Сегодня в ЕС насчитывается более десятка фабрик ИИ (AI Factories), учрежденных в рамках AI Continent Action Plan. На одной из таких фабрик побывала главный аналитик европейского направления Колаборатории Дарья Моисеева в рамках проекта AI Factory Talk. Мероприятие было организовано Барселонским cуперкомпьютерным центром. В качестве спикеров выступили выдающиеся исследователи в области ИИ, ответственные за прорывные разработки.

Доклад “Less is More: Accelerating AI with Advanced Data Strategies” представили учёные из NVIDIA, Хосе Альварез и Надин Чанг. Он был посвящен одной из фундаментальных проблем, с которой сталкиваются ИИ-разработчики: как снизить затраты на создание и обучение ИИ-моделей, сократив датасеты до оптимальных без потери производительности?

Мы привыкли думать, что IT-корпорации охотятся за всеми типами данных для обучения фундаментальных ИИ-моделей, но это далеко не во всех случаях верная стратегия. Если не сказать, что почти никогда не верная, потому что для создания отдельных ИИ-моделей, которые будут выполнять фиксированные функции (например, беспилотное вождение автомобиля или обнаружение аномалий на снимках МРТ), вовсе не нужны все данные мира. Нужно ограниченное количество данных, но при этом качество этих данных должно быть очень высоким. Умение выделять именно высококачественные датасеты для обучения ИИ-моделей экономит ресурсы. И в будущем именно такие ИИ-модели получат наиболее широкое применение, поскольку они отвечают узким задачам бизнеса.

В ходе выступления исследователи делились своими алгоритмами, с помощью которых можно автоматически определять высококачественные данные в разных предметных областях. Особо следует отметить, что качество датасетов определяется поставленными задачами: в данном случае качество отражает релевантность. Например, если ребенок осваивает навык ползания, то совершенно не релевантна информация о его одежде.

Отдельного внимания заслуживает работа с ошибками, предвзятостями и галлюцинациями (failures, biases and hallucinations). На примере ИИ-модели для беспилотного вождения, Альварез и Чанг продемонстрировали собственные стратегии для работы с ошибками.Например, машина не останавливается в нужный момент и врезается в другой автомобиль. Это означает, что тестовые дата-сеты были недостаточны и их необходимо расширить. В данном случае можно сгенерировать данные «с правильным поведением», где машина останавливается перед другим автомобилем, расширив дата-сеты.

Современное развитие ИИ-технологий требует не просто больших объемов данных, а умного и осознанного подхода к их отбору. Качественные, релевантные и точно подобранные датасеты играют решающую роль в производительности и устойчивости ИИ-моделей, способных решать реальные бизнес-задачи при меньших затратах.

😊
#colab_повестка @academgram

Колаборатория в лице Анны Сытник и Дарьи Моисеевой выступила на городском завтраке РСМД, посвященном «Глобальным тенденциям в области цифрового управления». И хотя изначально целью мероприятия была презентация нашей аналитической записки о «Цифровом управлении в Европейском союзе», мы не смогли себя остановить и не рассказать вам о трендах регулирования в остальном мире.

Цифровому управлению в эпоху ИИ, а на нем мы сделали особый акцент, можно дать несколько характеристик: это глобальная трансформация, которая завязана на геополитике с параллельной гонкой регуляторов за глобальные правила. Цифровое управление стало одним из элементов технологической геополитики.

1️⃣глобальная тенденция: балансирование между регулированием и инновациями. С данной дилеммой сталкиваются все акторы без исключения, и каждый ищет свой выход, обусловленный рядом уникальных характеристик: политическая система, экономические возможности, другие исторические обстоятельства. Выбор между регулированием и инновациями — вопрос стратегии выживания в новой технологической архитектуре мира. В этом контексте ЕС интересен своим комплексным и продуманным законодательством, однако прямой перенос этого опыта невозможен, поскольку другие акторы имеют иную политическую систему.

2️⃣глобальная тенденция: фрагментация глобального цифрового управления, которое приводит к конкуренции между технологическими экосистемами с вытекающими отсюда попытками навязать собственное видение цифрового регулирования на международных площадках. Мы наблюдаем крайне неоднородную вовлеченность стран в международное сотрудничество по ИИ-регулированию. Фрагментация обостряется гонкой ИИ.

3️⃣глобальная тенденция: лоббирование интересов IT-гигантов в регулировании. Само по себе лоббирование интересов не является чем-то новым, однако нельзя не сделать акцент на масштабах и рвении IT-гигантов, с которым они участвуют в выработке регулирования. Это имеет свои последствия: 1) это еще больше загоняет государства в дилемму между регулирование и стимулированием инноваций; 2) способствует нарастанию конфронтации за данные между индустриями (криэйтеры против «ИИ-моделей»).

⬇️Для ознакомления прилагаем презентации с мероприятия, а также видеозапись. Благодарим тех, кто разделил с нами этот жаркий день и участвовал в такой же жаркой дискуссии. Мы воодушевлены вашим интересом и будем продолжать работу в этом направлении.

😊
#colab_конференция @academgram