В Москве прошла главная конференция в сфере искусственного интеллекта AI Journey 2025. На форсайт-сессии, посвященной развитию ИИ в ближайшие 10 лет, эксперты обсудили основные перспективные направления и инсайты, которые приведут к прорывам, будут ускорять внедрение ИИ и развитие индустрии.
В самом начале форсайт-сессии Дмитрий Чернышенко представил отчет Альянса в сфере искусственного интеллекта, в котором представлены результаты глобального исследования сферы ИИ и перспективы ее развития. В работе приняли участие 270 ведущих учёных из 40 стран мира. В отчете поднимаются такие темы как ИИ-агенты и мультиагентные системы, «узкий ИИ» и обучение ИИ-моделей пониманию физических законов, компьютерное зрение, вычисления и данные для ИИ, воплощенный искусственный интеллект и внедрение LLM в гуманоидных роботов. Отчет доступен в виде PDF–файла на русском, английском и китайском языках.
Главным лейтмотивом форсайт-сессии стал уход от гонки за мощностью моделей к обеспечению их надежности, объяснимости и этичности.
Смысл форсайта и всей нашей работы состоит в том, чтобы сформировать контур будущего, который базируется на научном фундаменте и принадлежит всем. Этот научный фундамент не может быть достоянием только одной корпорации или страны.
Фундамент: архитектуры и алгоритмы
Первыми на сцену вышли эксперты, которые отвечают за развитие алгоритмов и архитектур для машинного обучения. В 2024-2025 годах, по мнению Небойша Бачанин-Джакулу (Университет Сингидунум), фундаментальные исследования значительно продвинули вперед развитие архитектуры ИИ-моделей. Напомним, что «строение» нейросетей отражает организацию данных в их «памяти». Также важные достижения были сделаны в области мультиагентных систем и федеративного обучения.
Бачанин-Джакулу считает, что в будущем будет очень важно интегрировать в модели научное знание (физика, химия), что позволит им лучше адаптироваться к новым задачам и сферам.
Александр Гасников (Университет Иннополис) отметил, что главными вызовами все еще остаются слабая способность ИИ-моделей к обобщению и отсутствие доверения к результатам выдачи больших языковых моделей. Что особенно критично для таких сфер как медицина и здравоохранение.
Гасников также указал на тренд по автоматизацию разработки ИИ самим ИИ. Его прогноз — будущее за симбиозом взаимодействующих ИИ-агентов. Он также отметил, что ученым стоит черпать вдохновение в синтетической теории эволюции и принципах работы человеческого мозга.
Безопасность, доверие и этика — новые приоритеты
Следующий блок обсуждения был посвящен вопросу, который сегодня волнует многих, — как доверять ИИ. На сцену поднялись Андерсон Роша (Университет Кампинаса) и Арутюн Аветисян (ИСП РАН). Ученые были единодушны: без доверия нет внедрения.
Например, при лечении болезни он должен объяснять, что происходит с человеком, тогда к таким системам будет доверительное отношение.
Аветисян добавил, что безопасность ИИ-моделям нельзя «прикрутить» позже — она должна быть встроена в саму модель с самого начала. Он также отметил, что этика ИИ не может быть универсальной и должна учитывать как ценности разных культур, так и отраслей, в которых ИИ будет использоваться. IT-сообщество должно работать с экспертами в разных сферах, чтобы понимать особенности их работы и сделать для них подходящий продукт.
Вычисления для ИИ — преодоление «узкого горлышка»
Ан Хуэй Фан (Сколтех) указал на важность снижения энергопотребления ИИ-моделей для этого он предложил специализировать архитектуру моделей под выполняемые задачи и объединять GPU с квантовыми вычислениями, что может принести плоды к 2030-2040 годам.
Дмитрий Чернышенко добавил, что сегодня не стоит делать ставки на расширение парка процессоров для вычислений, нужны альтернативные решения. Александр Бухановский (ИТМО) указал на альтернативные варианты в виде оптических и нейроморфных вычислителей. Пока они, впрочем, могут выполнять только отдельные задачи. Поэтому их нужно использовать в составе гибридных вычислителей.
Данные — «новая кровь» для ИИ
Аджит Абрахам (Университет Сай) отметил, что без данных создавать ИИ-модели невозможно. Вместе с тем эксперт указал на опасную асимметрию в доступе к данным: крупные корпорации имеют привилегированный доступ к информации, что тормозит инновации. Также необходимо регулирование доступа к данным, бенчмарки и фреймворки, обеспечение чистоты и сохранности данных.
Юрий Визильтер (Государственный научно-исследовательский институт авиационных систем) отметил, что каждые 7 месяцев задачи, которые могут решать ИИ-агенты, усложняются вдвое. А значит, нужны соответствующие бенчмарки. Например, OpenAI выпустила тест GDPval, который позволяет оценить «навыки» специализированного ИИ в 44 задачах, которые обычно выполняют профессионалы из 9 отраслей экономики. Таким образом, GDPval не просто тестирует «эрудицию» ИИ, а проверяет его возможности как «квалифицированного специалиста».
