Лазизбек Равшанов: ИИ берет на себя выполнение задач, человек – ответственность

Создатель прогрессивных нейросетей для промышленности объясняет, что такое агентный ИИ, как переход к нему смещает роль человека и какие профессии изменятся в новой технологической реальности

Мир только привык к искусственному интеллекту, как уже появляются его более совершенные модели. Одним из инженеров, формирующих новое направление развития нейросетей, является Лазизбек Равшанов — инженер машинного обучения из Узбекистана, исследователь искусственного интеллекта и архитектор AI-систем для анализа рисков и автоматизации критически важных процессов.  В отличие от большинства разработчиков, использующих готовые модели, Равшанов создает архитектуру, в которой ИИ становится еще более самостоятельным. Его модели способны сами анализировать ситуацию, находить риски и предлагать решение проблем, в отличие от обычных нейросетей. Такой подход позволяет использовать ИИ как инженерную систему принятия решений для отраслей, где цена ошибки особенно высока.

За последние годы Равшанов работал над ИИ-решениями для анализа федеральных массивов данных США, выявления рисков в транспортной отрасли, автоматизации процессов безопасности и соблюдения нормативных требований. Его проекты используют миллионы записей государственных реестров и потоковые данные, а исследования сосредоточены на следующем этапе развития отрасли — агентном и общем искусственном интеллекте (AGI), способном не только отвечать на запросы человека, но и самостоятельно выполнять сложные последовательности действий. Такой опыт позволяет ему говорить о перспективах искусственного интеллекта, как на практике проектируются автономные системы, которым можно доверить реальные процессы, и как он поменяет рынок труда.

Путь инженера нового поколения

Профессиональный путь Лазизбека начался с изучения программирования и компьютерных наук в Узбекистане, после чего он продолжил обучение по международной стипендиальной программе 42 Abu Dhabi, а затем — в Университете Цинциннати в США, где сосредоточился на исследованиях в области искусственного интеллекта и машинного обучения.

Среди наиболее значимых результатов его деятельности — архитектуры интеллектуальных систем для анализа государственных массивов данных, выявления мошеннических схем в транспортной отрасли, автоматической оценки рисков и обработки информации в режиме реального времени.

Практический опыт разработки таких решений, исследования в области AGI, наставничество в международной образовательной программе и участие в международных инженерных проектах позволили Лазизбеку стать одним из специалистов, работающих на стыке фундаментальных исследований и прикладной разработки интеллектуальных систем.

Что отличает агентный ИИ от простого

Сегодня большинство компаний активно используют ИИ. Анализируя задачи транспортной отрасли США, Лазизбек увидел, что именно постоянное участие человека в повторяющихся процессах становится источником задержек, ошибок и дополнительных расходов. Поэтому, по мнению Лазизбека, следующий этап развития технологий связан с агентным ИИ. Во время разработки ИИ-систем для анализа рисков, обработки федеральных данных и автоматизации процессов безопасности инженер начал исследовать агентный подход, при котором система самостоятельно выполняет сразу ряд действий и доводит задачу до результата.

Это исследование стало одним из основных направлений инженерной работы Лазизбека. Исследуя применение искусственного интеллекта в высокорисковой транспортной отрасли, он пришёл к выводу, что следующий этап развития заключается не в создании ещё одной языковой модели, а в построении архитектуры, где интеллектуальная система способна самостоятельно планировать последовательность действий, контролировать их выполнение и работать сразу с несколькими источниками данных.

Обычный ИИ действует лишь по заданному сценарию и может решать в процессе только одну задачу, а агентный ИИ решает целый комплекс задач и инициирует действие сам. 

— Разницу между нейросетями я объясняю людям на понятном примере: нейросеть, например, может подсказать, какие отели подходят под выбранные критерии и составить для вас таблицу с вариантами. Агентный ИИ не просто выдаст список, а сам забронирует номера, обновит информацию в системе бронирования и пришлёт вам подтверждение, — говорит Лазизбек.

Сложность в том, что такие системы должны быть значительно надежнее обычных моделей. Именно поэтому разработки Равшанова выходят за рамки классического ИИ. Его цель — создать систему, способную самостоятельно сопровождать сложные бизнес-процессы, работать с несколькими источниками данных одновременно и принимать решения в пределах заранее заданных полномочий. Поэтому Лазизбек придерживается принципа “engineering-first”: прежде чем обучать систему принимать решения, необходимо сделать ее надежной, безопасной и устойчивой к сбоям.

