмотрите на первую картинку в этом посте: на инфографике «Частные инвестиции в развитие ИИ» Россия отсутствует, хотя есть такие страны, как Чили и Литва, явно не крупные AI-державы. В целом отчет выглядит американоцентричным (что, впрочем, объяснимо). Возможно, у авторов просто не было доступа к данным по РФ — и это одна из наших проблем.
Исправим это досадное упущение — дополним отчет. Как ситуация выглядит на самом деле?
🇷🇺 В России (и наши публикации об этом говорят) развитие ИИ идет большими темпами: как в плане внедрения (link, link), так и в плане инвестиций и регулирования.
1. Инвестиции.
Объем рынка GenAI в России прогнозируется на уровне $4,15 млрд, со среднегодовым ростом 25%. К 2030 году правительство планирует выделить $0,3 млрд на развитие AI. Вложения из внебюджетных источников, таких как Сбер и РФПИ, могут составить $1,16 млрд — это уже больше, чем у Мексики или Каймановых островов, присутствующих на диаграмме.
Про AI у нас говорят из каждого утюга. Практически все сейчас что-то делают с LLM (об этом см. ниже). Даже если предположить, что каждая компания вложит в ИИ по ₽2 млн (а реальные вложения достигают от десятков до сотен млн рублей), то наше место явно не в категории «Rest of World» 😉
2. Внедрение.
Теперь посмотрите на график AI Goes Corporate.
В 2024 году доля опрошенных, сообщивших о применении ИИ в своих организациях, выросла до 78% с 55% в 2023 году. Аналогично, количество респондентов, заявивших о использовании генеративного ИИ в хотя бы одной бизнес-функции, более чем удвоилось — с 33% в 2023 году до 71% в прошлом году.
Россия здесь опережает общемировой тренд. По нашим наблюдениям, практически каждая компания так или иначе, косвенно или прямо использует LLM в своей работе. Это подтверждается и исследованиями рынка: уже к середине 2023 года 95% российских компаний заявляли о том, что внедряют ИИ-технологии в основные процессы.
3. Разработка.
Третья картинка — Number of notable AI models by geographic area — уже ближе к истине. Россия отнесена авторами исследования в категорию стран, имеющих 1-10 собственных AI. На самом деле реально самостоятельно обученных моделей у нас две: от Яндекса и от Сбера. Остальные LLM и SLM на российском рынке — тюнингованный open source. Конечно, здесь сказывается недостаток вычислительных мощностей, но и в эту отрасль запланированы вложения (мы об этом писали).
В общем, по России ситуацию прояснили. Давайте разбираться с общемировыми трендами — пойдем по главам.
⬇️⬇️⬇️
#AI #ниокр #LLM #внедрение #Россия #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
Продолжаем анализировать Artificial Intelligence Index Report 2025. Начало тут.
1️⃣ ИИ и НИОКР в 2025: кто задаёт темп?
ИИ-революция начинается с науки и разработок. Первая глава AI Index 2025 показывает, как стремительно меняется ландшафт исследований: публикации, конференции, патенты, создание крупных LLM и опенсорсных программных продуктов, развитие аппаратных средств.
Главные факты:
1. Бурный рост публикаций.
Количество публикаций по ИИ утроилось за 10 лет — с ~102 000 в 2013 году до более чем 242 000 в 2023-м. Сейчас ИИ — почти половина всех публикаций о компьютерных науках (41.76% в 2023 году). По регионам лидировали Восточная Азия и Тихоокеанский регион (34.5% от общего числа), за ними следовали США, Европа и другие страны. Подавляющее большинство работ посвящено машинному обучению #ML, которое, как мы отмечали, сейчас развивается особенно стремительно.
2. Наука vs индустрия.
Академический сектор (университеты и исследовательские центры) остается поставщиком основной массы исследований — 85% публикаций. В то же время более 90% значимых ИИ-моделей создаются сегодня индустрией (еще в начале 2010-х абсолютным лидером были научные структуры).
3. Китай — основной конкурент США.
Китайцы впереди всех по общему количеству публикаций, а США сохраняют лидерство по качеству: именно американские исследователи больше всего присутствуют в топ-100 самых цитируемых работ.
4. Патентная гонка.
Количество патентов на ИИ выросло почти в 30 раз за последние 13 лет. Почти 70% всех выданных патентов приходится на долю Китая.
5. Модели растут в масштабах и аппетитах.
Каждые 5 месяцев удваивается вычислительная мощность, необходимая для обучения топовых моделей (как и прогнозировалось). Размеры датасетов для обучения LLM удваиваются каждые 8 месяцев.
6. Данные для обучения заканчиваются.
ИИ уже «съел» большую часть открытых данных интернета. Исследования показывают, что высококачественные данные могут исчерпаться к концу десятилетия. Это создает давление на индустрию: придется искать новые методы обучения — например, генерировать синтетические данные или создавать специализированные приватные датасеты.
7. Стоимость инференса падает.
Цена запроса к модели уровня GPT-3.5 обрушилась более чем в 280 раз за 18 месяцев, сделав ИИ-инструменты гораздо доступнее для разработчиков и компаний. Тренд на удешевление инференса мы уже не раз отмечали. Другая важная тенденция — усиление позиций опенсорса по сравнению с прориетарными моделями (тыц, тыц).
8. Аппаратная часть ускоряется.
Производительность оборудования для ИИ (FP16 операций в секунду) растет на 43% в год. Цены на чипы падают на 30% ежегодно, а энергоэффективность увеличивается на 40% в год. (Наш комментарий: драйвером роста здесь является развитие альтернативных платформ, не только GPU. Индустрия активно работает с архитектурами ARM и RISC-V, а также с различными ускорителями).
9. Энергоэффективность против выбросов.
Несмотря на рост энергоэффективности (см.), обучение моделей сопровождается всё большими выбросами CO₂. Например, обучение Llama 3.1 потребовало выбросов в 8 930 тонн CO₂ — в 500 раз больше годового следа обычного человека в США. Добавим, что проблема энергетического обеспечения потребностей ИИ становится всё более актуальной.
Вывод:
ИИ быстро эволюционирует. Но за ростом моделей стоит не только увеличение вычислений и данных, но и вызовы — энергопотребление, дефицит данных и необходимость нового подхода к этике ИИ.
👉 Продолжение следует...
#AI #ниокр #bigdata #экология #инференс #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
1️⃣ ИИ и НИОКР в 2025: кто задаёт темп?
ИИ-революция начинается с науки и разработок. Первая глава AI Index 2025 показывает, как стремительно меняется ландшафт исследований: публикации, конференции, патенты, создание крупных LLM и опенсорсных программных продуктов, развитие аппаратных средств.
Главные факты:
1. Бурный рост публикаций.
Количество публикаций по ИИ утроилось за 10 лет — с ~102 000 в 2013 году до более чем 242 000 в 2023-м. Сейчас ИИ — почти половина всех публикаций о компьютерных науках (41.76% в 2023 году). По регионам лидировали Восточная Азия и Тихоокеанский регион (34.5% от общего числа), за ними следовали США, Европа и другие страны. Подавляющее большинство работ посвящено машинному обучению #ML, которое, как мы отмечали, сейчас развивается особенно стремительно.
2. Наука vs индустрия.
Академический сектор (университеты и исследовательские центры) остается поставщиком основной массы исследований — 85% публикаций. В то же время более 90% значимых ИИ-моделей создаются сегодня индустрией (еще в начале 2010-х абсолютным лидером были научные структуры).
3. Китай — основной конкурент США.
Китайцы впереди всех по общему количеству публикаций, а США сохраняют лидерство по качеству: именно американские исследователи больше всего присутствуют в топ-100 самых цитируемых работ.
4. Патентная гонка.
Количество патентов на ИИ выросло почти в 30 раз за последние 13 лет. Почти 70% всех выданных патентов приходится на долю Китая.
5. Модели растут в масштабах и аппетитах.
Каждые 5 месяцев удваивается вычислительная мощность, необходимая для обучения топовых моделей (как и прогнозировалось). Размеры датасетов для обучения LLM удваиваются каждые 8 месяцев.
6. Данные для обучения заканчиваются.
ИИ уже «съел» большую часть открытых данных интернета. Исследования показывают, что высококачественные данные могут исчерпаться к концу десятилетия. Это создает давление на индустрию: придется искать новые методы обучения — например, генерировать синтетические данные или создавать специализированные приватные датасеты.
7. Стоимость инференса падает.
Цена запроса к модели уровня GPT-3.5 обрушилась более чем в 280 раз за 18 месяцев, сделав ИИ-инструменты гораздо доступнее для разработчиков и компаний. Тренд на удешевление инференса мы уже не раз отмечали. Другая важная тенденция — усиление позиций опенсорса по сравнению с прориетарными моделями (тыц, тыц).
8. Аппаратная часть ускоряется.
Производительность оборудования для ИИ (FP16 операций в секунду) растет на 43% в год. Цены на чипы падают на 30% ежегодно, а энергоэффективность увеличивается на 40% в год. (Наш комментарий: драйвером роста здесь является развитие альтернативных платформ, не только GPU. Индустрия активно работает с архитектурами ARM и RISC-V, а также с различными ускорителями).
9. Энергоэффективность против выбросов.
Несмотря на рост энергоэффективности (см.), обучение моделей сопровождается всё большими выбросами CO₂. Например, обучение Llama 3.1 потребовало выбросов в 8 930 тонн CO₂ — в 500 раз больше годового следа обычного человека в США. Добавим, что проблема энергетического обеспечения потребностей ИИ становится всё более актуальной.
Вывод:
ИИ быстро эволюционирует. Но за ростом моделей стоит не только увеличение вычислений и данных, но и вызовы — энергопотребление, дефицит данных и необходимость нового подхода к этике ИИ.
👉 Продолжение следует...
#AI #ниокр #bigdata #экология #инференс #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
Продолжаем изучать стэнфордский отчет AI Index Report 2025 (начало тут и тут). Вторая глава «Technical Performance» посвящена эволюции технических возможностей ИИ-систем.
🔥 Контекст и ключевые тренды. В 2024 году модели сильно продвинулись в классических тестах, но при этом столкнулись с фундаментальными ограничениями в сложных задачах.
