Директор по национальным и стратегическим проектам Yandex Cloud* делится мнением о важности внедрения технологий в социально значимые сферы.
Искусственный интеллект (ИИ) стремительно расширяет свои границы: он содействует ученым в открытиях, помогает школьникам с заданиями, поддерживает бизнес в разработке новых продуктов, помогает экологии в борьбе с загрязнением и способствует врачам в диагностике. В интервью с «Ведомости&» Анна Лемякина рассказала о том, как крупные технологические компании поддерживают теоретиков и практиков в использовании ИИ и о влиянии технологий на разнообразные аспекты человеческой жизни.
ИИ охватывает все сферы жизни
– Современное общество невозможно представить без ИИ, однако, по данным исследования ВШЭ, в 2024 г. лишь 16% пользователей интернета в России имели опыт его использования. Когда же эта технология станет доступной большинству?
– Поскольку все меняется с невероятной скоростью, данные 2024 г. могут уже устареть. Мы проводим замеры каждые 3–4 месяца и наблюдаем, что ИИ активно проникает во все прикладные сферы. На самом деле, сегодня ни одна область не остается без сценариев использования ИИ и активного роста его применения.
– Какие тенденции вы наблюдаете в своих исследованиях? В каких областях ИИ проявляет наибольшую эффективность?
– ИИ активно внедряется в различные секторы бизнеса: в ритейле – для персонализации предложений и управления запасами, в финансах – для анализа рисков и прогнозирования, в логистике – для оптимизации маршрутов и складских процессов. Эти примеры показывают, что ИИ особенно хорошо приживается в условиях больших объемов данных и повторяющихся процессов, что также относится к образованию и науке.
Анна Лемякина, директор по национальным и стратегическим проектам Yandex Cloud, руководитель Центра технологий для общества
С более чем 20-летним опытом работы в ИТ, она занимала важные позиции в Microsoft Rus, Ventyx an ABB, EY.
В 2019 г. присоединилась к Yandex Cloud в качестве директора по развитию бизнеса в государственном секторе.
В 2022 г. назначена на должность директора по национальным и стратегическим проектам.
В сфере образования успешный пример интеграции ИИ — запуск ИИ-помощников на базе Yandex AI Studio* для преподавателей и функций ИИ-тьюторов для студентов. Это позволяет учащимся осмысленно подходить к самостоятельным заданиям: уточнять правила, понимать процесс решения задачи, а не просто видеть готовый ответ. Студент может проверить, правильно ли он решил упражнение или верно ли понимает тему, ориентируясь на глубокое усвоение материала, а не на получение ответа.
В науке наблюдается активный рост применения ИИ в исследовательской деятельности. По нашим прогнозам к концу лета 2025 г., более 60% молодых ученых используют его для написания научных статей, обработки больших данных и работы с моделями. Такие инструменты помогают сфокусироваться на концептуальной части работы, ускоряя анализ данных и генерацию идей, что делает ИИ ценным помощником в современной науке.
– Как изменялась роль ИИ в различных отраслях за последние годы?
– Наибольшую пользу от внедрения ИИ получили технологически продвинутые отрасли. Яркий пример – финтех, который первым начал активно использовать ИИ для достижения измеримых бизнес-результатов и улучшения опыта пользователей. В ритейле технологии также быстро перешли от пилотных проектов к реальному влиянию на результаты.
В здравоохранении начальные результаты были менее заметны из-за низкой базы, но сейчас мы наблюдаем истинный всплеск применения ИИ. Ярким примером являются технологии компьютерного зрения. Сервис «МосмедИИ»* для дистанционного анализа рентгеновских исследований, запущенный в условиях пандемии в 2020 году, стал полноценным инструментом, обработавшим десятки миллионов снимков. Нейросети для оценки КТ и МРТ в качестве второго мнения стали обычной практикой.
– В каких областях применение ИИ дает наибольшую отдачу?
– Наблюдается переход к сложным сценариям с использованием генеративных нейросетей и ИИ-агентов: в области диагностики, мониторинга состояния пациентов и прогнозного моделирования. Медицинская индустрия имеет огромный потенциал для масштабирования прикладных решений, что делает ее одной из наиболее привлекательных для внедрения технологий. Эффект легко улавливается и имеет стратегическое значение на долгие годы вперед.
Не менее впечатляющие результаты ИИ демонстрируются в науке и образовании. Он значительно ускоряет исследования, позволяя работать с большими объемами данных, выявлять скрытые зависимости и в несколько раз ускорять проверку гипотез. Генеративный ИИ способен моделировать сложные системы с высокой степенью точности, предсказывая их поведение в разных условиях. Это особенно важно для таких областей, как климатология, физика плазмы и нейронауки, где прямая экспериментальная работа либо невозможна, либо крайне дорогостоящая.
