Александр Крайнов: в голосовых ассистентах не реализована и половина их возможностей

Компания Яндекс является ярким примером технологического гиганта с огромным количеством продуктов, в которых применяется ИИ.

Директор по развитию технологий искусственного интеллекта Яндекса Александр Крайнов в интервью «Коду Дурова» рассказал о том, как компания применяет ИИ, как будут развиваться голосовые ассистенты, почему Midjourney, YandexART — это не развлечение, и что такое ИИ в России.

— Сегодня ИИ внедряется повсеместно. Мы много читаем и слышим про то, как западные технологические гиганты внедряют генеративные модели (Bard, ChatGPT и так далее) в различные продукты. Что происходит в России в этом направлении? Мы только начинаем развиваться здесь или уже находимся на одном уровне с западными игроками?

— С точки зрения внедрения передовых технологий и продуктов на их основе мы не отстаем от лидеров. Те же нейросети в Яндексе заработали 10 лет назад, например, для поиска изображений. Языковые модели у нас тоже работают очень давно и в поиске, и в машинном переводе, и в Алисе. Поэтому если сравнивать уровень технологий в продукте, то он довольно близкий.

Что касается генеративных LLM моделей прямо сейчас, то за последний год OpenAI заметно вырвалась вперед и лидирует по отношению к остальным мировым командам, в числе которых находится и Яндекс, но мы отставание потихоньку сокращаем, и сейчас оно составляет буквально несколько месяцев. Тут ещё нужно смотреть по отдельным языкам. Например, по русскому языку мы сильно ближе к тому же лучшему варианту ChatGPT, с английским отставание несколько больше.

— А в каких из ваших продуктов, кроме поиска и Алисы, ещё будут внедряться генеративные модели, и в каких сферах вы отмечаете их активное использование сегодня и вообще в России?

— Помимо очевидных направлений, типа поиска и машинного перевода, мы применяем генеративный искусственный интеллект, например, в браузере, в Яндекс Практикуме для образовательных целей, в маркете... Да много где! А дальше будет ещё больше внедрений, но о планах говорить не очень хочется — приятнее сделать, а потом рассказать, а то вдруг не получится.

У нас, кстати, есть решение, позволяющее использовать наши модели в облаке. То есть пользователь нашего облака может строить свои сервисы, используя под капотом нашу генеративную модель. Это для нас большая и важная история, она будет активно развиваться.

— Вычислительные мощности для реализации всех задумок есть сейчас у Яндекса, и планируете ли вы наращивать свои возможности в этом направлении?

— Что касается мощностей, то их всегда меньше, чем хочется. То есть они у нас, конечно, есть и мы справляемся, но чем их больше, тем лучше. Сколько ни дай, всё будет мало. Раз уж заговорили про мощности, то надо отметить, что их использование делится на две части — обучение моделей и их применение. Что касается применения, то ситуация попроще, потому что там не такие жёсткие требования к вычислительным мощностям, а с обучением всё гораздо сложнее. Нам, с одной стороны, хватает, но судя по тому, как развиваются технологии, тот, кто будет обладать большим количеством мощностей, тот и будет технологически лидировать.

Конечно, есть множество разных инженерных и научных трюков, как на относительно небольших моделях, которым нужно меньше мощностей, показывать качество, не сильно уступающее большим моделям. Но в любом случае зависимость от железа остаётся.

— В каких направлениях Яндекс сегодня не использует искусственный интеллект?

— Прекрасный вопрос. Сейчас я попробую что-нибудь придумать… В поиске везде используется, реклама целиком на этом базируется, в картах используется, в такси, безусловно, его очень много, в Яндекс.Музыке и рекомендательные алгоритмы, и генеративные, которые создают музыку. В Авто.ру тоже прикручен искусственный интеллект.

Думаю, что во внутренних процессах корпоративных у нас искусственный интеллект почти не используется или используется, скажем так, гораздо меньше, чем в продуктах для рынка.

— DALLE, Midjourney, YandexART, Кандинский — развлечение или начало большого пути?

— Сейчас, в первую очередь, развлечение. Но это одна из вех на очень важном пути. Мне кажется, что это мощный инструмент. Сейчас люди в основном играются с подобными генеративными нейросетями, хотя есть и те, кто при помощи этих инструментов создаёт иллюстрации к своим презентациям. Ну и в науке уже есть много работ про создание векторных изображений.

А это значит, различные рабочие схемы, чертежи... Уже сегодня появляется много инструментов, чтобы голосом редактировать изображение. Представьте себе фотошоп с голосовым управлением. Это пока работает неидеально, и, конечно, профессионал вручную пока сделает круче, но точно становится прекрасным инструментом для обычного пользователя, у которого нет навыков работы в графических редакторах.

И ещё. Люди мысленно проверяют какие-то свои гипотезы на соответствие некой «модели мира». То есть на вопрос, что будет, если подбросить яблоко вверх, мы понимаем, что оно сначала полетит, а потом упадёт. Мы понимаем, как объекты взаимодействуют друг с другом, какая сила на них действует, у нас есть относительно цельное представление об окружающем мире.

