Как будут обстоять дела с машинным обучением в России в 2024 году 🤖
Рассказывает менеджер ML-продуктов Selectel Антон Чунаев для РБК
Искусственный интеллект проникает во все сферы жизни общества. Однако создание фундамента для его внедрения — небыстрый и недешевый процесс, который требует серьезной подготовки.
По данным The Wall Street Journal, крупнейшие мировые компании, которые пытаются внедрить ИИ в свою работу, на самом деле несут убытки из-за высокой стоимости обслуживания инфраструктуры. Одна из причин такой дороговизны сервисов на базе ИИ — использование AI-моделей (например, GPT-4), которые требуют больше энергии и увеличивают нагрузку на графические карты.
Так некоторые компании начали изучать возможности внедрения менее мощных, но более дешевых языковых моделей. Развиваются open-source ML-модели, которые востребованы у малого и среднего бизнеса.
Главный фокус на рынке машинного обучения в России в ближайшие несколько лет — формирование комплекса лучших практик, который позволит разработать универсальные платформенные ML-решения, подходящие для самых популярных задач большинства компаний.
В этом смысле у отечественного рынка есть как преимущества, так и недостатки. С одной стороны, он ограничен технически и финансово. К таким ограничениям относятся санкции, отток специалистов, нехватка оборудования, относительно малый размер и изолированность.
С другой стороны, в числе преимуществ — широкое поле деятельности, почти свободное от западной конкуренции. Остается только воспользоваться форой.
Прочитать материал полностью вы можете по ссылке ➡️
