В 2024 году впервые в истории сразу две Нобелевские премии были связаны с достижениями в области ИИ. Джон Хопфилд и Джеффри Хинтон были отмечены за революционные разработки в машинном обучении, а Дэвид Бейкер, Демис Хассабис и Джон Джампер за прорыв в предсказании структуры белков. Эти награды символизируют глубокое проникновение ИИ в фундаментальную науку и его роль в расширении границ человеческого познания.
Алиса Годованец
Стажер-исследователь Центра нейроэкономики и когнитивных исследований Института Когнитивных Нейронаук НИУ ВШЭ
Искусственный интеллект и наука
В нейронауках искусственный интеллект сегодня анализирует сложные паттерны мозговой активности, расшифровывает данные фМРТ и ЭЭГ, помогая понять связь между нейронной активностью и поведением. В нейровизуализации алгоритмы реконструируют визуальные образы из активности зрительной коры, а при исследовании нейродегенеративных заболеваний выявляют ранние признаки патологий на МРТ-снимках задолго до появления клинических симптомов болезней Альцгеймера и Паркинсона.
Примечательно, что нейронауки во многом стали истоком развития искусственного интеллекта. Архитектура нейронных сетей базируется на революционной концепции математического нейрона Маккалоха–Питтса, предложенной в 1943 году. По аналогии с биологическими нейронными сетями искусственные нейроны объединяются в слои, образуя сети, способные к обучению и адаптации. Таким образом, исследования мозга не только помогают понять принципы работы биологического интеллекта, но и вдохновляют на создание всё более совершенных искусственных систем.
Помимо научной сферы, ИИ трансформирует множество прикладных областей: в медицине он диагностирует заболевания практически наравне с опытными врачами, в авиации автопилоты управляют самолётами почти 90% времени полета, а в финансах алгоритмы обрабатывают миллионы транзакций в секунду.
Согласно отчету Организации экономического сотрудничества и развития, число вакансий, связанных с использованием ИИ, продолжает стремительно расти, особенно в таких отраслях, как финансы, здравоохранение и транспорт. По данным McKinsey и Boston Consulting Group, 75% компаний планируют увеличить инвестиции в ИИ.
Однако на данный момент лишь около 26% организаций достигли уровня, на котором ИИ приносит ощутимую пользу. В финансовом секторе технологии применяются для повышения производительности, оптимизации управления рисками и улучшения клиентского опыта; в биофармацевтике — для ускорения разработки лекарств и прироста ценности; в промышленности — для снижения себестоимости и сокращения сроков вывода новых продуктов на рынок. Несмотря на активное внедрение ИИ, многие организации все еще сталкиваются с трудностями при масштабировании технологий и не могут полностью реализовать их потенциал.
Всегда ли сотрудничество человека и ИИ приводит к лучшим результатам
Недавнее масштабное исследование, опубликованное в Nature Human Behaviour, дало неожиданный ответ на вопрос о взаимодействии человека и ИИ. Проанализировав 106 научных работ, учёные обнаружили, что совместная работа человека и ИИ не всегда эффективнее, чем работа по отдельности.
Исследователи выявили два ключевых эффекта во взаимодействии человека и ИИ. Первый — human augmentation, который подтверждает, что использование ИИ действительно может усиливать человеческие возможности. Этот эффект проявляется тогда, когда человек, пользуясь подсказками или помощью ИИ, демонстрирует результаты выше, чем без поддержки алгоритмов. Например, в задачах по классификации изображений, когда человек изначально показывал высокую точность, объединение усилий с ИИ приводило к ещё более впечатляющим результатам.
Второй эффект — human–AI synergy, когда совместная работа человека и ИИ приносит более высокие результаты, чем их индивидуальная работа по отдельности. Однако исследования показали, что простое объединение усилий не всегда приводит к синергии. В задачах на принятие решений, где необходимо выбрать из фиксированного набора вариантов, взаимодействие с ИИ часто ухудшало показатели из-за чрезмерного доверия к алгоритмам или, наоборот, их полного игнорирования. В то же время в творческих задачах, таких как генерация текстов или художественных изображений, синергия проявлялась ярче: сочетание человеческой креативности и алгоритмической точности давало более качественные результаты, чем работа каждой из сторон по отдельности.
Особенно интересные результаты показала еще одна работа, посвященная изучению доверия к ИИ в командной работе. В ходе эксперимента выяснилось, что хотя эмоциональное доверие к ИИ-коллеге ниже, чем к человеку, когнитивное доверие (основанное на оценке компетентности) оказалось одинаковым. Более того, на практическом уровне люди демонстрировали готовность взаимодействовать с ИИ так же активно, как и с людьми.
Основные паттерны взаимодействия человека с ИИ
Современные исследования выделяют семь основных паттернов взаимодействия человека и ИИ.
Первый паттерн — «Первичная помощь» (AI-first Assistance), когда ИИ сразу предлагает готовое решение, что особенно важно в областях, требующих быстрой реакции.
Второй паттерн — «Дальнейшая помощь» (AI-follow Assistance), при котором человек сначала принимает свое решение, а затем сравнивает его с рекомендацией ИИ.
