-
Финансовые рынки, экономика, корпоративная аналитика, финансово-экономическая инфографика и статистика. Связь: telegram@spydell.ru Резервный e-mail: spydell.telegram@gmail.com Чат: https://t.me/spydell_finance_chat
Очередной раунд QE становится неизбежным в 2024 – ни о каком дальнейшем ужесточении или даже поддержки жестких ДКУ речи не идет.
Причина заключается в высокой потребности в заимствованиях Минфина США при исчерпании свободных внутренних ресурсов.
С момента ужесточения ДКП в 1кв22 практически всю поддержку трежерис обеспечили домохозяйства и инвестфонды, действующие в интересах домохозяйств США.
Потенциал распределения финпотоков в рынок трежерис от пенсионных, страховых и госфондов США составляет по верхней границе в самом лучше случае не более 350-400 млрд долл в год.
Вопрос в том, откуда еще брать 1.6-1.7 трлн в год? Нерезиденты интегрально в лучшем случае сведут баланс к нулю или небольшой плюс за счет стратегических союзников США, но по факту там стремительное снижение доли участия с 2017 года (29% сейчас vs 40% 5-6 лет назад).
Механизм обратного РЕПО в рамках избыточной ликвидности (основной канал распределения быстрых денег в векселя) закончится в марте-апреле 2024. Именно инвестфонды и фонды денежного рынка с июня скупили почти все векселя с рынка.
Вот тут то начинается самое интересное. В оценке структуры распределения денежных потоков американских домохозяйств (собственные расчеты по данным Z1) видно, что основным ресурсом в аккумуляции ликвидности в облигации являлись:
рекордное сжатие депозитов на 1.2 трлн в годовом выражении и низкая интенсивность инвестиций в акции (до декабря 2022).
Действительно, инвестиции дмх в облигации достигли исторического максимума к 1кв23, но темп снижается уже полгода, одновременно с этим растет энтузиазм в акции с 1кв23, достигая максимумов с 2021, как по финпотокам, так и по капитализации.
Нельзя одновременно с высокой интенсивностью инвестировать в акции и облигации, либо одно, либо другое. С 2кв23 рынок трежерис перехватили инвестфонды.
Ресурсом под этот импульс являлись сбережения, сформированные в эпоху фискального и монетарного экстремизма 2020-2021, но сейчас сбережения на исторически низком уровне.
Свободные деньги заканчиваются…
Госдолг Японии приближается к 1300 трлн иен, что составляет около 9.1 трлн.$ или 230% от ВВП.
Увеличение долговой нагрузки продолжается непрерывно, по сравнению с 2019 прирост на 30 п.п.
Основой устойчивости госдолга Японии является структура держателей, где почти половину на себя перехватил Банк Японии, остальные 30% держат японские коммерческие банки, пенсионные и страховые фонды, которые, по сути, представляют квазигосударственные образования из-за специфики функционирования японской финансовой системы и государственности.
Вторая важная стабилизирующая особенность – это валютная структура, где 98.7% номинировано в иенах, что позволяет в полной мере замыкать всю долговую конструкцию на финсистему Японии, снизив зависимость от внешней конъюнктуры.
Еще около 13.6% держат нерезиденты, а доля нерезидентов имеют тенденцию к снижению. В 2009 нерезиденты занимали почти четверть от долга, в 2015 – 17%, в 2019 – 15.5%.
Третья стабилизирующая особенность – низкие процентные ставки.
Дюрация японских государственных облигаций (JGBs) смещена в сторону долгосрочного спектра. Это отражение программы количественного смягчения (QE) Банка Японии, который в последние годы скупал большие объемы долгосрочных JGB.
Программа QE помогла сохранить низкие долгосрочные процентные ставки по дальнему концу кривой доходности.
Чистые размещения вне выкупа Банка Японии по краткосрочному и среднесрочному долгу проходили по средневзвешенным ставкам всего 0.09% и 0.18% соответственно в среднем за последние три года.
Все это в совокупности стабилизирует госдолг в Японии. Интересное во всем этом то, что Японии, в отличие от других ЦБ удалось пересидеть инфляционный шторм, сидя на заборе, с нулевыми ставками.
Более того, они продолжают куячить, нарастив инвестиции в JGB на 30 трлн иен с начала года (основные операции в январе-мае 2023).
Япония единственная страна, пытающая имитировать изобретение вечного двигателя, но где-то должно сломаться…
Корпоративный долг Китая достиг абсолютно немыслимых показателей – 166% от ВВП, что является очередным антирекордом.
По этому показателю нет равных Китаю, т.к. корпоративный долг США (76.5%), Еврозоны (97%), Великобритании (66%) и даже Японии (116.2%) сильно ниже.
Справедливости ради, Китай функционирует при высоком корпоративном долге не первый год – примерно к этому уровню долг нефинансовых компаний подошел в 2016 (161% от ВВП), с 2009 устойчиво превышал 100%.
Тогда правительство Китая предприняло ряд мер по урегулированию бесконтрольного роста задолженности: ужесточение регулирования банковского законодательства, повышение требований к резервированию капитала для банков, макропруденциальные лимиты по риску. Это сбило экспоненциальный рост, но не снизило долговую нагрузку.
По предварительным данным, около 35-37% в структуре совокупного корпоративного долга Китая ($28.3 трлн) – это долги строительных компаний, промышленные компании - 27%, оптовая и розничная торговля – 14%, транспорт и логистика – 8%.
