Наприкінці липня Міжнародна федерація аграрних журналістів (IFAJ) організувала вебінар під назвою “Вплив штучного інтелекту на дослідження та розробки в сільському господарстві” (Artificial Intelligence’s Impact on R&D for Agriculture), в якому прийняли участь керівник відділу досліджень і розробок з питань цифрової співпраці та сталого розвитку компанії Syngenta Crop Protection д-р Мартін Клаф та глобальний керівник відділу цифрових агротехнологій Syngenta Group Андре Піза.
За словами президента IFAJ Стіва Верблоу, котрий модерував цей вебінар, ця програма є особливо захопливою, тому що вона буде присвячена штучному інтелекту - мабуть, найреволюційнішою, найцікавішою, маловивченою та, можливо, трохи лякаючою технологією, з якою ми всі стикаємося в журналістиці та комунікаціях, а також у науці. Тож сьогодні ми дізнаємося від представників компанії Syngenta, як вони використовують штучний інтелект від найранніших етапів розробки продукту в спілкуванні з фермерами на всіх рівнях для допомоги їм у застосуванні сільськогосподарських технологій, засобів захисту сільськогосподарських культур та генетики.”
Мартін Клаф: Ми отримали здатність керувати великими даними, що завжди було великою проблемою, бо ШІ — це ніщо без даних. Ми краще розуміємо, як хімія та біологія взаємодіють, завдяки так званим омікс-технологіям. Отже, геноміка, транскриптоїка, метаболоміка – це, по суті, те, як взаємодіють хімія та біологія, розуміння цього простору. Тож поєднання всіх цих речей призвело до різкої зміни в інноваціях, і все це сталося протягом останніх трьох-п'яти років. Ми використовуємо ШІ набагато довше, ніж ці 20 років. Але тоді це ще не називалося ШІ, це було машинне навчання, і термінологія ШІ з'явилася лише близько п'яти років тому, і зараз вона означає зовсім інше.
Наша робота - це принести диференційовані інновації фермерам. Тобто, продукти, засоби захисту рослин, над якими ми працюємо, мають бути значно кращими за те, що є зараз, та мати більшу цінність. І нам потрібно, щоб це було доступно фермерам швидше, щоб це було актуально для проблем, з якими вони стикаються сьогодні, і більш продуктивним способом, щоб це було доступно фермерам. Тож насправді питання не в тому, що ШІ може робити теоретично, а в тому, як ми збираємося його використовувати, щоби швидше та продуктивніше забезпечувати фермера кращою продукцію. Ми застосовуємо підхід, орієнтований на виробника. Тож ми отримуємо наші знання від фермера.
Ми хочемо збирати дані про те, як фермери насправді сприймають наші продукти. Чи працює це в їхній сільськогосподарській екосистемі? Які їхні висновки? Чи працює це так, як очікувалося? І передавати цю інформацію нашим дослідникам. Історично це було дуже важко зробити, оскільки між дослідником і фермером було багато рівнів. Але вперше ми можемо зробити це зараз. Проте це має свої наслідки. Ми повинні поважати конфіденційність даних фермерів - вони мають погодитися поділитися ними з нами. Це не так просто, як здається, але використання цих даних є ключовим для досліджень і забезпечення того, щоби продукти були кращими для фермера. Чи задовольнять вони потреби не лише фермера сьогодні, а й через 10 років, фермера майбутнього? Це є ключовим викликом для нас.
Отже, як тільки ми отримаємо всі ці дані, ми використаємо їх для розробки нових продуктів. Існує кілька різних способів розробки нових продуктів за допомогою ШІ. Ми хочемо знайти цілі, які є дуже селективними до конкретних хвороб, на які ми прагнемо впливати, які є повністю нешкідливими для людей-операторів, для нецільових організмів у навколишньому середовищі та для самого навколишнього середовища. І тому ми можемо використовувати такі речі, як моделі згортання білків (які також є ШІ), наприклад, для виявлення нових цілей або геномних великих мовних моделей. Це дозволяє нам читати послідовності генів так, ніби вони є загальною мовою, і розуміти, що ці гени насправді роблять.
