Алексей Коржебин 14/01/25
2024 год стал эпохой вдохновляющих технологических открытий, раздвинул границы возможного и перевернул представления о взаимодействии с цифровым миром. Каждое достижение этого года не просто впечатляет, оно прокладывает путь к еще более захватывающему будущему, вдохновляя на новые свершения.
Рассмотрим технологии, которые появились только в прошлом году и уже стали незаменимыми.
Text2Music: будущее контента на основе ИИ
Весной 2024 г. появились сервисы, которые по текстовой подсказке могли создавать музыку и видеоролики. Они достаточно быстро прошли путь от концептов до вполне продуктовых решений. Например, Melobytes, AIVA и Suno позволяют превращать текстовые описания в музыкальные композиции в разных стилях, и вы можете буквально за пару минут написать вполне качественную песню в стиле рок на стихи Пушкина, от вас при этом не потребуется никаких профессиональных навыков.
И хотя подобным решениям нет еще и года, AIVA уже активно применяется для создания фоновой музыки к короткометражным фильмам, а Melobytes интегрируется в маркетинговые кампании. Эти технологии делают музыкальное творчество доступным для всех.
Text2Video: перезагрузка видеоконтента
Text2Video преобразует текстовые сценарии в видеоролики с использованием передовых алгоритмов, основанных на представлении нейросетью латентных пространств. Эти технологии позволяют анализировать текст и создавать визуальный контент, используя сложные модели, которые интерпретируют данные как множество взаимосвязанных атрибутов.
Kapwing, Modelscope AI, Sora и Kling – одни из лидеров в этой области. Например, Sora генерирует видеоконтент, основываясь на концепции персонализированного подхода, анализируя предпочтения пользователя и предлагая уникальный визуальный ряд. Kling использует схожую архитектуру, предоставляя инструменты для создания интерактивных видео, где пользовательские данные включаются в динамическую анимацию. Эти подходы активно применяются в образовании, маркетинге и создании контента для социальных сетей, что раньше требовало существенных ресурсов продакшн-команд.
Хотя точные данные о числе созданных в 2024 г. видео неизвестны, технологии Text2Video уже доказали свою ценность, предлагая решения, которые значительно упрощают процессы контент-генерации, помогая создавать эффективные решения для маркетинга, обучения и блогинга.
Apple Vision Pro: смешанная реальность нового уровня
В 2024 г. мы уже писали о выходе Apple Vision Pro – виртуального шлема, реализующего концепцию пространственного компьютера. Он принципиально изменил подход к взаимодействию с цифровым контентом, задав новый стандарт качества. Устройство активно используется в архитектуре и медицине, например для 3D-моделирования зданий или симуляций хирургических операций. По оценкам, оно уже заняло 5% рынка устройств для виртуальной реальности. Широкому распространению пока мешают высокая цена и отсутствие приложений, которые помогли бы в полной мере воспользоваться его техническими возможностями. Но есть слухи, что Apple работает над более дешевой альтернативой.
Несмотря на отсутствие точных данных о количестве реализованных проектов, Vision Pro стал универсальным инструментом для профессионалов и любителей, устраняя барьеры между физическим и цифровым пространством.
Гуманоидные роботы и LLM: новые стандарты автоматизации
В 2024 г. снова появился интерес к роботам-гуманоидам, связанный с тем, что теперь они оснащены большими языковыми моделями (LLM), – это позволяет перейти от их программирования к обучению, давая им возможность легко интегрироваться в повседневную жизнь. Tesla со своим проектом Optimus, а также Figure AI с моделями Figure 01 и Figure 02 активно продвигают это направление. Tesla Optimus демонстрирует улучшенную подвижность и способность к выполнению рутинных задач, включая работу на производственных линиях и помощь в быту.
Figure AI представила модели Figure 01 и Figure 02, которые применяются в логистике, складировании и розничной торговле. Эти роботы уже проходят тестирование на таких предприятиях, как завод BMW в Спартанберге, демонстрируя высокую эффективность.
Хотя конкретные данные о масштабах их применения в 2024 г. недоступны, все эти роботы успешно решают задачи, требующие точности и автоматизации, что помогает оптимизировать рабочие процессы.
Logical Reasoning Models: интеллект, способный мыслить
Летом 2024 г. OpenAI представила новый вид моделей Logical Reasoning Models (LRM), которые являются эволюцией LLM-моделей o1-mini, o1-preview. LRM – это новый тип искусственного интеллекта, способный рассуждать и принимать решения на основе сложных данных. Он используется в задачах, где требуется анализ большого количества факторов и построение причинно-следственных связей. Например, модели OpenAI серии o1 активно применяются для автоматизации сложных процессов, таких как анализ большого объема данных в реальном времени.