1️⃣ Прорывы в бенчмарках и специализированных задачах
▫️ Рекорды на новых тестах. В сложных комплексных бенчмарках (MMMU, GPQA, SWE-bench) ИИ за год показал впечатляющий прогресс. Например, на SWE-bench в 2023 году модели решали лишь 4.4% задач, а в 2024 — 71.7%. Кстати, и мы на канале фиксировали этот тренд.
▫️Преодоление «человеческого» барьера. Благодаря улучшению алгоритмов рассуждений и интеграции символьных методов модели вроде o1-preview и Claude 3.5 Sonnet достигли 97,9% точности на датасете MATH — выше человеческого уровня (90%).
2️⃣ Конвергенция технологий и сокращение разрывов
▫️Открытые vs. закрытые модели. Разрыв в производительности между топовыми открытыми и проприетарными моделями сократился с 8% до 1.7% (уровень статистической погрешности), что демократизирует доступ к передовым ИИ-технологиям.
👉 Добавим от себя пару комментариев:
• опенсорс заставляет даже завзятых проприетарщиков, таких как OpenAI, выпускать бесплатные версии своих моделей;
• но демократизация доступа к ИИ имеет обратную сторону — проблему безопасности данных.
▫️Малые модели vs. большие. Успехи таких проектов, как Mistral и Phi-3, доказали, что могут небольшие модели при правильном обучении. Phi-3-mini (3.8B параметров) сравнялась по эффективности с PaLM (540B) — 142-кратное сокращение размера при той же производительности. Качество работы модели больше не зависит линейно от масштаба, и мы об этом писали.
▫️Глобальное выравнивание. Китайские модели (напр., DeepSeek и Qwen) догнали по качеству американские. Разрыв на бенчмарках за год сократился с десятков до долей процента.
3️⃣ Новые парадигмы обучения
Индустрия освоила test-time compute (TTC) — метод оптимизации работы ИИ, при котором ресурсы выделяются динамически, а не фиксируются заранее. Это позволяет модели дольше «размышлять» над сложными задачами, улучшая качество ответов.
▫️Например, модель o1 от OpenAI решает 74.4% задач математической олимпиады против 9.3% у GPT-4o. Но требует в 6 раз больше вычислительной мощности и работает в 30 раз медленнее.
4️⃣ Революция в генерации видео
Видеогенерация в продвинутых моделях SORA и Veo 2 преодолела проблему контекстной согласованности — теперь возможно создание минутных роликов с физически точной динамикой и детализацией, которые были немыслимы еще год назад.
5️⃣ Ограничения и «стены» прогресса
Несмотря на успехи в математике, модели проваливаются в задачах, требующих многошаговой логики. Лучшие системы решают лишь 2% задач из FrontierMath и 8-12% на PlanBench и Humanity’s Last Exam, что указывает на фундаментальные ограничения текущих архитектур.
🎯 Выводы
👉 Главный тренд: ИИ становится быстрее и доступнее, но упирается в непреодолимые барьеры в сложных рассуждениях. Дальнейшее улучшение работы потребует смены парадигмы, а не оптимизации существующих подходов, резюмируют авторы.
👉 Перспективы: Активное развитие агентного ИИ (что совпадает и с нашей оценкой) и поиск альтернатив масштабированию (нейроморфные чипы, квантовые методы). ИИ-агенты уже используются для автоматизации программирования, анализа данных и управления ИТ-инфраструктурой. Отдельно подчеркивается их роль в науке и робототехнике.
👉 Продолжение следует...
#AI #ниокр #bigdata #инференс #тренды #аналитика #тесты #AI_index_report_2025
🚀 ©ТехноТренды
🔥 Контекст и ключевые тренды. В 2024 году модели сильно продвинулись в классических тестах, но при этом столкнулись с фундаментальными ограничениями в сложных задачах.
1️⃣ Прорывы в бенчмарках и специализированных задачах
▫️ Рекорды на новых тестах. В сложных комплексных бенчмарках (MMMU, GPQA, SWE-bench) ИИ за год показал впечатляющий прогресс. Например, на SWE-bench в 2023 году модели решали лишь 4.4% задач, а в 2024 — 71.7%. Кстати, и мы на канале фиксировали этот тренд.
▫️Преодоление «человеческого» барьера. Благодаря улучшению алгоритмов рассуждений и интеграции символьных методов модели вроде o1-preview и Claude 3.5 Sonnet достигли 97,9% точности на датасете MATH — выше человеческого уровня (90%).
2️⃣ Конвергенция технологий и сокращение разрывов
▫️Открытые vs. закрытые модели. Разрыв в производительности между топовыми открытыми и проприетарными моделями сократился с 8% до 1.7% (уровень статистической погрешности), что демократизирует доступ к передовым ИИ-технологиям.
👉 Добавим от себя пару комментариев:
• опенсорс заставляет даже завзятых проприетарщиков, таких как OpenAI, выпускать бесплатные версии своих моделей;
• но демократизация доступа к ИИ имеет обратную сторону — проблему безопасности данных.
▫️Малые модели vs. большие. Успехи таких проектов, как Mistral и Phi-3, доказали, что могут небольшие модели при правильном обучении. Phi-3-mini (3.8B параметров) сравнялась по эффективности с PaLM (540B) — 142-кратное сокращение размера при той же производительности. Качество работы модели больше не зависит линейно от масштаба, и мы об этом писали.
▫️Глобальное выравнивание. Китайские модели (напр., DeepSeek и Qwen) догнали по качеству американские. Разрыв на бенчмарках за год сократился с десятков до долей процента.
3️⃣ Новые парадигмы обучения
Индустрия освоила test-time compute (TTC) — метод оптимизации работы ИИ, при котором ресурсы выделяются динамически, а не фиксируются заранее. Это позволяет модели дольше «размышлять» над сложными задачами, улучшая качество ответов.
▫️Например, модель o1 от OpenAI решает 74.4% задач математической олимпиады против 9.3% у GPT-4o. Но требует в 6 раз больше вычислительной мощности и работает в 30 раз медленнее.
4️⃣ Революция в генерации видео
Видеогенерация в продвинутых моделях SORA и Veo 2 преодолела проблему контекстной согласованности — теперь возможно создание минутных роликов с физически точной динамикой и детализацией, которые были немыслимы еще год назад.
5️⃣ Ограничения и «стены» прогресса
Несмотря на успехи в математике, модели проваливаются в задачах, требующих многошаговой логики. Лучшие системы решают лишь 2% задач из FrontierMath и 8-12% на PlanBench и Humanity’s Last Exam, что указывает на фундаментальные ограничения текущих архитектур.
🎯 Выводы
👉 Главный тренд: ИИ становится быстрее и доступнее, но упирается в непреодолимые барьеры в сложных рассуждениях. Дальнейшее улучшение работы потребует смены парадигмы, а не оптимизации существующих подходов, резюмируют авторы.
👉 Перспективы: Активное развитие агентного ИИ (что совпадает и с нашей оценкой) и поиск альтернатив масштабированию (нейроморфные чипы, квантовые методы). ИИ-агенты уже используются для автоматизации программирования, анализа данных и управления ИТ-инфраструктурой. Отдельно подчеркивается их роль в науке и робототехнике.
👉 Продолжение следует...
#AI #ниокр #bigdata #инференс #тренды #аналитика #тесты #AI_index_report_2025
🚀 ©ТехноТренды
Продолжаем знакомить вас с отчетом AI Index Report 2025 (начало: 1, 2, 3). Глава «Responsible AI» рассматривает проблему ответственного ИИ (RAI).
Контекст
Число сообщений об ошибках, предвзятости и злоупотреблениях с участием ИИ растет. В 2024 году количество инцидентов выросло до 233 (+56,4% по сравнению с 2023 годом). Связанные с этим риски и вызовы регулярно обсуждаются на конференциях — например, в Эр-Рияде и Москве.
Многие компании осознают существование проблемы, но далеко не все принимают активные меры для ее решения. Среди главных опасений — неточность результатов (64% опрошенных), несоблюдение нормативных требований (63%) и угрозы кибербезопасности (60%).
Ключевые проблемы
1️⃣ Безопасность и защита личных данных (об актуальности проблемы в опенсорсных моделях мы писали). Обсуждается проблема утечки персональных данных и злоупотребления информацией:
• Использование ИИ для имитации личности умерших людей и связанные с этим этические скандалы.
• Нарушение конфиденциальности при использовании медицинских данных.
2️⃣ Манипуляция информацией. ИИ используется для распространения дезинформации и недобросовестного влияния на общественное мнение:
• Генерация поддельных новостей.
• Создание deepfake-видео, аудио и текстов.
3️⃣ Прозрачность работы и объяснимость ответов. Не всегда понятно, как формируются решения ИИ, особенно в таких чувствительных областях, как здравоохранение и финансы.
• Средний уровень прозрачности ключевых базовых моделей на май 2024 года составлял 58% — явно недостаточно.
• Не решена проблема галлюцинаций. Даже самые продвинутые модели генерируют уверенные, но ложные ответы, особенно при работе с малоизвестными темами или неполной информацией.
🎯 Предлагаемые методы решения:
• Применение #RAG (Retrieval-Augmented Generation) для улучшения интерпретируемости. Этой технологии у нас посвящена большая статья.
• Совершенствование метрик, направленных на проверку фактической точности и правдивости ИИ-моделей.
4️⃣ Предвзятость и дискриминация, систематически проскакивающая в языковых моделях. Американские исследователи озабочены проявлениями гендерных, расовых или этнических стереотипов.
5️⃣ Особые темы, которые требуют междисциплинарного подхода:
• Этические проблемы в медицине (например, выработка рекомендаций по лечению).
• Использование ИИ в судебной системе.
• Культурные различия в восприятии ИИ в разных странах.
Тренды
Выработка программных методов обеспечения RAI. Этот аспект становится неотъемлемой частью развития технологий. Уже существуют метрики тестирования моделей на соответствие принципам ответственности. Примеры таких бенчмарков: FACTS, SimpleQA, MixEval. Наиболее точной моделью в тестах FACTS признана Gemini-2.0-Flash-Exp (83.6% успеха). Но подчеркивается необходимость создания более сложных и реалистичных тестов.