Учёные довольно часто спорят о том, должна ли у искусственного интеллекта быть своя внутренняя «модель мира». Пока что, видимо, у ИИ её нет. И наверняка её появление приблизит развитие мультимодальных моделей. Их обучают на текстах, изображениях, видео, в дальнейшем, наверное, будут и на звуках. И всё это улучшает «представление» об окружающем мире. Это будет приводить к тому, что модель будет меньше ошибаться, ответы будут точнее и разумнее, а значит — полезнее.

— К вопросу о полезности. Российские голосовые ассистенты типа Алисы сегодня безусловно превосходят своих западных «коллег» (Siri, например). Уже сегодня можно пообщаться с ассистентом, что-то узнать, заказать, поиграть, и совершенству нет предела, но наверняка есть какая-то цель. Как дальше будет развиваться это направление?

— Основная задача — это, конечно, улучшение качества. Чем меньше наш голосовой ассистент теряется, отвечает, что не может ничем помочь или просто предлагает перейти куда-нибудь, например, в поиск, тем лучше. То есть в идеале он должен в гораздо большем количестве ситуаций оказываться полезным.

Во многих фантастических фильмах есть универсальный голосовой помощник, который всё на свете знает и помогает решать все вопросы. Вот что-то такое мы и делаем. Мне кажется, сейчас ещё и половина не реализована из того, что хотелось бы.

— Вместе с тем, Алиса уже почти полноценный собеседник. У вас есть ответ на вопрос, почему иностранные аналоги наших голосовых ассистентов как будто ещё не совсем дошли до нашего уровня, несмотря на то, что они начали раньше?

— Есть несколько моментов, которые нужно рассматривать по отдельности. Компании на западе действуют намного осторожнее. У них голосовые помощники более рафинированные — не дай бог что-нибудь не то сказать. У нас, конечно, тоже есть куча ограничений, но всё же меньше. Это первое.

А во-вторых, не очень правильно сравнивать ассистентов, которые создавались для разных стран. Нужно смотреть, насколько голосовые помощники, созданные в США, полезны для американских пользователей, и насколько наши — полезны для российских. Вот тогда будет более полное сравнение, потому что американские ассистенты не «заточены» под наши условия. Я думаю, что если начать пользоваться нашей Алисой, скажем, в Штатах, то она, конечно, будет полезна, но многие из её навыков и умений окажутся не так хороши, как здесь, в России.

— Мы много говорим про нейросети, про обучение, но как сегодня в России обстоят дела с датасетами для обучения моделей? Как вы собираете данные?

— Если модель нужно обучить генерировать текст, то данные мы берём в интернете, их там навалом. Другое дело, что для некоторых узких задач открытых данных может быть недостаточно. Например, если мы хотим научить машину решать математические задачи, соответственно, нужно в модель загрузить много примеров с правильными решениями. И периодически мы натыкаемся на то, что для каких-то типов заданий мало примеров и приходится искать или, может быть, даже придумывать такие задачи, решать их самостоятельно.

Если мы говорим про качество работы нейросети на том или ином языке, то оно довольно сильно связано с количеством хороших текстов на этом языке. Чем текстов больше, тем лучше можно научить модель. И если с русским ситуация ещё более-менее нормальная, то что касается, например, языков малых народов, там всё сильно сложнее, потому что текстов на этих языках крайне мало.

— Есть ли какое-то международное сотрудничество в сфере ИИ сегодня?

— С точки зрения общения, возможности пользоваться технологиями или какими-то научными достижениями никаких проблем нету, но, например, с логистикой, конечно, стало сложнее. Раньше поехать на международную конференцию было гораздо проще. Хотя в целом наша сфера пока остается очень открытой для всего мира.

— Немного о кадрах. Очень интересно последнее время наблюдать за тем, какие профессии появляются в связи с развитием искусственного интеллекта. Это, в частности, prompt-инженеры, ИИ-тренеры и так далее. Получается, что искусственный интеллект не отбирает, а, наоборот, даёт рабочие места?

— Есть отличный пример. Давайте обратимся к истории и подумаем, на что это похоже? Мне кажется, что больше всего сегодняшнее развитие ИИ похоже на появление персональных компьютеров и интернета. В результате появилась куча массовых специальностей. От сетевых инженеров до блогеров. А когда-то была специальность «компьютерщик». То есть тот, кто умеет пользоваться компьютером. В этом смысле prompt-инженер — это своего рода «компьютерщик». Это человек, который умеет пользоваться генеративными нейросетями.

Ну ок, появилось много специальностей. А какие пропали за последние 30 лет? Я долго пытался вспомнить и нашёл только одну — машинистки. Это люди, которые могли на печатной машинке набирать текст.

— Я бы сказал, что почти пропали. Кое-где ещё есть.

— Ну, извозчики тоже, наверное, есть, но это всё-таки редкость и в большей степени экзотика. Я имею в виду, пропали как массовая специальность. В любом случае в исчезновение большого количества профессий я не верю, я скорее верю в появление большого количества новых.

— Искусственный интеллект в России — это…

— Это тот же искусственный интеллект, что и во всём мире.

Ещё интервью первого номера «Кода Дурова» об ИИ: