Գնահատել նախագիծը
← Բոլոր հրապարակումները

AI-ի միտումներ, որոնց արժե հետևել 2025-ին

Սա AI-ի ապագան կանխատեսելու մեր երրորդ տարին է։ Միացեք մեզ և պարզեք, թե ուր է գնում AI-ի առաջընթացը 2025-ին։

6 րոպե
Մեքենայական ուսուցումԱրհեստական բանականությունՏեխնոլոգիական միտումներ

AI-ի համար 2024-ը փոթորկոտ էր։ OpenAI-ի ChatGPT-ն էլ ավելի մեծ մաս դարձավ մարդկանց առօրյա կյանքի, և ծանոթ «եկեք գուգլենք»-ը աստիճանաբար վերածվում է «Թող ստուգեմ ChatGPT-ում»-ի։ Միաժամանակ շատ գործիքներ հենվում են դրա գլխավոր մրցակցի՝ Anthropics-ի Claude.ai-ի առաջարկի վրա (քանի որ այն ավելի լավ է աշխատում կոդավորման խնդիրներում)։

Մենք նաև տեսանք Vision-ի առաջընթաց՝ OpenAI Sora-ի և Runway-ի սահուն տեսանյութերի գեներացիայով, ինչպես նաև տեսանյութի վրա հիմնված Segment Anything-2-ով, որը զգալիորեն բարելավեց հետևումն ու պիտակավորումը Computer Vision հավելվածներում։

Սա արդեն երրորդ տարին անընդմեջ է, երբ մենք կանխատեսում ենք AI-ի ապագան։ Միացեք մեզ և պարզեք, թե ուր է գնում AI-ի առաջընթացը 2025-ին։

AI ավատարները տարածվում են ավելի լայն աշխարհում

Մենք լիովին ընդունել ենք GenAI-ը AI-ում և որոշակի խնդիրներ ամբողջությամբ հանձնել ենք դրան (օր.՝ հաճախորդների աջակցության առաջին կոնտակտային կետը)։ Սակայն մենք դեռ փոխազդում ենք դրա հետ տեքստի կամ աուդիոյի միջոցով։ Իմ կանխատեսումն այն է, որ ավատարները զգալիորեն կաճեն՝ բարելավելով օգտատիրոջ փորձառությունը։

Synthesia-ն լավ օրինակ է. այն տրամադրում է պատրաստի ավատարներ՝ սահուն փորձառությամբ և ավելի քան 80 լեզվով, և նկատելիորեն բարձրացնում է տեսողական որակը դեմքի արտահայտությունների, աուդիոյի հետ շուրթերի համաժամեցման և ձեռքերի ժեստերի առումով։

LLM agent-ների կառուցումը ավելի լայն լսարանի համար

Flowrise՝ no-code գործիք agentic workflow-ներ ստեղծելու համար։

2024-ը բերեց agentic workflow-ների վրա կառուցված PoC-ների և MVP-ների մեծ քանակ (հաճախ թողարկված որպես բետա), օրինակ՝ ֆայլերի խմբագրումը chatGPT-ում (որտեղ տեսանելի քայլերից մեկը դրանք բեռնող և փոփոխող կոդի գեներացումն է) կամ AI օգնականներ, ինչպիսին Devin-ն է։ Ցավոք, նման գործիքների կառուցումը սովորաբար ծրագրավորող է պահանջում, մինչդեռ շատ «Prompt Engineer»-ներ երբեք չեն տեսել բազմաշարանային Python կոդ։

Այս միտման առաջին նշանները արդեն տեսանելի են՝ Microsoft-ը թողարկել է Copilot agent-ը SharePoint-ում, և կա no-code առաջարկը Flowrise-ից։ Երկուսն էլ դեռ վաղ փուլում են, բայց կարող են օգնել agent-ներին դառնալ նույնքան տարածված, որքան SaaS լուծումները 2000-ականներին և 2010-ականներին։

Բաց կոդով LLM-ները հասնում են սեփականատիրական LLM-ներին

Հաջորդ տարի բաց կոդով մոդելների և խոշոր LLM խաղացողների՝ ինչպիսիք են OpenAI-ը և Antrophic-ը, առաջարկած ծառայությունների միջև արդյունավետության տարբերությունը կարող է նվազել։ Դրա վաղ նշանը կարող է լինել վերջերս հայտնված Qwen/Qwen2.5-Coder-32B-Instruct մոդելը, որը ծրագրավորման խնդիրներում գերազանցել է GPT4-o-ին։

