Специализация и open-source: наш шанс на конкурентность Раз не можем побить гигантов их же оружием, надо играть умнее. Перспективная стратегия для России – узкая специализация и дообучение открытых моделей под конкретные задачи и отрасли. Вместо разработки всезнающего ИИ мы берём доступную модель с открытым кодом и учим её быть экспертом в нужной области. Тут немного саморекламы: именно так мы сделали с ИИ-Николой, превратив его в персонального научного ассистента. Такой fine-tuning требует на порядки меньше ресурсов, а результат – модель, идеально понимающая свой предмет. Уже сейчас ряд российских команд идёт по этому пути. Вот несколько примеров где локальные дообученные модели способны дать конкурентный результат: В МФЦ, налоговой и судах тестируются ИИ-ассистенты для обработки документов и обращений. В промышленности — модели, обученные на отраслевых данных, которые понимают чертежи, стандарты и патенты. В образовании обсуждаются «цифровые наставники» для вузов и школ. В кибербезопасности востребованы узкие модели для поиска аномалий и атак в реальном времени. А в академической среде появился новый игрок. Разумеется, после нас. Хотя его автор критиковал мой продукт, я не последую его примеру. Недавно наткнулся на новость о сервисе {do}mate, который хочет бросить вызов монополии «Антиплагиата». Он использует ИИ для поиска скрытых заимствований и генеративного контента, автоматизирует проверку библиографии и даже готовит плагин для Word и Google Docs, фиксирующий историю написания текста. Причём опора на open-source здесь ключевая. Открытые модели дают нам форсаж. Ведь в этом случае можно не тратить десятки миллиардов на новое «железо», а взять существующие разработки и адаптировать их под свои нужды. Маленькие команды, обладая экспертизой в предметной области, способны обучить ИИ на локальных данных и получить продукт мирового уровня. Именно так сейчас работает, например, MTS AI (MWS) — они сознательно не строят модель «с нуля», а подбирают лучшую доступную и дообучают под задачу бизнеса, добиваясь гораздо более высокого качества на конкретном применении. Такой прагматичный подход куда эффективнее для нас, чем гоняться за масштабом BigTech.