Третий паттерн — «Вторичная помощь» (Secondary Assistance): здесь ИИ предоставляет дополнительную информацию, не давая готовых решений.
Четвертый паттерн — «Помощь по запросу» (Request-driven AI Assistance), когда пользователь сам определяет, нужна ли ему поддержка ИИ, сохраняя контроль над рабочим процессом.
Пятый паттерн — «Диалоговое взаимодействие» (AI-guided Dialogic User Engagement), где ИИ пошагово ведет пользователя через процесс принятия решения, что особенно эффективно в образовании.
Шестой паттерн — «Интерактивные корректировки» (User-guided Interactive Adjustments), позволяющий пользователю корректировать результаты работы ИИ и давать обратную связь.
Седьмой паттерн — «Делегирование решений» (Delegation), когда ИИ может самостоятельно принимать определенные решения, что часто используется в высокоавтоматизированных процессах.
Каждый из этих подходов имеет свои преимущества, но исследователи подчеркивают: будущее за более сложными и интерактивными моделями взаимодействия. Необходимо двигаться от простых форм сотрудничества к глубокому партнерству между человеком и ИИ для повышения качества принимаемых решений.
Особенно важную роль во взаимодействии человека с искусственным интеллектом играет так называемый объяснимый ИИ. Современные системы часто работают по принципу «черного ящика»: мы видим только входные данные и результат, но не понимаем, как система пришла к решению. Объяснимый ИИ решает эту проблему, делая процесс принятия решений алгоритмов прозрачным и понятным для человека. Например, в медицинской диагностике система не просто ставит диагноз, но и показывает, какие именно признаки на снимке привели к такому заключению.
Какие перспективы нас ждут? Однозначно одно: развитие ИИ продолжает ускоряться. Недавно OpenAI анонсировала модель o3, демонстрирующую беспрецедентный уровень «общего интеллекта» (Artificial General Intelligence). Эта модель достигла 88% на бенчмарке ARC-AGI — специализированном тесте для оценки способности решать принципиально новые задачи без предварительного обучения. Для сравнения, GPT-3 в 2020 году набрала 0%, а GPT-4 в 2024 — всего 5%. Более того, o3 показала выдающиеся результаты в различных областях: 96% точности на математической олимпиаде AIME и 87% на научных вопросах PhD-уровня.
Что касается трендов, согласно отчету Gartner — компании, известной своей методологией «кривой зрелости технологий» — мы движемся к более зрелому пониманию возможностей ИИ. Аналитика показывает, что генеративный ИИ уже преодолел пик завышенных ожиданий и постепенно движется к плато продуктивности. Эксперты рекомендуют организациям обратить внимание на развитие композитного ИИ. Такой подход знаменует следующий этап эволюции, так как позволяет создавать более гибкие и масштабируемые решения, повышая точность прогнозов и надежность работы.
Таким образом, дальнейшее сотрудничество человека и ИИ обещает быть все более результативным, многогранным и эффективным.
Какие есть риски
Однако существуют и определенные риски: чрезмерное доверие к автоматизированным системам, потеря человеческой экспертизы в некоторых областях, этические дилеммы при принятии решений. История знает примеры, когда излишнее доверие к алгоритмам приводило к серьёзным последствиям — например, авария с участием автопилота Tesla в 2016 году или Flash Crash 2010 года на фондовом рынке США, когда за считанные минуты индекс Dow Jones упал почти на 1000 пунктов из-за того, что автоматизированные торговые системы начали массово продавать активы, реагируя друг на друга без человеческого контроля.
Человек и искусственный интеллект: главное
Подведем итог. Целиком полагаться на ИИ все же не стоит. Для достижения лучших результатов важны оба игрока. Уже сейчас мы наблюдаем, как некоторые когнитивные навыки постепенно меняются: мы реже запоминаем информацию, которую легко найти в интернете, меньше тренируем навыки навигации, полагаясь на GPS, все чаще доверяем проверку правописания автоматическим корректорам.
С развитием генеративного ИИ эта тенденция усиливается: мы все чаще поручаем искусственному интеллекту написание текстов, анализ данных, создание изображений и программного кода. Это вызывает обоснованные опасения: не приведет ли чрезмерная зависимость от ИИ к снижению профессиональных навыков и экспертизы в различных областях?
Хотя эти технологии действительно освобождают время и ментальные ресурсы для более сложных задач, крайне важно сохранять баланс и не допускать полной зависимости от алгоритмов, продолжая развивать ключевые профессиональные компетенции и когнитивные навыки. Секрет успеха — в грамотном распределении задач: если в каком-то вопросе ИИ показывает лучшие результаты, стоит доверить задачу ему; если сильнее человек — позволить ИИ быть помощником, а не основным исполнителем. При этом важно не просто смотреть на количественные показатели успеха, но и учитывать контекст ошибок и их возможные последствия.
Таким образом можно создать условия для эффективного сотрудничества, где каждый участник задействует свои сильные стороны.
К слову, этот выпуск нам также помог подготовить ИИ — вот отличный пример синергии человека и алгоритма в действии. Спасибо, что были с LessOn, и до новых встреч!