Ученые и программисты ищут общий язык
– Как внедрение ИИ в науку и другие области меняет научные открытия и улучшает качество жизни?
– Ярким примером служит Нобелевская премия прошлого года, присуждённая за расшифровку трехмерной структуры белков с помощью ИИ. Это открытие инициировало волну новых решений и позволило химикам, биологам и медикам по всему миру ускорить десятилетиями длившиеся исследования, благодаря доступности результатов и тем самым демократизируя науку. Это улучшает понимание антибиотикорезистентности, разработку новых ферментов, а также персонализированную медицину и фармацевтику.
В России прикладной ИИ все чаще используется в нетехнических сферах – экологии, медицине, химии, лингвистике, археологии – и междисциплинарных проектах. Например, совместно с МЧС России был создан проект, посвящённый применению ИИ для анализа причин пожаров. Это не просто прогнозирование, а глубокий анализ уже произошедших огненных инцидентов. Алгоритм, обученный на данных о расследованных пожарах, анализирует фотоматериалы, выделяя паттерны и вероятные причины возникновения.
– Как ИИ решает прикладные задачи в различных сферах – от экологии до медицины – и делает технологии ближе к людям?
Примером служит экологический проект «Чистый берег» в Кроноцком заповеднике на Камчатке. Побережье полуострова собирает мусор: сети, обломки судов, шины. В сотрудничестве с учеными ДВФУ и специалистами в области data science была обучена модель на 6500 аэрофотоснимках с точностью более 95%, позволяющая идентифицировать тип мусора, его объем и вес. Полученные данные отображаются на интерактивной карте в BI-сервисе Yandex DataLens*, где исследователи анализируют динамику загрязнения. В настоящий момент проект расширяется: технологии анализа морского мусора внедряются в других регионах – от Дальнего Востока до Калининграда. Решение открыто для использования исследователями, волонтерскими организациями и промышленными компаниями.
Другим примером является совместная работа с Санкт-Петербургским педиатрическим университетом по анализу МРТ-снимков головного мозга младенцев, что позволяет выявлять ранние признаки патологий. В НМИЦ онкологии им. Н. Н. Петрова мы разработали бесплатное решение на базе ИИ, которое ускоряет проверку пакетов документов для клинических исследований, что позволяет быстрее принимать новые медикаменты на рынок.
– Однако для перехода технологий от пилотов к практике необходимо плотное взаимодействие между разработчиками и экспертами в узких областях. Как выстраивается это сотрудничество?
– Вы совершенно правы: все рабочие решения возникают на стыке компетенций. Наша сила как ИТ-компании заключается в технологиях, но эксперты – врачи, экологи, ученые – должны формулировать сценарии и гипотезы. Наша задача – подобрать и настроить инструменты для проверки этих гипотез. В этом партнерстве участвуют различные стороны: некоммерческие фонды с обширными массивами данных, исследователи, углубленно изучающие проблематику, а с нашей стороны – ИИ-архитекторы и дата-сайентисты. Ключевым элементом сотрудничества является четкая формулировка задач, определение сроков и совместное создание образа будущего решения.
– Продолжая тему междисциплинарности, есть ли примеры действительно неожиданных коллабораций?
– Да, например, мы сотрудничаем с музеями и библиотеками, которые начинают открываться для совместной работы в сфере ИИ. Доверие создается шаг за шагом через совместные проекты: оцифровку фонда, восстановление и расшифровку рукописей, а также создание креативных сценариев для новых пользовательских возможностей.
Недавно мы реализовали проект по сохранению петроглифов в Казахстане совместно с фондом «Охотники за петроглифами». Здесь ИИ помогает сохранить цифровой след, восстанавливать потерянные фрагменты наскальных рисунков и формировать цифровую базу знаний.
В Петергофе мы внедрили ИИ-решение для оптимизации туристических маршрутов и сокращения очередей; проект был реализован совместно с компанией Glow Byte.
Прикладной результат как критерий успеха
– Как вы оцениваете успешность внедрения решений в реальные проекты? Были ли у вас откровенно неудачные запуски?
– Не все проекты удаются с первой попытки. Иногда необходимо перерабатывать датасет и начинать обучение практически с нуля, но это нормальная часть рабочего процесса. Главное, чтобы команда была сосредоточена на результате и качественно обученном алгоритме.