В тестовом режиме OpenAI o1 продемонстрировала способность строить сложные логические выводы в задачах прогнозирования рыночных трендов и анализа юридической документации.
Благодаря своей способности к логическому мышлению LRM превосходит обычные чат-боты, которые ограничиваются стандартными скриптами. В реальных приложениях он используется для оценки кредитных рисков, анализа юридической документации или создания стратегий в области инвестиций. Это делает его ключевым инструментом для отраслей, где критически важны точность и надежность решений.
Ключевое преимущество LRM – это способность адаптироваться и использовать логические правила, имитируя человеческое мышление. Например, в банковском секторе он помогает автоматизировать процесс кредитной оценки, учитывая множество переменных, таких как кредитная история, рыночные условия и экономические показатели. Эти модели активно внедряются крупнейшими мировыми банками, что подтверждает их надежность и эффективность в реальной практике.
Используя LRM, исследователи смогли предсказать результаты выборов в США еще в сентябре (309:229 – прогноз, 312:226 – реальность) на основе моделирования поведения основных групп населения. В декабре OpenAI анонсировала новое поколение моделей o3, которые по тестам значительно превосходят o1 и могут решать научные задачи на уровне доктора наук.
Некоторые исследователи даже считают, что это уже AGI-модели, то есть общий искусственный интеллект. Опубликовать их для общего доступа планируют в I квартале 2025 г.
AI-агенты: цифровые помощники нового поколения
В 2024 г. появился термин "AI-агент". Это автономные программы или системы, способные самостоятельно выполнять задачи, взаимодействовать с окружающей средой и принимать решения на основе полученной информации.
Они могут обучаться на своем опыте, адаптироваться к изменениям и улучшать свою производительность со временем, способны автоматически производить действия, требующие когнитивных навыков, таких как понимание языка, анализ данных и принятие решений. AI-агенты работают на базе больших языковых моделей (LLM), которые используют обработку естественного языка (NLP) и машинное обучение для выполнения поставленных задач.
Принцип их работы основан на создании и поддержании контекста взаимодействия. Например, если пользователь запрашивает аналитический отчет, AI-агент сначала интерпретирует запрос, затем извлекает данные из доступных источников и структурирует их в понятной форме. Такие программы также могут самостоятельно обращаться к другим ИТ-системам, включая базы данных и облачные сервисы, чтобы получать дополнительные сведения, необходимые для выполнения задания. Более того, AI-агенты способны оценивать результаты своей работы, анализировать ошибки и оптимизировать алгоритмы, улучшая свою эффективность с течением времени.
Популярность AI-агентов растет, так как они способны адаптироваться к специфическим нуждам бизнеса, предлагая интеллектуальные решения для сложных задач. Можно предположить, что в 2025 г. это будет основной тренд на рынке.
Управление компьютером через LLM
По принципу человекоподобных роботов, которые могут работать, используя инфраструктуру, предназначенную для людей, сейчас появился целый класс нативных программ, взаимодействующих с компьютером, имитируя действия пользователя. Эти системы способны самостоятельно открывать браузеры, окна терминалов или среды разработки для выполнения сложных задач.
Например, GitHub Copilot активно помогает разработчикам, автоматически генерируя код и оптимизируя процессы программирования. На октябрь 2024 г. у сервиса 1,8 млн платных пользователей, причем 50% их кода создано с помощью Copilot. Но наиболее популярным средством у разработчиков становится Cursor – программа, построенная на основе VS Code, которая может писать, рефакторить код целого проекта. Приятно, что существуют и российские разработки, например GigaCode от Сбера, которые как плагины могут встраиваться в существующие IDE.
Кроме программирования (здесь не работает поговорка "сапожник без сапог", разработчики наиболее часто используют ИИ в своей работе), такие инструменты находят применение в повседневных задачах, например при планировании путешествий. AI-агенты виде таких программ могут самостоятельно искать и бронировать билеты, выбирать отели, анализировать отзывы и оптимизировать маршрут, используя браузер, или сохранять ваши заметки в Apple Notes и многое другое.
Расширенные голосовые интерфейсы: естественное общение с ИИ
В 2024 г. голосовые интерфейсы совершили революционный скачок, значительно расширив возможности взаимодействия. Одним из ключевых преимуществ этих систем является возможность прерывать их в любой момент, что делает взаимодействие более гибким и приближенным к человеческому диалогу. Кроме того, голоса ИИ теперь способны выражать эмоции – радость, удивление, сочувствие, придавая общению естественность и глубину.
Эти усовершенствования открывают новые горизонты для применения голосовых интерфейсов в повседневной жизни, делая взаимодействие с технологиями более интуитивным и человечным. Более подробно мы уже писали об этом.
