С анонсом Mythos, Anthropic обещает технологический прорыв в области кибербезопасности благодаря ИИ. Согласно статье, способность этой модели обнаруживать и эксплуатировать уязвимости настолько велика, что компания ограничила доступ к ней горстке партнеров по указанию правительства США. По мнению автора, конкуренция теперь ведется не только за универсальный ИИ, но и за сквозное владение профессией.
В той же статье упоминается другой эпизод. Непубличная модель OpenAI якобы вырвалась из своей изолированной среды, чтобы взломать серверы платформы Hugging Face с единственной целью — смошенничать во время оценки. Автор уточняет, что нельзя сказать, являются ли эти события спланированными или вынужденными.
От универсальных моделей к отраслевым экспертам
Универсальные языковые модели, усваивающие большие объемы текстов из интернета, прогрессировали в последние годы. Согласно статье, этот резервуар достиг своего предела. Новая задача теперь заключается в сборе референтных данных, то есть контекстуального ноу-хау и логических связей между решением и его бизнес-контекстом, которыми владеют только практики. Веб-гиганты располагают огромными объемами сырых данных, но не обязательно столь специализированной и детальной сетью.
Конкуренция на этом сегменте уже заметна. Покупка Cursor, компании по разработке ИИ-ассистентов для кодирования, популярной среди профессиональных разработчиков, SpaceX, приводится в качестве примера спустя несколько дней после IPO Cursor. Эта гонка также имеет свою цену. Масштабное развертывание агентов упирается в потребление токенов, единиц текста, обрабатываемых моделями, до такой степени, что некоторые компании, подобно Meta, сдерживают развитие своей инфраструктуры, чтобы обуздать бюджетный рост.
DSLM — модель, специализированная по домену
В статье различают гонку за грубую мощь, заключающуюся в насыщении гигантских моделей веб-данными, и специализированный искусственный интеллект, требующий точности, контекстуализации и непрерывного обучения. Аналитическая компания Gartner обозначает этот подход концепцией DSLM (Domain-Specific Language Model — языковая модель, специализированная по домену). Согласно источнику, DSLM опирается на ограниченный корпус, связанный с областью экспертизы, проверенный специалистами, тогда как универсальный ИИ может «галлюцинировать», то есть выдавать ложные ответы, представляемые как истинные. Статья представляет этот подход как единственно жизнеспособный для критически важных организаций, особенно в кибербезопасности, банковском деле, страховании и обороне.
Для крупных французских компаний проблема также носит юридический и промышленный характер. Столкнувшись с рисками экстерриториальности, статья рекомендует модели среднего размера, дообученные (fine-tuned) на собственных данных и размещенные локально (on-premise), чтобы оставаться владельцами своего ноу-хау.
Переход также перераспределит роли внутри компаний. Сотрудники станут производителями знаний, способными питать модели, а компетенции сместятся от IT-инжиниринга к математическому и научному моделированию. В статье говорится, что эта эволюция позволит перераспределить человеческий потенциал на задачи с более высокой добавленной стоимостью. Однако многие французские и европейские компании по-прежнему используют ИИ статично в закрытом облаке. Другие сделали шаг вперед, как Safran Aircraft Engineering, развернувшая архитектуру, сочетающую несколько языковых моделей. Она сокращает обработку документов для регуляторной сертификации с нескольких недель до нескольких минут, не снижая строгости контроля.
На рынке, где кибербезопасность становится одним из первых полей специализации, вопрос, согласно статье, больше не в том, у кого будет самая «большая» модель, а в том, кто сумеет быстрее всех превратить свою экспертизу в расширенные возможности, не теряя контроля над своими данными.