Потім, коли ми маємо ціль, ми починаємо винаходити речовини і знаходимо провідну речовину. Історично ми б знайшли провідну хімічну речовину, а потім оптимізували її за продуктивністю та ефективністю. Вона має працювати, інакше у нас не буде продукту. Ми створюємо тисячі молекул, дуже близьких аналогів, і весь час шукаємо покращення ефективності. І ми знаходимо найефективнішу. Потім ми оптимізуємо її для безпеки - вона має бути дійсно безпечною, і можливо, пішли б на деякі компроміси в ефективності. Тож найбезпечніша не є найефективнішою. Тоді вона має бути економічно ефективною. Тож ви оптимізуєте її для зменшення собівартості продукції, а потім для сталого розвитку. Ми послідовно оптимізуємо молекулу за низкою різних параметрів один за одним. Щоразу створення тисяч молекул займає багато часу та вимагає величезних зусиль. Тепер у нас є щось під назвою генеративний дизайн - ми проектуємо молекули на комп'ютері. Комп'ютер може проектувати будь-яку молекулу та оптимізувати її за ефективністю, безпекою, вартістю товарів, стійкістю, рецептурами тощо, використовуючи прогностичні моделі. Тож уявіть собі це як кубик Рубіка. Історично ми оптимізували одну сторону куба, потім іншу сторону куба, а потім третю сторону куба. І в процесі ми зрозуміли, що ми все переплутали, і це надзвичайно марнотратно. Тож ці генеративні моделі дозволяють нам робити еквівалент розв'язання кубика Рубіка з усіх шести боків одночасно. Це дуже швидко. Це дуже цілеспрямовано. Це скорочує те, що зайняло б роки роботи, до місяців. І все це управляється цими прогностичними моделями. У дослідженнях ми зазвичай використовуємо близько 50 різних моделей для оптимізації, можливо, 15 різних параметрів одночасно. Тож це величезна справа. І потім ми повинні тестувати ці молекули в польових умовах, і вони повинні бути ефективними. Але вони не завжди працюють так, як очікувалося.
Отже, ми беремо дані тестування в польових умовах, і використовуємо їх для перенавчання моделей, і моделі з кожним роком стають все кращими і кращими. І, звичайно, продукт - це не просто активний інгредієнт. Це рецептура. Ви можете використовувати ту саму концепцію для оптимізації сформульованої суміші. Можливо, це суміш двох або трьох різних активних інгредієнтів, сформульованих певним чином. І ви можете використовувати ті ж самі прогностичні моделі та той самий багатопараметричний оптимізаційний підхід, щоб оптимізувати свій продукт для будь-якого використання фермером, для його потреб, його витрат, конкретних проблем, з якими він стикається тощо. Тож ми можемо розробити дизайн для всіх цих викликів, з якими стикаються фермери.
