Применение жизненного цикла модели для оценки инвестиций в искусственный интеллект на примере больших языковых моделей

Объект исследования — жизненный цикл модели искусственного интеллекта (ИИ). Цель исследования состоит в разработке методологии жизненного цикла модели, описывающей экономическое содержание инвестиционного процесса в технологии искусственного интеллекта. В процессе исследования использовались как общенаучные методы анализа, синтеза, сравнения, абстракции, индукции и дедукции, так и проектные методологии жизненного цикла, взятые в качестве основы для разработки жизненного цикла модели с точки зрения создания стоимости. Анализ основывался на выявлении необходимых этапов разработки модели в терминах методологии CRISP-DM и определении особенностей каждого из них с точки зрения денежных потоков. Также были учтены модифицированные версии жизненного цикла модели, содержащие оценку рисков, в том числе модельного риска. В процессе исследования предложенная обобщенная методология жизненного цикла модели была уточнена для конкретной технологии ИИ — больших языковых моделей. В результате исследования автором предложена трехэтапная модель: описаны возможные опциональности между этапами и характеристика денежных потоков. Сделан вывод о том, что инвестиционный проект разработки ИИ содержит в себе несколько реальных опционов — на отказ, на сокращение, на расширение, на смену. Для больших языковых моделей сохраняется структура жизненного цикла и возможные опциональности. Особенность состоит в том, что в создании стоимости участвуют денежные потоки от разных направлений применения модели в бизнес-процессах. Результаты исследования имеют практическую значимость для среднего и крупного бизнеса, занимающегося самостоятельной разработкой ИИ моделей и/или применяющих их в своих бизнес-процессах. Предложенная концепция жизненного цикла модели также может использоваться для развития методологии оценки инвестиций в ИИ с использованием реальных опционов.

1. Maslej N., Fattorini L., Brynjolfsson E., et al. Artificial intelligence index report 2023. Stanford, CA: Institute for Human-Centered AI, Stanford University; 2023. 386 p. URL: https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI–Index-Report_2023.pdf (дата обращения: 01.08.2023).

2. Chen L., Zaharia M., Zou J. How is ChatGPT’s behavior changing over time? Harvard Data Science Review. 2024;(6.2):1–47. DOI: 10.1162/99608f92.5317da47

3. Shearer C. The CRISP-DM model: The new blueprint for data mining. Journal of Data Warehousing. 2000;5(4):13– 22. URL: https://mineracaodedados.wordpress.com/wp-content/uploads/2012/04/the-crisp-dm-model-the-newblueprint-for-data-mining-shearer-colin.pdf

4. Tabladillo M. The Team Data Science Process lifecycle. 2017;552–554. URL: https://learn.microsoft.com/pdf?url=https%3A%2F%2Flearn.microsoft.com%2Fen-us%2Fazure%2Farchitecture%2Fai-ml%2Ftoc.json (дата обращения: 01.08.2023).

5. Haakman M., Cruz L., Huijgens H., van Deursen A. AI lifecycle models need to be revised. Empirical Software Engineering. 2021;26:95. DOI: 10.1007/s10664–021–09993–1

6. De Silva D., Alahakoon D. An artificial intelligence life cycle: From conception to production. Patterns. 2022;3(6):100489. DOI: 10.1016/j.patter.2022.100489

7. Голубев А.А. Жизненный цикл инновации и ресурсное обеспечение инновационной деятельности. Современные проблемы науки и образования. 2015;(2–2):414. URL: https://science-education.ru/ru/article/view?id=22026 (дата обращения: 05.08.2023).

8. Городнова Н.В. Применение искусственного интеллекта в бизнес-сфере: современное состояние и перспективы. Вопросы инновационной экономики. 2021;11(4):1473–1492. DOI: 10.18334/vinec.11.4.112249

9. Кашеварова Н.А., Панова Д.А.Анализ современной практики применения технологии искусственного интеллекта в финансовой сфере и его влияния на трансформацию финансовой экосистемы. Креативная экономика. 2020;14(8):1565–1580. DOI: 10.18334/ce.14.8.110708

10. Устинова О.Е. Искусственный интеллект в менеджменте компаний. Креативная экономика. 2020;14(5):885– 904. DOI: 10.18334/ce.14.5.102145

11. Åström J., Reim W., Parida V.Value creation and value capture for AI business model innovation: A three-phase process framework. Review of Managerial Science. 2022;16(7):2111–2133. DOI: 10.1007/s11846–022–00521-z

12. Moro-Visconti R. The valuation of artificial intelligence. In: The valuation of digital intangibles: Technology, marketing, and the metaverse. Cham: Palgrave Macmillan; 2022:265–282. DOI: 10.1007/978–3–031–09237–4_8

13. Никитин Н.А. Финансовая оценка проектов с искусственным интеллектом в банковском секторе. Финансовый бизнес. 2022;(5):122–125.

14. Agarwal N., Moehring A., Rajpurkar P., Salz T. Combining human expertise with artificial intelligence: Experimental evidence from radiology. NBER Working Paper. 2023;(31422). URL: https://www.nber.org/system/files/working_papers/w31422/w31422.pdf (дата обращения: 09.08.2023).

15. Помулев А.А. Искусственный интеллект как объект стоимостной оценки. Имущественные отношения в Российской Федерации. 2022;(6):42–56. DOI: 10.24412/2072–4098–2022–6249–42–56

16. Никитин Н.А. Вероятностные методы учета модельных рисков при оценке инвестиций в технологии искусственного интеллекта. Инновационное развитие экономики. 2023;(2):123–134. DOI: 10.51832/2223798420232123

17. Kiela D., Bartolo M., Yixin Nie Y., et al. Dynabench: Rethinking benchmarking in NLP. In: Proc. 2021 conf. North American Chapter of the Association for Computational Linguistics: Human language technologies. Stroudsburg, PA: Association for Computational Linguistics; 2021:4110–4124. URL: https://aclanthology.org/2021.naaclmain.324.pdf (дата обращения: 11.08.2023).

18. Bubeck S., ChandrasekaranV., Eldan R., et al. Sparks of artificial general intelligence: Early experiments with GPT 4. Cornell University. arXiv:2303.12712 [cs.CL]. 2023. DOI: 10.48550/arXiv.2303.12712

19. Sevilla J., Heim L., Ho A., et al. Compute trends across three eras of machine learning. In: 2022 Int. joint conf. on neural networks (IJCNN). (Padua, July 18–23, 2022). Piscataway, NJ: IEEE; 2022. DOI: 10.1109/ IJCNN 55064.2022.9891914

20. Waisberg E., Ong J., Masalkhi M., et al. GPT 4: A new era of artificial intelligence in medicine. Irish Journal of Medical Science. 2023;192(6):3197–3200. DOI: 10.1007/s11845–023–03377–8

21. Rivas P., Zhao L. Marketing with ChatGPT: Navigating the ethical terrain of GPT-based chatbot technology. AI. 2023;4(2):375–384. DOI: 10.3390/ai4020019

22. Dohmke T., Iansiti M., Richards G. Sea change in software development: Economic and productivity analysis of the AI-powered developer lifecycle. New Hyde Park, NY: Keystone; 2023. 30 p. URL: https://github.blog/wp-content/uploads/2023/06/Sea-Change-in-Software-Dev.pdf

23. Chung H.W., Hou L., Longpre S., et al. Scaling instruction-finetuned language models. Journal of Machine Learning Research. 2024;25:1–53. URL: https://www.jmlr.org/papers/volume25/23–0870/23–0870.pdf