Визильтер указал на проблему «стены данных» — во многих областях все доступные данные для обучения уже исчерпаны. Он считает, что ответом станут синтетические данные, которые могут привести к новому прорыву.
Интеграция в реальный мир: от роботов до нейроинтерфейсов
Эксперты обсудили, как ИИ будет взаимодействовать с физическим миром и человеком. Дмитрий Чернышенко отметил, что, согласно прогнозам, «узкие» задачи обеспечат 95% экономической ценности ИИ-систем.
Е Тянь (Университет Аньхой) считает, что главная задача ИИ – снизить нагрузку на человека и увеличить эффективность различных сфер промышленности. В последнем случае «узкий ИИ» (narrow AI) будет особенно востребован в целом ряде задач.
Дмитрий Юдин (Институт AIRI, МФТИ) отметил, что «узкий ИИ» будет особенно востребован в робототехнике (разработке роботов-курьеров, шагающих, медицинских и сервисных) и производстве беспилотного транспорта. Эксперт считает, что необходимо поддерживать и развивать подобные большие международные проекты. Также Юдин ожидает прорыва в «пространственном ИИ» — способности ИИ-моделей понимать трехмерные сцены. На его взгляд, нынешние достижения в разработке «узкого ИИ» помогут поднять понимание ИИ-моделями физического мира на новый уровень.
Нилакандан Субраманиам (R.M.K Engineering College) и Алексей Осадчий (НИУ ВШЭ, AIRI) обсудили взаимодействие человека и машины и интерфейсы «мозг-компьютер».
Субраманиам спрогнозировал, что машины скоро научатся точно считывать базовые эмоции человека, но столкнутся с проблемой изменчивости человеческого мозга. Также, на взгляд эксперта, у академического сообщества пока нет понимания, как создать мультимодальный искусственный интеллект, который мог бы считывать самые разные сигналы из внешнего мира.
Осадчий сместил фокус с регистрации сигналов мозга на считывание сигналов автономной нервной системы (изменение размера зрачков и сердцебиения), указав, что будущее за неинвазивными интерфейсами, которые будут эффективно и дешево регистрировать такие параметры.
Этика ИИ и регулирование: миру нужны альтернативы западному подходу
Андрей Незнамов (Сбер) и Бо Сун (Университет Цинхуа) углубились в тему этики и глобального управления сферой ИИ. Незнамов констатировал, что существующие этические кодексы часто транслируют лишь «западную» этику. Российский кодекс, к которому уже присоединились участники из 75 стран, показывает, что в мире есть запрос на альтернативные решения. Бо Сун предупредил, что ИИ может усилить разрыв между странами, и призвал к созданию новых международных механизмов управления, обеспечивающих равные возможности для всех.
Дяньхуэй Ван (Университет Циндао) сделал ставку на легковесные ИИ-модели (lightweight AI), как лучшее решение проблемы нехватки вычислительных мощностей. Евгений Бурнаев (Сколтех, AIRI) полагает, что такие специализированные модели могут использоваться в производстве, но лишь в определённых сценариях. Управлять же всем процессом сможет только мультиагентная система. Эксперт также указал на мировой тренд разработки и внедрения таких «оркестров» ИИ-агентов. Однако нужен единый стандарт общения таких агентов и надежные каналы связи между агентами.
Андрей Кузнецов (Сбер, AIRI), один из основателей модели Kandinsky, отметил, что сейчас мы наблюдаем переход к мультимодальным архитектурам и эре «рассуждений» (reasoning), когда модели смогут саморедактироваться и адаптироваться для узких производственных, промышленных задач, для задач работы со специфическими наборами данных. Его прогноз на год вперед — прогресс в понимании ИИ физики и законов окружающего мира и пространственно-временных связей, что особенно критично для прикладных задач робототехники и беспилотного транспорта.
В конце сессии Иван Оселедец (AIRI), один из идеологов форсайта, отметил, что в нынешних условиях появления искусственного суперинтеллекта, или «общего ИИ» (AGI), невозможно.
Кроме того, AGI не появится без развития VLA-моделей и выхода роботов в реальный мир (а значит, и накопления ими соответствующих данных). Оселедец считает, что прорывы будут обеспечены за счет новых поколений архитектур нейросетей.
Форсайт-сессия нарисовала картину сложного, многополярного, но поступательного развития искусственного интеллекта. Внимание разработчиков постепенно смещается с безудержного масштабирования кластеров GPU на создание умных, эффективных и, что самое главное, безопасных и доверенных систем. Успех в этой гонке будет определяться не только развитием технологий, но и способностью международного сообщества договориться о стандартах, обеспечить справедливый доступ к данным и вычислительным ресурсам для всех. Россия, как показала конференция AI Journey, намерена играть в этом процессе одну из ключевых ролей.
Ранее Дмитрий Чернышенко представил 10 трендов в сфере ИИ в рамках Петербургского международного экономического форума. Наука Mail также рассказывала о ключевых направлениях развития беспилотных систем.