Около 15-17% ($4.3-4.8 трлн) составляют внешние кредиторы, в основном прямые инвесторы в промышленном секторе Китая из развитых стран, но основную часть внутреннего корпоративного долга формируют китайские банки (60%), финансовые компании (23%) и небанковские кредиторы (частные инвесторы, хэдж фонды).
Несмотря на то, что стоимость обслуживания китайского корпоративного долга достаточно низкая по средневзвешенной процентной ставке – 5.1-5.5%, общая нагрузка очень велика из-за огромного долга. 9-10% от ВВП идет на обслуживание обязательств и только по нефинансовому сектору Китая без учета государства и населения.
Убийственно высокая стоимость обслуживания долга уже вызвала каскад проблем в секторе недвижимости на протяжении более трех лет.
Уязвимость заключается в том, что нет хороших решений при таком объеме долга и все упирается в маржинальность бизнеса (тенденции к снижению), в скорость роста экономики (тенденция к снижению) и уровень процентных ставок (пока в Китае с этим стабильно).
Фискальный маневр – вот главное отличие 2023 года от 2008.
Тогда 15 лет назад в ответ на кризис правительства имели возможность реализации многолетнего фискального экстремизма без рисков сваливания в долговой кризис, который проявляется в первую очередь в нарушении процесса рефинансирования долгов и в дефиците покупателей на новый долг.
Этот кризис прошли страны PIIGS (Португалия, Италия, Ирландия, Греция, Испания) в 2010-2013 и не сказать, что безболезненно.
Решение проблем банальное и универсальное: фискальная консолидация (урезание расходов), гарантии внешних арбитров (международные институты), монетизация долга со стороны ЦБ и снижение стоимости обслуживания долга.
По очередности, а в некоторые моменты в совокупности - все эти методы применялись.
Когда страны небольшие, типа Греции или Португалии, проблемы можно решить через международные институты, но что делать с крупными странами? Фискальная консолидация для «избранных» - исключена, наоборот, тратят, как ошалелые (дефицит бюджета США на максимуме).
Остается монетизация долга через QE и снижение стоимости обслуживания. Вот с этим то и проблемы.
Куячить в неограниченных масштабах не дает сильно повышенный инфляционный фон и опасения рецидива проблем 2022, плюс нерешенные балансовые проблемы из-за передоза ликвидности в 2020-2021.
Одновременно с этим высокие ставки, разгоняющие стоимость обслуживания долга в стратосферу.
С другой стороны, именно передоз ликвидности в фазе монетарного бешенства 2020-2021 является залогом и базой устойчивости системы в 2023, когда разрывы ликвидности компенсируют накопленным буфером устойчивости с 2009 по 2021.
К марту избыточная ликвидность в банковской системе США будет истощена, включать печатный станок рано или поздно придется, иначе некому выкупать по 2 трлн дефицита в год.
В таблицах и графиках более, чем понятно показывается, что интегральная устойчивость системы к 2024 намного ниже, чем в 2019 и тем более в 2008. Рано расслабляться.
Корпоративное кредитование в России стремительно расширяется с наивысшей интенсивностью в истории!
Кредитование юридическим лицам в России выросли на 1439 млрд в ноябре, достигая 72.4 трлн руб - это второй самый лучший результат в истории после рекордного октября 2023 по чистому приросту.
До этого рекорд был в сентябре 2023, т.е. за три месяца прирост составил 4.4 трлн vs 3.9 трлн руб в прошлый лучший трехмесячный период с августа по октябрь 2022.
До ужесточения ДКП среднемесячный прирост был 772 млрд с января по июль 2023 и 900 млрд с мая по июль 2023, т.е. с августа после ужесточения ДКП темпы выросли почти в 1.6 раза!
За 11 месяцев 2023 чистый прирост (выдача минус погашения) составил 11 трлн vs 6 трлн в 2022 и 4.9 трлн руб в 2021 за аналогичный период времени.
В эту статистику включаются нефинансовые компании с учетом МСБ и ИП, также учитываются прочие финорганизации, как для рублевых, так и для валютных кредитов с исключением валютного фактора (по фиксированному курсу).
В структуре прироста на рублевые кредиты приходится 1085 млрд руб и еще 355 млрд руб на валютные. Статистика по разбивке структуры юрлиц будет в начале следующей недели – это позволит выделить из расчетов прочие финорганизации.
По данным ЦБ:
Около четверти прироста пришлось на финансирование крупных сделок M&A. Еще около 10% прироста пришлось на проектное финансирование строительства жилья, которое мало чувствительно к рыночным ставкам из-за высокого покрытия счетами эскроу.
Кроме того, значительный вклад внесли транспортные и нефтегазовые компании, а также финансовые (факторинговые, лизинговые) дочерние компании банков. Некоторые компании стремились выбрать лимиты в условиях ожидания возможного ужесточения ДКУ, а также поступления оплаты по бюджетным контрактам в декабре.
В прошлом месяце ситуацию спасали крабы, а сейчас сделки M&A и проектное финансирование жилья.
Замедление будет - ставки по корпоративным кредитам очень быстро реагируют на динамику ключевой ставки, плюс свыше 40% - обязательства с плавающими ставками.
В первом полугодии 2023 года жители страны совершили на 16,5% больше ипотечных сделок, чем в прошлом году. 36% оформили страхование жизни, а 32% страхование имущества, а также комплексное страхование.
Ипотека предполагает регулярные выплаты в течение нескольких лет, а иногда и десятков лет. За это время многое может измениться. Страхование жизни и здоровья собственника защищает обе стороны сделки – банк и заемщика, поэтому оформление страхового полиса может быть одним из условий предоставления кредита. Страхование ипотеки – это инвестиция в ваше благополучие.