Международная кооперация. В 2024 году усилилась работа над согласованием принципов ответственного использования. Несколько крупных организаций — включая ОЭСР, Европейский союз, ООН и Африканский союз — представили рамочные документы, направленные на формулировку ключевых аспектов RAI.
Сокращение данных — негативный тренд, обратная сторона борьбы за безопасность. Ради сохранения конфиденциальности пользователей интернета всё больше сайтов внедряют ограничения. В активных доменах из набора данных C4 доля ограниченных токенов выросла с 5–7% до 20–33%. Это сокращает разнообразие данных для обучения моделей.
Выводы
Чем больше искусственный интеллект охватывает различные сферы жизни, тем важнее вопрос его ответственности. Для обеспечения доверия к ИИ необходимы дополнительные усилия в плане стандартизации, прозрачности и контроля:
• выработка единых этических стандартов ответственного развития и использования технологий
• повышение прозрачности и объяснимости в обучении и работе моделей;
• расширение регуляторной базы;
• интеграция RAI в образование и бизнес-процессы.
👉 Продолжение следует...
#AI #RAI #тренды #аналитика #тесты #AI_index_report_2025
🚀 ©ТехноТренды
Контекст
Число сообщений об ошибках, предвзятости и злоупотреблениях с участием ИИ растет. В 2024 году количество инцидентов выросло до 233 (+56,4% по сравнению с 2023 годом). Связанные с этим риски и вызовы регулярно обсуждаются на конференциях — например, в Эр-Рияде и Москве.
Многие компании осознают существование проблемы, но далеко не все принимают активные меры для ее решения. Среди главных опасений — неточность результатов (64% опрошенных), несоблюдение нормативных требований (63%) и угрозы кибербезопасности (60%).
Ключевые проблемы
1️⃣ Безопасность и защита личных данных (об актуальности проблемы в опенсорсных моделях мы писали). Обсуждается проблема утечки персональных данных и злоупотребления информацией:
• Использование ИИ для имитации личности умерших людей и связанные с этим этические скандалы.
• Нарушение конфиденциальности при использовании медицинских данных.
2️⃣ Манипуляция информацией. ИИ используется для распространения дезинформации и недобросовестного влияния на общественное мнение:
• Генерация поддельных новостей.
• Создание deepfake-видео, аудио и текстов.
3️⃣ Прозрачность работы и объяснимость ответов. Не всегда понятно, как формируются решения ИИ, особенно в таких чувствительных областях, как здравоохранение и финансы.
• Средний уровень прозрачности ключевых базовых моделей на май 2024 года составлял 58% — явно недостаточно.
• Не решена проблема галлюцинаций. Даже самые продвинутые модели генерируют уверенные, но ложные ответы, особенно при работе с малоизвестными темами или неполной информацией.
🎯 Предлагаемые методы решения:
• Применение #RAG (Retrieval-Augmented Generation) для улучшения интерпретируемости. Этой технологии у нас посвящена большая статья.
• Совершенствование метрик, направленных на проверку фактической точности и правдивости ИИ-моделей.
4️⃣ Предвзятость и дискриминация, систематически проскакивающая в языковых моделях. Американские исследователи озабочены проявлениями гендерных, расовых или этнических стереотипов.
5️⃣ Особые темы, которые требуют междисциплинарного подхода:
• Этические проблемы в медицине (например, выработка рекомендаций по лечению).
• Использование ИИ в судебной системе.
• Культурные различия в восприятии ИИ в разных странах.
Тренды
Выработка программных методов обеспечения RAI. Этот аспект становится неотъемлемой частью развития технологий. Уже существуют метрики тестирования моделей на соответствие принципам ответственности. Примеры таких бенчмарков: FACTS, SimpleQA, MixEval. Наиболее точной моделью в тестах FACTS признана Gemini-2.0-Flash-Exp (83.6% успеха). Но подчеркивается необходимость создания более сложных и реалистичных тестов.
Международная кооперация. В 2024 году усилилась работа над согласованием принципов ответственного использования. Несколько крупных организаций — включая ОЭСР, Европейский союз, ООН и Африканский союз — представили рамочные документы, направленные на формулировку ключевых аспектов RAI.
Сокращение данных — негативный тренд, обратная сторона борьбы за безопасность. Ради сохранения конфиденциальности пользователей интернета всё больше сайтов внедряют ограничения. В активных доменах из набора данных C4 доля ограниченных токенов выросла с 5–7% до 20–33%. Это сокращает разнообразие данных для обучения моделей.
Выводы
Чем больше искусственный интеллект охватывает различные сферы жизни, тем важнее вопрос его ответственности. Для обеспечения доверия к ИИ необходимы дополнительные усилия в плане стандартизации, прозрачности и контроля:
• выработка единых этических стандартов ответственного развития и использования технологий
• повышение прозрачности и объяснимости в обучении и работе моделей;
• расширение регуляторной базы;
• интеграция RAI в образование и бизнес-процессы.
👉 Продолжение следует...
#AI #RAI #тренды #аналитика #тесты #AI_index_report_2025
🚀 ©ТехноТренды
🔥1
Последние исследования в сфере RL для языковых моделей. (RL — Reinforcement Learning, то есть обучение с подкреплением) Представляем обзор статьи «Absolute Zero: Reinforced Self-play Reasoning with Zero Data».
🚀 Что нового?
Модель AZR одновременно выступает «учителем» и «учеником»: сама генерирует кодовые задачи, решает их и получает «верифицируемую» награду через встроенный исполнитель кода.
📝 Ключевые цитаты
🔸 «Absolute Zero Reasoner (AZR) достигает передовых показателей при НУЛЕВЫХ ДАННЫХ».
🔸 «Мы предлагаем новую парадигму RLVR (Reinforcement learning with verifiable rewards — обучение с подкреплением с помощью проверяемых вознаграждений) под названием Absolute Zero, в которой одна и та же модель учится формулировать задачи, максимизирующие ее собственный прогресс в обучении, и повышает свои способности к рассуждению, решая их, не опираясь на внешние данные».
🔸 «Не полагаясь ни на золотые метки, ни на человеко-заданные запросы, Absolute Zero Reasoner, обученный с помощью предложенного нами самоигрового подхода, демонстрирует впечатляющий рост общих способностей к рассуждению как в математике, так и в программировании».
🔄 Принцип самообучения
Модель проходит цикл «предложил–решил–оценил–улучшил» без внешних данных:
1. Proposer генерирует задание, оптимизируя его полезность для собственного обучения.
2. Solver решает его и отправляет решение встроенному code executor, который проверяет корректность ответа.
3. Модель получает награду за верное решение и обновляет параметры с помощью алгоритма Task-Relative REINFORCE++, укрепляя успешные стратегии.
📊 Результаты
• AZR опережает модели, обученные на десятках тысяч размеченных примеров.
• Устанавливает новый рекорд в задачах программирования и математического рассуждения.
💡 Почему это важно?
В условиях нарастающей нехватки высококачественных данных, созданных человеком, модель демонстрирует, что базовые навыки рассуждения могут формироваться полностью автономно. Такой подход открывает путь к ИИ, который самостоятельно ставит себе всё более сложные цели и повышает интеллект без нашего вмешательства.
#AI #RL #самообучающиеся_модели #технологии
🚀 ©ТехноТренды
🚀 Что нового?
Модель AZR одновременно выступает «учителем» и «учеником»: сама генерирует кодовые задачи, решает их и получает «верифицируемую» награду через встроенный исполнитель кода.
📝 Ключевые цитаты
🔸 «Absolute Zero Reasoner (AZR) достигает передовых показателей при НУЛЕВЫХ ДАННЫХ».
🔸 «Мы предлагаем новую парадигму RLVR (Reinforcement learning with verifiable rewards — обучение с подкреплением с помощью проверяемых вознаграждений) под названием Absolute Zero, в которой одна и та же модель учится формулировать задачи, максимизирующие ее собственный прогресс в обучении, и повышает свои способности к рассуждению, решая их, не опираясь на внешние данные».
🔸 «Не полагаясь ни на золотые метки, ни на человеко-заданные запросы, Absolute Zero Reasoner, обученный с помощью предложенного нами самоигрового подхода, демонстрирует впечатляющий рост общих способностей к рассуждению как в математике, так и в программировании».
🔄 Принцип самообучения
Модель проходит цикл «предложил–решил–оценил–улучшил» без внешних данных:
1. Proposer генерирует задание, оптимизируя его полезность для собственного обучения.
2. Solver решает его и отправляет решение встроенному code executor, который проверяет корректность ответа.
3. Модель получает награду за верное решение и обновляет параметры с помощью алгоритма Task-Relative REINFORCE++, укрепляя успешные стратегии.
«Агент обучается через взаимодействие с окружением, которое предоставляет верифицируемую обратную связь, обеспечивая надёжное и непрерывное самоулучшение без какого-либо участия человека».
📊 Результаты
• AZR опережает модели, обученные на десятках тысяч размеченных примеров.
• Устанавливает новый рекорд в задачах программирования и математического рассуждения.
💡 Почему это важно?
В условиях нарастающей нехватки высококачественных данных, созданных человеком, модель демонстрирует, что базовые навыки рассуждения могут формироваться полностью автономно. Такой подход открывает путь к ИИ, который самостоятельно ставит себе всё более сложные цели и повышает интеллект без нашего вмешательства.
#AI #RL #самообучающиеся_модели #технологии
🚀 ©ТехноТренды
arXiv.org
Absolute Zero: Reinforced Self-play Reasoning with Zero Data
Reinforcement learning with verifiable rewards (RLVR) has shown promise in enhancing the reasoning capabilities of large language models by learning directly from outcome-based rewards. Recent...
🤩1
Продолжаем читать отчет AI Index Report 2025 (начало: 1, 2, 3, 4). Глава 4 — «Обзор экономики и влияния ИИ» — посвящена анализу экономического воздействия искусственного интеллекта в 2024 году. Особенно интересны изменения на рынке труда и в структуре занятости.