Применение таких интерфейсов разнообразно. Например, в здравоохранении они помогают пациентам не только напоминать о приеме лекарств, но и эмоционально поддерживать их в сложные периоды. В повседневной жизни голосовые ассистенты могут найти что-то в Интернете, поддержать разговор, рассказать сказку ребенку или проконсультировать по какому-то вопросу. Это делает их незаменимыми помощниками, стирающими границы между человеком и машиной.
Заключение: технологический скачок в будущее
2024 год стал переломным моментом для множества технологий. Мы наблюдаем, как ИИ и сопутствующие решения трансформируют нашу жизнь, устраняя барьеры между идеей и ее реализацией. Эти достижения не просто инновации, это шаг в будущее, где границы возможного расширяются с каждым днем.
Прогнозы на 2025 год
На основе достижений 2024 г. можно выделить несколько ключевых прогнозов на год:
1. В 2025 г. генеративные технологии выйдут на новый уровень, радикально меняя подход к созданию музыки, видео и интерактивного контента. Вместо простых текстовых команд системы смогут улавливать эмоциональный фон и реакции пользователя, подстраивая результат под индивидуальные вкусы и даже физиологические показатели.
2. Параллельно устройства смешанной реальности, подобные Apple Vision Pro, еще глубже проникнут в профессию врача, архитектора и инженера, позволяя им управлять виртуальными объектами исключительно движениями глаз и рук, а также без труда совмещать цифровые модели с физическим миром.
3. На производстве и в сфере обслуживания все чаще будут появляться гуманоидные роботы с большими языковыми моделями, способные не только выполнять рутинную работу, но и принимать самостоятельные решения. Роботы станут доступнее для малого и среднего бизнеса, освобождая сотрудников от монотонных процессов и уменьшая расходы на персонал. Интересный факт, что Китай планирует внедрить миллион роботов в 2025 г. во все сферы жизни, от производства до быта, что должно изменить глобальное производство и автоматизацию
4. Голоса ИИ станут более "человечными": они научатся распознавать эмоции собеседника и реагировать на них с использованием различных интонаций, переходя на уровень практически незаметного для человека диалога.
5. 2025 год станет годом AI-агентов. Они будут самостоятельно координировать действия с другими системами и сервисами, беря на себя задачи, которые прежде требовали участия человека. В корпоративном секторе такие помощники получат особое распространение в финансах и страховании, где им предстоит быстро анализировать большие массивы данных и формировать обоснованные рекомендации по инвестициям или оценке рисков. В логистике и производстве они будут прогнозировать спрос и управлять складскими запасами, уменьшая простой и повышая эффективность цепочек поставок.
По мере того как AI-агенты обретут способность к непрерывному самообучению и еще более тесному взаимодействию между собой, они будут все меньше напоминать "инструмент", а все больше – самостоятельного оператора, на которого можно переложить рутинные и даже сложные задачи. В то же время общество столкнется с вызовами, связанными с безопасностью данных и этикой принятия решений, что неизбежно приведет к ужесточению регуляций и поиску новых подходов к контролю за деятельностью таких цифровых помощников.
6. Основой для AI-агентов станут LRM-модели. Особенно заметным будет их влияние в научно-исследовательской деятельности. LRM станут не просто формировать гипотезы на основе имеющихся данных и опубликованных работ, но и обосновывать последовательность действий, необходимых для проверки этих гипотез. Это может ускорить появление важных открытий, например, в фармацевтике, биотехнологиях и материаловедении.
В корпоративном секторе LRM начнут активно встраиваться в системы поддержки принятия решений, помогая руководителям и аналитикам оценивать сложные бизнес-сценарии, от планирования производственных процессов до ведения международных переговоров. При этом сами компании будут заинтересованы в создании "заказных" LRM, обученных на узкопрофильных данных, – это позволит повысить точность прогнозов и снизить риск типичных для обобщенных моделей ошибок.
Таким образом, в 2025 г. LRM перестанут быть лишь любопытной экспериментальной разработкой и превратятся в фундаментальный инструмент для бизнеса, науки и государственных структур. Их основные отличия от нынешних систем будут заключаться в умении анализировать, объяснять и доказывать: не просто выдавать ответ, но и демонстрировать логику, лежащую в его основе.
Эти прогнозы подчеркивают, что 2025 год может стать годом активного внедрения технологий, которые еще недавно казались фантастикой.
Опубликовано в журнале "Системы безопасности" № 6/2024
Все статьи журнала "Системы безопасности"
доступны для скачивания в iMag >>
Изображение от jcomp на Freepik
Поделитесь вашими идеями