Це не так просто, як здається. У нас все ще немає всіх необхідних даних. На мою думку, цей підхід до розробки все ще перебуває десь за 5-10 років до початку комерційних продажів, тому що він розпочався лише в останні 3-5 років. Тому у нас на ринку немає жодних продуктів, розроблених таким чином. Але за п'ять-шість років ці продукти з'являться на ринку. І ми прагнемо пришвидшити темпи виходу цих продуктів на ринок, оскільки ми також використовуємо штучний інтелект для підвищення продуктивності. Використання оптимізованих робочих процесів, використання прогнозів замість тестування в польових умовах тощо допомагає нам швидше приймати комерційне рішення. Тож ми віримо в цей підхід і називаємо його сільськогосподарським інтелектом, а не штучним інтелектом. Цей підхід насправді допоможе нам зробити прорив та вивести на ринок кращі продукти швидше та продуктивніше, ніж будь-коли раніше
Андре Піза: Три з половиною років тому я прийшов у компанію Syngenta, щоби займатися розробкою застосунків для фермерів, які допомагатимуть їм у вирішенні їхніх проблем. І одразу виявилося, що застосунки самі по собі не вирішують це питання - їх треба об'єднати в один єдиний робочий процес та інтегрувати дані між застосунками. Ми назвали таку платформу Cropwise, що охоплює весь життєвий цикл виробника від посіву, планування сезону до збору врожаю та навіть заходи щодо зменшення ризиків. Усі продукти сьогодні мають певний рівень штучного інтелекту, що допомагає приймати рішення щодо продуктивності та використовувати різні підходи:
- Cropwise Grower - цифрові інструменти управління для фермера;
- Seed Selector - персоналізовані рекомендації, прив’язані до конкретного поля, щодо вибору насіння;
- Imagery - регулярний моніторинг стану посівів упродовж сезону з можливістю порівнянь з попередніми сезонами;
- Protector - допомога в прийнятті управлінських рішень;
- Operations - комплексне рішення в одному місці моніторингу полів у реальному часі;
- Commodity Pro - оптимізація закупівлі засобів захисту рослин з урахуванням ризиків зниження ціни врожаю;
- Precision - оптимізація використання ресурсів для кожного поля, отримання максимальної віддачі від гібридів, збільшення прибутковості;
- Spray Assist - допомога операторам в процесі обприскування миттєво обирати найкращі варіанти роботи;
- Sustainability - безплатний та простий інструмент оцінки успішності в сталому розвитку порівняно з іншими фермерами та знаходження нових можливостей подальшого покращення.
Ми створюємо глобальний продукт, що враховує місцеве законодавство. У нас також є продукти, орієнтовані на невеликі фермерські господарства.
Все, що ми робимо, пов'язано з виробником, і штучний інтелект допоможе йому вирішити складнощі роботи з технологіями. Я вважаю, що штучний інтелект демократизує процес вирощування, тобто доступ до технологій, тому що сьогодні ми багато інвестуємо в користувацький досвід і намагаємося спростити життя виробнику. Але реальність все ще є складною, і людям потрібно навчитися користуватися цими технологіями. І я думаю, що штучний інтелект з більш простим у використанні інтерфейсом, таким як чат-бот або більш налаштовані звіти знизить цю складність. Але щоб досягти цього, нам потрібно зрозуміти багато дуже важливих тем, які нас також хвилюють, коли ми переходимо до більш комерційного застосування, такого як конфіденційність даних, наприклад. Саме клієнт повинен довіряти тому, що ми робимо, і вони повинні довіряти нашим рекомендаціям і починати їх використовувати, щоби ми могли бачити рентабельність інвестицій або цінність, що просувається по всьому ланцюжку створення цінності. Ми вважаємо, що прозорість, і повага до даних є найважливішими активами, які ми повинні надати виробнику, і ми працюємо над усією архітектурою в цьому напрямку.
? Що ви хочете, щоб ми, фермери, знали на даний момент про вашу роботу зі штучним інтелектом, оскільки ця технологія не з'явиться на ринку протягом кількох років? Який ключовий висновок на сьогодні
Мартін Клаф: Час від винаходу до комерціалізації може бути 10-15 років. У нашій галузі це те саме, що й у фармацевтиці. Це дуже довгий час. Це означає, що якщо у виробника зараз є проблема, ми можемо вирішити її за 10-15 років. Це не дуже гарний сюжет. Тож, зараз ми дивимося на ШІ, на мою думку, так: чи можемо ми прискорити цей час, і, безумовно, використання прогнозних моделей, а не безлічі послідовних польових випробувань, наприклад, може значно зекономити на цьому. Тому я хотів би сказати виробникам, що ви можете розраховувати на швидше вирішення своїх проблем за допомогою інноваційних технологій.
По-друге, це якість інновацій. Можливість використовувати багатопараметричний підхід до оптимізації означає, що ми можемо враховувати низку різних факторів на етапі проектування. Таким чином, ми можемо мати безпечніші за дизайном продукти, які відповідають потребам більшої кількості фермерів. Але надзвичайно важливим для процесу проектування є розуміння того, якими будуть потреби фермерів через 5-10 років. Тож ми прагнемо співпраці з точки зору обміну досвідом, обміну інформацією про те, що є оптимальними інноваціями для майбутнього. Просто щоб ви знали, у нас є багато історичних даних польових випробувань, власних даних, починаючи з 1970-х років. У нас є півмільйона різних польових випробувань, з яких ми зібрали дані. Це дає нам справді міцну історичну основу для навчання наших моделей. Але майбутні дані набагато цінніші, тому що вони вищої якості. Вони отримані більш об'єктивно за допомогою таких речей, як зображення, тому можливість обміну даними з виробниками допоможе нам краще впроваджувати інновації.
Дуже легко розгубитися в таких речах, як великі мовні моделі, chatGPT, агенти тощо. Все, про що ми говорили, стосується ШІ. Існує багато різновидів ШІ, і не всі вони є великими мовними моделями. Не всі вони є агентами. Аналіз зображень вимагає від ШІ аналізу зображень. Проектування молекул у комп'ютері вимагає генеративного ШІ: це не агент, а генеративний ШІ. Отже, в Syngenta ми маємо справу з приблизно 30 різними дискретними типами ШІ. Вони всі різні, і використання найкращих для найкращої роботи вимагає від нас дуже ретельного підходу до вибору. Чи є це відповідним інструментом для роботи? Іноді ШІ не є відповідним інструментом для роботи, і це дійсно вимагає практичного підходу. Ми не делегуємо завдання ШІ. У нас є вчені та люди, які працюють зі штучним інтелектом, щоб переконатися, що ми використовуємо його правильно, щоб робити правильні речі відповідально. Це не те, що можна просто перекласти і сказати, що штучний інтелект зробить все, вам не потрібні жодні вчені. Так це не працює.
Андре Піза: Півтора року тому я дуже скептично ставився до ШІ. Я інженер за освітою, я також програміст. І як програміст, я був дуже скептично налаштований. Я сказав: «О, ця штука ніколи мене не переможе, і я перевершу будь-який ШІ, який з'явиться». Але потім ШІ розвивався і почав допомагати мені краще програмувати. Минулого року я побачив досягнення в галузі кібербезпеки та речі, які могли б допомогти нам у великих масштабах, у які ми раніше багато інвестували, щоб залучати дуже дрібних і надзвичайно дорогих консультантів, І приблизно в лютому цього року ми побачили величезний прогрес нових моделей штучного інтелекту, про який я сказав: «ця штука програмує набагато краще, ніж я можу собі уявити». Тож добре, що я менеджер, і я зараз зосереджуюся у великій організації Syngenta і, як програміст, я можу використовувати ШІ для розширення своїх можливостей.
І я думаю, що коли ми дивимося на поле та сільське господарство, все розвивається такими швидкими темпами, що буде важко сказати, коли це стане надзвичайно зрілим для сільськогосподарського середовища. Сьогодні це вже реальність. У нас є штучний інтелект у всіх продуктах, які ми маємо в Cropwise. Ми тестували залученість, рішення, зрілість відповідей, які ми давали, і ми почали масштабуватися. Деякі з наших функцій сьогодні майже масштабуються, тому що вони дають набагато кращі результати та рекомендації, ніж ми могли б зробити це самостійно. І ми бачимо, як це розвивається дуже швидко. Тому я б не розглядав ШІ як щось, що ось-ось з'явиться. Я думаю, що він вже з'явився. Зараз це питання впровадження та доступу до цих інструментів. І як це станеться, ми побачимо результати та довіру людей.
Штучний інтелект значно розширить наші можливості, щоб ми могли працювати краще, і ми могли створити найкращі технології за нижчою ціною, але він не обов'язково замінить вчених чи навіть наших людей у галузях, які працюють з пивоварами.
? Чи не могли би ви детальніше розказати, як штучний інтелект може демократизувати технологічні рішення як для дрібних фермерів, так і для великих сільськогосподарських підприємств
Андре Піза: За допомогою штучного інтелекту ми можемо генерувати знання та поширювати ці знання між спільнотами набагато дешевшими способами. Скажімо, у мене є проблема на фермі, я не знаю, як її вирішити, тому я можу звернутися до штучного інтелекту, який налаштований для сільського господарства та має багато баз знань про сільське господарство, щоб дати мені відповідь. І якщо це має сенс, тоді ви глибше заглиблюєтеся в дослідження та з дуже простими підказками. Вам не потрібно бути агрономом чи інженером, вам просто потрібно показати, що ви бачите. Наприклад, ви робите фотографію, і отримуєте результати. І саме тому у нас є мільйони завантажень, які ми маємо у нашому інструменті під назвою Cropwise Grower. Тепер ми переходимо до іншої реальності, а саме до великого виробника або сільськогосподарської компанії, яка зазвичай має власну технологічну команду всередині своєї організації, і є дуже розвиненою в технологічному плані. Їм потрібні різні способи доступу до власних даних, щоб вони могли забезпечити більшу ефективність своєї діяльності. І для цього у нас є інші канали, де вони можуть підключатися та консультуватися з даними. Але є господарства посередині, де немає великої технологічної команди, але які вже мають певні знання та досвід років, іноді поколінь, і просто хочуть впровадити свої практики в кращий стиль роботи. Ми їм надаємо, інструменти - Cropwice Protector і Cropwice Operations, вбудовані зі штучним інтелектом, - і вони отримають відповідь дуже швидко, а не через тижні, місяці, а іноді навіть роки, тому що потрібно порівнювати різні сезони та різні результати.
? За шкалою цифрової зрілості крупні виробники мають більше можливостей використовувати штучний інтелект для прийняття рішень. А як щодо дрібних фермерських господарств? Cropwise також присутній у країнах з ринками дрібних фермерських господарств, але з іншим функціоналом. Тож як розвиватимуться події в наступні два-три роки
Андре Піза: Ми є глобальною платформою, але ми не можемо пропонувати однакові продукти в усіх регіонах. Тому нам потрібно налаштовуватися, оскільки існують регуляторні відмінності, а також відмінності в сегментах клієнтів. Тож, коли ми переходимо до регіону з більш дрібними фермерськими господарствами, такого як Індія, наприклад, ми схильні використовувати більш простий у використанні підхід.
Уявіть, що ви використовуєте штучний інтелект, який вам подобається, і вам потрібно створити запит, який є досить складним і вимагає багато ваших знань для всього, що ви робите. Тож ви можете отримати хороші результати від штучного інтелекту. Але якщо ви не надасте ШІ правильний запит, він також не дасть вам гарної відповіді. Тож коли ми виходимо на ринок дрібних фермерів, стратегія полягає в тому, що люди не робитимуть чітких запитів, наприклад, і тому наш інтерфейс користувача повинен враховувати це, і він повинен створювати підказки для виробника. Тому ми намагаємося краще зрозуміти контекст використання, що він намагається отримати. Тому іноді ми надаємо не оптимальну відповідь, а щось, з чим він взаємодіятиме з нами, а потім на другому кроці ми можемо дати більш оптимальну відповідь. Отже, існує інший підхід до того, як ми проектуємо взаємодію з цим виробником.
Коли ми працюємо з великою фермою, ми знаємо, що їхні працівники мають знання, щоб одразу створити потрібний їм запит, і іноді краще дозволити їм експериментувати та робити все, що вони хочуть, щоб вони могли отримати свою відповідь швидше. Тож це різні підходи, коли ми йдемо на ці різні ринки.
