О Нобелевской премии 2024 года и ИИ

Ведущий специалист в области искусственного интеллекта и методов машинного обучения Сергей Марков отвечает на вопросы Алексея Кудря и нейронных сетей¹.

— Здравствуйте! В гостях у «Троицкого варианта» наш добрый друг, ведущий специалист в области искусственного интеллекта и методов машинного обучения Сергей Марков. Здравствуйте, Сергей!

— Всем привет!

— Искусственный интеллект, нейросети, машинное обучение — все эти области вызывают безумный интерес и в последние годы пользуются популярностью не только в Интернете: Нобелевский комитет отметил безусловную важность компьютерной науки, дав сразу две премии на эту тематику. Можно спросить, действительно ли появление работ на тему искусственного интеллекта явило собой некий переломный момент в жизни цивилизации, и можно ли уточнить, когда конкретно он случился? Кто этому поспособствовал, что они для этого сделали? Ну и тех ли наградили? А может быть, кого-то забыли? Ну или по-простому: почему Нобелевскую премию по физике дали за работу в сфере искусственного интеллекта?

— Да, тут вопросов много, а я всего один. Попробую порассуждать на эту тему немножко. Вначале пара слов об искусственном интеллекте как таковом. Под искусственным интеллектом мы понимаем область науки и технологии, которые занимаются автоматизацией решения интеллектуальных задач. И в этом смысле технологии искусственного интеллекта в своем самом примитивном виде существуют уже много тысяч лет: мы сделали первый шаг в направлении автоматизации интеллектуальной деятельности, когда впервые использовали стену пещеры для записи каких-то своих идей и изобрели первое примитивное устройство для счета. И в этом смысле это, наверное, очень типичный подход для человечества — усиливать свои возможности при помощи разных технологических решений. У нас, в отличие от многих животных, нет острых зубов и когтей, но мы создаем ножи, пики, вилки и прочее. У нас нет толстой шкуры и густого меха, зато мы шьем одежду. Человеческий разум тоже ограничен в силу определенных причин, однако мы создаем разные инструменты, которые помогают нам решать сложные интеллектуальные задачи.

И сегодня, конечно, в том мире, в котором мы живем, вообще сложно представить себе человека, который бы не пользовался такими инструментами практически ежедневно. И надо сказать, что эти технологии сегодня очень часто становятся невидимыми для конечного пользователя. То есть каждый раз, когда вы делаете просто фотографию на свой телефон, то не задумываетесь над тем, что это изображение внутри вашего телефона при помощи процессора обрабатывает нейросеть. Улучшение качества изображений на современных мобильных устройствах во многом связано именно с прогрессом алгоритмов, методов обработки сигнала, а отнюдь не с улучшением оптики или параметров светочувствительной матрицы. Это же можно сказать о поиске в Интернете, о проверке орфографии в текстовых процессорах — о чем угодно. Всё это самые разные технологии искусственного интеллекта. И надо сказать, что мы, наверное, за последние десять лет привыкли к тому, что прогресс в этой области действительно очень быстрый. Ведь технологии современных генеративных моделей, которые могут по текстовому описанию нарисовать картинку, всего три года: т. е. еще четыре года назад подавляющее большинство людей в мире было уверено, что машина не сможет нарисовать картину. И если бы вы спросили случайного человека: как вы думаете, когда современные машины смогут создавать достойные внимания человека изображения, то, скорее всего, вам ответили бы, что речь идет о десятилетиях, а может быть, и о большем промежутке времени.

