Эксперт МФТИ обозначил тенденции развития искусственного интеллекта в 2025 году

В то время как компании по всему миру соревнуются в создании все более сложных нейросетей, в частности, Илон Маск анонсировал «самый умный ИИ на Земле» Grok-3, а китайские разработчики представили автономный ИИ Manus, способный самостоятельно ставить задачи, акцент в развитии искусственного интеллекта всё больше смещается в сторону качества обработки данных и возможности понимания работы нейросетей. Такое мнение высказал Алексей Самосюк, руководитель Лаборатории гибридных интеллектуальных систем Института искусственного интеллекта МФТИ.

По словам эксперта, несмотря на значительные успехи в области ИИ, одним из главных сдерживающих факторов остается скорость передачи и обработки информации. «Мы сталкиваемся с огромным объёмом данных, передача и обработка которых в реальном времени — это то, где чаще всего возникают затруднения»

Для решения этой проблемы, отметил эксперт, разрабатываются новые алгоритмы снижения избыточности и распределённой обработки данных, а также продолжается сближение аппаратного и программное обеспечения. «Программисты зачастую продолжают писать код в привычном формате, но современные компиляторы всё больше учитывают особенности конкретных чипов и особенности платформы в целом. Часть алгоритмов переносится в подходящие аппаратные модули, и количество таких узкоспециализированных модулей даже в пределах одного процессора продолжает расти, что позволяет оптимизировать работу системы», — пояснил Алексей Самосюк.

Второй важной тенденцией является переход к «умному» сбору данных. «Собирать все подряд — неэффективно. Появляется всё больше примеров того как небольшие датасеты высокого качества (как данных, так и разметки) позволяют обучать модели качества сопоставимого с большими, но с кратно меньшими затратами. Нужно учиться выуживать только релевантную информацию для улучшения модели. При этом для разных моделей и даже частей одной модели разные данные являются более или менее полезными», — отметил он. Это, в свою очередь, требует разработки новых алгоритмов, работающих со стриминговыми данными, и технологий адаптации к изменениям потока данных в реальном времени, учитывающих архитектуру конкретной модели.

Кроме того, эксперт подчеркнул необходимость повышения прозрачности работы больших нейросетей. 

Большие модели стали настолько сложными, что человеку почти невозможно уверенно предсказать выход модели, даже зная входные данные, и веса модели. А если не можешь предсказать, то как этим управлять? В связи с этим растет спрос на «интерпретируемость» — возможность разложить модель на понятные модули с понятным функционалом, которые часто можно дообучать локально»

продолжает Алексей Самосюк.

Эксперт также отметил, что текущая индустрия ИИ приоритезирует два основных направления по доработке открытых решений и обучению больших моделей. Однако, по его мнению, эти направления рискуют стать «съеденными» более крупными игроками. 

Вместо этого Самосюк предлагает сосредоточиться на прорывных решениях в области интерпретируемости, позволяющих контролировать обучение модели на уровне отдельных весов. «Это направление уже привлекает внимание стартапов и может дать результат выше среднерыночного», — заключил эксперт.

По мнению исследователя, будущее ИИ — не в слепом масштабировании, а в управляемости и эффективности, что открывает новые возможности для российских разработчиков на рынке.