Сколько это стоит? Рассчитайте онлайн на сайте «АльфаСтрахование» и сразу же оформите подходящий продукт.
А страховка — это как амулет от внезапных неприятностей.
ВВП России вышел на докризисный максимум по состоянию на третий квартал 2023 согласно последним оценкам Росстата с исключением сезонного фактора.
После уточнения данных и сезонных коэффициентов, докризисный максимум ВВП был не в 4кв21, а в 1кв22, а на 3кв23 превышение на символический 0.1%.
Для компенсации провала 2кв22 потребовалось ровно пять кварталов – формально кризис закончен.
По валовой добавленной стоимости отраслей экономики докризисный максимум был в 4кв21, а на 3кв23 превышение на 0.7%, что более существенно.
Оперативная статистика за октябрь-ноябрь свидетельствуют о замедлении роста, но все еще в плюсе, поэтому в конце года экономика укрепит свое положение.
Росстат оценивается поквартальную динамику с исключением сезонного фактора (SA), начиная с 4кв22 – 1.17%, в 1кв23 – 1.12%, 2кв23 – 0.93%, 3кв23 – 0.89%. По предварительным оценкам, в 4кв23 замедление дойдет до плюс 0.4% кв/кв SA.
ВВП за год вырос на 5.5% за счет низкой базы 2022, однако импульс роста ВВП оценивается в 4% SAAR (c 4кв22 по 3кв23), по итогам 2023 года ожидается около 3.5–3.6% роста ВВП за счет замедления в 4кв23.
Динамика кредитования, опросы бизнеса, потребительская и инвестиционная активность, рынок капитала пока не позволяют говорить о риске сваливания экономики России в рецессию в ближайшие три месяца, т.е. период сверхжестких условий ДКП переживаем достаточно мягко, ничего критического не проявляется.
Замедление в 1кв24 может дойти до 0.2–0.4% кв/кв SA за счет поддержки спроса от гособоронзаказа при провале частного спроса и потребительской активности. Для сравнения, в последний год в среднем было 1% кв/кв. В 2017–2019 среднеквартальный рост был 0.5% SA.
Потенциал роста экономики России в 2024 сложно оценить, т.к. слишком много неизвестных. Если жесткая ДКП задержится до 3кв24, даже при реализации мягкой бюджетной политики есть риск актуализации кризисных процессов из-за падения кредитования, роста просрочек по долга и снижения инвестактивности, и потребления частного сектора.
На данный момент все весьма неплохо.
Наиболее значимые технологические достижения за последние 30 лет
Несмотря на то, что последняя итерация эволюции генеративного ИИ кажется прорывной, за последние 30 лет было достаточно технологических рывков, которые на качественном уровне изменили механизм взаимодействия людей с окружающим пространством… кстати, говоря, не обязательно это приводило к существенной экономической отдаче.
Ниже список не по зарождению технологии, а по фазе наиболее интенсивной экспансии. Очевидно, что дальнейшее развитие технологий продолжается, но с другой интенсивностью.
Список воспроизведен по памяти, мог и упустить... Без учета инноваций в финансовой индустрии и госуправлении.
1990-1999 (главные тренды – компьютеры, интернет, первичная цифровизация):
• Персональные компьютеры стали массово доступными
• Интернет и электронная почта, в том числе интернет-технологии, протоколы и так далее
• Первые мобильные телефоны (без доступа в интернет)
• Графический интерфейс ОС, развитие софта, объектно-ориентированное программирование
• Цифровая музыка и видео (появление CD/DVD), что позволило начать развивать цифровой контент
• Развитие 3D графики
• Развитие технологии хранения данных
2000-2009 (главные тренды – мобильная связь, соцсети, портативные устройства):
• Мобильная и чуть позже беспроводная связь
• Первые соцсети и мессенджеры
• Мобильные ПК, миниатюризация электроники
• Развитие портативных устройств и первое внедрение гаджетов,
• LCD мониторы и ЖК телевизоры
• Поисковые системы (хотя зарождение было в середине 90-х), но экспансия в начале нулевых
• Электронная коммерция, хотя основная фаза экспансии началась с 2014, усиливаясь с 2020.
Онлайн видео (экспансия YouTube)
• Онлайн-платежи
• Онлайн-игры
• Кибербезопасность
• Генная инженерия
• Wikipedia и доступ к онлайн библиотекам
2010-2019. Главные тренды (смартфоны, ИИ, облачные технологии, сквозная высокоуровневая цифровизация):
• Искусственный интеллект и машинное обучение
• Смартфоны (в текущем формфакторе появились в 2007-2008, но основная экспансия с 2010)
• Индустрия мобильного ПО
• Мобильная фотография на уровне профессиональных фото
• Облачные технологии
• Big data
• Экспансия вычислительных мощностей (видеокарты)
• Электромобили
• Автопилоты и беспилотники
• Возобновляемые источники энергии (появились 30-50 лет назад, но экспансия с 2010)
• Биотехнологии (внедрение в начале 21 века)
• Нанотехнологии
• Роботехника (хотя первичное внедрение было в 90-х)
• 3d печать
• Стриминговые мультимедийные сервисы
• Блокчейн и крипта
• Виртуальная и дополненная реальность
• Компьютерные игры все меньше отличаются от кино (фундаментальный скачок качества 3d графики)
• Электронные услуги (финансовые, государственные)
• Интернет-вещей (Iot)
• Софт, как сервис (отказ от фиксированных платежей в сторону ежегодных подписок)
• Персонализированная медицина и геномика
2020-2023 (Генеративный ИИ, тотальная цифровизация и глубокая автоматизация):
• Генеративный ИИ
• Ускоренная цифровая трансформация
• Развитие цифровых метавселенных
• Глубокая автоматизация процессов
• Новая фаза электронной коммерции и бесконтактных платежей
• Сети 5G
• Квантовые вычисления
• Развитие телемедицины
• Применение экстремального ультрафиолета в литографии (EUV), переход на техпроцесс 5нм и меньше
• Высокий уровень энергоэффективности оборудования
• Альтернативные материалы
Так что не все сводится к ИИ, но ИИ имеет важную роль. Скорость внедрения технологий за последние 30 лет - невероятная и практически все существенные открытия касается цифрового мира, т.е движение в онлайн становится все более устойчивым.
