Быть, а не казаться: как вырастить из ИИ профессионала

© iStock

Пока ученые спорят о пользе и вреде искусственного интеллекта, молодежь активно осваивает и интегрирует нейросети в свою жизнь, приспосабливая нашу реальность к новым условиям. О том, как дообучить LLM, чтобы они смогли служить полноценными ассистентами в профессиональной среде, обсудили в Вышке на воркшопе «Большие языковые модели в науке и в жизни».

НИУ ВШЭ совместно со Сбером открыл специальное двухдневное мероприятие, в рамках которого эксперты из разных отраслей провели дискуссии на тему «Большие языковые модели в науке и в жизни». Первый день воркшопа был посвящен обсуждению плюсов и минусов вхождения больших языковых моделей в бытовую и профессиональную реальность, а также того, как LLM могут и должны улучшиться, чтобы стать помощниками человека в области интеллектуальной рутины.

Воркшоп открылся панельной дискуссией, участники которой обсудили, как сейчас работают большие языковые модели и какие ожидания существуют у рынка в отношении их применения. Модератором выступила Екатерина Кручинская, директор по обеспечению деятельности научного руководителя НИУ ВШЭ, старший преподаватель кафедры высшей математики НИУ ВШЭ.

По мнению участников дискуссии, основа будущих прорывных разработок в области генеративного искусственного интеллекта лежит в области коллаборации разработчиков генеративных моделей и экспертов академической среды: первые знают, как обучать модели, а вторые — как обучать людей.

Ярослав Кузьминов, научный руководитель НИУ ВШЭ

© Высшая школа экономики

«В развитие ИИ уже вложены очень большие деньги — десятки миллиардов долларов, но пока неясно, какую отдачу и когда это принесет», — отметил во вступительном слове научный руководитель НИУ ВШЭ Ярослав Кузьминов. По его словам, одним из главных ожиданий от ИИ является замещение рутинных функций, которые занимают достаточную долю в бюджете времени.

Как пример, одной из ожидаемых возможностей LLM в сфере образования может быть раздача ученикам заданий и их проверка, на основе которой будет генерироваться готовое резюме для предоставления ученику обратной связи. Эффект этой разработки — снижение образовательной неуспешности ученика, которая возникает из-за отсутствия постоянной обратной связи, точечно контролирующей прогресс в обучении. Если искусственный интеллект сможет выполнять эту функцию, педагогам удастся уделять ученикам больше внимания и сформировать более творческий и результативный процесс обучения.

Еще одно ожидание — написание целостного саммари объемных научных текстов, публикующихся сейчас в большом количестве, а также создание формализованных документов, в том числе библиографии. Сейчас реализовать эту возможность затруднительно даже при использовании самых продвинутых больших языковых моделей из-за высоких рисков их галлюцинирования.

Роман Янковский

Последняя функция ИИ, которая была названа, — умный помощник юриста, который сможет найти информацию в нормативно-правовых актах под запрос клиента, проанализировать договоры с точки зрения юридических рисков и т.д. Далее эту возможность обсудили более подробно на круглом столе «Прикладные приложения больших языковых моделей в юриспруденции» при участии сотрудников Сбера Ксении Брянцевой (руководитель продукта GigaLegal) и Романа Кошелева (руководитель платформы GigaLegal), а также заведующего Центром трансформации юридического образования НИУ ВШЭ Романа Янковского.

Екатерина Кручинская

Все эти ожидания по большому счету требуют того, чтобы искусственный интеллект представлял собой некоторый аналог нормально обученного профессионала — педагога, юриста, экономиста и так далее. Но это ожидание пока плохо накладывается на эволюцию ИИ. Модератор дискуссии Екатерина Кручинская отметила, что модели уже сдают экзамены, но у них это работает не как у человека: знание огромного количества теоретических фактов не ведет к успешному оперированию этими знаниями в профессиональном контексте. Ярослав Кузьминов добавил, что в этом отношении странно было бы ожидать от актера, играющего маршала Жукова, правильного проведения военной операции, если бы он реально оказался на месте военачальника. То есть сегодняшний ИИ «всячески старается быть похожим на человека, но он пока не профессионал, а имитатор, и мы хотим помочь ему преодолеть эту планку», отметил научный руководитель Вышки.

Сергей Марков

О нынешнем состоянии генеративных моделей в России и мире рассказал Сергей Марков, управляющий директор — начальник управления экспериментальных систем машинного обучения департамента общих сервисов «Салют» Сбербанка. Сергей отметил, что, несмотря на колоссальный шаг вперед, который был сделан в области машинного обучения, на сегодняшний день существует большое количество актуальных вызовов и барьеров для развития этой технологии. Но в целом, благодаря большому притоку специалистов и ресурсов в последние годы, «поле исследований выглядит весьма оптимистично».

Развитие технологий искусственного интеллекта имеет для человечества экзистенциальное значение, убежден эксперт.

Максим Волошин и Федор Минькин из команды GigaChat отметили важность таргетного подхода к внедрению больших языковых моделей. Бизнес только недавно понял, что далеко не всегда нужно заботиться о том, чтобы внедрить в уже имеющуюся технологию генеративный ИИ, — может оказаться, что мы от этого потеряем. Более того, большая языковая модель — это не швейцарский нож, который решает все проблемы разом, а точечное решение, которое следует применять исключительно в случае, если мы понимаем характеристики полезного «выхлопа».

Безусловно, младшее поколение, как обычно, ушло далеко вперед в освоении технологий ИИ. «Пока разработчики и ученые решают, что можно, а что нельзя, в каких секторах применять либо ограничить ИИ, студенты уже давно освоили и вовсю применяют эти технологии», — напомнил Ярослав Кузьминов. По его словам, для сферы образования вопрос использования LLM стоит очень остро, так же как для юриспруденции и экономики, поэтому пора переходить от слов к работе над созданием продуктов на основе этой технологии, в том числе тех, которые могут быть широко коммерциализированы или значимы в создании общественных эффектов: например, могут бороться с образовательной неуспешностью или низкой производительностью труда.

Сергей Рощин, проректор НИУ ВШЭ

Эту идею в дальнейшем участники панельной дискуссии обсудили более предметно на круглом столе «Влияние больших лингвистических моделей на современные образовательные модели и технологии», где проректор НИУ ВШЭ Сергей Рощин отметил, что мы вынуждены констатировать проблему отсутствия владения навыками использования ИИ у преподавателей, а директор Института педагогики СПбГУ Елена Казакова поставила вопрос о том, как внедрять технологии ИИ так, чтобы это было на пользу, а не во вред, и как перестать бороться с тем, что неизбежно.

Алёна Феногенова

Важная часть первого дня воркшопа также была сосредоточена на обсуждении подходов к оценке больших языковых моделей. С докладом выступила Алёна Феногенова, руководитель команды AGI NLP SberDevices, рассказав про бенчмарк MERA, специфика которого относительно профессионального контекста была обсуждена с приглашенным экспертом из ассоциации «Альянс в сфере искусственного интеллекта» Егором Низамовым. Также профессиональную оценку искусственного интеллекта представили в пока непривычном контексте — с помощью современных методов психометрики, о чем рассказала Елена Карданова, научный руководитель Центра психометрики и измерений в образовании НИУ ВШЭ.

Второй день был посвящен специализированным мини-курсам и лекциям о ML и языковых моделях.