6G-гонка, спасение лесов Амазонии и HR-трансформация в IBM

Выпуск №17,  20 апреля — 4 мая 2023

Параллельно с большой ИИ-гонкой технологических стран разворачивается еще одна — в области мобильных сетей 6G. Это неудивительно, так как стремительное развитие ИИ требует стремительного развития технологий связи, причем не только по скорости передачи данных, но и по безопасности. На прошлой неделе мировым СМИ подкинули целую волну инфоповодов для публикаций на тему 6G. В частности, руководитель Федеральной комиссии США по связи Джессика Розенворсель после большого совещания с телекоммуникационными компаниями в Белом доме заявила, что сети 6G могут появиться раньше ожидаемого, а при их развитии Штаты учтут ошибки 5G. Далее последовала новость из Китая о намерениях властей нарастить усилия по исследованиям в области 6G. А еще в последнюю неделю апреля о запуске международного научного проекта ENABLE-6G сообщили испанские IMDEA Networks Institute и Telefonica совместно с японской ИТ-компанией NEC Corporation и международным ИТ-консалтером BluSpecs. И на фоне этого всплеска публикаций вспомнилось чуть более раннее заявление властей Южной Кореи начать коммерческое использование 6G уже к 2028 году — на два года раньше запланированного. А из России прилетела информация о создании учеными Московского инженерно-физического института (МИФИ) программного обеспечения, которое рассчитывает квантовые процессы в многослойных гетероструктурах (это основные материалы для создания оптоэлектроники), и это способно ускорить появление технологии 6G. Кто в этой гонке победит — вопрос открытый. Но вот любопытное исследование из Австралии по этой теме. Спойлер: пока лидирует Китай.

Ученые из Microsoft и Пекинского университета нашли способ автоматизировать создание инструкций для обучения больших языковых моделей. Сейчас обучение LLM происходит на базе задач, каждая из которых сопровождается небольшим набором «тренировочных» инструкций. Эти наборы инструкций для обучения создаются людьми (да, для ChatGPT это тоже делается вручную), что требует много времени и много рабочих рук. При этом далеко не всегда человек может создать сложные инструкции, через которые модель могла бы научиться работать с комплексными запросами пользователей. Альтернатива ручному созданию таких гайдов нашлась, ожидаемо, в самих языковых моделях. Исследователи предложили метод Evol-Instruct, который использует LLM для генерации большого объема инструкций различных уровней сложности. Суть метода можно описать в три шага:

1. Берется простая начальная инструкция, случайным методом выбирается один из вариантов ее развития. Первый вариант — углубленная эволюция: добавление ограничений, конкретизация, увеличение шагов рассуждения. Второй — расширенное развитие: создание новой инструкции на основе первоначальной. 

2. Генерация ответа на основе новой, развитой одним из вышеперечисленных вариантов, инструкции. Таким образом тестируется каждая инструкция. 

3. Исключение неудачных инструкций. 

Чтобы проверить метод, команда исследователей разработала таким образом наборы инструкций и обучила на них новую модель, которую назвала WizardLM. Ее ответы на сложные запросы пользователи во время тестирования оценили даже выше, чем ChatGPT. Конечно, ученые подчеркивают, что их модели еще очень далеко до детища OpenAI, однако подход к настройке LLM с помощью автоматически сгенерированных ИИ инструкций — многообещающее направление для улучшения больших языковых моделей. Свой метод они подробно описали в этой статье, а коды любезно положили на GitHub. 

Нидерландская компания Envision добавила в свое решение для незрячих на базе очков Google Glass функцию Ask Envision, основанную на самой передовой версии ChatGPT. На страницах Forbes разработку провозгласили переломным моментом в развитии вспомогательных технологий для слабовидящих. Дело в том, что до появления ChatGPT функции очков ограничивались захватом и простым озвучиванием текстовой информации. То есть, чтобы узнать сумму счета, владелец очков был вынужден прослушивать все, что написано на чеке. Благодаря новой функции пользователи могут голосом задавать вопросы о документе так, как если бы разговаривали с человеком. Так как ChatGPT обучен на огромном массиве данных, функционал Ask Envision не ограничивается только «вылавливанием» нужной информации из текста. С его помощью можно делать обобщения из длинных документов, переводить информацию на иностранном языке, анализировать графики, выбирать лучшие маршруты и даже попросить озвучить информацию из ресторанного меню в стиле Эминема. Больше сценариев использования технологии приведено в этой статье Forbes. 

IBM остановит найм сотрудников, работа которых может быть автоматизирована в ближайшие пять лет с помощью искусственного интеллекта. Такое заявление сделал глава одной из старейших ИТ-корпораций мира Арвинд Кришна в интервью агентству Bloomberg. Эксперты посчитали, что ИИ может заменить около 7,8 тысяч сотрудников из ныне трудящихся в IBM 260 тыс. В основном речь идет о бэк-офисе: работа 30% человек, напрямую не взаимодействующих с клиентами, в IBM может быть легко автоматизирована в ближайшее пятилетие, сообщил Кришна, приведя в пример некоторые HR-позиции в компании. Найм сотрудников для разработки ПО и для работы с клиентами продолжается, пишет агентство. «Надолго ли?» — задаемся вопросом мы…

Некоммерческая экологическая организация Imazon разработала ML-модель, которая дает прогнозы, какая территория тропических лесов Амазонии подвергнется обезлесению в самое ближайшее время — в пределах года. Таким образом защитники природы хотят перейти к проактивным действиям по спасению «легких планеты»: не дожидаться, когда лес будет потерян, а совместно с местными властями предпринимать меры, чтобы это предотвратить. Работа ИИ-модели базируется на анализе двух видов данных. Во-первых, это информация по геостатистике и исторические сведения из государственной системы ежегодного мониторинга вырубки лесов. Во-вторых — набор переменных двух типов. Первый тип — факторы, тормозящие обезлесение, такие как земли под защитой коренных народов или условия, из-за которых сельскохозяйственная экспансия затруднена. Второй тип — акселераторы обезлесения: плотность населения, наличие сельских поселений, развитость законной и незаконной дорожной инфраструктуры. К последней относятся дороги, которые строят нелегальные лесорубы. Это самый важный фактор для прогнозирования обезлесения. Как утверждает Imazon, 90% вырубленных лесов сосредоточено в пределах 5,5 км от дорог, а 90% лесных пожаров происходят в пределах 3 км. Подробнее о проекте и его важности рассказывает The Guardian.