Мы продолжаем срывать покровы критически анализировать экономические исследования по теме замещения работников искусственным интеллектом. Сегодня мы познакомимся с работой «
Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision?», посвященной экономической привлекательности замены людей на ИИЭта работа была широко
(
Read more... )
Разбор бомба!
Единственное, чего можно было бы добавить - явного разделения на "сильный" и "слабый" ИИ.
Сильный это универсальный, мультимодальный, с большим запасом общих сведений и способностью к самообучению, т.е. то, что мы привыкли считать собственно "интеллектом". Но, с другой стороны, дорогой по ресурсам и деньгам, почти наверняка облачный, и всё равно требующий доводки под конкретную задачу.
А слабый - это алгоритм, натасканный на одну конкретную задачу. Отличный пример - постановка диагноза по рентгеновскому снимку. Он может быть не только быстрее и дешевле, но и точнее "среднестатистического" человека (ссылку не дам, но соответствующее исследование было). Уставший дежурный врач в травмпункте может что-то и пропустить...
И вот такие слабые ИИ уже не просто внедряются, в ряде областей они давно эксплуатируются. Например, OCR давно и без всяких там видеокарт потеснил "машинисток", набиравших текст с бумаги - и вот этот кейс вполне можно было бы и обсчитать с точки зрения бухгалтерии.
Reply
Машинисток все-таки на мой взгляд вынесли не OCR, а текстовые редакторы с возможностью корректировать введенный текст.
Резко упала цена ошибки, и печатать стали конечные пользователи, а не специалисты.
Но разделение отличное, и хороший вопрос, считать ли слабый ИИ таки И, или это просто натренированный алгоритм не сложнее тоже же OCR?
Reply
Reply
Вероятно вы пропустили джинсу FineReader-а в 90-ых, когда OCR только появился, и надо было продать саму идею. Причем не только софта, но и сканера.
У них была шикарная статья с претензией на научность. Вот взяли 20 опытных машинисток из разных отраслей, дали им одни и те же документы общей длиной 100 страниц. Каждую попросили сначала набрать, а потом это же отсканировать и распознать. Точность получилась примерно одинаковая, 1-2 ошибки на страницу, зато затраты времени в 10 раз меньше. Покупайте файнридер!
Reply
Не очень понятно, о чём слово "облачный". Если pre-training, то конечно облачный (и распараллеленный на много GPU), иначе будет очень долго даже для тех моделей, которые вы назвали "слабыми". Если речь об inference, то есть об использовании готовой модели, то там достаточно одной видеокарточки средней мощности.
Reply
Назовите любой один ИИ, претендующий на статус "сильного" аля ChatGPT пусть даже не свежих версий, который можно запустить на видеокарточке. Фиг с ним, пусть будет хотя бы на одном специализированном сервере с 8 ии-видеокарточками. Т.е. в одном ящике, который можно купить, пусть даже и по цене квартиры, и просто поставить, например, в удалённом офисе, чтобы он их там обслуживал независимо от связи и правил передачи персданных.
Reply
Вот здесь подробная статья: https://community.juniper.net/blogs/sharada-yeluri/2023/10/03/large-language-models-the-hardware-connection?CommunityKey=44efd17a-81a6-4306-b5f3-e5f82402d8d3
Scroll down туда, где про inference написано.
For example, Meta's LLaMA model typically needs 16 A100 GPUs for inferenceНу то есть тут уже клауд не нужен, это просто ящик в углу офиса ( ... )
Reply
Ну, посмотрим, что победит - рост прожорливости нейросеток или рост производительности ИИ-чипов. Первое пока в принципе побеждает с явным преимуществом, но есть надежда, что там есть потолок, когда число нейронов становится уже достаточным для удовлетворительного качества. В конце концов, у слонов и дельфинов мозг значительно крупнее человеческого, но они хоть и умные животные, но до человека не дотягивают.
Reply
Это да, прожорливость вполне может победить, поскольку ящик в углу офиса - это не основной use case, а облако - основной.
у слонов и дельфинов мозг значительно крупнее человеческого
А тут логика не очень понятна - не то, чтобы я спорил, просто хочется поподробнее.
Reply
Reply
Reply
Насколько я понял, ваш сын работает где-то в западной стране?
Просто скажу, что в РФ это уже внедряют в рамках государственной телемедицины, когда там условно есть ФАП (фельдшерско-акушерский пункт) где-нибудь в посёлке нефтяников, там есть рентген, и фельдшер умеет делать снимки, но не умеет их нормально интерпретировать. Поэтому там стоит "слабый ИИ", который не только переломы подсвечивает, но и подозрение на онкологию.
Китайцы ещё года на 3 впереди.
Reply
Я рад, что подобные системы внедряются в России и, надеюсь, с реальной пользой. Но сомневаюсь, что они будут вытеснять реальных врачей (в обозримой перспективе), скорее будут вспомогательными инструментами.
Reply
Reply
Reply
Это фантазии хайпожеров и их буйных рекламщиков.
Reply
Leave a comment