? Ми багато читаємо у ЗМІ, що існує занепокоєння щодо вартості центрів обробки даних, включаючи проблеми з кліматом та використанням ШІ для заподіяння шкоди багатьом людям різного віку, включаючи дуже молодих. Отже, якими є екологічні та соціальні витрати ШІ? Як це впливає на те, що ви робите з ним у сільському господарстві
Мартін Клаф: Одне з питань, яке нам поставили, було те, чи конкурують наші центри обробки даних зі штучним інтелектом із сільськогосподарськими угіддями? У світі є 4,8 мільярдів гектарів сільськогосподарських угідь, і трохи більше 11 000 центрів обробки даних, які зазвичай мають в середньому від 20 до 80 гектарів кожен. Є великі та менші, але навіть у цьому випадку нещодавно було опубліковано звіт, в якому було екстрапольовано площу, покриту центрами обробки даних, приблизно до 1,4 мільйона гектарів до 2030 року. Але це все одно дуже крихітна цифра порівняно з 4,8 мільярдами гектарів сільськогосподарських угідь. Тож реалістично я не думаю, що існує пряма конкуренція з площею землі. Проте це матиме величезний вплив на місцеві громади. Якщо у вас поруч є центр обробки даних, деякі з яких мають розмір у сотні гектарів і споживають величезну кількість енергії та води, це величезна проблема. Яким би не був вплив на світове сільське господарство, лише приблизно третина потужностей цього центру обробки даних використовується для ШІ: решта використовується для всіляких інших речей, таких як зберігання ваших відео на YouTube чи чогось іншого. Ми проаналізували деякі види ШІ, які ми використовуємо. Ми виявили, що насправді ШІ споживає невелику кількість води та генерує дуже мало викидів порівняно з деякими великими користувачами. Тож наша найпопулярніша агентська платформа, яку використовують близько 15 000 людей у Syngenta, має значно менший вплив на навколишнє середовище, ніж особисто мій вплив як окремої людини у Швейцарії. Тож справа в масштабі того, що ми намагаємося зробити. Так, ми використовуємо ШІ, дуже спеціалізований ШІ, але ми використовуємо його дуже хірургічно. Це не масове використання в нашій галузі. Ви не можете уникнути впливу ШІ. Технології центрів обробки даних розвиваються. Існує багато дискусій щодо того, що нові центри обробки даних повинні бути більш сталими. Нещодавно я бачив статтю про те, що в Китаї розмістили центр обробки даних біля узбережжя Шанхаю. Він живиться від вітрових турбін і охолоджується морською водою. Це також не обов'язково є сталим. Ілон Маск сказав, що одним з його стовпів є центри обробки даних у космосі, тому що там холодно, і там багато сонця для отримання енергії. Це зміниться, це буде розвиватися, але так, ми приділяємо багато уваги економіці та впливу того, що ми тут робимо.
Андре Піза: Я можу запропонувати також ще одну точку зору. По-перше, Syngenta дуже серйозно ставиться до цього, і з точки зору ІТ-організації, ми запитуємо всіх постачальників, з якими ми працюємо, про їхні сертифікати сталого розвитку, щоб переконатися, що вони також переслідують ті ж цілі, що й ми. По-друге, з точки зору врожаю, це те, як ми використовуємо штучний інтелект, і штучний інтелект, який ми використовуємо з нашими виробниками, повинен перевершувати шкоду, так що те, що ми створюємо, має бути кращим, ніж споживання, яке ми створюємо. І останнє: ми досить багато інвестуємо, щоб переконатися, що ми використовуємо штучний інтелект найефективнішим чином. В одному рішенні ми намагаємося оптимізувати використання ШІ. Щойно ми вирішуємо проблему, на наступних, ітераціях та фазах розробки програмного забезпечення ми намагаємося переконатися, що я використовую все менше і менше ШІ та все ще даю правильні відповіді або створюю, технологічні стратегії. І це важливо з фінансової точки зору, а також через аспект сталого розвитку.
