Отечественные нейросети продолжают демонстрировать высокий уровень эффективности в ряде задач, несмотря на сохраняющиеся ограничения и склонность к ошибкам. Преподаватель онлайн-магистратуры НИУ ВШЭ «ИИ в маркетинге и управлении продуктом» Юлиана Нам в беседе с RT отметила, что в некоторых направлениях российские модели уже превосходят зарубежные аналоги.
По её словам, новые версии нейросетей значительно улучшились в решении текстовых и аналитических задач. Например, в задачах классификации информации одна из российских моделей показала точность на уровне 70%, а в выделении информации — 71%, что выше, чем у международных конкурентов, включая GPT-4o. Она также добавила, что российские нейросети стали успешнее справляться с программированием, корректно выполняя тестовые задачи по написанию и проверке кода в большинстве случаев.
Нам подчеркнула, что, несмотря на прогресс, нейросети остаются подвержены ошибкам и галлюцинациям, особенно при решении сложных математических задач. Поэтому пользователям необходимо проявлять осторожность и тщательно проверять результаты, чтобы избежать недостоверных данных.
Эксперт указала на главное преимущество отечественных моделей — они адаптированы для задач на русском языке и способны учитывать локальную специфику. Кроме того, некоторые российские нейросети лучше работают с определёнными источниками данных, что делает их более эффективными в бизнес-сценариях. Однако модели по-прежнему имеют ограничения: они могут упускать важные детали при работе с многостраничными документами и аналитическими текстами, а также пока не идеально справляются с обработкой длинных контекстов.
Сложные вычисления также остаются зоной риска, несмотря на успех в выполнении задач базового уровня. Нам напомнила, что нейросети не подходят для задач, требующих обновлённой информации в реальном времени, так как они работают на данных, актуальных на момент обучения модели.
Специалист посоветовала пользователям правильно формулировать запросы, прописывая максимум вводных данных и конкретных инструкций, а также разбивать сложные задачи на этапы. По её словам, такой подход повышает эффективность работы модели на 25%.
Нам также порекомендовала оценивать ответы нейросети с позиций критического мышления, особенно если результат кажется «слишком хорошим» или убедительным. Она отметила, что соблюдение этих правил позволит использовать ИИ для объяснения сложных терминов, организации задач, изучения языков, генерации идей и подготовки вопросов для самопроверки.
Ранее руководитель проекта по интеграции нейросетей в TenChat Александр Жадан сообщил, что искусственный интеллект научат проверять себя на фейки.
Свежие комментарии