Влияют ли технологии на устойчивость экономики?
Рынки на своих исторических максимумах, прибыли компаний на максимуме, рост экономики, хоть и замедляется, но в целом тренд положительный, рабочие места создают в докризисных темпах, а долговые рынки стабильны.
Да, промышленность стагнирует, но ничего критического не происходит. Если сравнить 4кв21 с 4кв23, все основные макропоказатели сейчас лучше, чем были, либо на уровне.
За это время был инфляционный шторм, рекордная скорость ужесточения ДКП мировыми Центральными банками, долговые рынки подошли на край пропасти, фондовые рынки падали наивысшими темпами с 2008, если не учитывать локальный эпизод в марте 2020.
Да, присутствует избыточная ликвидность, сформированная за 15 лет монетарного бешенства и да, лаг воздействия на сложные и инертные системы. Но что, если мы находится в другом мире, где прошлые взаимосвязи больше не работают или работают иначе?
Все ведущие инвестбанки мира, Центральные банки, международные и академические структуры, в том числе и я по собственным расчетам, предполагали, что риски кризисного воздействия крайне высоки, а первый негативный эффект может быть уже в 2022, локализовавшись в финансовом секторе, усиливая свое воздействие на реальную экономику.
Пауэлл из ФРС почти на всех публичных выступлениях удивляется тому, что экономика ведет себя не так, как полагается. 2023 стал удивлением для всех. Невменяемая реакция рынка во многом обусловлена деформацией ожиданий от погружения в бездну к осознанию, что «все пронесло».
Теперь формируется новый нарратив - оказывается, мы вообще ничего не понимаем в экономике (Пауэлл об этом регулярно говорит), а устойчивость достаточна для любых потенциальных шоков, ведь если пережили цикл ужесточения, то уж цикл смягчения переживем тем более.
Главным открытием последнего 15-летия (с 2009), а особенно с 2022 стало то, что вся экономическая наука не работает, т.е. можно сгребать все экономические теории и концепции, сформированные за последние 100 лет и вышвыривать в мусор.
Сказано несколько радикально, т.к. базовые принципы все же работают, но суть заключается в том, что экономическая наука, сформированная для аналогового оффлайн мира не работает для цифрового онлайн мира.
Разрушены корреляции, взаимосвязи, цепочки и структуры взаимодействия. Общество функционирует по видоизмененным принципам, с другим мотивационным ядром.
Да, многое из прошлого работает, где структурные дисбалансы формируются по схожей методологии, но триггеры другие.
Если следовать по тем экономическим и финансовым моделям, которые работали еще в 2008, кризис должен был начаться в конце 2022-начале 2023 с финансового рынка, но сейчас даже финансовая индустрия относительно стабильна.
ФРС давно капитулировала и призналась, что ничего не понимает в том, как работает экономика. Жестко, но честно.
В принципе, много научных работал о влиянии автоматизации производства на выпуск в 80-х и 90-х годах, о влиянии компьютеризации в 90-х, исследовался фактор концентрации R&D на экономический рост и влияние технологий на производительность труда, однако, либо слишком сильное углубление в локальные нюансы, либо наоборот – чрезмерно обобщенный поход.
Во всяком случае, современные тренды крайне плохо учтены и практически не рассматривается мотивационная составляющая, психологический аспект и фактор качества управления через призму технологического прогресса.
Продолжение следует…
Любая прорывная технология создает риски в условиях быстрой интеграции.
Если руководствоваться потенциалом расширения присутствия во многих отраслях экономики, может сложиться впечатление перехода в иное измерение. Однако, примерно схожие ожидания были и от компьютеров, интернета, мобильной связи и так далее.
При этом технологическая эволюция за последние 30 лет не создала ни безработных, ни каких то драматических структурных трансформаций. В целом, все шло ровно, последовательно, достаточно предсказуемо с положительным эффектом.
Может ли ИИ привести к кризису? Не создать возможности, а наоборот обострить структурные трансформации? Да, вполне и сейчас опишу логику.
▪️Если возможности ИИ будут сопоставимы с декларируемыми, а темпы интеграции высоки – это приведет к демпингу зарплат и высвобождению значительного количество рабочей силы.
Падение доходов неизбежно приведет к падению спроса на макроэкономическом уровне, т.к. количество высвобождающей рабочей силы будет несоизмеримо больше в сравнении с главными бенефициарами ИИ экспансии.
Прямые бенефициары ИИ – около 5% (провайдеры ИИ, разработчики ИИ, производители аппаратной части для ИИ, топ менеджеры бизнеса, участвующего в ИИ интеграции и собственники этих компаний).
Вопрос, а что делать с остальными 95% экономики?
ИИ автоматизирует многие процессы, повышает качество, точность и скорость принятия решений, ускоряет технологический прогресса, способствует снижению финансового и юридического риска в бизнесе и улучшает качество товаров и услуг.
