Новая архитектура интеллекта меняет подходы к разработке технологий

С ростом искусственного интеллекта стремительно увеличивается значение надежных данных и операционной компетентности для автономных систем. В современных условиях, когда технологические компании ставят своей целью максимизацию эффективности ИИ, важным становится вопрос о целостности и управлении данными.

Исторически можно вспомнить, как более ста лет назад торговцы Шанхая обсуждали развитие технологий, влияющих на торговлю, такие как пароходы и банковские системы. На прошедшем Шанхайском международном саммите по финансам, организованном Asian Banker, внимание участников переключилось на архитектуру искусственного интеллекта, которая будет формировать будущее финтеха.

На протяжении последних пяти лет основным направлением развития в области ИИ была гонка за мощностью моделей, где считалось, что увеличение объемов данных и вычислительных мощностей ведёт к прогрессу. Однако сейчас возникает дискуссия о том, что не только масштабирование является решающим фактором. Во многом этому способствует новое поколение агентских систем.

Агентские системы, такие как OpenClaw, отличаются от традиционных чат-ботов тем, что способны выполнять сложные многошаговые задачи и взаимодействовать с различными программами. Вице-президент и главный инженер Пекинской академии искусственного интеллекта, Лин Ёнхуа, отметил, что эффективность таких систем зависит не только от модели, но и от взаимодействия различных компонентов, включая навыки, необходимые для эффективной работы в профессиональных контекстах.

Внутренние тестирования BAAI показали, что изменение базовой модели может изменить стоимость выполнения сложной задачи до 10 раз, в то время как изменение агентной системы может снижать затраты до 100 раз. Архитектура агентов становится такой же важной, как и интеллект самой модели.

Президент BAAI выделил, что большая часть крупных моделей будет сосредоточена вокруг нескольких глобальных компаний, в то время как именно навыки, обладающие специализированными возможностями, будут определять, насколько эффективно ИИ сможет функционировать в конкретных отраслях, например, в финансах.

Сдвиг в архитектуре агентов ведет и к изменениям в аппаратном обеспечении. Агентные системы нуждаются в многоразовых запросах к большим моделям для выполнения одной задачи, что приводит к росту спроса на инференс. По данным Deloitte, к 2026 году инференс займет две трети всех вычислений на основе ИИ.

Распространение специализированных архитектур чипов создает новые проблемы, так как каждый чип требует своей программной экосистемы. BAAI разработала платформу FlagOS, которая позволяет моделям работать на различных чипах, что обещает упрощение работы с ИИ.

Однако преградой для полноценной работы остаются вопросы доверия к данным, на которых основаны эти системы. Ошибки данных могут привести к серьезным последствиям, особенно в таких областях, как финансы.

BAAI развивает мультимодальные крупные модели для улучшения работы с физическими окружениями и высокоточными проверками, что может открыть новые возможности для финансовых учреждений.

Хотя гонка за созданием самых мощных моделей продолжается, появляется и необходимость разработать архитектуру, которая обеспечит надежность и доступность ИИ. Именно это станет новым вызовом для технологических компаний в ближайшие годы.