Знаю, что в комментариях набегут хейтеры, но не могу не высказаться ибо наболело! А любые переживания, как известно, надо выговаривать. Так что извините, уважаемые Хабровчане, придется вам побыть психотерапевтами. Добровольно конечно :-)

Честно говоря, я не очень понимаю и не разделяю повсеместной озабоченности засильем ИИ контента, страхами перед ИИ, что однажды он нас всех уничтожит. А если сам не уничтожит, то точно оставит без работы и заставит умирать с голоду...

Данная статья была написана для крупнейшего сообщества цифровых управленцев «я‑ИТ‑ы» в рамках внутреннего стрима «Искусственный интеллект». Ее основная цель — дать тем, на чьих плечах сейчас лежит ответственность за выстраивание ИТ‑инфраструктуры компаний, понимание технологического «сегодня» в сфере искусственного интеллекта (ИИ), решений, технологий, которые применяются и уже дают результат. И, что самое важное, обозначить вектор развития для понимания технологического «завтра», чтобы инфраструктура и процессы строились с учетом всех изменений, происходящих в этой весьма динамичной сфере.

Динамику развития технологий ИИ и их внедрения хорошо иллюстрирует свежее исследование группы компаний Б1: российский сегмент программного обеспечения с функциями ИИ ожидает взрывной рост — в среднем более 25% ежегодно до 2032 года. Еще в 2024 году объем этого рынка оценивался в 48 млрд рублей, а к 2032 году прогнозируется рост до 286 млрд. Основными драйверами станут AI‑аналитика, спрос на приложения с AI‑функционалом, автоматизация и переход на SaaS/PaaS‑решения. Российский тренд повторяет глобальный: мировой рынок ПО к 2028 году будет расти быстрее среднерыночных показателей, а AI‑решения станут ключевым фактором этого роста.

Сейчас, в 2025 году внедрение ИИ перестает быть модным экспериментом и превращается в важный инфраструктурный элемент бизнеса. Для современного ИТ‑директора это означает: вы отвечаете не только за «железо» и софт, но и за способность компании адаптироваться к новой динамичной технологической реальности. Если сейчас не начать движение в сторону ИИ, через пару лет догонять будет в разы сложнее. Внедрение ИИ — это не про «купить новый сервер». Это прежде всего адаптация бизнес‑процессов, обучение сотрудников к работе с новыми инструментами, новые метрики эффективности и оценка рисков. Все это осложняется тем, что в этой сфере практически нет готовых, отработанных годами практики, решений. В значительной мере — это освоение Terra Incognito. Как и в любой «хайповой» теме, очень много желающих продать сырые, непроверенные решения, обещания фантастических результатов от внедрения ИИ технологий. Но реальность всегда прозаичнее.

В этой статье хочу рассказать о задаче с которой мы столкнулись и о найденном решении. Надеюсь наш опыт окажется кому-то полезен и натолкнет на решение других подобных задач.

Если вкратце, то в рамках нашей работы по созданию RAG-системы нового поколения перед нами встала фундаментальная задача — необходимость точной временной привязки документов, событий и фактов. В естественном языке временные представления крайне разнообразны: от точных дат до нечетких описаний вроде «в начале прошлого года» или «через пару недель». Для эффективного поиска и анализа было необходимо универсальное решение, способное обрабатывать это многообразие и переводить его в форму, пригодную для машинного использования.

Эта статья — попытка переосмыслить через призму личного опыта и восприятия ту уникальную ситуацию в которой находится наша цивилизация в настоящий момент, попытаться заглянуть «за горизонт», осознав тот путь, по которому мы идем, как цивилизация, риски, которые поджидают нас на этом пути и потенциальные возможности, открывающиеся перед нами.

Мы стоим на пороге величайшего технологического перелома в истории человечества. Впервые за миллионы лет эволюции мы создали инструмент не для тела, а для разума. И этот инструмент готов стать продолжением нас самих.

Я никогда не был писателем, и мыслей таких не было. Хотя опыт написания небольших статей и ведения блога у меня был. Но часто так бывает, что мне в голову приходят разные «книжные» сценарии, которые я обыгрываю в голове по пути на работу или в свободное время. И в какой-то момент я подумал, а что если один из таких сценариев "скормить" языковой модели и попросить написать на его основе рассказ. Мне показалось интересным читать рассказы, написанные по моим собственным идеям, ожидая, что из сухой мысли родится красочный, детальный рассказ, которым можно насладиться в свободное время. Эта идея захватила меня и не откладывая в долгий ящик я решил попробовал это сделать с помощью GPT-4o...

Итак, вам надоели разработчики LLM-систем, потребляющие десятки миллиардов долларов и создающие прожорливых монстров, требующих немыслимых Гигаватт электроэнергии и вы решили, что пора взять всё в свои руки и наконец разработать уже AGI о котором так много говорят, но мало делают. Но вы не знаете с чего начать и у вас нет знакомых китайцев из DeepSeek? Тогда это краткое пособие для вас. В нем, мы затронем базовые аспекты создания AGI, которые позволят любому начинающему разработчику погрузиться в тему и в свободное время создать своего личного «Джарвиса».

Прошло около полугода после последней моей статьи о перспективах развития больших языковых моделей. Чтобы не утомлять долгим чтением, её краткое резюме:
Критика современных больших языковых моделей (БЯМ): они статичны, неэффективны в вычислениях и обучении, что ведет индустрию к технологическому тупику. Главные проблемы связаны с экспоненциальным ростом вычислительных мощностей, дефицитом качественных данных и ограничениями архитектуры.

Итак, можно подвести некоторые итоги, что же мы увидели за прошедшее время.

Возвращаюсь к теме моих любимых больших языковых моделей(LLM, БЯМ). Наблюдения последних месяцев за индустрией, событиями и динамикой явно демонстрируют движение со все возрастающим ускорением прямо в тупик. Финиш может быть фееричным. Откуда такие выводы? Разберем по порядку...

Наверняка все слышали об NFT, большинство даже знают, что это такое. Для тех кто не совсем в теме, NFT (non-fungible token) – невзаимозаменяемый токен. Говоря простым языком, это технология, которая позволяет сделать цифровой объект уникальным. Т.е. она создает свойство, которого изначально у цифрового объекта не было и казалось, что быть не может, т. к. все что в цифре, все можно скопировать.

Мы пережили взлет этой технологии, увидели токены за миллионы долларов и стали свидетелем ее падения. Большинство даже не поняло ее: как это простая картинка может столько стоить? Кто-то кинулся рисовать свои и выкладывать на продажу, рассчитывая хорошо заработать. Но безумный хайп прошел, оставив послевкусие разочарования, об NFT начали забывать, но сама технология никуда не делась. Есть ли у нее шанс? Найдет ли она свое место в нашей жизни?

Обойдемся без долгих вступлений и глубоких философствований о современных тенденциях в развитии генеративных моделей в целом и LLM (большие языковые модели) моделей в частности. Многие об этом знают не понаслышке, а кто не знает — тому ниже сказанное просто не интересно.

Все в трепетном ожидании прорыва. Даже нет, ПРОРЫВА! LLM смогли нас удивить за последний год, даже вошли в нашу жизнь и заняли свое почетное место. На горизонте замаячил AGI (общий искусственный интеллект), который придет, взмахнет волшебной палочкой и изменит всю нашу жизнь...