Одновременно с этим напрямую покушается на рабочие места значительного количество людей по причине сверхпревосходства во многих ранее описанных аспектах.
Для бизнеса держать капризных и низкоэффективных работников невыгодно и очевидно, что скорость внедрения ИИ будет повышаться. Но кому продавать все эти товары и услуги, кто будет обеспечивать платёжеспособный спрос?
Следует понимать, что в отличие от компьютеров и интернета, ИИ не прибавочная технология, а во многом – замещающая технология.
Компьютеры и интернет создали ИТ индустрию, где заняты десятки миллионов человек, совершенно новый сектор экономики. ИИ не создает новых секторов экономики, он эксплуатирует существующие сектора.
▪️Неизбежно будет рост неравенства в доходах. Вне всяких сомнений провайдеры ИИ получат невероятный памп финансовых показателей по экспоненте, но значительная часть оффлайн экономики скорее будет в минусе, чем в плюсе.
Низко и среднеквалифицированная рутинная работа занимает свыше 70% в структуре рабочей силы. Очевидно, что лишь малая часть идет на потенциальную замену, но это неизбежный рост социальной напряженности и усиление структурных дисбалансов.
Чем быстрее ИИ будет внедряться, тем больше негативного эффекте по интегральной оценке, т.к. скорость внедрения и быстрый результирующий эффект будут несопоставимы с предельной способностью по экономической трансформации.
Разница между ИИ и всеми предыдущими эпизодами технологической революции заключается в скорости интеграции. Раньше это занимало десятилетия, сейчас – годы или даже месяца.
Поэтому ожидаю существенный рост неравенства, обострение структурных дисбалансов и скорее актуализацию кризисных процессов в экономике, а не новый рывок в стратосферу.
Феноменальные возможности ИИ предоставляет тем, кто эти возможности использует напрямую, но это ограниченное число людей.
Оценивая потенциал внедрения ИИ, может сложиться впечатление, что люди больше не нужны, но при этом за последние два года было создано почти 8 млн рабочих мест в США, а дефицит занятых оценивается почти в 4 млн человек.
Что здесь не так? Внедрение ИИ идет не первый год. Первое масштабное внедрение ИИ технологий началось в начале 21 века, с 2010-2020 бум интеграций по всем секторам экономики, а с 2023 начался новый этап – экспансия генеративного ИИ.
Под угрозой находятся:
- водители транспорта (по мере внедрение автопилотов),
- почти поголовно операторы Call-центров и службы поддержки пользователей из-за высокоразвитых виртуальных консультантов и помощников,
- офисные клерки из-за оптимизации и автоматизации значительного количества бизнес процедур,
- бухгалтеры,
- финансовые и юридические консультанты,
- риск менеджеры, трейдеры и инвестиционные консультанты,
- финансовые и страховые аналитики начального и среднего уровня,
- копирайтеры, рекламные менеджеры,
- ньюсмейкеры,
- дизайнеры, фото и видео редакторы начального и среднего уровня,
- программисты начального и среднего уровня,
- работники склада и доставки по мере интеграции роботизированных систем и курьеров-беспилотников,
- низко и среднеквалифицированные работники медицины и образования консультационного сегмента,
- работники торговли, сельского хозяйства и промышленности по мере автоматизации процессов.
Список профессий огромный, но ведь как-то раньше переваривали технологический прогресс?
Теоретически, внедрение генеративного ИИ позволит:
- Существенно ускорить технологический прогресс, более быстро внедряя инновационные разработки и продукты.
- Создать новые рынки и новые отрасли, прямо или косвенно связанные с обслуживание ИИ индустрии.
- Автоматизировать многие процессы, повысить производительность труда, высвобождая рабочую силу.
- Оптимизировать бизнес процессы, повысить скорость и качество принятия решений, минимизируя ошибки.
- Оптимизировать цепочки поставок, склад и логистику, что снизит простои, избыток или дефицит, повышая общую эффективность.
- Снизить риски бизнеса в финансах, страховании и в юридических аспектах.
- Улучшить качество продукции и услуг.
Все это должно существенно повысить рост ВВП, снизить инфляцию, увеличить маржинальность и эффективность бизнеса, делая людей счастливыми. Так что здесь не так?
На самом деле хорошая иллюстрация – это внедрение автоматизации в промышленности в начале 20 века, где расширение применение конвейеров шло с 1915 по 1980, а с 1980-х началось применение АСУ, САПР и высокоинтегрированных промышленных комплексов, пик которых пришелся на 2004-2007 (за последние 15-20 лет практически нет существенных инноваций в автоматизации промышленности на уровне конвейеров).
С другой стороны, пошла новая волна использования роботов, началась интеграция ИИ и использование принципиально новой технологии 3D печати.
За последние 50 лет промышленность в США выросла в 2.3 раза, а количество занятых сократилось почти на треть. Внедрение инноваций в промышленность за последние 15 лет не оказало влияния ни на уровень маржинальности промышленности, ни на объем выпуска продукций (интегрально по всей промышленности).
Учитывая, что период глубокой автоматизации промышленности длился как раз 50 лет, рост в 2.3 раза не выглядит существенным, не так ли?
Внедрение ИИ по всей экономике активно идет последние 15 лет, но именно с 2009 консенсус мнение многих академических умов заключается в том, что рост сломался, а общая эффективность падает в сравнении с периодом 1992-2007.
При этом высокоинтенсивное внедрение инноваций за последние 30 лет (компьютеры, интернет, мобильные телефоны, беспроводная связь, биотехнологии, нанотехнологии, 3d печать, облачные технологии, ИИ) не привело к всеобъемлющему росту безработицы (наоборот, дефицит кадров!).