Но вот за эти три года мы настолько привыкли к этим технологиям, что уже сейчас придираемся к разным деталям: вот эта нейросеть не умеет правильно рисовать пальцы, фу… А ведь всего три года назад нейросети не могли нарисовать, ну, там, примерно ничего. Ну, точнее, могли нарисовать в каких-то узких доменах, но так, чтобы прямо по тексту моего описания сгенерировать любую картинку… Ну, или, например, модели, подобные ChatGPT, генеративные текстовые модели, которые вменяемо отвечают на огромное количество вопросов, решают огромное количество интеллектуальных задач в текстовом домене: опять же, десять лет назад этого ничего не было даже близко. Вообще, принято считать, что революция глубокого обучения, как ее называют, началась в 2012 году. Об этом можно долго рассказывать. Я сейчас не буду углубляться во все перипетии развития технологий. Но факт остается фактом: действительно, прогресс в этой области очень большой за последние десятилетия. Внутри революции глубокого обучения тоже произошло несколько серьезных технологических революций. Например, в 2017 году появилась новая нейросетевая модель под названием Transformer, благодаря которой начался расцвет больших фундаментальных нейросетевых моделей. Благодаря этому появился генеративный искусственный интеллект в том виде, в котором мы знаем его сегодня. Поэтому, конечно, Нобелевский комитет, я думаю, стремясь следовать духу соответствующей премии, старается отметить те открытия, которые серьезно влияют на нашу жизнь, осуществляют фундаментальный вклад в технологический базис человеческого общества.

Но вот незадача, Нобелевская премия, в общем-то, создавалась под структуру науки конца XIX века. И, конечно, тогда многие научные направления либо еще не существовали, либо существовали, но не рассматривались как направления, которые в принципе могут фундаментально повлиять на жизнь человечества. Наверное, здесь самая типичная история — это история с математикой: в Нобелевской премии нет соответствующего раздела, и математиков награждать непросто. На эту тему есть много всяких смешных теорий, вроде той, что жена Нобеля изменяла ему с математиком. Но Нобель никогда не был женат, и это всё, конечно, выдумки. Но тот факт, что в конце XIX или начале XX века представить себе, что математика или вычислительные методы смогут каким-то радикальным образом повлиять на жизнь человеческого общества, было, наверное, чрезвычайно трудно. Это ведь было еще даже до того, как были сформулированы знаменитые проблемы Гильберта, и тем более еще до появления современной вычислительной техники.

Конечно, сегодня наука по структуре своей не очень похожа на науку XIX века. Какие-то фундаментальные направления остались, но в целом структура серьезно изменилась. Именно поэтому, например, в 1950-е годы была учреждена Премия по экономике памяти Альфреда Нобеля. Ее, например, выдали в свое время выдающемуся советскому математику Леониду Канторовичу за изобретенный им симплекс-метод и за достижения в области теории линейной оптимизации. Открытие этих методов действительно привело к довольно существенным и важным результатам, в том числе к созданию более эффективной плановой экономики, будь то государственной или корпоративной. Всем было понятно, что это серьезный вклад в науку, но формально вписать его в Нобелевскую премию возможности не было, вот и решили дать математику экономическую премию. И то, что мы видим сегодня, когда решение Нобелевского комитета, по сути, привело к тому, что в двух областях премию получили специалисты по машинному обучению, — это, наверное, в определенной мере продолжение той же старинной тенденции — подгонять дух Нобелевской премии под ее букву. Но понятно, что обычно подогнать можно что-то, что хотя бы в некотором смысле является междисциплинарным исследованием. Скорее всего, именно поэтому мы видим Джона Хопфилда в числе номинантов и победителей. Ведь среди специалистов по машинному обучению именно работы Хопфилда в большей мере имеют фундамент в области физики.

