人工智能已通过医生考试，准备与人形机器人融合

采用生成式人工智能 (AI) 可以将收入增加 15.8%，降低成本 15.2%，并将员工生产力提高 22%。该数据由研究公司 Gartner 提供。专家表示，现在大公司正在积极研究这项技术，并将其应用到各个领域，包括为每个人带来实际利益。关于过去一年人工智能领域的主要成就以及对来年的预测 - 来自 Telesputnik 的材料。多模式人工智能系统的新水平

系统集成商和开发商Navicon的Delta BI开发总监Tatyana Khachapuridze表示，2024年，俄罗斯在人工智能领域取得了显着进展，其中关键成就是新语言模型的开发。

“Sber 和 Yandex 已经提出了语言模型的改进版本，这些模型在理解上下文和生成文本方面变得更加有效。根据研究，他们能够处理四倍多的文本，错误和捏造事实的比例从 4% 下降到 2.1%。此外，在线零售中也有实施人工智能服务的成功案例，特别是改进个性化推荐以及各个业务领域的预测系统。” Tatyana Khachapuridze 解释道。

人工智能持续发展，重点是结合了文本、图像、声音和其他数据处理的多模态生成模型，此类解决方案使得分析不同类型数据之间的复杂关系成为可能。咨询公司O2Consulting。

多模态人工智能系统真正达到了一个新的水平，现在人工智能可以同时分析一个人所说的话、检查文件并评估视觉信号，例如在视频会议期间，它已在金融领域、客户服务甚至医疗领域得到应用数据科学产品经理 Hybrid Ilya Lysenko 确认道。

 生成式人工智能技术正在积极发展，创建了国家算法和数据库，以促进人工智能融入经济各个领域，在2025-2030年“数据经济”计划框架内制定了人工智能发展战略。 “DataRu”公司集团人工智能产品销售和开发总监 Vladislav Ganyushin。他回忆说，现在大公司都在积极研究这项技术，并将其应用到各个领域，包括为每个人获得实际利益。由此，GigaChat“Sbera”通过了医生考试，回答了一百个问题，正确率82%，通过门槛为70%。而且，神经网络在短短六个月内就完成了为期六年的训练课程。

现在，除了软件之外，越来越多的多功能设备出现：各种辅助机器人、人形机器人、无人驾驶车辆、火车、轮船、飞行出租车、自主工厂，它们执行复杂的复杂任务，直至独立规划自主行动以实现设定的目标安娜·尼基琴科（Anna Nikitchenko）指出，由用户创建。

KORUS Consulting Group of Companies 分析解决方案部门创新研发总监 Avenir Voronov 表示，许多人形机器人已开始积极应用于各个行业：从娱乐到家庭领域。

“尽管并非所有人形机器人都是完全自主的，但它们已经不再是异国情调，并且已经准备好与人工智能集成。人们对混合现实也越来越感兴趣，特别是在 Apple Vision 耳机发布之后，它提高了虚拟对象定位的准确性。主流人工智能模型与其竞争对手之间的差距已经缩小。国内网络明显变得更好、更具竞争力。多模态也得到了扩展，使模型能够更好地处理请求并将其路由到专门的模块，” Avenir Voronov指出。 Runet评级产品方向负责人Alexander Tunik坚信，人工智能的主要成就在于它在人们的生活和业务流程中的积极实施，而不仅仅是在数字产品中，但并没有发生革命性的变化。

“我们仍在处理与一两年前相同的神经网络和语言模型。他们只是学会了更好地处理、分析和预测。今天，更正确的说法不是谈论人工智能作为一项技术的发展，而是谈论使用人工智能的技术的发展。”该专家认为。

人工智能在哪些领域被引入？

Ilya Lysenko 表示，2024 年，人工智能在几个关键领域得到积极实施，包括实现日常流程自动化：人工智能通过智能助手优化供应链管理、数据分析以及与客户的互动。

“在医学领域，算法有助于诊断疾病、分析图像和开发药物，从而改善获得优质医疗服务的机会。在生态学方面，人工智能用于监测气候变化、预测作物产量、控制碳排放，促进可持续发展。在生成内容中，人工智能创建文本、图像和视频，在营销、设计和创意行业中找到应用。在教育领域，自适应平台使用人工智能来个性化学习并分析学生的进步。在金融领域，人工智能分析风险、检测欺诈并优化投资，提高决策的可靠性和效率。这些方向展示了人工智能如何改变生活的不同领域，提高其效率和适应性。”伊利亚·李森科说。