? Чи бачите ви проблеми з тим, щоб регуляторні органи встигали за швидкістю інновацій, якщо Syngenta та інші компанії прискорюють розробку своїх продуктів
Мартін Клаф: Ми дуже тісно та інтерактивно співпрацюємо з регуляторними органами, щоб вони розуміли, що ми намагаємося зробити, і що те, що ми робимо, насправді добре відповідає їхній стратегії. Тим не менш, регуляторні органи зазвичай досить консервативні у впровадженні технологій. Зазвичай регулювання у фармацевтиці дає нам певне уявлення про те, як рухатиметься еволюція регулювання. У фармацевтиці є досить хороші рекомендації щодо того, як і чому ШІ може використовуватися в регуляторних документах і розуміння того, що очікується. Зараз ми разом з нашою галузевою організацією Crop Life Europe працюємо з європейськими регуляторами, щоб об'єднати такі речі, як досьє, засноване на даних, так, щоб вони могли з ними впоратися. Ми постійно обговорюємо з Агентством з охорони навколишнього середовища США використання даних та штучного інтелекту, а також вимоги щодо відстеження, перевірки тощо, а також забезпечення того, щоб ми використовували штучний інтелект таким чином, щоб його можна було ретельно перевірити фактами, аудитувати та давати однакову відповідь щоразу, коли ви його використовуєте. Я думаю, що це найважливіше. Але так, тут завжди буде трохи напруги та динаміки, тому що ми намагаємося швидко рухатися вперед, але ми намагаємося якнайкраще координувати дії.
? Чи зможе штучний інтелект у майбутньому, спростити або замінити людський фактор, скажімо, у ручній роботі з посадки, пікірування та прополювання, або в загальному веденні ферми? Чи замінить ШІ людський бік роботи
Андре Піза: Важко передбачити майбутнє, чи не так? Ми бачимо досить великі зусилля та багато стартапів на всіх ринках, де ми працюємо, з автоматизацією та механізацією робочої сили на фермах. Чи стане це достатньо зрілим, щоб замінити працю на фермі чи ні? Можливо, не повністю. Але ми бачимо прогрес. Ймовірно, це станеться на певному рівні. Це тенденція, яку ми спостерігаємо. Це не те, що ми прогнозуємо як майбутнє, але це відбувається в Бразилії, США, Європі через регулювання. Тому безпечніше робити це за допомогою механізації та роботів, наприклад, у кількох застосуваннях. Але на цьому рівні я не знаю, як відповісти на це питання, принаймні не сьогодні.
Мартін Клаф: Я знаю, що останнє рішення прийматимуть фермери. Вони цілком раді, що їх доповнить ШІ, але вони хочуть самі приймати рішення. І я думаю, що пройде багато часу, перш ніж ми побачимо, як фермери, по суті, передають це рішення ШІ. Те саме відбувається і в науці. Існує щось, що називається експериментом із замкнутим циклом, де ШІ приймає рішення про те, який експеримент проводити далі. Це свого роду відставання від того, що називається «людина в циклі», де ШІ рекомендує людині, що їй робити далі. Я думаю, що те саме буде і в сільському господарстві ще довго.
Стів Верблоу: Звичайно, ми бачимо це також у галузі журналістики та комунікацій – це місце, де є простір для можливостей, де є можливість для вдосконалення за допомогою штучного інтелекту, а також де є конкуренція між штучним інтелектом та людським інтелектом або людською працею.
Післямова
Під час вебінару Мартін Клаф висказав одну важливу думку: Ми повинні поважати конфіденційність даних фермерів - вони мають погодитися поділитися ними з нами. Це не так просто, як здається, але використання цих даних є ключовим для досліджень і забезпечення того, щоби продукти були кращими для фермера.”