Мы на канале уже обсуждали, приведет ли внедрение ИИ к массовым увольнениям (вытеснит ли AI айтишников? • отменят ли нейросети живых программистов?). Приятно видеть, что наши выводы согласуются с данными исследования.
🧰 Тенденции на рынке труда
👉 Изменение ландшафта. Отчет показывает, что идет переток квалификации и повышение спроса на специалистов с ИИ-навыками, особенно в IT (48%), разработке продуктов и услуг (47%) и маркетинге (47%). Очень заметно спрос растет на развивающихся рынках: Индия, Бразилия, Саудовская Аравия, Восточная Европа. Растут и зарплаты ИИ-специалистов.
👉 Влияние ИИ на занятость. В организациях увеличивается число ИИ-связанных рабочих мест, снижаются опасения перед массовыми увольнениями.
• Растет число вакансий в сфере ИИ, с акцентом на «умные» технологии и автоматизацию, особенно в таких отраслях, как финансы, логистика и здравоохранение.
• 19% компаний ожидают сокращения числа сотрудников из-за ИИ (на 7 процентных пунктов меньше, чем в 2023 году).
• 24% организаций прогнозируют увеличение численности персонала за счет новых ИИ-связанных ролей.
👉 Использование ИИ в профессиях. Компьютерные и математические профессии доминируют, составляя 37,2% всех взаимодействий с ИИ. За ними следуют творческие сектора (искусство, дизайн, развлечения и медиа) — 10,3% . В то же время профессии, требующие физических навыков (например, производство, логистика) и управленческих компетенций , демонстрируют минимальное проникновение ИИ.
👉 Глубина внедрения ИИ.
• Только 4% профессий используют ИИ в 75% и более задач, что указывает на ограниченность полной автоматизации.
• ИИ активнее внедряется в высокооплачиваемых профессиях (верхние 25% зарплат), но снижается на крайних уровнях.
🌐 Ситуация по регионам
▫️Спрос на навыки ИИ. В 2024 году Сингапур, Люксембург и Гонконг лидировали по доле вакансий, требующих навыков ИИ. В США этот показатель достиг 1,8% — значительный рост по сравнению с предыдущими годами.
▫️Проникновение навыков ИИ. США и Индия демонстрируют наивысшие показатели проникновения навыков ИИ, с относительными показателями 2.63 и 2.51 соответственно. За ними следуют Великобритания, Германия и Бразилия.
📊 Инвестиции и финансирование ИИ-проектов
Отчет фиксирует увеличение объема инвестиций в 2024 году на 79,56% по сравнению с 2020 годом. Основные направления:
• генеративный ИИ (44,67%),
• ИИ для биотехнологий (17,76%),
• автоматизация (5,19%).
🇺🇸 США и 🇨🇳 Китай остаются лидерами, но наблюдается рост интереса к развитию ИИ-технологий в 🇰🇷 Южной Корее, 🇸🇬 Сингапуре и странах Ближнего Востока.
Отмечается заметный вклад ИИ в научные исследования и инновации через повышение продуктивности. Например, ученые, использующие ИИ, показали:
+44,1% к увеличению скорости открытия новых материалов,
+39,4% к росту числа поданных патентов,
+17,2% к увеличению числа прототипов продукции.
Выводы
ИИ является инструментом, а не заменой человека. Он одновременно сокращает рабочие места, зафиксированные на рутинных функциях, и создает новые. Уходят старые технологии и методы организации работы, приходят более прогрессивные, позволяющие повысить производительность труда.
#AI #экономика #тренды #аналитика #рынок_труда #AI_index_report_2025
🚀 ©ТехноТренды
Мы на канале уже обсуждали, приведет ли внедрение ИИ к массовым увольнениям (вытеснит ли AI айтишников? • отменят ли нейросети живых программистов?). Приятно видеть, что наши выводы согласуются с данными исследования.
🧰 Тенденции на рынке труда
👉 Изменение ландшафта. Отчет показывает, что идет переток квалификации и повышение спроса на специалистов с ИИ-навыками, особенно в IT (48%), разработке продуктов и услуг (47%) и маркетинге (47%). Очень заметно спрос растет на развивающихся рынках: Индия, Бразилия, Саудовская Аравия, Восточная Европа. Растут и зарплаты ИИ-специалистов.
👉 Влияние ИИ на занятость. В организациях увеличивается число ИИ-связанных рабочих мест, снижаются опасения перед массовыми увольнениями.
• Растет число вакансий в сфере ИИ, с акцентом на «умные» технологии и автоматизацию, особенно в таких отраслях, как финансы, логистика и здравоохранение.
• 19% компаний ожидают сокращения числа сотрудников из-за ИИ (на 7 процентных пунктов меньше, чем в 2023 году).
• 24% организаций прогнозируют увеличение численности персонала за счет новых ИИ-связанных ролей.
👉 Использование ИИ в профессиях. Компьютерные и математические профессии доминируют, составляя 37,2% всех взаимодействий с ИИ. За ними следуют творческие сектора (искусство, дизайн, развлечения и медиа) — 10,3% . В то же время профессии, требующие физических навыков (например, производство, логистика) и управленческих компетенций , демонстрируют минимальное проникновение ИИ.
👉 Глубина внедрения ИИ.
• Только 4% профессий используют ИИ в 75% и более задач, что указывает на ограниченность полной автоматизации.
• ИИ активнее внедряется в высокооплачиваемых профессиях (верхние 25% зарплат), но снижается на крайних уровнях.
🌐 Ситуация по регионам
▫️Спрос на навыки ИИ. В 2024 году Сингапур, Люксембург и Гонконг лидировали по доле вакансий, требующих навыков ИИ. В США этот показатель достиг 1,8% — значительный рост по сравнению с предыдущими годами.
▫️Проникновение навыков ИИ. США и Индия демонстрируют наивысшие показатели проникновения навыков ИИ, с относительными показателями 2.63 и 2.51 соответственно. За ними следуют Великобритания, Германия и Бразилия.
📊 Инвестиции и финансирование ИИ-проектов
Отчет фиксирует увеличение объема инвестиций в 2024 году на 79,56% по сравнению с 2020 годом. Основные направления:
• генеративный ИИ (44,67%),
• ИИ для биотехнологий (17,76%),
• автоматизация (5,19%).
🇺🇸 США и 🇨🇳 Китай остаются лидерами, но наблюдается рост интереса к развитию ИИ-технологий в 🇰🇷 Южной Корее, 🇸🇬 Сингапуре и странах Ближнего Востока.
Отмечается заметный вклад ИИ в научные исследования и инновации через повышение продуктивности. Например, ученые, использующие ИИ, показали:
+44,1% к увеличению скорости открытия новых материалов,
+39,4% к росту числа поданных патентов,
+17,2% к увеличению числа прототипов продукции.
Выводы
ИИ является инструментом, а не заменой человека. Он одновременно сокращает рабочие места, зафиксированные на рутинных функциях, и создает новые. Уходят старые технологии и методы организации работы, приходят более прогрессивные, позволяющие повысить производительность труда.
#AI #экономика #тренды #аналитика #рынок_труда #AI_index_report_2025
🚀 ©ТехноТренды
Интересные инсайты о рисках и страхах компаний перед возможными негативными последствиями внедрения ИИ, о которых говорится в той же 4-й главе стэнфордского отчета.
Что же внушает опасения руководителям предприятий?
🔺 Низкая окупаемость инвестиций (опасения выросли на +38 процентных пунктов по сравнению с предыдущими годами).
• Например, компании боятся, что неэффективное внедрение ИИ может привести к убыткам из-за высоких затрат на разработку и обучение сотрудников.
• Здесь же — страх перед растущей сложностью моделей (+14 п.п.). 63% компаний сталкиваются с проблемой несоответствия навыков сотрудников требованиям ИИ, что требует вложений в программы повышения квалификации.
🔺Регуляторные и правовые риски. 63% компаний обеспокоены рисками нарушения норм, таких как GDPR или новые законы о регулировании ИИ (например, EU AI Act), что может привести к штрафам.
🔺Проблемы конфиденциальности и безопасности (+15 п.п.).
• Беспокойство растет по мере роста объемов данных, обрабатываемых ИИ. 66% организаций указали кибербезопасность как один из главных рисков (например, взлом ИИ-систем или кража интеллектуальной собственности).
• При этом статистика показывает, что вложения в безопасность, хотя и кратно выросли, всё же на порядок уступают инвестициям в инфраструктуру ИИ и управление данными (см. график).
🔺Несоответствие ожиданиям от использования ИИ (+14 п.п.). Технология далека от совершенства, модели продолжают ошибаться и галлюцинировать. Около 30% организаций отметили риски неточных выводов или генерации ложной информации, например, в маркетинге или юридических документах.
🔺Отсюда потеря доверия к инструментам ИИ (+16 п.п.).
• 12% компаний указали на опасения, связанные с утратой доверия потребителей или снижением рыночной доли из-за проблем с ИИ, таких как ошибки в рекомендациях или предвзятые алгоритмы.
• 30% компаний столкнулись с фактами чрезмерной зависимости сотрудников от ИИ (например, игнорирование человеческой экспертизы). Особенно беспокоят медицинские ошибки из-за некритичного использования ИИ-диагностики.
Есть и позитивные тенденции:
🔻Снизился страх компаний перед массовыми увольнениями персонала из-за внедрения ИИ (причины мы отметили в предыдущем посте).
🔻Также уменьшилось беспокойство в отношении этических и социальных рисков. Хотя 34% организаций отмечают случаи предвзятости алгоритмов (например, в найме или кредитовании), уровень опасений снизился на 7 п.п.
Выводы и тренды
Внедрение новых технологий всегда порождает новые проблемы, заставляет искать баланс между инновациями и безопасностью. И регулирующие нормы не всегда успевают за этим процессом — проблема активно обсуждается бизнес-сообществом, а кое-где даже что-то делается.
Чтобы минимизировать риски и максимизировать выгоды, компаниям и правительствам придется инвестировать в обучение сотрудников и кибербезопасность, внедрять проверку моделей на устойчивость и следить за развитием нормативной базы, чтобы не попадать на штрафы. Эти вопросы еще долго будут сохранять актуальность.
А что внушает опасения вам? Пишите в комментариях!