塔蒂亚娜·哈恰普里泽 (Tatyana Khachapuridze) 表示，人工智能市场出现了一些稳定的趋势，其中关键之一是智能技术领域的商业意识不断提高。

“即使是那些以前对创新解决方案持怀疑态度的公司，例如工业和制造业，也正在实施人工智能。因此，许多大公司已经整合人工智能来提高生产流程、供应链管理和物流的效率。此外，在商业中实施生成式人工智能的项目数量有所增加。首先，对大型语言模型（LLM）的需求正在增长。 Gen AI 工具已经走上了民主化的道路，现在它们的使用通常不需要大量资源。对于企业来说，这是一个改进业务流程的绝佳机会，尤其是在营销和销售方面：根据研究公司 Gartner 的数据，生成式 AI 的实施可以使收入增加 15.8%，成本降低 15%。2% 并提高员工生产力超过22%。最后，医疗保健领域的人工智能解决方案数量有所增加。人工智能已经被积极用于诊断疾病和分析医疗数据，以及使用手术机器人进行手术，”塔蒂亚娜·哈查普里泽 (Tatyana Khachapuridze) 说。

Vladislav Ganyushin 确信，主要趋势可以被认为是扩大生成式人工智能的使用，例如，在创建新内容并将其与已经经过验证的机器学习技术相结合以创建推荐或专家系统时。据他介绍，生成式人工智能最积极的应用是在电子商务、电信和金融科技领域，用于创建营销材料、客户服务聊天机器人和软件代码开发技术。

人工智能正在几乎所有领域得到积极实施：制造、采矿、数字产品、分析、科学、贸易，因为为了找出它可以解决哪些问题，需要一个实验基地，亚历山大·图尼克说。

2024年人工智能实施的主要领域是医疗保健，例如糖尿病和肿瘤的治疗、数据管理和客户服务，包括用户支持和用户体验分析，这些领域已成为人工智能技术使用的优先领域。阿维尼尔·沃罗诺夫。

安娜·尼基琴科回忆道，人工智能早已不再只是炒作：大约75%的人工智能市场集中在六个领域：银行、医疗保健、广告和媒体、运输和物流、制造和零售。她解释道，这些行业规模化、大数据水平较高，是人工智能运用的培训和需求的基本前提。

缺乏人员、资源和法律空白

塔蒂亚娜·哈恰普里泽强调，尽管人工智能领域取得了进展，但其实施仍然存在重大障碍，其中主要障碍之一是缺乏合格的人员。

“到2024年，俄罗斯经济需要约1万名专家，到2030年，对他们的需求将增长到每年1.55万人。未来几年必须克服的另一个障碍是监管。俄罗斯对创新技术的立法监管仍在发展中，这使得许多人工智能产品的开发和实施变得复杂。此外，为了扩展人工智能技术，有必要解决最重要的问题——寻找并提供重要的计算硬件资源。”专家认为。

新技术在发展的道路上总是会遇到很多障碍，生成式人工智能也不例外，Vladislav Ganyuushin 回忆道。

“首先，存在技术壁垒。这是用于训练模型的少量高质量数据、AI基础设施的高成本和低可用性。其次，组织方面：人才缺乏、意识不强。第三，法律方面——缺乏监管以及与获取机密信息相关的风险。”弗拉迪斯拉夫·甘尤辛 (Vladislav Ganyuushin) 说。

Ilya Lysenko 解释说，数据中缺乏标记和偏差会导致系统错误和不信任、与遗留系统集成的复杂性以及解释模型的困难，从而减慢实施速度。

“人工智能的开发和实施需要大量资源，限制了小企业的访问。缺乏标准和隐私风险是一个令人担忧的问题。员工担心工作会被取代，而缺乏专家会减慢项目进度。主要障碍仍然是相信人工智能可以变得有意识，开始自行做出决定，认为人类是不必要的并毁灭我们。没有其他障碍。目前，算力已经足够，人工智能融入技术流程也很简单。”专家总结道。

亚历山大·图尼克认为，主要障碍包括政治和经济因素——制裁和市场划分。他指出，人工智能开发设备的缺乏迫使许多公司在功能较弱的服务器上使用人工智能模型。监管限制涉及个人信息和机密数据的处理：例如，使用人工智能来分析对话、个人和其他受监管的数据是相当困难的。

Anna Nikitchenko 强调，除了监管和技术限制之外，实施人工智能的道德标准和高昂成本也成为了关键障碍，这些因素需要开发商和监管机构共同适应。她回忆道，2024年，欧盟国家对人工智能开发者引入了严格的规则，包括透明度要求、偏见检查系统、最小化风险和报告。这使得启动和扩展人工智能模型变得困难，尤其是像 GPT-4 和 Google Gemini 这样的高风险系统。违规行为可能会导致巨额罚款或禁止进入当地市场。