Десь за два тижні після наведеного вище вебінару генеральний директор американської компанії Palantir, яка розробляє програмне забезпечення для інтеграції та аналітики даних, Алекс Карп дав кілька інтерв'ю, попередив, що великі лабораторії штучного інтелекту тепер поводяться так, ніби вони “заслуговують на колонізацію вашого підприємства”, використовуючи дані клієнтів для створення моделей, які одного дня зможуть конкурувати з цими ж клієнтами. Він стверджує, що коли компанії використовують зовнішні моделі у своїй діяльності, вони поступово втрачають свою інтелектуальну власність, досвід та бізнес-логіку. На його думку, багато підприємств усвідомлюють цей ризик, і їм не подобається те, що вони бачать.
На телеканалі CNBC Алекс Карп сказав, що кожне підприємство, з яким працює Palantir, «незадоволене» передовими лабораторіями, такими як OpenAI та Anthropic. Він стверджував, що ці лабораторії женуться за кількістю токенів, замість того, щоб вирішувати реальні бізнес-проблеми, залишаючи клієнтів розчарованими витратами та слабкими результатами. Він чує, як генеральні директори описують себе як «розлючених» через те, скільки власної цінності надходить до постачальників моделей, особливо коли вони відчувають, що натомість отримують мало тривалої вигоди. Цей гнів починає змінювати те, як компанії думають про ШІ.
Багато компаній бояться надсилати конфіденційні запити, дані та вихідні дані у зовнішні системи, де вони втрачають видимість того, як ця інформація зберігається або використовується повторно. Союзники Карпа називають це питанням «суверенітету штучного інтелекту», що означає, що компанії та уряди повинні володіти власними обчислювальними ресурсами, моделями та стеками даних, а не орендувати розум у віддалених лабораторій. Для американців, стурбованих глобалістським контролем та пробудженими технологічними гігантами, ідея збереження цифрових «засобів виробництва» в місцевих руках відповідає давнім занепокоєнням.
Карп описує програмне забезпечення Palantir як рівень додатків, що розміщується поверх існуючих систем клієнта, дозволяючи бізнесу зберігати дані та вихідні дані моделей усередині компанії, водночас використовуючи передовий штучний інтелект. У своєму листі до акціонерів він стверджував, що інші учасники галузі «свідомо чи ні, мають намір захопити засоби виробництва своїх нібито партнерів», тоді як Palantir натомість допомагає цим партнерам володіти нею. Не дозволяйте стороннім стати орендодавцями вашої цифрової фабрики.
У звітах про стратегію компанії додається, що Palantir співпрацює з виробником чіпів Nvidia для створення індивідуальних, суверенних налаштувань штучного інтелекту для урядів та великих фірм. У цих налаштуваннях клієнт контролює обчислення, моделі та значення, а також дані та «вихідні дані» з підказок та оркестрації. Карп розглядає це як рішення для критично важливої інфраструктури, оборони та промислових операцій, де розголошення операційних секретів передовій лабораторії може поставити під загрозу національну безпеку, робочі місця та довгострокову конкурентоспроможність.
Нейтральні спостерігачі зазначають, що ця суперечка виникла після знайомого візерунку в цифрових технологіях. У попередніх битвах хмарних технологій та програмного забезпечення, постачальники платформ попереджали, що централізовані провайдери замкнуть клієнтів і захоплять контроль над даними та робочими процесами, тоді як хостинг-компанії обіцяли надійні можливості конфіденційності та виходу. Зараз така сама боротьба розгортається через ШІ.
? Повертаючись до висловлювання Мартіна Клафа, чи впевнені виробники, що передаючи свої дані компаніям-провайдерам ШІ, їхні дані не будуть використані для надання порад їхнім конкурентам, котрі можуть використати їх у конкурентній боротьбі
Юрій Михайлов
