GPT-6 Astra: новые возможности искусственного интеллекта

В серии предыдущих бесед с доктором экономических наук, профессорм Салехом Мамедовым мы уже разобрали новые возможности GPT-6 Astra, ее мультимодальность, голосовое взаимодействие и работу в режиме реального времени.

В продолжение нашей беседы разбираемся, как революционная система поменяет повседневную работу, научные исследования и экономические процессы?

- Если Astra способна не только отвечать на запросы, но и самостоятельно выстраивать последовательность действий, как меняется ее роль в реальной работе?

- Astra представляет собой следующий этап развития ИИ, где основное значение имеет не отдельный ответ модели, а способность выполнять целостную задачу. Пользователь может сформулировать конечную цель, после чего система разбивает ее на этапы, определяет необходимые действия, использует доступные инструменты и по мере необходимости корректирует собственный план.

Упомянутый подход особенно важен для задач, где требуется работа сразу с несколькими типами информации. Например, аналитическая работа может включать поиск данных, их сопоставление, расчеты, подготовку промежуточных выводов и оформление конечного результата. Раньше пользователю приходилось самостоятельно связывать эти этапы. Агентная модель позволяет передать системе значительную часть такой координации.

При этом роль человека не исчезает. Напротив, возрастает значение постановки задачи, определения ограничений и контроля результата. Чем больше самостоятельности получает система, тем важнее понимать, какие действия она выполняет, какие данные использует и где требуется подтверждение пользователя.

- Но большая модель не всегда работает одна. Вы упоминали сочетание крупных облачных моделей с небольшими локальными системами. Чем обусловлена такая связка?

- Потому что одна модель не обязательно должна решать все задачи. Крупные модели, работающие в облаке, обладают значительными вычислительными ресурсами и могут выполнять наиболее сложные операции. Локальные небольшие модели, напротив, позволяют решать часть задач непосредственно на устройстве, без постоянной передачи информации на внешний сервер.

И такое распределение имеет несколько преимуществ. Локальная модель может отвечать за быстрые и относительно простые операции, а сложная задача передается более мощной системе. При этом чувствительные данные в ряде случаев можно обрабатывать непосредственно на устройстве, что имеет значение для конфиденциальности и безопасности.

В результате формируется гибридная архитектура: пользователь взаимодействует с единой системой, а внутри нее разные модели и вычислительные ресурсы распределяют работу в зависимости от сложности задачи. На мой взгляд, дальнейшее развитие ИИ будет связано не только с увеличением размера отдельных моделей, но и с тем, насколько эффективно они смогут работать вместе.

- А где возможности революционной модели наиболее заметны за пределами обычной офисной работы? Например, в научных исследованиях?

- Научные исследования представляют собой одну из областей, где агентные системы могут дать особенно заметный эффект. Ученому часто приходится работать не с одним документом или одной базой данных, а с большим количеством разнородной информации. Необходимо находить источники, сопоставлять результаты разных исследований, выявлять связи между данными, проводить расчеты и проверять полученные выводы.

Astra способна объединять такие операции в единую последовательность. При этом ценность заключается не просто в том, что модель быстро обрабатывает большой объем информации. Важнее ее способность самостоятельно определять последовательность действий и возвращаться к предыдущим этапам, если полученный результат требует дополнительной проверки.

В перспективе это может изменить саму организацию исследовательской работы. Часть рутинных операций будет передаваться ИИ, а специалист сможет больше времени уделять постановке научной проблемы, интерпретации результатов и проверке гипотез. Однако окончательные выводы по-прежнему должны оставаться под контролем человека, особенно там, где цена ошибки высока.

- Отдельный вопрос связан с экономикой и финансами. Скажем, можно ли полностью положиться на эту нейросеть в аналитической работе, связанной с расчетами и прогнозами?

- Знаете, необходимо разделять работу с информацией и собственно вычисления. Большая языковая модель хорошо подходит для того, чтобы собрать данные, структурировать информацию, сформулировать задачу, объяснить методику анализа и подготовить последовательность действий. Но там, где требуются точные финансовые или экономические расчеты, результаты должны получать специализированные вычислительные инструменты.

Оптимальная схема выглядит как взаимодействие нескольких компонентов. Astra может определить, какие данные нужны, подготовить запрос, выбрать подходящий метод анализа, передать расчеты специализированной системе, а затем интерпретировать полученный результат и представить его в понятной форме.

И такой подход надежнее попытки заставить языковую модель самостоятельно выполнять все математические операции. В экономическом анализе важна не только способность получить ответ, но и возможность проверить, откуда он взялся, какие данные использовались и каким методом был получен результат. В конечно счете, сочетание языковой модели, внешних инструментов и контроля со стороны специалиста позволяет превратить ИИ из генератора текста в полноценный аналитический инструмент.