Лазизбек разрабатывает модели машинного обучения, и техническое развитие продуктов в целом: определяет архитектуру платформ, проектирует механизмы масштабирования, безопасности и отказоустойчивости, а также формирует стратегию развития ИИ-компонентов. Такой переход от генеративного ИИ к агентным системам сегодня считается одним из наиболее перспективных направлений развития отрасли. Это значит, что со временем нейросети начнут брать на себя все более ответственные задачи и освободят бизнесу часть человеческих ресурсов.

Какие профессии изменятся

Чем активнее развивается ИИ, тем больше речь заходит о трансформации или исчезновении некоторых профессий. Чаще всего вспоминают программистов, дизайнеров или копирайтеров. Однако, по мнению разработчика, заметные изменения произойдут в профессиях, где много времени занимают обработка информации, проверка документов и выполнение стандартных процедур.

К такому выводу Лазизбек Равшанов пришел, анализируя федеральные массивы данных США для создания систем распознавания рисков. Этот опыт показал, что современный ИИ способен сам анализировать большие объемы информации, находить закономерности и формировать рекомендации. Равшанов занимался созданием систем, которые способны самостоятельно оценивать ситуацию, сопоставлять информацию из нескольких источников и предлагать варианты действий в рамках заранее определённых правил. Такой опыт позволил ему увидеть, какие профессиональные функции уже сегодня могут быть переданы интеллектуальным агентам без потери качества и безопасности.

По словам Равшанова, поэтому в ближайшие годы изменится работа аналитиков, специалистов по безопасности, логистов и операционных менеджеров.

— К примеру, в рекрутинге агентный ИИ может взять на себя ранжирование кандидатов по критериям, отправку шаблонов и ведение карточки соискателя. Тогда у HR-специалиста появится больше времени на то, что напрямую приносит результат — оценка навыков, работа со сложными кейсами, построение стратегии найма и адаптация новичков, — считает Лазизбек Равшанов.

Вместо того чтобы строить систему вокруг возможностей языковой модели, он проектирует архитектуру вокруг требований отрасли. Это позволяет ИИ работать с несколькими источниками данных, проверять результаты и соблюдать ограничения. Такой подход позволяет применять агентный ИИ в процессах, где автоматизация ранее считалась слишком рискованной, например, в медицине и логистике.

Лазизбек заранее определяет, какие действия агент может выполнять сам, а в каких случаях система должна остановиться и передать управление. Такой подход он применяет для задач, где ошибка может повлечь реальные операционные последствия. Это меняет требования и к самим специалистам. По мнению Равшанова, в ближайшие годы все более востребованными станут навыки постановки задач для ИИ, проверки качества их работы, управления рисками, а также понимание того, как такая цифровая система устроена.

Почему ИИ все-таки не заменит человека

Чем более автономными становятся системы, тем выше роль человека, который их контролирует, убежден Лазизбек Равшанов.

— Люди боятся, что ИИ оставит их без работы. Он, скорее, изменит их роль, — говорит разработчик.

Он, будучи одновременно инженером и операционным специалистом, на каждом этапе закладывает в систему то, что алгоритм не способен сформировать сам: техническую стратегию, архитектурные принципы и требования к надёжности, безопасности и масштабируемости. Инженер создаёт основу системы, внутри которого потом действует ИИ и обучает модели, ведь точность ИИ растёт не сама по себе, а благодаря грамотной постановке задач и качественной разметке данных.

Показателен опыт Лазизбека на “AI Hackathon” Университета штата Огайо, где его команда заняла 3-е место, разработав систему поведенческой аналитики для раннего выявления неуспеваемости в вузах и школах. Тогда ему стало очевидно, что даже при максимальной автоматизации без глубокого понимания инженерных процессов система упирается в критические сбои. Основная работа команды Лазизбека заключалась в том, чтобы определить, каким данным можно доверять, как проверять выводы алгоритма и где должно оставаться последнее слово за человеком. Именно этот опыт укрепил его убеждение: по мере развития агентного ИИ главным становится уже не сама модель, а инженерные механизмы, которые делают ее решения надежными и безопасными. Отвечая за техническое развитие своих проектов, Равшанов не только обучает цифровых помощников, но и проектирует требования к безопасности и критерии, по которым агент может действовать автономно.

В таких условиях ИИ справляется с небольшими задачами, но именно человек удерживает целостность проекта, оценивает риски и принимает решения.

— ИИ берет на себя выполнение задач, человек — ответственность, — резюмирует Лазизбек.

Таким образом, пример Лазизбека раскрывает главный принцип: даже самые продвинутые ИИ-системы остаются лишь инструментом исполнения. Они способны следовать инструкциям и анализировать данные, но не могут самостоятельно определять, зачем и в каких границах они это делают. Именно поэтому человек остается незаменим.