Эти небольшие зарисовки показывают, что не все так очевидно…
В 2024 Россию ждут изменения. Возможно, самые серьезные с 90-х.
Большинство - снова будут в ступоре, а некоторым придется начинать жизнь с чистого листа.
Чтобы быть готовым заранее - лучше читать источники, проверенные временем. Хороший пример - канал Мультипликатор.
Еще год назад он подготовил своих читателей к обвалу рубля. Рассказал, как купить недвижимость на 30% дешевле. Говорил про мобилизацию еще до её начала.
А сейчас подробно объясняет, что будет уже зимой 2024 с рублем и недвижимостью, и чем для нас закончатся военные конфликты.
Читайте этот канал по 5 минут в день и понимайте больше, чем 90% людей вокруг.
В каких секторах ИИ расширяет возможности?
▪️Финансы и страхование
Прогнозирование и управление рисками. Риск менеджмент в своей основе наиболее формализованный сегмент финансовой индустрии, который в наилучшей степени поддается «запиранию» в рамки ИИ, который способен прогнозировать риски, связанные с кредитованием, инвестициями и страхованием, в том числе функции риск-менеджеров.
Расширенный анализ данных. Финансы, как и экономика – это непрерывный поток данных, которые поддаются упорядочиванию через идентификаторы, веса и «маяки». ИИ способен анализировать огромные объемы финансовых данных в режиме реального времени, включая транзакции, экономические и рыночные тенденции, также потребительское и корпоративное поведение.
Прогнозирование тенденций. Значительная часть данных и процессов в финндустрии регулярно повторяется через различные комбинации, а следовательно, возможен анализ паттернов, где ИИ очень силен (статистика и вероятности), что позволяет быстрее, точнее и эффективнее предсказывать наиболее вероятные тенденции.
Автоматизирование инвестирование. Данный подход применяется уже более 20 лет в рамках алгоритмических систем и торговых роботов, но теперь может выйти на совершенно иной уровень за счет комбинации инструментов, где одновременно объединяется анализ вероятностей и паттернов, риск менеджмент и прогнозирование.
Автоматизация задач. Свыше 80% бизнес операций в финансах и страховании – в чистом виде рутина по протоколам действий. Если есть протоколы – значит есть пространство для ИИ, который может автоматизировать многие рутинные и трудоемкие процессы, такие как обработка заявок на кредиты, управление клиентскими аккаунтами и анализ страховых претензий, что повышает эффективность и сокращает затраты.
Финансовый консультант на базе ИИ могут обеспечивать высококачественное обслуживание клиентов, предоставляя быстрые и точные ответы на их вопросы, а также помогая в выполнении финансовых операций – намного быстрее и эффективнее человека, за исключением сложных вопросов.
Автоматические написание инвестиционных и рыночных обзоров/новостей. Обучение ИИ на базе миллионов инвестиционных обзоров за последние 50-60 лет позволит создать высокоразвитого инвестаналитика на базе ИИ, который будет быстро, релевантно и качественно писать обзоры.
Обнаружение и предотвращение мошенничества. Анализ транзакционных данных для выявления подозрительных или необычных паттернов (мошенники в 97% случаях действуют по похожим схемам), что помогает в борьбе с финансовым и страховым мошенничеством.
Автоматический контроль за налоговыми требованиями и регуляторными нормами, что позволит избежать штрафов и преследования со стороны государства.
▪️Юриспруденция, бухгалтерия и документооборот
Анализ юридических документов. Анализ больших объемов правовых документов ( судебные решения, законы, акты и коммерческие и госконтракты). Это может помочь юристам быстрее находить необходимую информацию и выявлять закономерности, которые могут быть использованы для принятия более обоснованных решений.
Автоматизация документооборота. Автоматизация процесса создания и обработки юридических документов, таких как контракты, иски, заявления, протоколы и цифровые подписи. ИИ может генерировать эти документы, основываясь на заданных параметрах и стандартах, что сокращает время и уменьшает вероятность человеческой ошибки.
Повышение качества документов в соответствии с актуальным национальным и международным законодательством. ИИ может в режиме реального времени отслеживать все новации в праве, вовремя адаптируя документацию под законодательство.
Предсказание юридических рисков. Прогнозирование потенциальных юридических рисков для компаний и частных лиц, анализируя законодательные изменения, решения судов и другие юридические тренды.
Персонализация юридических услуг и виртуальный помощник. ИИ может выполнять функцию высокопрофессионального юриста совершенно бесплатно, быстро и безошибочно. ИИ помочь в создании персонализированных юридических рекомендаций и консультаций, учитывая специфические обстоятельства и потребности клиента.
Технологии, которые изменили мир…
Чтобы создать современные генеративные модели ИИ потребовалось более 70 лет теоретических и фундаментальных работ в области ИИ и свыше 30 лет прикладных исследований.
Любая технология имеет прототипирование (теоретическое обоснование, создание концептов), зарождение (первое коммерческое и/или прикладное использование), активная экспансия, поступательная эволюция и трансформация или вырождение.
Фаза зарождения генеративных моделей – это 2017-2018 года, активная экспансия началась ровно с января 2023, сколько это продлится?
Попробую вспомнить технологии, которые изменили мир (список «на коленке», очевидно, что не все технологии, требуются дополнения и уточнения).
1. Электричество (внедрение 1870-е) – активная экспансия с 1880 по 1930 (далее в этом формате). Революционизировало производство, начало этапа индустриализации, влияние на транспорт, освещение и коммуникации. Одно из самых значимых внедрений в истории человечества.