Agentic համակարգերը հասունանում են

2024-ը՝ գեներատիվ AI մոդելներում իր անսպասելի թռիչքներով, բոլորին խոստացավ ինքնավար agentic AI ծրագրավորողներ Devin նախագծի տեսքով։ Դա ոգեշնչեց նոր բաց կոդով նախագծեր, որոնք նպատակ ունեն կրկնել ցուցադրված օգնականի ֆունկցիոնալությունը, ինչպես devika-ն և OpenHands-ը (նախկինում OpenDevin)։ Երբ ես փորձեցի այս գործիքները (2024-ի առաջին կեսին), դրանք ցույց տվեցին վաղ փուլի բազմաթիվ խնդիրներ՝ շատ վրիպակներ, չէին աշխատում անմիջապես տեղադրումից հետո և չունեին խոստացված կարողությունը՝ ինքնուրույն լուծել բարդ ծրագրավորման խնդիրներ։

Ժամանակի ընթացքում նման լուծումները կդառնան ավելի կայուն և կառաջարկեն ավելի ու ավելի օգտակար հնարավորություններ։ Դրանց ՏՏ-ի յուրաքանչյուր ինժեների համար անհրաժեշտ ուղեկից դառնալը ժամանակի հարց է միայն։ Դա կարող է 2025-ին չպատահել, բայց սա կարող է լինել այն տարին, երբ այս նախագծերը հասնեն մի կետի, որտեղ դառնում են օգտակար և, snowball էֆեկտի շնորհիվ, սկսում են արագ լավանալ։

Շարժվում ենք դեպի տվյալների նկատմամբ ավելի արդյունավետ LLM մոդելներ

Վերջին մի քանի տարիների ընթացքում մենք վարժվել ենք Copilot-ներին, Chatbot-ներին և LLM-ների վրա կառուցված յուրաքանչյուր այլ հավելվածին։ Առայժմ դրանք բոլորն անցել են «Նրանք մեր աշխատանքը կվերցնեն» ցիկլից մինչև «Նրանք անօգուտ են»։ Իմ տպավորությամբ այս մոդելների առաջընթացը որոշ չափով կանգ է առել, և դրանց ավելի ու ավելի շատ տվյալներ տալը չի երաշխավորում ավելի լավ արդյունքներ։ Նույնիսկ եթե փորձենք, մեզ հասանելի տվյալները վերջավոր բազմություն են։ Ավելի լավ արդյունքներ ստանալու համար պետք է մտածենք ավելի լավ ճարտարապետություն։

Մենք գիտենք, որ դա հնարավոր է, քանի որ մեր ուղեղը հաղթահարում է դա շատ ավելի քիչ տվյալներով։ Մենք պարզապես դեռ չգիտենք դա անելու ճիշտ եղանակը, բայց աշխատում ենք դրա վրա։ Ուղեղի կառուցվածքի մասին մեր գիտելիքները շարունակում են ընդլայնվել, և ինժեներները կարող են հենվել դրա վրա՝ բաներ բարելավելու և նոր գաղափարներ մտածելու համար։ Ես սպասում եմ, որ 2025-ը և դրան հաջորդող տարիները կբերեն ավելի արդյունավետ մոդելներ, որոնք ավելի արագ են սովորում ավելի քիչ տվյալներից՝ նշանավորելով NEXT-GEN AI-ի սկիզբը։

Անձնական, իրական ժամանակի բժիշկներ առողջ ապրելակերպի համար

Garmin Connect՝ առողջության վիճակագրություն։

Մեզանից շատերը սիրում են տվյալներ հավաքել իրենց մասին։ Մենք կրում ենք խելացի ժամացույցներ, մատանիներ, թևակապեր և շատ այլ սարքեր, որոնք գրանցում են մեր ապրելակերպի և բժշկական տվյալները։ Այդ տվյալները կարելի է վերլուծել իրական ժամանակում՝ մեր առողջության վերաբերյալ պատկերացումներ ստանալու համար։ Առողջ ապրելակերպի և AI-ով աշխատող սարքերի դարաշրջանում անձնական բժիշկը, որը վերահսկում է մեր առողջությունը և ցանկացած խնդրի մասին անմիջապես զգուշացնում է մեզ, այն է, ինչ շուկային պետք է։

Մինչդեռ մասնագիտական բժշկական սարքերի Machine Learning մոդելները շարունակում են բարելավվել և շարունակում են գերազանցել մարդկանց։ Հետևաբար AI-ը կշարունակի օգտագործվել բժշկական պատկերների վերլուծության համար, և դրան կավելանան մոդելներ, որոնք վերլուծում և նկարագրում են հետազոտությունները։