- Мы уже говорили о способности Astra сохранять контекст разговора. Может ли следующий этап развития ИИ привести к появлению действительно долгосрочной памяти?

- Да, и здесь важно понимать разницу между контекстом и памятью. Контекст позволяет системе учитывать информацию внутри конкретного взаимодействия. Долгосрочная память предполагает сохранение определенных сведений между разными сессиями и использование их в дальнейшем, когда они действительно необходимы.

Однако простого накопления всей информации недостаточно. Память должна быть организована структурированно. Система должна понимать, откуда получены сведения, насколько они актуальны, как долго их следует хранить и кто имеет право ими пользоваться. Пользователь также должен иметь возможность удалить определенную информацию или запретить ее дальнейшее использование.

И тогда ИИ становится уже более персонализированным рабочим инструментом. Ему не приходится каждый раз начинать взаимодействие с нуля: он может учитывать предыдущие задачи, предпочтения пользователя и уже выполненную работу. Но чем глубже такая память интегрирована в систему, тем выше требования к ее организации и защите.

- Получается, развитие памяти и автономности одновременно повышает требования к безопасности?

- Безусловно. Чем больше действий система способна выполнять самостоятельно, тем важнее разграничение ее полномочий. Одно дело, когда ИИ формирует текст или предлагает вариант решения, и совсем другое, когда он получает возможность самостоятельно отправить документ, изменить данные, совершить финансовую операцию или получить доступ к закрытой информации.

Здесь необходим принцип минимально необходимого доступа. Система должна получать только те права, которые нужны ей для выполнения конкретной задачи. Критические действия могут требовать дополнительного подтверждения человека, а все существенные операции должны фиксироваться, чтобы при необходимости можно было установить, что именно сделала система и на основании каких данных.

В конечном счете развитие агентного ИИ будет определяться не только тем, насколько много задач он способен выполнять самостоятельно. Не менее важно, насколько предсказуемо, прозрачно и контролируемо он это делает. Автономность без системы ограничений создает дополнительные риски, тогда как правильно выстроенное взаимодействие человека и ИИ позволяет использовать преимущества такой технологии без отказа от человеческого контроля.

- Когда такие системы начнут активно использоваться в компаниях и организациях, по каким критериям можно будет понять, действительно ли ИИ приносит пользу?

- Одной демонстрации возможностей модели недостаточно. В реальной работе важен конечный результат: насколько успешно система выполняет поставленную задачу, сколько времени требуется для ее выполнения, насколько часто возникают ошибки и сколько участия человека необходимо на каждом этапе.

Значение имеют и технические параметры. Например, скорость реакции особенно важна при голосовом и интерактивном взаимодействии. Если система отвечает с большой задержкой или неправильно определяет момент, когда пользователь закончил говорить либо хочет ее перебить, естественность общения резко снижается.

Для агентных систем появляются дополнительные критерии. Необходимо оценивать, насколько правильно они планируют последовательность действий, умеют ли корректировать ее при изменении условий и способны ли довести задачу до результата без постоянного вмешательства пользователя.

В итоге оценивать нужно не отдельный ответ модели, а весь процесс выполнения задачи. Только такой подход позволяет отличить эффектную технологическую демонстрацию от инструмента, который действительно повышает производительность.

- Считаете, такие системы уже скоро станут частью обычной рабочей инфраструктуры, а не отдельным инструментом, которым человек пользуется время от времени?

- Думаю, в этом заключается одно из главных направлений развития. ИИ постепенно будет встраиваться непосредственно в рабочие процессы. Пользователь может не открывать отдельное приложение и не формулировать каждый запрос вручную. Система будет получать задачу в рамках привычного рабочего пространства, понимать контекст и подключать необходимые инструменты.

При этом разные уровни работы могут распределяться между разными моделями. Простые операции выполняются быстро и локально, более сложные передаются мощным моделям, а специализированные системы отвечают за расчеты, поиск или обработку определенного типа данных.

Такой подход меняет само представление о программном обеспечении. Раньше человек должен был знать, какую программу открыть для конкретной операции и какие действия выполнить внутри нее. Агентная система постепенно берет на себя координацию этих инструментов. Пользователь формулирует задачу, а система организует процесс ее выполнения.

В этом смысле следующий этап развития ИИ связан уже не столько с созданием еще одной программы или еще одного чат-бота. Речь идет о формировании новой среды, где человек ставит цель, а искусственный интеллект помогает организовать весь путь от постановки задачи до получения результата.

(окончание)