Кто создаёт ИИ?

Кто создает искусственный интеллект? Роли и специалисты

Детальное понимание того, кто создает искусственный интеллект, демонстрирует современному бизнесу и начинающим специалистам реальный масштаб ресурсов для разработки. Глубокое изучение данного многоэтапного процесса предотвращает серьезные стратегические ошибки при планировании собственных сложных технологических проектов. Анализ ключевых профессиональных направлений гарантирует максимально правильное распределение важных командных задач.

Кто разрабатывает нейросети и как устроена команда

Искусственный интеллект создают команды узкопрофильных специалистов - инженеры по машинному обучению, дата-сайентисты и аналитики данных. Это никогда не бывает работой одного разработчика-одиночки, а представляет собой сложный технологический конвейер.

Редко когда вокруг индустрии возникает столько мифов. Честно говоря, когда я только начинал изучать, кто разрабатывает нейросети, я тоже думал, что весь ИИ - это просто очень умный программный код, написанный парой гениев. Я ошибался. Большинство туториалов фокусируется именно на алгоритмах. Но есть один неочевидный фактор, который упускают 90% новичков - я объясню это в разделе про аппаратное обеспечение чуть ниже.

На практике, дата-сайентисты тратят около 80% своего рабочего времени исключительно на сбор, очистку и разметку данных. Эта рутинная работа - и она часто разочаровывает молодых специалистов - является фундаментом. Без чистых данных даже самый совершенный алгоритм бесполезен.

Профессии в сфере искусственного интеллекта

Разделение труда в разработке ИИ довольно строгое, поэтому профессии в сфере искусственного интеллекта четко распределены. ML-инженеры (Machine Learning Engineers) пишут математические модели и обучают системы анализировать информацию. Они настраивают параметры так, чтобы нейросеть могла находить закономерности.

Инженеры по данным (Data Engineers) выстраивают инфраструктуру для непрерывного потока информации. Они гарантируют, что серверы выдержат нагрузку. Инженеры по железу создают мощные процессоры. Все эти люди - создатели ии, работающие как единый механизм.

Какие компании создают ИИ сегодня

Если вас интересует, какие компании создают ии, то глобальный рынок искусственного интеллекта поделен между технологическими гигантами, научно-исследовательскими лабораториями и амбициозными стартапами. Разработка мощных фундаментальных моделей требует колоссальных бюджетов.

OpenAI - создатели популярной языковой модели ChatGPT - задали текущий вектор развития отрасли. Google со своим подразделением DeepMind и системой Gemini продолжает удерживать лидерские позиции. В России флагманами выступают Yandex и Сбер, чьи модели YandexGPT и GigaChat адаптированы под специфику языка и локального рынка.

Невидимая сторона: почему железо решает всё

Вот тот неочевидный фактор, о котором я упоминал ранее, когда объяснял, кто создает искусственный интеллект: аппаратная инфраструктура. Принято считать, что прорывы в ИИ случаются благодаря новым гениальным формулам. Но на самом деле архитектура многих современных нейросетей не менялась радикально несколько лет. Прорыв случился благодаря железу.

Вычислительные мощности специализированных процессоров увеличились более чем в 10 раз за последние пять лет. Без современных графических ускорителей (GPU) от таких компаний как NVIDIA, обучение модели уровня GPT-4 заняло бы десятилетия. Программный код - это лишь двигатель. Железо - это топливо.

Сравнение подходов: Корпорации против Open-Source

Технологические гиганты (Google, Microsoft)

- Медленная из-за бюрократии и строгих проверок на безопасность перед релизом

- Практически неограниченные бюджеты на покупку тысяч GPU для обучения моделей

- Закрытые системы с доступом только через платные API для бизнеса

AI-стартапы (OpenAI, Anthropic)

- Очень высокая - стартапы быстро выпускают обновления и задают тренды на рынке

- Высокие, обычно обеспечиваются за счет стратегического партнерства с облачными провайдерами

- Преимущественно закрытые (proprietary) модели с агрессивной монетизацией

Open-Source сообщества (Meta Llama, Hugging Face) ⭐

- Молниеносная адаптация сообществом для тысяч специфических узких задач

- Ограниченные, обучение базовой модели спонсируется крупным игроком, доработка - силами комьюнити

- Открытый исходный код, который любой разработчик может скачать и развернуть локально

Оптимизация логистики в московском ритейле

Иван, ML-инженер 28 лет из Москвы, получил задачу внедрить нейросеть для предсказания спроса на скоропортящиеся продукты. Команда ожидала, что новая модель ИИ сразу же решит проблему списания просроченных товаров.

Сначала Иван взял самую сложную архитектуру нейросети и загрузил в нее все имеющиеся данные за год. Результат был ужасным. Модель переобучилась, предсказывала абсурдные цифры, и компания потеряла много времени на отладку. Иван провел две недели в полнейшем отчаянии, пытаясь настроить гиперпараметры.

По правде говоря, проблема крылась не в алгоритме. Иван понял, что исторические данные содержали сбои из-за праздников и промо-акций, которые никто не разметил. Он перестал трогать код нейросети и потратил три недели на ручную очистку и структурирование датасета.

После обучения на чистых данных точность прогнозов выросла на 42%, а объем списаний продуктов снизился вдвое за первый месяц. Иван усвоил жесткий урок: мусор на входе означает мусор на выходе, независимо от того, насколько гениален ваш алгоритм.