#AI #экономика #тренды #аналитика #кибербезопасность #AI_index_report_2025
🚀 ©ТехноТренды
Что же внушает опасения руководителям предприятий?
🔺 Низкая окупаемость инвестиций (опасения выросли на +38 процентных пунктов по сравнению с предыдущими годами).
• Например, компании боятся, что неэффективное внедрение ИИ может привести к убыткам из-за высоких затрат на разработку и обучение сотрудников.
• Здесь же — страх перед растущей сложностью моделей (+14 п.п.). 63% компаний сталкиваются с проблемой несоответствия навыков сотрудников требованиям ИИ, что требует вложений в программы повышения квалификации.
🔺Регуляторные и правовые риски. 63% компаний обеспокоены рисками нарушения норм, таких как GDPR или новые законы о регулировании ИИ (например, EU AI Act), что может привести к штрафам.
🔺Проблемы конфиденциальности и безопасности (+15 п.п.).
• Беспокойство растет по мере роста объемов данных, обрабатываемых ИИ. 66% организаций указали кибербезопасность как один из главных рисков (например, взлом ИИ-систем или кража интеллектуальной собственности).
• При этом статистика показывает, что вложения в безопасность, хотя и кратно выросли, всё же на порядок уступают инвестициям в инфраструктуру ИИ и управление данными (см. график).
🔺Несоответствие ожиданиям от использования ИИ (+14 п.п.). Технология далека от совершенства, модели продолжают ошибаться и галлюцинировать. Около 30% организаций отметили риски неточных выводов или генерации ложной информации, например, в маркетинге или юридических документах.
🔺Отсюда потеря доверия к инструментам ИИ (+16 п.п.).
• 12% компаний указали на опасения, связанные с утратой доверия потребителей или снижением рыночной доли из-за проблем с ИИ, таких как ошибки в рекомендациях или предвзятые алгоритмы.
• 30% компаний столкнулись с фактами чрезмерной зависимости сотрудников от ИИ (например, игнорирование человеческой экспертизы). Особенно беспокоят медицинские ошибки из-за некритичного использования ИИ-диагностики.
Есть и позитивные тенденции:
🔻Снизился страх компаний перед массовыми увольнениями персонала из-за внедрения ИИ (причины мы отметили в предыдущем посте).
🔻Также уменьшилось беспокойство в отношении этических и социальных рисков. Хотя 34% организаций отмечают случаи предвзятости алгоритмов (например, в найме или кредитовании), уровень опасений снизился на 7 п.п.
Выводы и тренды
Внедрение новых технологий всегда порождает новые проблемы, заставляет искать баланс между инновациями и безопасностью. И регулирующие нормы не всегда успевают за этим процессом — проблема активно обсуждается бизнес-сообществом, а кое-где даже что-то делается.
Чтобы минимизировать риски и максимизировать выгоды, компаниям и правительствам придется инвестировать в обучение сотрудников и кибербезопасность, внедрять проверку моделей на устойчивость и следить за развитием нормативной базы, чтобы не попадать на штрафы. Эти вопросы еще долго будут сохранять актуальность.
А что внушает опасения вам? Пишите в комментариях!
#AI #экономика #тренды #аналитика #кибербезопасность #AI_index_report_2025
🚀 ©ТехноТренды
В Новосибирске 20-21 мая 2025 года на форуме «Прибориум» (мы его анонсировали на канале) был представлен российский нейроморфный процессор третьего поколения «Алтай-3» (AltAI v.3) от компании «Мотив НТ».
Разработка ведется с конца 2010-х годов, первый прототип создан в 2020 году. В 2022 году долю в проекте приобрела «Лаборатория Касперского». В 2025 году ожидается выпуск пилотной партии «Алтаев» с небольшим количеством ядер, а в 2026 году — инженерный запуск первой коммерческой версии для энергоэффективных встраиваемых систем, устройств «ИИ на чипе» и промышленных решений.
Что такое нейроморфные процессоры?
Нейроморфный процессор имитирует принципы обработки информации биологическими нейронными сетями. В отличие от традиционных CPU и GPU, эта архитектура объединяет вычисления и память, что позволяет избежать «проблемы фон Неймана» — задержки передачи данных между процессором и памятью.
Основные особенности нейроморфных процессоров:
🔸Локальное хранение данных. Информация обрабатывается непосредственно в ядрах процессора, что снижает задержки и энергопотребление.
🔸Многоядерность и параллелизм. Десятки или сотни простых вычислительных ядер работают одновременно, как нейроны в мозге.
🔸Энергоэффективность. Благодаря использованию асинхронных вычислений и отсутствию необходимости в частом доступе к памяти, чипы потребляют меньше энергии, особенно в задачах с низкой интенсивностью вычислений и непостоянным потоком информации.
Нейроморфные процессоры эффективны при работе в реальном времени, обеспечивая микросекундные реакции без батчинга, что критично для робототехники или сенсорных систем. Хотя GPU остаются лидерами в традиционных вычислениях и обучении ИИ, нейроморфные процессоры перспективны для таких задач, как обработка сигналов с датчиков, обработка естественного языка или управление роботами.
Архитектура «Алтай»: технические характеристики
• размеры — 9х9 мм (форм-фактор QFN44),
• 16 ядер
• энергопотребление 70 миливатт (мВт)
• технология 28 нм.
Как показали эксперименты, в задачах по компьютерному зрению для контроля физических и сверхбыстрых процессов, опытные образцы процессора «Алтай-1» значительно обошли коммерческие GPU от Nvidia. На демостендах «Алтай» по энергопотреблению и времени инференса оказался в 185 раз эффективнее GTX 1650 Ti и в 13 раз — GTX 3080Ti. Процессоры планируется применять в разных классах ИИ-устройств, от «интернета вещей» до дата-центров.
Что известно об AltAI v.3
Спецификации нового чипа показаны на картинке. Известны также некоторые ключевые моменты.
⚡️ Быстродействие. До 100 млрд операций в секунду = 100 GFLOPS. В «Алтае-3» реализуется возможность программировать отдельную синаптическую операцию и выполнять в ядре практически все инструкции общего назначения в течение одного такта (2,5 нс). Часть ядер может выполнять операционные задачи нейросети, так что не понадобится внешнее вычислительное оборудование.
⚡️ Энергоэффективность. «Жесткий» конечный автомат делает время исполнения алгоритма ядра постоянным и не зависит от количества нейронов и их связанности. В «Алтае-3» ядро не тратит время на «пустые» операции и может завершить работу до следующего события, что кратно снижает траты энергии.
⚡️ Объем памяти. Новые способы укладки матрицы связности позволили освободить значительные объемы ограниченной памяти для размещения более сложных алгоритмов. Набор весов, необходимых для нейрона, ограничен только памятью ядра 32 Кбайт.
⚡️ Масштабируемость. Можно наращивать число ядер без изменения физического интерфейса и упаковки, что обеспечивает согласованность при интеграции в более крупные системы.
⚡️ Применение. «Алтай-3» способен «обучаться» на датасетах пользователя и решать как задачи искусственного интеллекта, так и задачи общего назначения. Сборка модулей в вертикальный стек позволит подключать чип как стандартные флеш-накопители.
#AI_ускорители #нейропроцессоры
🚀 ©ТехноТренды
Разработка ведется с конца 2010-х годов, первый прототип создан в 2020 году. В 2022 году долю в проекте приобрела «Лаборатория Касперского». В 2025 году ожидается выпуск пилотной партии «Алтаев» с небольшим количеством ядер, а в 2026 году — инженерный запуск первой коммерческой версии для энергоэффективных встраиваемых систем, устройств «ИИ на чипе» и промышленных решений.
Что такое нейроморфные процессоры?
Нейроморфный процессор имитирует принципы обработки информации биологическими нейронными сетями. В отличие от традиционных CPU и GPU, эта архитектура объединяет вычисления и память, что позволяет избежать «проблемы фон Неймана» — задержки передачи данных между процессором и памятью.
Основные особенности нейроморфных процессоров:
🔸Локальное хранение данных. Информация обрабатывается непосредственно в ядрах процессора, что снижает задержки и энергопотребление.
🔸Многоядерность и параллелизм. Десятки или сотни простых вычислительных ядер работают одновременно, как нейроны в мозге.
🔸Энергоэффективность. Благодаря использованию асинхронных вычислений и отсутствию необходимости в частом доступе к памяти, чипы потребляют меньше энергии, особенно в задачах с низкой интенсивностью вычислений и непостоянным потоком информации.
Нейроморфные процессоры эффективны при работе в реальном времени, обеспечивая микросекундные реакции без батчинга, что критично для робототехники или сенсорных систем. Хотя GPU остаются лидерами в традиционных вычислениях и обучении ИИ, нейроморфные процессоры перспективны для таких задач, как обработка сигналов с датчиков, обработка естественного языка или управление роботами.
Архитектура «Алтай»: технические характеристики
• размеры — 9х9 мм (форм-фактор QFN44),
• 16 ядер
• энергопотребление 70 миливатт (мВт)
• технология 28 нм.
Как показали эксперименты, в задачах по компьютерному зрению для контроля физических и сверхбыстрых процессов, опытные образцы процессора «Алтай-1» значительно обошли коммерческие GPU от Nvidia. На демостендах «Алтай» по энергопотреблению и времени инференса оказался в 185 раз эффективнее GTX 1650 Ti и в 13 раз — GTX 3080Ti. Процессоры планируется применять в разных классах ИИ-устройств, от «интернета вещей» до дата-центров.
Что известно об AltAI v.3
Спецификации нового чипа показаны на картинке. Известны также некоторые ключевые моменты.
⚡️ Быстродействие. До 100 млрд операций в секунду = 100 GFLOPS. В «Алтае-3» реализуется возможность программировать отдельную синаптическую операцию и выполнять в ядре практически все инструкции общего назначения в течение одного такта (2,5 нс). Часть ядер может выполнять операционные задачи нейросети, так что не понадобится внешнее вычислительное оборудование.
⚡️ Энергоэффективность. «Жесткий» конечный автомат делает время исполнения алгоритма ядра постоянным и не зависит от количества нейронов и их связанности. В «Алтае-3» ядро не тратит время на «пустые» операции и может завершить работу до следующего события, что кратно снижает траты энергии.
