Читать «Данные решают. Как управлять данными, чтобы создавать ценность для бизнеса» онлайн
Светлана Бова
Страница 80 из 92
Но не все синтетические данные одинаково полезны. Если применять их бесконтрольно, происходит коллапс модели, она может выродиться и сильно потерять в качестве[85]. Поэтому ученые пытаются разработать правила использования синтетических данных на практике. И все с той же целью: идти вперед в гонке вооружений XXI века.
Еще есть вариант переобучить модель не на всех подряд данных в интернете, а только на достоверных. Ведь не все, что написано на форумах, правда. Конечно, тут нужно постараться. И необходимо время, а «гонку вооружений» пока никто не поставил на паузу. Но это действительно может быть решением, особенно для догоняющих ИИ-держав.
И здесь — вуаля — можно полагаться на методы управления данными, в которых мы с вами разбирались на протяжении всей книги.
Функция управления данными, которая еще недавно прозябала на задворках ИТ-департаментов, рядом с архивом и техподдержкой, вдруг выходит из тени и переезжает из душного подвала с серверами в светлые залы заседаний. Ведь именно здесь, на уровне управления данными, решается, смогут ли государственные и корпоративные массивы данных стать тем самым качественным фундаментом для ИИ-лидерства и принести России до 11 трлн руб. нового ВВП[86] к 2030 году или так и останутся грудой битов, которая только пылится и требует денег на свое хранение.
Не важно, строите ли вы основу основ для всей страны — фундаментальную LLM — или собираетесь применять ее на своих датасетах (наборах данных). Данные для ИИ — в любом случае ядро мира будущего, в котором ИИ играет значимую роль[87].
«Но какое отношение это имеет ко мне?» — спросите вы. Если вы не автор-разработчик больших языковых моделей, а, например, руководитель бизнеса, который смотрит на всю эту историю со стороны, у вас наверняка возникает закономерный вопрос: «А мне-то что со всем этим делать?»
Вопросов на самом деле несколько, и все они конкретные и болезненные.
Как не упустить выгоду от применения лучших LLM в мире? Тех, что создают OpenAI, Google, Anthropic, — они ведь реально умные, удобные, многофункциональные. Конкуренты уже встраивают их в свои продукты, экономят на поддержке, ускоряют разработку. Что же вам просто сидеть и смотреть?
И тут же второй вопрос: как сохранить данные о своем бизнесе? Ведь когда вы загружаете коммерческое предложение или договор в бесплатный ChatGPT, вы на самом деле отправляете эти данные на серверы в другую страну. Где они хранятся, как используются, не пойдут ли на дообучение модели, а потом не всплывут ли где-нибудь еще? Или вообще будут раскрыты по требованиям иностранного суда? Никто не даст вам стопроцентной гарантии.
Может, вообще забыть про иностранные модели и сразу ориентироваться на отечественные? Но здесь возникает третий вопрос: достаточно ли текущего уровня качества национальных LLM для наших потребностей? Они хорошо справляются с простыми задачами, но для сложных сценариев, глубокой аналитики, работы с узкими темами — не проигрывают ли западным аналогам? И если проигрывают, то насколько это критично?
Честный ответ: однозначного решения здесь нет. И любой, кто обещает вам простое «делайте так», скорее всего, лукавит или не до конца понимает проблему.
Поговорим об этом в материале про этику и риски. А пока осознаем, что делать со всей этой информацией бизнесу.
ЧТО ДЕЛАТЬ CDO
1. Будьте в курсе текущего положения страны и ее национальных LLM-моделей в гонке вооружений ИИ. Заведите радар технологий. Это поможет вам принимать бизнес-решения осознанно, а не плыть по течению. Даже если это будут решения о том, чтобы оставить все как есть.
2. Займитесь повышением качества данных при создании национальных LLM, если вы имеете к ним отношение. Или качеством данных и их описания в дата-каталогах, если вы собираетесь применять эти модели на практике в вашем бизнесе.
3. Надейтесь на лучшее. Ведь в теме ИИ многое зависит не от вас, а от темпов развития фундаментальной науки. Если, конечно, вы не имеете к ней непосредственного отношения.
Этика данных и риски: когда количественный рост упирается в стену
Итак, как мы сказали выше, до недавнего времени развитие больших языковых моделей шло по накатанной: больше данных, больше параметров, больше вычислительных мощностей — и модель умнеет прямо на глазах. Это работало как часы. Инженеры Google, OpenAI и других лабораторий скармливали алгоритмам терабайты текстов из интернета, книг, научных статей, и модель впитывала все, как губка. Казалось, этот процесс может продолжаться бесконечно.
Но сегодня мы упираемся в стену. Данные заканчиваются.
Не в том смысле, что в мире перестали писать тексты. А в том, что качественные, размеченные, пригодные для обучения массивы — особенно на редких языках или в узких доменах — стали дефицитом. Количество уже не переходит в качество автоматически. Моделям нужны не просто горы данных, а информация структурированная, проверенная, репрезентативная. И, что немаловажно, легально полученная.
Кай-фу Ли, один из самых авторитетных экспертов в области ИИ, описывает эволюцию ИИ через четыре волны, которые уже накрывают или скоро накроют мир.
Первая волна — ИИ интернета. Это алгоритмы рекомендаций в соцсетях, поисковики, таргетированная реклама. Здесь данные — наши клики, лайки, просмотры. Эта волна уже полностью вошла в нашу жизнь.
Вторая волна — ИИ бизнеса. Мы находимся в ней прямо сейчас. Это когда компании начинают использовать ИИ не только для рекомендаций, но и для управления запасами, оптимизации логистики, прогнозирования спроса, автоматизации рутинных процессов. Именно здесь данные становятся не просто «цифровым следом», а реальным активом бизнеса, влияющим на операционную эффективность.
Третья волна — ИИ восприятия. Машины начинают понимать не только текст, но и изображения, звуки, видео на уровне, близком к человеческому. Это уже происходит: системы распознавания лиц, голосовые помощники, диагностика по снимкам. Но расцвет третьей волны ИИ еще не наступил.
Четвертая волна — ИИ автономности. Роботы, беспилотные автомобили, дроны, которые принимают решения без участия человека. Здесь данные нужны уже не только для обучения, но и для работы в реальном времени, в реальном мире.
Каждая следующая волна требует все больше данных, причем все более качественных. И каждая следующая волна острее ставит вопрос: а откуда, собственно, эти данные брать?
ЛЕГАЛЬНОСТЬ КАК НОВОЕ УЗКОЕ ГОРЛЫШКО
OpenAI и другие компании-лидеры долгое время действовали по принципу «сначала захватить рынок, а с юристами разберемся потом». Они собирали данные отовсюду: из открытых интернет-архивов, книг, статей, форумов, часто не слишком задумываясь о том, кто автор этих текстов и на каких условиях они опубликованы[88].
И вот теперь разбирательства начались.
Японские