Наш ключевой критерий успешности – это применение полученных результатов. Мы создаем проекты не ради научных публикаций, а ради реальных решений, которые могут приносить ощутимую пользу: помогают врачам быстрее принимать решения, повышают точность диагностики или содействуют обучению. Кроме того, для нас важно, чтобы решения можно было использовать не только в одном проекте, а и в других задачах общества и бизнеса, таких как фармацевтические компании, разрабатывающие лекарства, или промышленные группы, занимающиеся экологическим мониторингом.
– Ученые часто сосредотачиваются на фундаментальных исследованиях, но имеются ли сейчас условия и движущие силы для коммерческого внедрения разработок в российской науке?
– Что касается «Яндекса», наш Центр технологий для общества изначально предусматривал инвестиции в технологические решения для социально значимых задач. Мы создали платформу, где ученые, исследователи и ИТ-специалисты могут совместно трудиться над практическим применением технологий. Наша цель – не просто создавать решения, но и масштабировать их, делая доступными для всех, кто нуждается в них. Мы выступаем технологическим партнером, помогая осуществить прикладные научные идеи.
Говоря о российской науке в целом, в последние пять лет наблюдается значительный сдвиг в сторону прикладного применения разработок. Это стало возможным благодаря фондам развития, грантовым программам и созданию благоприятной среды для молодых ученых, обмена опытом и выстраивания партнерств. Сотрудничество с крупным бизнесом позволяет ученым целенаправленно применять технологии, ставя в приоритет решение проблем, а не сам факт использования ИИ.
Правила хорошего тона для ИИ
– Считаете ли вы, что специалисты с нетехническим профилем должны также освоить работу с ИИ?
– Определенно. Мы все чаще получаем запросы на обучение не технических специалистов. Важно не учить их программированию, а учить осознанному и эффективному использованию алгоритмов ИИ. Врачи, экологи, журналисты и другие специалисты должны знать, как применять технологии в своей работе этично и продуктивно. Понимание принципов работы алгоритмов помогает избежать завышенных ожиданий и превращает ИИ из «черного ящика» в надежный инструмент.
Это особенно актуально для гуманитарных дисциплин: важно понимать, как и в каком историческом контексте обучались большие языковые модели, чтобы корректно интерпретировать их выводы. Российские big tech компании стремятся к прозрачности: мы подробно объясняем на конференциях процессы обучения моделей и показываем возможности их дообучения под специфические индустриальные задачи – будь то ИИ-помощник для юриста, врача или исследователя.
– Значит, будущее за локальными моделями, которые понимают специфику своей отрасли?
– Это важный вопрос, но, кажется, все согласны с гибридным подходом, где будут развиваться как большие модели для решения сложных задач, так и локальные модели с высокими требованиями к безопасности данных. Важно, чтобы обе категории обучались на качественных данных, размеченных экспертами.
Например, во всех наших медицинских проектах снимки размечают практикующие врачи. Мы предоставляем инструменты и обучаем медиков, чтобы они могли эффективно с ними работать. Такой же подход мы применяем и в других отраслях, привлекая профильных специалистов к разметке данных. Мы также работали с факультетами журналистики разных университетов, обучая модели давать четкие ответы на естественном языке, адаптированные под разные уровни подготовки. Качественные данные должны стать новой нормой в любой области.
– Вы отметили значительный рост запросов на обучение. О каком обучении идет речь, и что стало причиной такого всплеска?
– Речь идет о запросах от исследователей, ученых и высших учебных заведений на различные форматы обучения использованию технологий и решений «Яндекса». Это могут быть лекции или короткие практические курсы, помогающие понять, что современные технологии ИИ действительно могут, а что – нет, и насколько реалистичны ожидания. По нашим оценкам, количество таких запросов увеличилось примерно в три раза по сравнению с предыдущим годом.
Причины всплеска очевидны: постепенно исчезают страхи по поводу «замены всеми ИИ». Мы стремимся преодолеть это недопонимание и сформировать более зрелое отношение: ИИ сам по себе не заменит никого, но он открывает новые возможности для тех, кто умеет использовать его разумно и эффективно.
– Какие основные вызовы на пути использования ИИ вы видите?
– Главный вызов заключается в том, чтобы научиться применять ИИ ответственно, на практике и этично. Важно не просто разрабатывать модели, а делать их инструментами, которые приносят пользу людям и обществу. Прозрачность работы алгоритмов – основа доверия; мы должны понимать, на каких данных обучаются системы и как они принимают решения. Для этого необходима развита инфраструктура, компетенции и культура ответственного использования технологий. В Yandex Cloud мы в рамках Центра технологий для общества сосредотачиваемся именно на практическом, безопасном и обоснованном применении ИИ – там, где он действительно может служить людям. &