⚡️ Объем памяти. Новые способы укладки матрицы связности позволили освободить значительные объемы ограниченной памяти для размещения более сложных алгоритмов. Набор весов, необходимых для нейрона, ограничен только памятью ядра 32 Кбайт.
⚡️ Масштабируемость. Можно наращивать число ядер без изменения физического интерфейса и упаковки, что обеспечивает согласованность при интеграции в более крупные системы.
⚡️ Применение. «Алтай-3» способен «обучаться» на датасетах пользователя и решать как задачи искусственного интеллекта, так и задачи общего назначения. Сборка модулей в вертикальный стек позволит подключать чип как стандартные флеш-накопители.
#AI_ускорители #нейропроцессоры
🚀 ©ТехноТренды
👍1🔥1
Может ли ИИ заменить программистов-фрилансеров? Результаты тестов
Опубликованы результаты масштабных тестов компании PeopleTec. Четыре языковые модели были проверены на задачах, типичных для фриланс-бирж. Спойлер: даже лучшие LLM пока что уступают живым программистам.
Контекст:
Используя набор данных Kaggle о вакансиях на Freelancer.com, авторы создали бенчмарк из 1115 задач по программированию и анализу данных, которые можно было оценить с помощью автоматизированных тестов (фильтрация, синтез, автоматическая проверка через тестовые кейсы).
Стоимость задач предсказана ML-моделью (Random Forest) на основе тегов навыков (медиана: $250, среднее: $306). По ожиданиям исследователей, выполнение всех заданий могло принести в общей сложности «примерно 1,6 млн долларов».
Работа моделей оценивалась по метрикам: успешность выполнения задачи, точность тестов, общий заработок, распределение ошибок.
Анализировались четыре модели: Claude 3.5 Haiku, GPT-4o-mini, Qwen 2.5 и Mistral (первые две — коммерческие, последние — опенсорсные). По оценкам авторов, среднестатистический живой инженер-программист мог бы решить более 95% задач.
Результаты тестов:
1️⃣ Claude 3.5 Haiku решил 78,7% задач (877 из 1115), заработав 1.52 млн — 95% от общего бюджета)
2️⃣ GPT-4o-mini: 77,3% задач ($1.49 млн)
3️⃣ Qwen 2.5: 68,5% ($1.33 млн)
4️⃣ Mistral 7B: 42,5% ($0.70 млн).
Выявленные ошибки: Claude и GPT-4o-mini чаще допускали незначительные неточности (например, в форматировании), Mistral — полные или множественные провалы.
Выводы:
✅ LLM уже достигли высокой эффективности в решении структурированных задач, приближаясь к уровню человека.
✅ Открытые модели (Qwen 2.5, Mistral) прогрессируют, но пока отстают от коммерческих решений.
✅ Для сложных проектов с креативными требованиями и неоднозначностью LLM могут справиться только при участии человека.
Тренды
Справедливости ради надо заметить, что ИИ уже активно используется фрилансерами и заказчиками для генерации требований, решения задач и оценки результатов. Как считает руководитель тестов Дэвид Ноевер, этот тренд будет только усиливаться:
Исследователи также отметили интересный технический предел: open source модели перестают справляться с задачами при 30 миллиардах параметров — а это как раз максимум, доступный для потребительских GPU. Для серьезных и масштабных задач требуется более продвинутая инфраструктура.
#LLM #тесты #аналитика #AI
🚀 ©ТехноТренды
Опубликованы результаты масштабных тестов компании PeopleTec. Четыре языковые модели были проверены на задачах, типичных для фриланс-бирж. Спойлер: даже лучшие LLM пока что уступают живым программистам.
Контекст:
Используя набор данных Kaggle о вакансиях на Freelancer.com, авторы создали бенчмарк из 1115 задач по программированию и анализу данных, которые можно было оценить с помощью автоматизированных тестов (фильтрация, синтез, автоматическая проверка через тестовые кейсы).
Стоимость задач предсказана ML-моделью (Random Forest) на основе тегов навыков (медиана: $250, среднее: $306). По ожиданиям исследователей, выполнение всех заданий могло принести в общей сложности «примерно 1,6 млн долларов».
Работа моделей оценивалась по метрикам: успешность выполнения задачи, точность тестов, общий заработок, распределение ошибок.
Анализировались четыре модели: Claude 3.5 Haiku, GPT-4o-mini, Qwen 2.5 и Mistral (первые две — коммерческие, последние — опенсорсные). По оценкам авторов, среднестатистический живой инженер-программист мог бы решить более 95% задач.
Результаты тестов:
1️⃣ Claude 3.5 Haiku решил 78,7% задач (877 из 1115), заработав 1.52 млн — 95% от общего бюджета)
2️⃣ GPT-4o-mini: 77,3% задач ($1.49 млн)
3️⃣ Qwen 2.5: 68,5% ($1.33 млн)
4️⃣ Mistral 7B: 42,5% ($0.70 млн).
Выявленные ошибки: Claude и GPT-4o-mini чаще допускали незначительные неточности (например, в форматировании), Mistral — полные или множественные провалы.
Выводы:
✅ LLM уже достигли высокой эффективности в решении структурированных задач, приближаясь к уровню человека.
✅ Открытые модели (Qwen 2.5, Mistral) прогрессируют, но пока отстают от коммерческих решений.
✅ Для сложных проектов с креативными требованиями и неоднозначностью LLM могут справиться только при участии человека.
Тренды
Справедливости ради надо заметить, что ИИ уже активно используется фрилансерами и заказчиками для генерации требований, решения задач и оценки результатов. Как считает руководитель тестов Дэвид Ноевер, этот тренд будет только усиливаться:
«Я не уверен, что кто-то уже полностью автоматизировал процесс. Но думаю, это вопрос месяцев».
Исследователи также отметили интересный технический предел: open source модели перестают справляться с задачами при 30 миллиардах параметров — а это как раз максимум, доступный для потребительских GPU. Для серьезных и масштабных задач требуется более продвинутая инфраструктура.
#LLM #тесты #аналитика #AI
🚀 ©ТехноТренды
arXiv.org
Can AI Freelancers Compete? Benchmarking Earnings, Reliability,...
This study explores Large Language Models (LLMs) as autonomous agents for real-world tasks, including freelance software development. This work presents a new benchmark that evaluates LLMs on...
Продолжаем изучать стэнфордский отчет AI Index Report 2025 (начало: 1, 2, 3, 4, 5, 6). Глава 5 «Science and Medicine» посвящена участию искусственного интеллекта в научных и медицинских исследованиях.
Если коротко: ИИ активно проникает практически во все сферы науки, охватывая диапазон от квантовой физики до создания новых химических веществ. И этот тренд будет только расти, открывая новые возможности и создавая новые риски.
1️⃣ ИИ продолжает ускорять научные открытия
🔸 Физика. ИИ-модели помогают анализировать данные экспериментов на ускорителях частиц.
🔸 Химия. ИИ-алгоритмы используются для расчета реакций и синтеза новых соединений.
🔸 Data science. Модели оптимизируют обработку больших массивов данных в астрофизике и экологии, например, для предсказания лесных пожаров.
Отчет также фиксирует расширение возможностей ИИ в междисциплинарных исследованиях, и прогнозирует появление виртуальных ИИ-лабораторий.
2️⃣ ИИ в медицине и биологии
В последние годы ИИ стал важным инструментом прорыва в диагностике, разработке лекарств и перспективных исследованиях по нескольким направлениям.
🔸 Протеиновый дизайн. LLM, такие как Aviary и AlphaProteo, оптимизируют последовательности белков для создания новых лекарств и материалов. 8,4% публикаций в области генерации белков основаны на применении ИИ, что в 2–3 раза выше, чем в других областях.
🔸 Картирование мозга. Проекты по созданию виртуальных лабораторий ИИ, например Virtual AI Lab, позволяют моделировать нейронные сети человеческого мозга, чтобы на их основе изучать неврологические заболевания.
🔸 Глюкозный мониторинг. LLM GluFormer применяется для непрерывного мониторинга уровня сахара в крови, улучшая лечение диабета.
🔸 Эволюционное моделирование. Модели Evolutionary Scale Modeling v3 (ESM3) и AlphaFold 3 сделали возможным предсказание изменения структуры белков, что критично для разработки терапии.
🔸 Генетика. ИИ активно применяется для изучения процессов транскрипции, трансляции и репликации ДНК/РНК.
🔸 Цитология. В 2023–2024 годах выросло количество моделей, анализирующих данные флуоресцентной и электронной микроскопии (перспектива для применения VLA), что позволяет глубже исследовать клеточные процессы.
3️⃣ Клиническая практика
С 2021 по 2024 годы США, Китай и страны ЕС значительно увеличили количество клинических испытаний с участием ИИ. Лидируют Штаты (>100 испытаний), за ними следуют Китай и Германия. Мы тоже писали о возможностях, которые открываются для ИИ в медицине.
Более 500 исследований в 2024 году показали эффективность обработки естественного языка (NLP) даже неспециализированных моделей при анализе медицинских записей. В 2024 году модель o1 от OpenAI на тесте MedQA установила новый эталонный показатель в 96,0% (+5,8% по сравнению с 2023 годом, +28,4% — с 2022-м).
Еще несколько выводов:
• GPT-4 в одиночку превосходит живых врачей (как применяющих ИИ, так и не) в диагностике сложных клинических случаев;
• ИИ лучше врачей справляется с выявлением рака и определением пациентов с высоким риском летального исхода;
• в то же время наилучшие клинические результаты достигаются при сотрудничестве ИИ и врача-человека.
Голосовые ИИ-ассистенты активно внедряются в амбулаториях и стационарах для автоматизации заказов и выдачи лекарств, кодирования и клинической поддержки в реальном времени.
Интересно, что в отчете не затронута тема удаленной и прецизионной хирургии, хотя это направление считается одним из самых перспективных и футурологичных примеров использования ИИ.