Между тем связь между физикой и вычислениями довольно тесная. Многие этого не осознают, но если мы говорим о вычислительных системах, то на самом деле любой вычислительный процесс всегда подразумевает существование определенного подлежащего физического процесса. Ведь любая вычислительная машина — это устройство, которое существует в нашем физическом мире, и устройство, которое воплощает те или иные физические принципы, которые позволяют нам производить вычисления. И надо сказать, что современная электроника в том виде, в котором она формировалась на протяжении 1930-х — 1960-х годов, не была единственно возможным физическим субстратом для вычислений. В 1930-е годы, например, Джон Винсент Атанасов, который, собственно, позже и создал первую электронную вычислительную машину, занимался устройствами, которые назывались лаплациометрами. В них в качестве субстрата для вычислений использовались, например, мыльные пленки или парафиновые кубики. Человечество создавало множество вычислительных устройств, основанных на самых разных физических принципах. И я скажу больше: классическая электроника сегодня подошла к определенным пределам, поэтому не исключено, что в ближайшие 10–20 лет ей на смену придут устройства, основанные на других физических принципах. Среди интересных кандидатов на эту роль есть, помимо прочих, фотонные системы.

И в этом смысле исследования Хопфилда, конечно, прокладывают очень важный мостик между физикой, термодинамикой, работами Больцмана (которые тоже на самом деле очень важны с точки зрения современной теории вычислений) и современным машинным обучением, которое, конечно, в большинстве случаев основано на методах, так или иначе связанных с таким подходом, как коннекционизм. В нем система создается, по сути, из множества мелких элементов, каждый из которых не обладает, способностью решать сложные интеллектуальные задачи, но за счет синергии у этой системы появляются новые свойства. Почему в последнее время про эмерджентность так много разговоров? Потому что современные нейросети — это действительно пример сложной статистической механики, и то, что называется эмержентностью в физических системах, можно наблюдать сегодня в вычислительных моделях. Разорвать вычисления с физическим субстратом практически невозможно. Только в абстрактной плоскости. Поэтому, конечно, Хопфилд здесь, наверное, фигура компромиссная в том смысле, что нельзя сказать, что его вклад в современное машинное обучение огромный (сети Хопфилда рассматриваются сегодня скорее как теоретическая модель). Но это специалист из области машинного обучения, который стоит к физике ближе всего.

Другой лауреат, Джеффри Хинтон, упоминал Хопфилда в числе тех людей, кто повлиял на его идеи. А вот вклад Хинтона, конечно, в современное машинное обучение переоценить довольно трудно, потому что это человек, который создал важнейшую школу вместе с Дэвидом Румельхартом и теми, кто в составе группы PDP занимался этими проблемами еще в 1970-е годы. Хинтон стоял, по сути дела, у истоков современной когнитивистики. Хотя, если говорить о конкретных достижениях Хинтона… Он не является ни изобретателем свёрточных нейронных сетей, ни изобретателем метода обратного распространения ошибки, ни создателем многослойных сетей, ни изобретателем трансформеров, ни даже создателем методов оптимизации, которые сегодня используются для обучения глубоких нейронных сетей… А если говорить о прямых достижениях Хинтона, то можно отметить, что методы, которые он развивал, сегодня лежат в основе автокодировщиков — в нынешних нейросетевых реалиях модель, конечно, важная. Опять же, нельзя сказать, что Хинтон совершил какое-то фундаментальное открытие, но он создал огромную школу: многие идеи, которые не принадлежали ему самому, он смог развить, популяризировать, изучить более подробно — и самостоятельно, и при помощи своих учеников. Таким образом, его вклад в машинное обучение огромен. А об отношении его к физике можно сказать, что до некоторой степени он, опять же, развивал концепцию машины Больцмана и во многих своих идеях отталкивался, опять же, от находок того же Хопфилда. Мостик с физикой, конечно, здесь нельзя назвать особенно надежным и основательным, но в целом я, наверное, приветствую тот факт, что Нобелевский комитет в этом году привлек большое внимание к связи современного машинного обучения с физикой, а я горячо поддерживаю общественное внимание к этой области именно потому, что физика для развития технологий искусственного интеллекта в ближайшие 10–20 лет будет играть очень значимую роль. Недавно мы с коллегами совещались на тему учебной программы AI360², и в целом самым, наверное, важным инсайтом и консенсусом, к которому мы пришли, является то, что если мы не хотим быть «генералами, которые готовятся к прошлой войне», то нам следует уделять больше внимания междисциплинарному блоку, а именно связи современных технологий машинного обучения с физикой и нейрофизиологией. Это две чрезвычайно важные в наше время междисциплинарные точки.

