По мере развития регулирования искусственного интеллекта его будущее может стать частным. О том, как соотносятся возможности использования открытого и закрытого кода ИИ, на портале Information Age рассказывает Малкольм Росс, старший вице-президент по продуктовой стратегии компании Appian.

С момента выхода в прошлом году GPT-4 от OpenAI распространение инструментов ИИ приобрело экспоненциальный характер. Однако технология генеративного ИИ не лишена рисков. Такие компании, как Apple, Samsung и BBC, запретили ее использование в своих организациях, ссылаясь на проблемы конфиденциальности и соответствия нормативным требованиям. В то же время ряд государств в настоящее время принимают законы, регулирующие использование ИИ.

Мы все еще находимся на ранних стадиях понимания всех возможных результатов воздействия генеративного ИИ. Согласно недавнему отчету McKinsey, генеративный ИИ и другие технологии могут автоматизировать достаточное количество рабочих операций, чтобы высвободить от 60 до 70% рабочего времени сотрудников. Однако существует множество обоснованных опасений по поводу конфиденциальности данных и этических последствий применения генеративного ИИ, включая предвзятость и несправедливость, нарушение прав на интеллектуальную собственность и замещение рабочих мест.

В связи с этими проблемами ведутся споры о том, должен ли генеративный ИИ быть общедоступным для пользователей через инструменты ИИ с открытым исходным кодом. Некоторые эксперты считают, что прежде чем выкладывать исходный код в открытый доступ, необходимо сначала улучшить наше понимание ИИ.

Однако, похоже, джинн уже вырвался из бутылки. Мощная модель ИИ LLaMA2, выпущенная в июле, имеет открытый исходный код. В июне президент Франции Эммануэль Макрон объявил об инвестициях в размере 40 млн. евро в создание открытого «цифрового достояния» для проектов генеративного ИИ французского производства с целью привлечения большего капитала от частных инвесторов.

Для компаний ИИ с открытым исходным кодом может оказаться чрезвычайно полезным, позволяя разработчикам создавать, экспериментировать и сотрудничать с моделями генеративного ИИ, обходя при этом типичные финансовые барьеры. Однако крайне важно, чтобы организации осознавали риски и с самого начала принимали правильные меры для ответственного использования технологии и предотвращения попадания критически важных данных в чужие руки.

Частная модель ИИ

По понятным причинам организации не хотят передавать свои данные публичным облачным ИИ-провайдерам, которые могут использовать их для обучения собственных моделей. Частный ИИ предлагает альтернативу, позволяющую компаниям использовать преимущества ИИ для повышения эффективности процессов, сохраняя при этом право собственности на свои данные.

С помощью частного ИИ пользователи могут целенаправленно создавать модели ИИ для достижения нужных им результатов, обучать их на имеющихся у них данных и выполнять нужные им действия, гарантируя при этом, что их данные никогда не выйдут из-под их контроля. Пользователи получают уникальные модели и уверенность в том, что их данные будут полезны только им и их клиентам, а не конкурентам или провайдеру публичного облака.

Конфиденциальность данных — одна из важнейших причин выбора частного ИИ, особенно для организаций, чьи данные являются конкурентным преимуществом или имеют высокую степень конфиденциальности, в таких отраслях, как медицина, здравоохранение, финансовые услуги, страхование и госсектор. Данные — это один из самых ценных активов, которым может обладать организация. Поэтому крайне важно обеспечить их безопасность. Частный ИИ позволяет компаниям защитить критически важные данные и предотвратить их использование конкурентами и киберпреступниками.

Еще одним преимуществом частного ИИ является возможность контроля. Предприятия и организации, использующие частный ИИ, могут адаптировать и настраивать модель ИИ в соответствии со своими потребностями. Это позволяет им генерировать гораздо более релевантную и точную информацию с помощью своих ИИ-решений. В отличие от этого, более широкий набор разрозненных источников данных, используемых алгоритмами публичного ИИ, может приводить к нечетким результатам, что влечет за собой неэффективность и необходимость вмешательства человека для предотвращения неправильной интерпретации данных.