AI-վրա հիմնված գործիքների ավելի լայն ընդունում՝ ոչ միայն LLM-ներ

Հաջորդ տարին կձևավորվի AI մոդելների լայն ընդունմամբ բիզնեսի յուրաքանչյուր ոլորտում։ Ընկերությունները հիմնականում կկենտրոնանան Large Language մոդելների վրա կառուցված լուծումների վրա, բայց մենք նաև կտեսնենք LLM-ները Computer Vision-ի հետ համատեղող լուծումներ, ինչպես փաստաթղթերի ըմբռնման ծրագրակազմը։ Սպասեք AI-ով աշխատող բովանդակության վերլուծության հավելվածների լայն շրջանակ՝ օրինակ՝ հաճախորդների հետադարձ կապի վերլուծություն, հաճախորդների տվյալների մեծ ծավալների շուրջ դատողություն, արտադրանքի բարելավման առաջարկներ, էլ. նամակների ավտոմատ մշակում, խնդիրների հայտնաբերում, issue-ների առաջնահերթացում, հաճախորդի հետ առաջին գծի կապ, մարքեթինգային արշավների պլանավորում, բովանդակության ստեղծում և այլն։

Մենք կարող ենք նաև առաջընթաց տեսնել Bot-developer-ներում։ AI մոդելները կարող են աստիճանաբար փոխարինել ամենաջունիոր և ամենաէժան ՏՏ ծրագրավորողներին։ AI-ը արդեն դուրս է գալիս պարզ ՏՏ խնդիրներից և ընդունակ է գրել լավ որակի կոդ։

Հիասթափություն LLM-ներից

2025-ին LLM-ների վրա հիմնված հավելվածների նկատմամբ մոտեցումները կվերանայվեն և կվերաիմաստավորվեն։ Երբ սկզբնական հուզմունքը մարի, մենք կամփոփենք PoC-ները՝ մտորումներով շահագործման ծախսերի, տվյալների գաղտնիության և այն մասին, թե որքան ընդհանրություն կարող է տալ միայն prompt-engineering-ը։ Սա կսկսի ավելի փոքր մոդելների մշակումը՝ օգտագործելով quantization կամ knowledge distillation՝ թույլ տալով գաղտնիությունը պահպանող մոդելների ավելի անհատականացված fine-tuning՝ առանց որևէ տվյալ արտաքին API endpoint-ներ ուղարկելու։ Այն նաև կուղեկցվի ընդունմամբ, որ LLM-ները, հատկապես արտաքինները, ինչպես ChatGPT-ն կամ Claude-ը, բառացիորեն ամեն խնդրի իդեալական պատասխանը չեն։

Կիբերանվտանգությունը AI-ում, AI-ը կիբերանվտանգությունում

AI-ից հետո ՏՏ-ի երկրորդ ամենաթեժ ոլորտը այս պահին այն ամենն է, ինչ ընդգրկվում է կիբերանվտանգություն լայն եզրույթով։ Բնականաբար, սա հանգեցնում է AI-ը կիբերանվտանգության համար օգտագործելու նկատմամբ աճող հետաքրքրության – և AI-ն այնտեղ բազմաթիվ պոտենցիալ կիրառություններ ունի՝ անոմալ վարքի առանց վերահսկողության հայտնաբերումից մինչև բարձր մասնագիտացված մոդելներ, որոնք հայտնաբերում են որոշակի հարձակման վեկտորներ։ Այնուամենայնիվ, ես սպասում եմ նաև AI մոդելները չարամիտ օգտագործումից պաշտպանելու նկատմամբ ուժեղ հետաքրքրության։ Դա լավ տարի կլինի AI Red Team-երի համար՝ բացահայտելու մոդելների խոցելիությունները, իրականացնելու հակառակորդական հարձակումներ և տեղեկատվություն արդյունահանելու վարժեցման տվյալների հավաքածուներից։ Հուսով եմ՝ ML ինժեներները դրանց կհակազդեն՝ ամրացնելով AI լուծումները և մոդելները դարձնելով հակառակորդական մուտքերին ավելի ու ավելի դիմացկուն։

Եզրակացություններ

Տեսնենք, թե ինչ է պատրաստել գալիք տարին և որքան մոտ կլինեն մեր կանխատեսումները։ Եվ հիշեք, որ AI-ը տեխնոլոգիական հանելուկի միայն մեկ մասն է։