Технологии совершенствуются очень быстро, особенно быстро масштабируемые ИИ технологии. То, что казалось невозможным вчера, может быть реальностью в ближайшем времени.
Сложно сказать, к чему нас заведет этот тернистый ИИ путь?
Область применения очень ограниченная, если вывести из анализа бытовое применение и концентрировать внимание исключительно на коммерческом применении.
Переводчики, редакторы, корректоры, копирайтеры и новостные журналисты, художники, дизайнеры, аниматоры, программисты, операторы колл-центров, консультанты, офисные работники/секретари, рекламные менеджеры. Многие профессии под угрозой трансформации частичной или полной.
И все же, если говорить именно о потенциале научно-технического прогресса и R&D, здесь я скептик.
Если опустить продукты (ChatGPT, Claud, #GEMINi и другие), которые в науке действительно полный ноль в плане положительного эффекта, а рассматривать технологию, можно выделить:
• Вариационные автокодировщики (VAE)
• Генеративные состязательные сети (GAN)
• Графовые нейронные сети (GNN)
• Рекуррентные нейронные сети (RNN)
• Сверточные нейронные сети (CNN).
Каждая из нейросетей может быть полезна в какой-то области, но подчеркну – лишь как дополнение и надстройка к существующим научно-исследовательским проектам и комплексам.
Например, в сегменте биотехнологиях очень популярны TensorFlow и PyTorch (библиотеки для построения и обучения моделей глубокого обучения, применяемых в том числе в химии), которые используются много лет и являются частью ИИ.
CellDesigner для моделирования биохимических сетей и COPASI для моделирования и анализа биохимических систем, GROMACS для молекулярной динамики и так далее.
В аэродинамике и аэрокосмическом проектировании применяются научно-исследовательские комплексы в вычислительной гидродинамике (CFD) такие как #ANSYS Fluent и NASA's FUN3D. В аэродинамическом моделировании - XFLR5, в термодинамическом моделировании - #ANSYS Thermal, для оптимизации конструкций – OptiStruct, для общих математических расчетов – комплексы MATLAB и т.д.
Какие программные и научные комплексы используются в финансовом моделировании, статистике и макроэкономическом анализе?
R, Python, MATLAB, #SAS и #EXCEL для расчётов, автоматизации, статистического анализа и программировании. TensorFlow и PyTorch для машинного обучения, Tableau, #POWER BI, D3.js и #EXCEL для визуализации и так далее.
В чем суть? #Под каждую задачу свой комплекс. В реальном мире научные комплексы учитывают физику объектов и их взаимодействие, молекулярное и химическое моделирование на основе целого комплекса моделей.
ГИИ из-за архитектурных особенностей не может применяться для моделирования – это вообще другая область и класс задач, но ГИИ может классифицировать и в каком-то смысле анализировать полученные результаты при моделировании, создавая вектор распределения и пространство решений.
Еще раз, ГИИ не создает технологии, это в принципе невозможно даже теоретически. ГИИ может участвовать в создании технологии, лишь как дополнение к существующим комплексам с множеством допущений (высокая вероятность ошибок).
В этом смысле я не вижу ничего, чтобы могло качественно ускорить технологический прогресс. С 2023 не появилось ничего принципиально нового. Машинное и глубокое обучение существует уже несколько десятилетий и активно применяется в R&D.
0.26 HK$
+4%
328.25 $
+1.484%
6.95 $
-4.53%
19.15 $
-4.63%
22.34 $
-1.4557%