Хотя на первых порах публичный ИИ может показаться более экономичным, долгосрочные преимущества частного ИИ значительно перевешивают первоначальные инвестиции.

Выбор стратегии внедрения ИИ

Существует два подхода к внедрению частных моделей ИИ: разработка и обучение алгоритмов ИИ собственными силами (с открытым исходным кодом) или использование сторонней платформы (с закрытым исходным кодом). Платформы с возможностями частного генеративного ИИ могут использоваться для быстрого обучения моделей на собственных бизнес-данных без их передачи третьим лицам, включая поставщика платформы. Кроме того, платформенный подход предлагает набор услуг, поддерживающих полный жизненный цикл управления ИИ: от сбора данных из различных источников до обучения алгоритмов ИИ, их интеграции в рабочие процессы и масштабирования приложений ИИ на весь бизнес. Это дает значительные преимущества в плане повышения эффективности и стимулирования внедрения ИИ.

При принятии решения о выборе подхода всегда необходимо учитывать инвестиции. Разработка частных моделей ИИ собственными силами, как правило, требует бóльших инвестиций по сравнению с платформенными или публичными облачными вариантами, поскольку требует финансирования и создания команды экспертов, включая специалистов по анализу данных, инженеров по данным и инженеров-программистов. С другой стороны, платформенный подход к частному ИИ не требует привлечения команды экспертов, что значительно снижает сложность и стоимость развертывания.

Еще одним фактором является скорость развертывания. Существует распространенное заблуждение, что обучение моделей частного ИИ занимает много времени, однако это не всегда так. Например, организации, использующие платформенный подход к частному ИИ, могут обучить новую модель ИИ всего за несколько часов или дней, что значительно ускоряет развертывание частного ИИ. В отличие от этого, полное обучение моделей ИИ собственными силами, как правило, происходит медленнее, поскольку обычно требуется больше времени и человеческих ресурсов на сбор и подготовку данных, а также интеграцию информации из различных источников для использования в алгоритмах ИИ.

ИИ с открытым исходным кодом vs. закрытый ИИ

Еще один важный фактор, который необходимо учитывать при выборе стратегии ИИ, — это выбор модели ИИ с открытым исходным кодом или закрытой модели ИИ. Хотя ИИ с открытым исходным кодом предварительно обучается на огромных массивах общедоступных данных, такой подход сопряжен с существенными рисками в области безопасности и соответствия нормативным требованиям. Для снижения рисков организации могут использовать гибридную модель ИИ с открытым исходным кодом, при которой их данные остаются конфиденциальными, но код, алгоритмы обучения и архитектура модели ИИ находятся в открытом доступе.

Закрытые модели ИИ, напротив, являются частной собственностью организаций, которые их разрабатывают, включая обучающие данные, кодовую базу ИИ и базовую архитектуру. Такой подход обеспечивает полный контроль над всей инфраструктурой ИИ и позволяет компаниям использовать свою интеллектуальную собственность в качестве конкурентного преимущества.

Формирование культуры внедрения ИИ

Внедрение частного ИИ способствует формированию культуры работы с ИИ у сотрудников. Зная, что инструменты ИИ безопасны, надежны и созданы с использованием защищенных внутренних данных, сотрудники, скорее всего, будут более открыты для использования ИИ, что позволит повысить операционную эффективность и высвободить время для решения более творческих и стратегических задач.

Такая демократизация ИИ дает возможность всем сотрудникам, а не только избранным — возможно, любознательным — получить доступ к одному и тому же источнику информации и воспользоваться его преимуществами. Данные — это один из самых ценных активов. А модели генеративного ИИ по своей сути зависят от данных. Поэтому больше всего выигрывают те, кто владеют своими данными. У организаций есть огромный потенциал для раскрытия потенциала, оптимизации операций и опережения конкурентов с помощью ИИ. Однако не стоит упускать из виду важность конфиденциальности данных, контроля и долгосрочной окупаемости инвестиций.

Частный ИИ — это логичное и безопасное решение для организаций, стремящихся защитить свои данные и получить конкурентное преимущество в новую эру технологий ИИ.