4️⃣ Риски и вызовы
Ключевая проблема, связанная с медицинским применением ИИ, касается врачебной этики и безопасности. Количество исследований по этой теме с 2020 по 2024 год увеличилось в 4 раза. Основные вопросы:
• прозрачность алгоритмов,
• защита конфиденциальных данных,
• предотвращение ошибок и галлюцинаций моделей при диагностике.
Еще один неожиданный вызов: датасеты клинических знаний для тестирования LLM, похоже, приближаются к насыщению. Назревает необходимость разработки более сложных методик оценки.
#AI #наука #медицина #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
Если коротко: ИИ активно проникает практически во все сферы науки, охватывая диапазон от квантовой физики до создания новых химических веществ. И этот тренд будет только расти, открывая новые возможности и создавая новые риски.
1️⃣ ИИ продолжает ускорять научные открытия
🔸 Физика. ИИ-модели помогают анализировать данные экспериментов на ускорителях частиц.
🔸 Химия. ИИ-алгоритмы используются для расчета реакций и синтеза новых соединений.
🔸 Data science. Модели оптимизируют обработку больших массивов данных в астрофизике и экологии, например, для предсказания лесных пожаров.
Отчет также фиксирует расширение возможностей ИИ в междисциплинарных исследованиях, и прогнозирует появление виртуальных ИИ-лабораторий.
2️⃣ ИИ в медицине и биологии
В последние годы ИИ стал важным инструментом прорыва в диагностике, разработке лекарств и перспективных исследованиях по нескольким направлениям.
🔸 Протеиновый дизайн. LLM, такие как Aviary и AlphaProteo, оптимизируют последовательности белков для создания новых лекарств и материалов. 8,4% публикаций в области генерации белков основаны на применении ИИ, что в 2–3 раза выше, чем в других областях.
🔸 Картирование мозга. Проекты по созданию виртуальных лабораторий ИИ, например Virtual AI Lab, позволяют моделировать нейронные сети человеческого мозга, чтобы на их основе изучать неврологические заболевания.
🔸 Глюкозный мониторинг. LLM GluFormer применяется для непрерывного мониторинга уровня сахара в крови, улучшая лечение диабета.
🔸 Эволюционное моделирование. Модели Evolutionary Scale Modeling v3 (ESM3) и AlphaFold 3 сделали возможным предсказание изменения структуры белков, что критично для разработки терапии.
🔸 Генетика. ИИ активно применяется для изучения процессов транскрипции, трансляции и репликации ДНК/РНК.
🔸 Цитология. В 2023–2024 годах выросло количество моделей, анализирующих данные флуоресцентной и электронной микроскопии (перспектива для применения VLA), что позволяет глубже исследовать клеточные процессы.
3️⃣ Клиническая практика
С 2021 по 2024 годы США, Китай и страны ЕС значительно увеличили количество клинических испытаний с участием ИИ. Лидируют Штаты (>100 испытаний), за ними следуют Китай и Германия. Мы тоже писали о возможностях, которые открываются для ИИ в медицине.
Более 500 исследований в 2024 году показали эффективность обработки естественного языка (NLP) даже неспециализированных моделей при анализе медицинских записей. В 2024 году модель o1 от OpenAI на тесте MedQA установила новый эталонный показатель в 96,0% (+5,8% по сравнению с 2023 годом, +28,4% — с 2022-м).
Еще несколько выводов:
• GPT-4 в одиночку превосходит живых врачей (как применяющих ИИ, так и не) в диагностике сложных клинических случаев;
• ИИ лучше врачей справляется с выявлением рака и определением пациентов с высоким риском летального исхода;
• в то же время наилучшие клинические результаты достигаются при сотрудничестве ИИ и врача-человека.
Голосовые ИИ-ассистенты активно внедряются в амбулаториях и стационарах для автоматизации заказов и выдачи лекарств, кодирования и клинической поддержки в реальном времени.
Интересно, что в отчете не затронута тема удаленной и прецизионной хирургии, хотя это направление считается одним из самых перспективных и футурологичных примеров использования ИИ.
4️⃣ Риски и вызовы
Ключевая проблема, связанная с медицинским применением ИИ, касается врачебной этики и безопасности. Количество исследований по этой теме с 2020 по 2024 год увеличилось в 4 раза. Основные вопросы:
• прозрачность алгоритмов,
• защита конфиденциальных данных,
• предотвращение ошибок и галлюцинаций моделей при диагностике.
Еще один неожиданный вызов: датасеты клинических знаний для тестирования LLM, похоже, приближаются к насыщению. Назревает необходимость разработки более сложных методик оценки.
#AI #наука #медицина #тренды #аналитика #AI_index_report_2025
🚀 ©ТехноТренды
Вы уверены, что ИИ ускоряет вашу работу? О чем говорят реальные тесты
10 июля METR опубликовал интересное исследование, показывающее, как AI-инструменты влияют на производительность опытных разработчиков open-source проектов.
В рамках рандомизированного контролируемого теста 16 опытных программеров выполняли задания в своих репозиториях — с использованием ИИ и без. Испытуемые могли использовать современные ассистенты, такие как Cursor Pro с Claude 3.5/3.7 Sonnet, либо работать без генеративного AI. Всего за время эксперимента было выполнено 246 задач разной сложности, из них 136 — с участием AI.
В отличие от традиционных бенчмарков, где задачи упрощены и формализованы, METR использовал реальные задачи, реальных специалистов и реальные open-source проекты. Это делает исследование более релевантным для оценки влияния ИИ на профессиональную деятельность.
Ключевые результаты
🔸 Как показали метрики, с применением ИИ разработчики работали на 19% дольше, чем без него. Причем эффект сохранялся независимо от используемого инструмента: agentic mode, TAB или ручной ввод в ChatGPT — всегда расходуется лишнее время.
🔸 Интересно и то, что субъективно программисты этого не ощущали. Разработчики ожидали, что ИИ ускорит их работу на 24%, и даже после завершения задач были уверены, что ИИ помог им на 20%.
В чем причина неэффективности ИИ?
• Плохая интеграция ИИ в рабочие процессы. ИИ-инструменты не всегда учитывают специфику проектов и требуют дополнительной настройки.
• Ошибки в генерации кода. ИИ может выдавать неверные или неполные решения, которые требуют проверки и коррекции — а на это уходит время.
• Недостаток опыта работы с ИИ. До эксперимента многие участники не использовали Cursor. И хотя предварительно прошли курс обучения, их опыт работы с этим инструментом составлял менее 50 часов, что может указывать на недостаточную адаптацию к таким системам.
Выводы и прогнозы
Исследование METR не отрицает потенциала ИИ. Оно лишь подчеркивает, что современные AI-ассистенты еще не оптимально интегрированы в профессиональные процессы. Необходима дальнейшая работа по оптимизации взаимодействия человека и ИИ, интеграции LLM в существующие инфраструктуры, новые подходы к тестированию, документированию и ревью кода.
Также, как отмечают авторы, это исследование — «снимок» состояния ИИ на начало 2025 года. С улучшением архитектур, методов подсказок, персонализации и обучения ИИ на конкретных проектах эффективность LLM может значительно вырасти.
Наш комментарий
👉 Явный контраст с другими бенчмарками, обычно показывающими впечатляющую эффективность ИИ на стандартизированных задачах (см., например, отчет Innovation Endeavors). В реальных условиях при высоких требованиях к качеству кода и сложных задачах ИИ пока не оправдывает ожиданий.
🔥 Не менее интересно и выявившееся когнитивное искажение разработчиков. Что это: очарованность магией ИИ или завышенная оценка собственной эффективности?
С другой стороны, есть исследования, показывающие реальное положительное влияние ИИ на производительность программистов — в первую очередь джуниоров и мидлов. Например, ИИ-ассистенты реально помогают неопытным программистам быстрее находить решения и избегать типичных ошибок (см. отчет Роберта Солоу «AI and the Productivity Puzzle», 2024).
Тесты METR также полностью подтверждают первые наблюдения практику такого явления, как вайбкодинг. Безусловно, в рутинных задачах на написания «быстрорешений» MVP, малых скриптов или кусков кода LLM хорошо помогают.
Другое дело, когда нужно сделать полноценный проект или же обеспечить дописание и поддержку существующего проекта. За LLM нужно проводить код-ревью, и это может быть труднее и дольше, чем кодить с нуля. Часто приходится корректировать промпты, прежде чем LLM сможет написать нормальный код.
Таким образом, высокоуровневый ИИ может хорошо показать себя в проектах, где LLM применяется с нуля и полностью исключено человеческое участие... эдакое программирование «человеческим языком», без сложных команд и конструкций типа try catch.
#AI #программирование #тренды
🚀 ©ТехноТренды
10 июля METR опубликовал интересное исследование, показывающее, как AI-инструменты влияют на производительность опытных разработчиков open-source проектов.
В рамках рандомизированного контролируемого теста 16 опытных программеров выполняли задания в своих репозиториях — с использованием ИИ и без. Испытуемые могли использовать современные ассистенты, такие как Cursor Pro с Claude 3.5/3.7 Sonnet, либо работать без генеративного AI. Всего за время эксперимента было выполнено 246 задач разной сложности, из них 136 — с участием AI.
В отличие от традиционных бенчмарков, где задачи упрощены и формализованы, METR использовал реальные задачи, реальных специалистов и реальные open-source проекты. Это делает исследование более релевантным для оценки влияния ИИ на профессиональную деятельность.
Ключевые результаты
🔸 Как показали метрики, с применением ИИ разработчики работали на 19% дольше, чем без него. Причем эффект сохранялся независимо от используемого инструмента: agentic mode, TAB или ручной ввод в ChatGPT — всегда расходуется лишнее время.
🔸 Интересно и то, что субъективно программисты этого не ощущали. Разработчики ожидали, что ИИ ускорит их работу на 24%, и даже после завершения задач были уверены, что ИИ помог им на 20%.
В чем причина неэффективности ИИ?
• Плохая интеграция ИИ в рабочие процессы. ИИ-инструменты не всегда учитывают специфику проектов и требуют дополнительной настройки.
• Ошибки в генерации кода. ИИ может выдавать неверные или неполные решения, которые требуют проверки и коррекции — а на это уходит время.
