Які проєкти зі штучного інтелекту досліджує SoftServe – інтерв’ю з Володимиром Карпівим
Найбільша IT-компанія України SoftServe уже два місяці розвиває власну ШІ-лабораторію GenAI Lab, щоб прискорити впровадження технології у різних індустріях. Які проєкти досліджує лабораторія, як ШІ впливає на ринок праці та як бути із його галюцинаціями – розповів R&D-директор SoftServe Володимир Карпів у новому випуску «Business Breakfast з Володимиром Федоріним» від Forbes.
Для майбутнього розвитку штучного інтелекту R&D-директор найбільшої IT-компанії SoftServe Володимир Карпів виділяє три сценарії. Перший – моделі штучного інтелекту зупиняться у своєму розвитку. Другий – вони почнуть виявляти риси аналітичного, логічного та просторового мислення. Третій – штучному інтелектові вдасться сягнути рівня людини.
Дослідженням штучного інтелекту в SoftServe займається лабораторія GenAI Lab. Її розвиває R&D-відділ SoftServe, у якому працює більш як сотня осіб. Карпів очолив його у червні 2023-го, коли після семи років Микола Максименко пішов будувати власний стартап Haiqu.
Завдання R&D-відділу – знайти технологічне рішення та продати його клієнтам. R&D-відділ SoftServe генерує «семизначні прибутки», говорив Forbes Максименко у червні. Які ШІ-проєкти планує продавати SoftServe, як штучний інтелект допоможе винаходити ліки та чому може знову настати «зима» у розвитку технології?
Це скорочена та відредагована для ясності версія інтервʼю.
Які дослідження ШІ проводить SoftServe?
Основна ідея мовних моделей – генерація тексту. Це складне завдання, адже модель має послідовно генерувати довгі частини тексту. Вона вибирає слова із сотень тисяч варіантів і обирає саме те, що в підсумку дасть найбільш правдоподібну відповідь на початковий запит. Під цей опис підпадає велика кількість дослідницьких завдань, над якими ми працюємо.
Наприклад, генерація ліків. ШІ може так само генерувати хімічні елементи крок за кроком, утворюючи в підсумку ланцюжок, що відповідатиме початковому набору критеріїв. Тут критерії – властивості ліків, які мають допомогти ефективно лікувати хворобу.
За таким самим принципом ШІ може генерувати нові матеріали або дизайн, він може оптимізувати дизайн в автомобільній та аерокосмічній сферах.
Генеративний ШІ також працює з аудіозаписами голосу. Він може клонувати голос. Це значно спрощує процес запису маркетингових матеріалів, наприклад зі знаменитостями. Так само можна озвучувати навчальні матеріали голосами історичних постатей або персонажів із фільмів.
Є також дуже цікаві застосування в генерації 3D-моделей з тексту. Уявіть собі, що ви вводите текст і на виході отримуєте не інший текст, а детальну 3D-модель. Ми активно співпрацюємо з компанією Nvidia, яка має новий інструмент генерації таких 3D-моделей. Це може істотно прискорити роботу дизайнерів, архітекторів та людей інших творчих професій.
Як ШІ може трансформувати фармацевтику?
Загалом розробка ліків потребує багато часу. Науковці створюють варіанти ліків, які потім тестують у лабораторних умовах. Якщо результати згенерованих молекул і компонентів на перших етапах недостатньо хороші, відповідно, збільшуються час тестування та витрати на це.
Технології штучного інтелекту використовувалися у галузі й раніше, але моделі-трансформери можуть поліпшити цей процес. Найбільш радикальний стрибок був, коли компанія DeepMind презентувала модель AlphaFold, яка значно прискорила та збільшила точність генерації 3D-компонентів.
DeepMind починала як технологічна компанія, метою якої був розвиток систем штучного інтелекту. Один із дуже важливих напрямів застосування – Life Science, наука про життя, генерація нових молекул та ліків. Це гарний сигнал для всієї індустрії – генеративний ШІ є не лише цікавою іграшкою, а й має практичні застосування.
Головні споживачі рішень Life Science – фармацевтичні компанії. Для компаній недостатньо зробити лише самі ліки. Треба зрозуміти, як оптимально лікувати пацієнтів, а також як адаптувати процеси лікування під різні показники здоровʼя пацієнтів.
Як штучний інтелект впливає на ефективність SoftServe?
ШІ допомагає підвищити ефективність виконання ІТ-проєктів. Компанії намагаються побудувати власні інструменти або ліцензувати відомі рішення на ринку.