2. Телефон (1876) - 1890-1940. Изменил способы коммуникации в бизнесе и повседневной жизни.
3. Радио (1895) - 1920-1950. Огромное влияние на массовую коммуникацию и развлечения, по крайней мере до 1980-х.
4. Автомобиль (1880-е) - 1910-1950. Преобразовал транспорт, городское планирование и образ жизни.
5. Телевидение (1920-е) - 1950-1980. Трансформировало развлечения, новости, и культурное восприятие.
6. Авиация (1903) - 1930-1970. Открыла новые горизонты в пассажирских и грузовых перевозках.
7. Пластмассы (1907) - 1930-1970. Фундаментальное влияние почти на все виды физической продукции.
8. Антибиотики (пенициллин, 1928) - 1940-1970. Революционизировали медицину, снизив смертность от инфекций.
9. Ядерная энергетика (1940-е) - 1950-1980. Новый источник энергии, повлияла на военные технологии.
10. Космические технологии (1957) - 1960-1990. Расширили понимание космоса, спутниковая связь и навигация.
11. Интегральные схемы (1958) - 1970-2000. Способствовали развитию электроники и компьютеров.
12. Компьютер (1940-е) - 1970-2000, вторая фаза экспансии с 2010 по настоящее время (мобильный ПК). Изменил обработку данных, управление и производственные процессы.
13. Интернет (1960-е) - 1990-2010. Трансформировал коммуникации, торговлю и доступ к информации.
14. GPS (1970-е) - 1990-2010. Трансформация навигации и картографии.
15. Цифровая фотография (1970-е) - 1990-2010. Упрощение съемки и обработки изображений.
16. Мобильная связь (1970-е) - 2000-2020. Изменила способы общения, доступ к информации и медиа.
17. Искусственный интеллект и машинное обучение (1950-е) - 2010-настоящее время. Преобразуют принятие решений, аналитику данных и автоматизацию.
18. Wi-Fi (1990-е) - 2000-настоящее. Гибкость и доступность интернета.
19. Возобновляемая энергия (1970-е) - 2000-настоящее: Устойчивые источники энергии, сокращение выбросов углерода.
20. 3D-печать (1980-е) - 2010-настоящее. Новые методы производства и дизайна.
21. Интернет вещей (1990-е) - 2010-настоящее. Интеграция устройств в глобальную сеть.
22. Смартфоны (2000-е) - 2010-настоящее. Комбинация функций компьютера, телефона, медиа.
23. Биотехнологии и генная инженерия (1970-е) - 1990-настоящее. Прорывы в медицине, сельском хозяйстве, фармацевтике.
24. Виртуальная и дополненная реальность (1990-е) - 2010-настоящее. Трансформация развлечений, образования, проектирования.
25. CRISPR и генное редактирование (2012) - 2010-настоящее. Прорыв в генетике и биотехнологии.
26. Блокчейн и криптовалюты (2008) - 2010-настоящее. Изменения в финансах, безопасности данных.
27. Нанотехнологии (1980-е) - 2000-настоящее. Создание материалов с уникальными свойствами.
28. Беспилотные автомобили (2000-е) - 2010-настоящее. Трансформация транспорта и логистики.
29. Квантовые вычисления (1980-е) - 2020-настоящее. Революционизация вычислений и криптографии.
30. Искусственный синтез белков (2000-е) - 2010-настоящее. Перспективы в биотехнологиях и материаловедении.
Период активной экспансии обычно длится 15-30 лет.
В нашей стране есть одна магическая фраза... «своя квартира в Москве». Люди почему-то считают, что честно заработать на неё невозможно. Купил? Значит, наворовал. Или влез в ипотечную кабалу ради 30 метров в хрущёвке. Женщина купила? Ну, любовник подарил.
На самом деле, приобрести своё жильё в Москве может каждый. Нужно только знать, где и когда застройщики объявляют старт продаж или скидки. Тогда можно взять однушку около метро за 4,5 млн или получить ипотеку под честный 1% годовых.
В телеграме буквально 2-3 канала, которые публикуют такую информацию бесплатно. Движ про недвиж — самый большой и полезный из них. Как Первый канал или телеканал Россия — его читают все и читают внимательно.
Ребята разбирают все московские ЖК, все старты продаж и делают это профессионально. Ерунды там не пишут, каждый пост полезный.
Завтра канал опубликует топ самых дешёвых новостроек в Москве. Подпишитесь, чтобы не пропустить: /channel/dvizhpronedvizh
__
Реклама. ИП Чевелева К.А., ОГРНИП: 323508100198552, erid: 2SDnjcNZrJL
Потребность в чистых заимствованиях Минфина США составляет около $2 трлн в год – кто стабилизирует долговую конструкцию США в условиях сокращения баланса ФРС?
Может быть иностранцы? Ничего подобного! Доля инвестиций нерезидентов в трежерис снизилась до 29.1% в структуре всех держателей трежерис, что является минимальным уровнем с 1 кв. 2002.
Максимальное присутствие нерезов в трежерис было зафиксировано в 2кв11 – 43.9%, ускоренное снижение началось с 2кв17.
До монетарного безумия 2020 средняя доля нерезидентов в трежерис составляла 36.5%, к началу ужесточения в 1кв22 – 30%. Тенденция на снижение продолжается, хотя не так интенсивно, как в 2018-2020.
Доля присутствия ФРС достигла исторического максимума в 3кв21 – 23.7% по сравнению со средней долей 12.9% в 2019. К началу ужесточения в 1кв22 ФРС владела 23.1% от всего публичного госдолга, а теперь лишь 16.9%.