Если говорить о второй премии, здесь, конечно, опять же достижения Демиса Хассабиса и достижения DeepMind — команды, которую он возглавляет на протяжении многих лет, — действительно очень велики, и в этом смысле я думаю, что у химиков и биологов здесь гораздо меньше причин возмущаться таким решением Нобелевского комитета. Конечно, то, что мы видим в проекте AlphaFold, — это действительно выдающееся достижение. Сегодня мы можем предсказывать пространственные конфигурации сложных молекул, а раньше такое можно было решать только расходуя чудовищные вычислительные ресурсы, которых у нас, в общем-то, и не было. В результате сегодня машинное обучение пришло во многие смежные области: как оказалось, даже в газогидродинамике нейросети способны эффективно предсказывать поведение систем без прямого ячеечного моделирования процессов. Такую же картину мы наблюдаем и в области химии и биологии. Это очень серьезный шаг вперед, который потенциально может очень сильно снизить наши затраты на создание новых молекул, лекарств, конструкционных материалов… Достижение в области химии и биологии здесь само по себе велико. Наверное, дальнейшее развитие науки во многих областях будет связано с использованием современных технологий искусственного интеллекта. Это, конечно, не значит, что теперь во всех областях науки нужно специалистам по машинному обучению выдавать Нобелевские премии, но это говорит о том, что труд ученых, работающих на переднем крае во всех областях науки, сегодня неразрывно связан с теми новыми возможностями, которые создают наши новые технологии усиления человеческого разума, коими являются технологии искусственного интеллекта.

— Спасибо. Ну, говорят, что еще ожидалась третья премия в области литературы, которую должны были дать ChatGPT.

— Да, мемов на эту тему ходило много: «Нобелевку» по литературе дадут или Эрику Дженсену, или ChatGPT. Но, как это ни странно, в литературе прогресс пока не такой большой, как в некоторых других областях, как в STEM. Надо сказать, что создание больших литературных произведений — задача довольно непростая, потому что моделирование крупномасштабной повествовательной структуры литературного произведения требует от модели довольно длинного контекста и хорошего «видения» в этом длинном контексте, а это на самом деле сейчас является одним из самых важных вызовов для систем машинного обучения на основе трансформерных нейросетей. Поэтому мы пока не видим прямо выдающихся романов, написанных генеративными моделями, но уже видим неплохие рассказы. Мы тут тоже несколько лет назад с Павлом Пепперштейном экспериментировали вместе в проекте «Нейропепперштейн», когда учили специализированную сеточку писать в стиле Павла. Ну и, конечно, продолжаем эксперименты в этой области — у нас есть отдельное направление, связанное с нейросетевой генерацией художественной литературы и в области прозы, и в области поэзии, и в области ее машинного перевода, в частности. Тут мы много экспериментируем, и я думаю, что нам будет, чем порадовать публику.

— Если честно, то у меня был вопрос один, и на него я ответ получил. Но приглашать вас ради одного вопроса было бы по меньшей мере странно и непрактично с нашей стороны. Поэтому мы сделали так: взяли нейросеть и попросили ее сформулировать вопросы Сергею Маркову на тему Нобелевской премии, искусственного интеллекта и вообще.

Как вы оцениваете влияние присуждения Нобелевской премии за исследование в области искусственного интеллекта на общественное восприятие этой технологии? Может ли это ускорить внедрение искусственного интеллекта в различные сферы жизни?