Ми провели велике дослідження впливу ШІ-інструментів на ефективність виконання ІТ-проєктів. У ньому взяли участь понад 1000 працівників компанії. За результатами дослідження, ефективність роботи команд, що використовували ШІ, зросла більш ніж на 40%. Час виконання проєкту також скоротився більш як на 30%.
Використання штучного інтелекту не обмежується лише написанням коду. Його можна застосовувати для перевірки якості розробленого коду, написання документації, збору вимог по проєкту та для управління проєктами.
Також ми помітили зростання попиту на ШІ-рішення у різних індустріях. Зараз є великий попит на експертів, які можуть ефективно інтегрувати з текстові моделі, розробляти їх та тренувати.
Ефективність роботи команд, що використовували ШІ, зросла більш ніж на 40%.
Як працювати із галюцинаціями штучного інтелекту?
Галюцинація є одним з основних ризиків використання штучного інтелекту. Ми не можемо повністю довіряти моделям, котрі можуть будь-якої миті згенерувати неправильну інформацію. Її треба постійно перевіряти. Це працює і з написанням коду.
У використанні ШІ важливо, щоб користувач був достатньо кваліфікованим і міг перевірити інформацію. Також можуть відбутися суттєві технологічні поліпшення. Наприклад, четверта версія GPT краще справляється із завданнями, ніж четверта GPT, оскільки її тренували не лише на текстах, а й на зображеннях.
Надалі нам потрібно здійснювати істотні прориви й відкриття в інших сферах, щоб зберегти прогрес. Минулого тижня під час презентації OpenAI оголосила про впровадження нових моделей Turbo, які дешевше використовувати.
Як штучний інтелект впливає на український ринок праці?
Соціологічні та соціальні наслідки генеративного штучного інтелекту не так легко передбачити. Працівникам із меншим досвідом, які не зможуть конкурувати зі ШІ, може бути важче знайти своє місце на ринку. Їм потрібно буде розвиватися до вищого рівня, щоб мати можливість приносити користь.
В Україні є величезний потенціал. В Україні сильна фундаментальна та технічна освіта – математика, фізика. Це те, що важливо для глибокого розуміння штучного інтелекту.
Поки що зарплати українських AI-інженерів та американських різні. Треба зважати на різницю між економіками. Але набагато важливішим для прогресу в штучному інтелекті є таланти, освіта, знання та досвід. Його можна точно так само отримати в Україні, як в іншій країні світу.
Я навчався в Україні, після цього навчався та працював у Франції. В певний момент я вирішив змінити роботу. Розглядав компанії у Лондоні, Парижі, Львові, Києві та Одесі.
Орієнтувався на цікавість роботи, проєктів, інноваційність та дослідницьку складову. Робота, яку ми робимо в R&D-відділі SoftServe, нічим не поступається та навіть має переваги у порівнянні з іншими компаніями.
Скільки SoftServe готовий платити за AI/ML-спеціалістів?
Важко говорити за весь SoftServe. Це конфіденційна інформація. Це не мільйони. Суми менші, ніж ті, за які фахівців переманює OpenAI. Компенсація залежить від регіону, досвіду та кваліфікації. Мені здається, в Україні можна будувати рішення будь-якого масштабу та рівня.
Що робити, аби не пасти задніх у ШІ-перегонах?
Важливо стежити за розробками та інноваціями у ШІ-сфері. Якщо у вас є небагато часу, аби читати наукові статті, то є добірки новин від ентузіастів. Наприклад, від співзасновника команди Google Brain Ендрю Ина. Він викладач Стенфордського університету та автор кількох освітніх курсів на Coursera.
Коли генеративний ШІ стане масовою технологією?
Робити будь-які довгострокові прогнози еквівалентно тому, щоб помилитись. Песимістичний сценарій – моделі штучного інтелекту зупиняться у своєму розвитку. Вони зіткнуться з якимись фундаментальними обмеженнями, що не дозволять їм надалі розвиватися. «Зима» штучного інтелекту може статися знову.
За прогнозами різних аналітичних компаній, зростання сфери генеративного штучного інтелекту може становити від 20% до 30%, деякі прогнозують 40% зростання з року в рік на найближчі 10 років.
Другий сценарій – технології продовжать розвиток, зʼявлятимуться суттєві інновації. Моделі зможуть вирішувати нові кейси. Вони почнуть проявляти риси аналітичного, логічного та просторового мислення.
Третій сценарій – у найближчі десятиліття штучному інтелектові вдасться сягнути рівня людини. Цей сценарій найбільш непередбачуваний. Я не футуролог чи філософ, аби спекулювати на тему, що може статися.