• Недостаток опыта работы с ИИ. До эксперимента многие участники не использовали Cursor. И хотя предварительно прошли курс обучения, их опыт работы с этим инструментом составлял менее 50 часов, что может указывать на недостаточную адаптацию к таким системам.
Выводы и прогнозы
Исследование METR не отрицает потенциала ИИ. Оно лишь подчеркивает, что современные AI-ассистенты еще не оптимально интегрированы в профессиональные процессы. Необходима дальнейшая работа по оптимизации взаимодействия человека и ИИ, интеграции LLM в существующие инфраструктуры, новые подходы к тестированию, документированию и ревью кода.
Также, как отмечают авторы, это исследование — «снимок» состояния ИИ на начало 2025 года. С улучшением архитектур, методов подсказок, персонализации и обучения ИИ на конкретных проектах эффективность LLM может значительно вырасти.
Наш комментарий
👉 Явный контраст с другими бенчмарками, обычно показывающими впечатляющую эффективность ИИ на стандартизированных задачах (см., например, отчет Innovation Endeavors). В реальных условиях при высоких требованиях к качеству кода и сложных задачах ИИ пока не оправдывает ожиданий.
🔥 Не менее интересно и выявившееся когнитивное искажение разработчиков. Что это: очарованность магией ИИ или завышенная оценка собственной эффективности?
С другой стороны, есть исследования, показывающие реальное положительное влияние ИИ на производительность программистов — в первую очередь джуниоров и мидлов. Например, ИИ-ассистенты реально помогают неопытным программистам быстрее находить решения и избегать типичных ошибок (см. отчет Роберта Солоу «AI and the Productivity Puzzle», 2024).
Тесты METR также полностью подтверждают первые наблюдения практику такого явления, как вайбкодинг. Безусловно, в рутинных задачах на написания «быстрорешений» MVP, малых скриптов или кусков кода LLM хорошо помогают.
Другое дело, когда нужно сделать полноценный проект или же обеспечить дописание и поддержку существующего проекта. За LLM нужно проводить код-ревью, и это может быть труднее и дольше, чем кодить с нуля. Часто приходится корректировать промпты, прежде чем LLM сможет написать нормальный код.
Таким образом, высокоуровневый ИИ может хорошо показать себя в проектах, где LLM применяется с нуля и полностью исключено человеческое участие... эдакое программирование «человеческим языком», без сложных команд и конструкций типа try catch.
#AI #программирование #тренды
🚀 ©ТехноТренды
Инвестиции в ИИ-стартапы: тренды и прогнозы 2025 года
Искусственный интеллект продолжает оставаться одним из самых привлекательных секторов для венчурных инвестиций. Мы уже приводили ссылки на исследования по 2024 году — вложения растут как в разработку ПО, так и в вычислительные мощности.
В 2025-м тенденция сохраняется: на сектор ИИ пришлось почти $60 млрд, или 53% от общего объема венчурного финансирования. Особенным вниманием пользуются здравоохранение, био- и «зеленые» технологии, автоматизация юридических процессов, а также «белый слон» индустрии — генеративные LLM.
По данным Crunchbase, в Q1'2025 глобальные венчурные инвестиции достигли $113 млрд — самый высокий показатель с 2022 года. Однако треть этой суммы — $40 млрд — пришлась всего на один раунд: инвестиции в OpenAI.
И это не случайность, а тенденция: объем инвестиций растет, но количество сделок сокращается.
«Имеющим прибавится, у не имеющих отнимется»
Как показывают цифры, интерес инвесторов смещается в сторону крупных, зрелых компаний, тогда как молодым стартапам становится всё труднее находить финансирование. Грубо говоря, деньги дают тем, у кого они уже и так есть (одно из ярких исключений — мощно стартовавший сольный проект Миры Мурати), а таких меньшинство. Посмотрите на диаграммы Crunchbase:
📈 инвестиции в late-stage компании увеличились более чем на 30 % по сравнению с предыдущим кварталом и на 147 % по сравнению с прошлым годом и составили $81 млрд;
📉 напротив, объем начального финансирования seed-проектов упал до $7,2 млрд, а глобальные инвестиции на ранних стадиях сократились до $24 млрд — самый низкий уровень за последние пять кварталов.
Инсайдеры отрасли также отмечают изменения в структуре и содержании сделок. Оценка стоимости на seed-стадии снизилась на 30 % по сравнению с недавними пиковыми значениями, а сроки выхода увеличились до 12 лет и более.
👉 О чем это говорит? Хайп вокруг ИИ проходит, инвесторы начинают вести себя более прагматично и предпочитают вкладываться в проверенные модели с четким путем к монетизации, особенно в секторе ИИ.
Специализация и «буткэмп»
Один из ключевых трендов — переход от универсальных фондов к узкоспециализированным. В 2025 году многие компании сделали ставку на развитие нишевых проектов, особенно в мире технологий. И инвесторы тоже предпочитают фокусироваться на конкретных отраслях или даже на узкоспециализированных модных направлениях: климатические технологии, генная терапия, femtech (продукты, специально разработанные для женского здоровья).
Также развивается практика «буткэмп-фаундинга» — создание небольших инвестфондов, ориентированных на очень ранние проекты. Такие структуры предлагают стартапам более персонализированный подход, включая менторство, доступ к сетям и операционную поддержку. Для ИИ-стартапов, которым часто требуется длительный путь до выхода на рынок, это может стать важным преимуществом.
Демократизация инвестиций и private wealth
Ответом индустрии на скептицизм корпоративных инвесторов стали крауд-инвестинг и токенизация. Этакий метод «народной стройки», за счет которой seed- и early-stage проекты могут дотянуть до late-стадии, начать получать прибыль и раздавать дивиденды.
Растет и сектор private wealth (высоколиквидные индивидуальные инвесторы и семейные офисы): по оценкам Belasko UK Limited, к 2033 году объем частных венчурных вложений достигнет $7 трлн.
Прогнозы и вызовы на 2025 год
К концу 2025 года ожидается увеличение сделок M&A в секторе, особенно среди AI-проектов. Также прогнозируется возвращение «единорогов» — стартапов с оценкой свыше $1 млрд, особенно в Европе. С другой стороны, рост процентных ставок, геополитическая нестабильность, возможное замедление экономики и постепенное охлаждение ИИ-энтузиазма могут существенно сократить число стартапов.
#венчур #инвестиции #AI #стартапы #тренды
🚀 ©ТехноТренды
Искусственный интеллект продолжает оставаться одним из самых привлекательных секторов для венчурных инвестиций. Мы уже приводили ссылки на исследования по 2024 году — вложения растут как в разработку ПО, так и в вычислительные мощности.
В 2025-м тенденция сохраняется: на сектор ИИ пришлось почти $60 млрд, или 53% от общего объема венчурного финансирования. Особенным вниманием пользуются здравоохранение, био- и «зеленые» технологии, автоматизация юридических процессов, а также «белый слон» индустрии — генеративные LLM.
По данным Crunchbase, в Q1'2025 глобальные венчурные инвестиции достигли $113 млрд — самый высокий показатель с 2022 года. Однако треть этой суммы — $40 млрд — пришлась всего на один раунд: инвестиции в OpenAI.
И это не случайность, а тенденция: объем инвестиций растет, но количество сделок сокращается.
«Имеющим прибавится, у не имеющих отнимется»
Как показывают цифры, интерес инвесторов смещается в сторону крупных, зрелых компаний, тогда как молодым стартапам становится всё труднее находить финансирование. Грубо говоря, деньги дают тем, у кого они уже и так есть (одно из ярких исключений — мощно стартовавший сольный проект Миры Мурати), а таких меньшинство. Посмотрите на диаграммы Crunchbase:
📈 инвестиции в late-stage компании увеличились более чем на 30 % по сравнению с предыдущим кварталом и на 147 % по сравнению с прошлым годом и составили $81 млрд;
📉 напротив, объем начального финансирования seed-проектов упал до $7,2 млрд, а глобальные инвестиции на ранних стадиях сократились до $24 млрд — самый низкий уровень за последние пять кварталов.
Инсайдеры отрасли также отмечают изменения в структуре и содержании сделок. Оценка стоимости на seed-стадии снизилась на 30 % по сравнению с недавними пиковыми значениями, а сроки выхода увеличились до 12 лет и более.
👉 О чем это говорит? Хайп вокруг ИИ проходит, инвесторы начинают вести себя более прагматично и предпочитают вкладываться в проверенные модели с четким путем к монетизации, особенно в секторе ИИ.
Специализация и «буткэмп»
Один из ключевых трендов — переход от универсальных фондов к узкоспециализированным. В 2025 году многие компании сделали ставку на развитие нишевых проектов, особенно в мире технологий. И инвесторы тоже предпочитают фокусироваться на конкретных отраслях или даже на узкоспециализированных модных направлениях: климатические технологии, генная терапия, femtech (продукты, специально разработанные для женского здоровья).
Также развивается практика «буткэмп-фаундинга» — создание небольших инвестфондов, ориентированных на очень ранние проекты. Такие структуры предлагают стартапам более персонализированный подход, включая менторство, доступ к сетям и операционную поддержку. Для ИИ-стартапов, которым часто требуется длительный путь до выхода на рынок, это может стать важным преимуществом.
Демократизация инвестиций и private wealth
Ответом индустрии на скептицизм корпоративных инвесторов стали крауд-инвестинг и токенизация. Этакий метод «народной стройки», за счет которой seed- и early-stage проекты могут дотянуть до late-стадии, начать получать прибыль и раздавать дивиденды.
Растет и сектор private wealth (высоколиквидные индивидуальные инвесторы и семейные офисы): по оценкам Belasko UK Limited, к 2033 году объем частных венчурных вложений достигнет $7 трлн.
Прогнозы и вызовы на 2025 год
К концу 2025 года ожидается увеличение сделок M&A в секторе, особенно среди AI-проектов. Также прогнозируется возвращение «единорогов» — стартапов с оценкой свыше $1 млрд, особенно в Европе. С другой стороны, рост процентных ставок, геополитическая нестабильность, возможное замедление экономики и постепенное охлаждение ИИ-энтузиазма могут существенно сократить число стартапов.
#венчур #инвестиции #AI #стартапы #тренды
🚀 ©ТехноТренды