— Вопрос хороший, кстати. Может ускорить, может не ускорить. Я бы сказал, что мы наблюдаем поляризацию мнений: есть люди, которых эта практика раздражает. И их тоже, наверное, можно понять. Но в целом результат привлечения подобного внимания к этой области будет для нее скорее положительным. Поэтому я думаю, что Нобелевский комитет, возможно, имел в виду и это в том числе. Мы понимаем, что когда Нобелевский комитет принимает такие решения, это привлекает внимание общественности. И как я уже говорил, привлечение внимания к этим междисциплинарным областям очень важно и, на мой взгляд, для прогресса очень полезно.

— Хорошо. Так, следующий вопрос. Насколько важно международное сотрудничество в области искусственного интеллекта? Могут ли геополитические факторы замедлить прогресс в этой области?

— Как и в науке, так и вообще в целом международное сотрудничество очень важно. Я бы сказал, что трудно найти такую область науки, которая бы не выигрывала от международного сотрудничества. Когда речь идет о направлениях науки, которые являются достаточно затратными (а сегодня исследования в области машинного обучения довольно-таки ресурсозатратны: для проверки многих гипотез нам нужны суперкомпьютеры, потребляющие много энергии), то проводить десять закрытых экспериментов вместо одного открытого очень плохо с точки зрения интересов человечества в целом. Но, к сожалению, в последние годы у нас наблюдается движение в сторону регионализации и закрытости. Все смеются по поводу OpenAI, которая на сегодняшний день фактически самая закрытая из топовых мировых лабораторий в области искусственного интеллекта. Но я все-таки надеюсь на то, что международное сотрудничество будет развиваться. Кстати говоря, я на днях вернулся из длительной поездки за границу, где вместе с коллегами общался с китайскими учеными — достаточно подробно и открыто. Надеюсь, что здесь всё же разум и интересы человеческого общества в целом возобладают, и международное сотрудничество в этих областях будет развиваться в интересах всего человечества.

— Как вы оцениваете вклад российских ученых в развитие технологий искусственного интеллекта на мировом уровне? Есть ли перспективные разработки, которые могут получить международное признание?

— Да, конечно, вклад и российских, и советских ученых в развитие этих технологий заметен. Россия унаследовала от Советского Союза передовую математическую школу. Скажем, если говорить о методах оптимизации, которые сегодня используются для обучения больших нейросетевых моделей, то они во многом основаны на работах отечественных ученых, например Бориса Поляка. И здесь нам, скажем так, есть чем гордиться. Другое дело, что сегодня, конечно, российская наука в этом направлении обладает заметно меньшими ресурсами, чем, скажем, наука в Соединенных Штатах или в Китае. Тем не менее в топ-5 мы, я думаю, в плане своего вклада входим достаточно уверенно. Ну и, как говорится, у того, кто бежит в марафоне на втором или на третьем месте, есть своеобразное преимущество — есть не только возможность экономить силы, но и возможность в условиях, когда кто-то уже доказал, что что-то в принципе возможно, повторить это и сделать лучше: им проще, чем тому, кто делает что-то первым. Ну и помимо этого, ситуация, когда у нас, допустим, меньше вычислительных ресурсов, чем у наших западных или китайских коллег, в некоторой степени заставляет более интенсивно работать головой. Мы думаем, как можно не так дорого решить те проблемы, которые в условиях огромных ресурсов можно просто заливать видеокартами. И опять же, это потенциально ведет к открытию новых продвинутых методов. Поэтому в целом у нас в этой области наука на мировом уровне. Мы, конечно, не лидеры, но в целом стремимся обосноваться в топ-3. Посмотрим, что из этого будет получаться. Во многом успех здесь зависит от того, будет ли поддерживать наши усилия в этой области общество, окажет ли поддержку государство и будет ли, опять же, эффективно развиваться международное сотрудничество. В целом, я с оптимизмом смотрю в будущее, несмотря на то, что, конечно, есть очень много вызовов, на которые нужно найти достойные ответы.

— Вот, кстати, по этому поводу еще один вопрос, опять же от нейросети. Какие этические проблемы, связанные с развитием искусственного интеллекта, требуют наиболее срочного решения? Как этому может способствовать научное сообщество?

— Это, наверное, проблема ученых во все времена, когда создаются достаточно могущественные технологии — точнее, технологии, которые серьезно расширяют возможности людей. Встает известная проблема, что технология может употребляться как и во благо, так и во зло. При помощи молотка можно забивать гвозди и строить дома, а можно и разбивать чьи-то головы. И сегодня мы видим, что, опять же, при помощи технологий искусственного интеллекта можно создавать лекарства, можно решать общественные проблемы, можно улучшать ежедневную жизнь людей. А можно и создавать оружие или разные инструменты для кибератак. Можно создавать, в конце концов, яды, токсины, новые патогены. И здесь, боюсь, что ученые сами по себе эту проблему никак решить не могут, потому что наука — это лишь часть общественной системы. И, скажем, еще в середине 2010-х годов ведущие специалисты в области машинного обучения подписали петицию с требованием не использовать технологии искусственного интеллекта на войне, для убийства людей ³. В числе подписантов были практически все люди, прославившиеся своим трудом над ИИ: и Йошуа Бенжио, и Джеффри Хинтон, и Демис Хассабис там тоже был. Не помню, был ли Хопфилд… Ведущие специалисты в этой области высказались на эту тему. Вместе с ними это воззвание подписали в том числе и многие технологические предприниматели, например Илон Маск. Остановило ли сегодня это кого-то от применения технологий искусственного интеллекта в боевых действиях? Нет, мы видим, что все стороны всех современных военных конфликтов стремятся применять эти технологии для решения тех задач, которые перед ними стоят. И, конечно, здесь наивно рассчитывать на то, что ситуацию изменят подобные воззвания или что полсотни специалистов смогут собраться и сказать, что мы не хотим, чтобы ИИ использовался на войне. Всё равно мы понимаем, что в мире специалистов по машинному обучению — сотни тысяч, и среди них всегда найдутся те, кто будет считать, что эти технологии можно применять для убийства людей. Такие вещи всегда можно, как говорится, обосновать, и люди хороши в изобретении всяческих этических оправданий для довольно мерзких вещей. Поэтому, конечно, в очередной раз перед обществом стоит сложный выбор, потому что создаваемые сегодня технологии могут потенциально причинить большой вред. И нам, безусловно, нужно стремиться к тому, чтобы эти технологии использовались среди прочего и для защиты интересов людей, и для того, чтобы предотвращать военные конфликты, и для того, чтобы бороться с инфекциями, эпидемиями…

Фактически те же самые инструменты, которые могут использоваться для нападения на людей, могут использоваться и для защиты. И вот сегодня, может быть, мы видим в некотором роде перекос в том смысле, что довольно активно появляются системы, которые направлены на то, чтобы играть на стороне крупных корпораций или государств, а вот систем, которые должны играть, что называется, на стороне человека, создается не так много. Посмотрите хотя бы на современные виртуальные ассистенты — встает вопрос: а чей это ассистент? Ваш личный, или же ассистент той компании, которая его разработала и вам предложила? Чьи интересы он будет отстаивать в случае конфликта? И где те технологии, которые предназначены для того, чтобы защищать нас, расширять наши возможности, быть своеобразным спасательным кругом в том сложном информационном мире, в котором мы с вами живем? Количество цифровой информации сейчас удваивается каждые два с хвостиком года. Это значит, что объем цифровой сферы растет экспоненциальными темпами. Нас захлестывает огромное количество информации, и мы видим, что те же самые генеративные модели сегодня вовсю используются и для того, чтобы распространять определенные идеи, и для того, чтобы так или иначе влиять на общественное мнение.

Но есть и технологии, которые изначально создавались для того, чтобы работать на нашей стороне. Например, поисковые машины, особенно первых поколений, были нужны для того, чтобы в океане цифровой информации отсеять всю шелуху и найти ту самую релевантную, полезную информацию, которая вам нужна. Но со временем, конечно, стало понятно, что бизнес-модель такова, что если пользователю инструмент дается бесплатно — то кто же будет за него платить? Например, те, кто при помощи этой поисковой системы станет увеличивать свои продажи. Давайте возьмем с продавцов деньги, чтобы их товары оказывались где-то в топе поисковой выдачи при соответствующих запросах! Поэтому, конечно, современному человеку в цифровом мире тяжело: оказывается, что цифровых технологий, работающих на его стороне, не так много. Сервисов, которые предназначены для помощи человеку, а не корпорации и государству, сегодня не хватает. Мне кажется, что это одна из дилемм, о которых сегодня стоит задуматься специалистам в области машинного обучения. Если вы собираетесь специализироваться на создании каких-то современных систем машинного обучения и планируете свой стартап или же выбираете, куда идти работать — в корпорацию, которая создает дронов-убийц, или, например, в клиентоцентричную (или даже человекоцентричную) корпорацию, которая ставит своей целью создание технологий для конечного пользователя в его интересах, — здесь, может быть, есть для вас повод сильно задуматься, какой же выбор сделать. Я тут, к сожалению, не очень верю в какие-то фундаментальные изменения, но в то же время верю в человечество и в то, что мы все-таки найдем достойные ответы на эти сложные вызовы, которые перед нами ставит эпоха. И в конечном счете, как я люблю подчеркивать, эпоха появления могущественных технологий и очень быстрого их развития парадоксальным образом предъявляет повышенные требования именно к нашим человеческим качествам. Поэтому нам как-то нужно задуматься, перевести дыхание; понять, что мы делаем и для чего, и, может быть, совершить в своей конкретной жизни какой-то более правильный выбор, который соответствует нашим представлениям о прекрасном завтра.

— Замечательно! Я целиком и полностью разделяю вашу позицию. Так, и еще вопрос. Как присуждение Нобелевской премии за исследования в области ИИ может повлиять на финансирование и поддержку этого направления со стороны государства и частных компаний? Даст ли это какое-то увеличение? Привлечет ли внимание?

— Ну, я думаю, что здесь довольно очевидный ответ, что да: ясно, что инвесторы или государственные чиновники, которые занимаются распределением фондов, живут не в безвоздушном пространстве и, стремясь оценить важность того или иного направления, конечно, ориентируются в том числе на решения экспертов. Конечно, Нобелевский комитет — сообщество экспертов из области науки, мнение которого довольно трудно игнорировать. Поэтому я думаю, что в целом это будет вести к увеличению финансирования в этих областях. Но насколько радикальным будет это увеличение, сказать, конечно, трудно. В принципе, мне кажется, что сейчас и без присуждения этой Нобелевской премии по физике выделяются довольно большие ресурсы на направления, связанные с машинным обучением.

— Так, ну и последний вопрос. Чем сейчас увлечены в лаборатории самого Сергея Маркова? Что там интересного сделали и чем удивят в ближайшее время?

— Ой, тут я, как говорится, многие вещи спойлерить не могу, но в скором времени состоится наша традиционная ежегодная конференция, посвященная искусственному интеллекту, которая называется AI Journey.⁴ На этой конференции мы, безусловно, представим довольно много новых разработок в области генеративного искусственного интеллекта. Поэтому следите за новостями. Мы работаем над очень многими интересными и разными, скажем так, проектами. И обещаю вам, что скучно точно не будет.

— Замечательно. Большое спасибо за интересную познавательную беседу!

— Спасибо вам, что позвали!

— Всего хорошего. До свидания.

— Всего доброго. Пока.

¹ Видеоверсия: youtu.be/lZc8s_ZeScs; Rutube: rutube.ru/channel/36379070/; VK Video: vk.com/video/@trvscience

² 360-ai.ru

³ futureoflife.org/open-letter/open-letter-autonomous-weapons-ai-robotics/

⁴ aij.ru

Нобель по молекулярной биологии