监管方式存在差异：例如，欧盟制定了可以全球化的严格标准，而英国则采取更为克制的立场。专家指出，这给在不同市场运营的公司带来了困难。她补充说，创建模型需要大量的计算资源和访问代表性数据以避免偏差。这个过程变得越来越劳动密集型，特别是对于开放系统来说，这些系统不受某些规则的约束，但需要大量资源。

“在一些地区，企业数字化成熟度仍然较低，限制了人工智能在工业领域的应用。公众对人工智能潜在滥用（例如操纵性使用或安全风险）的担忧日益增加，正在推动实施可能扼杀创新的额外限制。人工智能流程的自动化是一个令人担忧的问题，因为它可能会导致失业，特别是在低技能行业。公司在训练模型并使其适应新标准方面面临着高昂的成本。这对于初创公司和小型开发者来说很敏感。企业界对此持怀疑态度：一些行业，尤其是传统行业，在实施人工智能方面决策缓慢，担心缺乏投资回报或长期利益的不确定性，”安娜·尼基琴科解释道。

今年会带来什么？

塔蒂亚娜·哈恰普里泽 (Tatyana Khachapuridze) 表示，到 2025 年，我们预计人工智能在公共管理中的使用将会增加：旨在优化公共服务的项目数量将会增加。她回忆说，计划创建一个数字人工智能平台，并为公共管理和社会领域实施至少30个单独的人工智能解决方案。这位专家补充说，我们还应该预期人工智能研究的投资将会增加，这意味着不仅来自预算来源的资金增加，而且还意味着对初创企业和研究项目的私人投资的吸引力增加。

人工智能的发展将根据两种不同的场景进行：一是大型生成多模态模型，涵盖从内容创作到科学研究和创新产品开发的广泛任务；二是专注于执行特定任务的高度专业化的解决方案。 Vladislav Ganyuushin 表示，在特定领域，由于针对特定任务的算法进行了深度优化，它们将提供高精度。

阿文尼尔·沃罗诺夫认为，得益于人工智能，生物技术有望取得重大突破，特别是在疾病治疗方面；使用人形机器人可能会遇到财务困难，但由于相关技术的存在，它们的功能可以扩展，并提高用户体验的质量。“人工智能在语音识别和合成以及心理学中的应用将变得更加广泛。将任务分解为子任务的自主智能系统将有助于改善人类与人工智能之间的协作。还预计视频生成的增加以及人工智能与各种用户交互形式集成的发展，例如语音输入命令的技术。人工智能模型的发展和硬件要求的降低将为分布式人工智能带来新的机遇。总体而言，今年人工智能领域将充满事件和创新。我们计划专注于知识管理、数据和通信解决方案。” Avenir Voronov说道。

相反，亚历山大·图尼克（Alexander Tunik）警告说，人们不应指望来年人工智能领域会出现质的科学突破。专家表示，语言模型将用于更多流程，包括日常任务，人工智能将变得更快，并且可能更节能。

安娜·尼基琴科 (Anna Nikitchenko) 表示，生成模型的开发将继续进行，多模式基本模型将会出现，并将集成到真实的机器人中。

“开放人工智能应该引入新一代的 GPT-5 神经网络，预计它具有先进的推理能力。该系统将能够证明决策的合理性并据此进行学习。该模型应该增加一次可以处理的单词数量 - 最多 5 万个（是当前 GPT-4 的两倍）。此外，OpenAI有望向包容性迈出一步。据说 GPT-5 表现出更高的情商，避免偏见，并且能够更好地为用户找到个性化的方法。但 GPT-5 最有趣的功能是从聊天机器人到成熟代理的转变。神经网络可能有能力在现实世界中执行操作——例如，与智能设备和机器交互。在为用户生成响应时可以考虑从这些设备收集的数据。”安娜·尼基琴科争辩道。

她建议合成数据量的急剧增加将改变模型的训练方式，这将是一个真正的范式转变。此外，集成物理设备和多模式模型的实体人工智能将成为现实，并为与技术交互开辟新的视野。

根据德国市场和消费者数据公司 Statista 的预测，2024 年至 2030 年俄罗斯生成式人工智能市场的增长速度将高于世界平均水平，预计将达到 46.49%； Tatyana Khachapuridze 总结道，这表明公司在基于生成式 AI 的解决方案上的支出每年将增长 70% 以上。