Таким образом, два главных держателя трежерис (ФРС и нерезиденты) с момента отключения QE (с 1кв22 по 3кв23) снизили совокупную долю с 52 до 46% - 6 процентных пунктов за 1.5 года весьма чувствительно.
Финансовая система США (коммерческие банки плюс инвестфонды, брокеры и дилеры) с учетом фондов денежного рынка и ETF за указанный период увеличили долю на символические 0.2 п.п с 15.9 до 16.1%. Значительная часть операций шла по поручению физлиц через ETF и фонды денежного рынка.
Основной вклад в поддержку американского госдолга обеспечили домохозяйства (как напрямую, так и через взаимные фонды), увеличив присутствие в трежерис на рекордные в истории 5 п.п с 9.3 до 14.4%, еще поработали пенсионные и страховые фонды, нарастив долю на 1.3 п.п с 13.2 до 14.5%.
Еще немного активность проявили госфонды, увеличив присутствие в трежерис на 0.4 п.п с 1кв22.
Таким образом, стабилизацию американского госдолга примерно на 85% обеспечивают домохозяйства с учетом участия через инвестфонды и еще пенсионные, страховые фонды вместе с госфондами.
Совокупный нефинансовый долг Китая достиг астрономических показателей – 308% от ВВП, удвоившись за 15 лет.
Долговая нагрузка в Китае сильно выше, чем в США – 253%, Еврозоне – 240%, Великобритании – 237%, Ю.Корее – 273% и Австралии – 220%. На уровне Китая среди крупных стран выступает Канада – 307%, а Япония ожидаемо впереди планеты всей – 414%.
Как видно в сравнительной таблице по долговой нагрузке нефинансового сектора, за последние 15 лет тенденция идет по нарастающей за исключением Германии, Испании, Голландии и Австрии.
Если сравнить с доковидным 2019, наибольшая деградация по приросту долговой нагрузки относительно ВВП наблюдается в: Китае - плюс 44 п.п с 264 до 308%, Корее и Сингапуре – плюс 41.3 п.п, Таиланде – плюс 41 п.п, Японии - плюс 35 п.п и Индии – плюс 26 п.п.
Оказывается, что в наибольшей степени отжигают азиатские страны, тогда как страны Запада сдерживают долговую прыть. Например, США практически не изменили долговую нагрузку в 2кв23 по сравнению с 2кв19 – плюс 2.5 п.п с 250 до 252.5%, страны Еврозоны даже сократили на 18.7 п.п, Великобритания резко сократила на 31.6 п.п, в стадии сжатия Канада – 0.4 п.п и Австралия – 14.1 п.п.
Это в полной мере обусловлено действиями частного сектора (корпорации плюс население), тогда как государство рекордными темпами наращивает обязательства.
В этом материале в таблице приведены данные по долговой нагрузке населения.
Стратегия не меняется – ровно, как и в 2008-2010, государство перехватывает на себя инициативу и забирает прирост долга, компенсируя делевередж частного сектора.
Снижение обязательств частного сектора связано, как с неприемлемо высокими ставками, так и по причине повреждения механизма рефинансирования долгов, где бизнес теряет возможность занимать быстро, дешево и бесперебойно.
С 2023 ситуация с корпоративными долгами стала немного лучше в плане спроса, но ставки сжирают всю маржинальность.
В 2024 мир подходит с огромными долгами, высокими ставками и при почти полном исчерпании запаса прочности.
Незаметные вещи делают заметные результаты. Облачные сервисы позволяют без трат на дополнительное оборудование и аренду серверов перейти на новый уровень обслуживания клиентов. Виртуальная АТС (автоматическая телефонная станция) от МегаФона — это уже готовое и настроенное решение с удобным интерфейсом, благодаря которому команда может работать с клиентами в любом месте, а вы — контролировать качество обработки входящих заявок.
Забирайте 7 дней бесплатного тестирования АТС и оптимизируйте свой бизнес!
Реклама. ПАО «МегаФон» ИНН 7812014560
Госдолг Китая стремительно подбирается к опасной черте – 98.4 трлн юаней или 13.5 трлн долл, что составляет максимальные за все время 79.4% относительно ВВП по данным BIS на 2 квартал 2023.
В отличие от США, где статистика по госдолгу доступна в режиме реального времени, с Китаем все сложнее. Данные могут быть взаимоисключающими.
Например, по данным BIS долг центрального правительства около $4.9 трлн, а по данным SAFE долг центрального правительства $7.3 трлн из-за учета $2.4 трлн прямых госгарантий по долгам госпредприятий Китая, которые по составляют $4.8 трлн по оценке BIS и $2.2 трлн по оценке SAFE (смотря, как считать).
Долг местных органов власти противоречий не вызывает и составляет основную часть госдолга Китая – $5.1 трлн или около 34% от всего госдолга. Общая оценка госдолга сходится к $13.5 трлн.
Реальный долг может быть существенно больше из-за квазигосударственных компаний и теневых забалансовых операций.
Расхождение в общих цифрах может возникнуть из-за включения различных форм долга, таких как внебалансовый долг и долги государственных предприятий и банков, находящихся в государственной собственности, которые могут не учитываться напрямую в центральных и местных органах власти. Сочетание этих долгов вносит свой вклад в общий показатель государственного долга Китая.
По состоянию на 2кв23 нерезиденты в совокупности удерживают около 25% китайского госдолга. В абсолютном выражении это составляет около $3.3 трлн.
Основными держателями китайского госдолга среди нерезидентов являются:
• Международные финансовые организации, такие как BIS, МВФ, Всемирный банк и Asia Investment Bank: около 20%
• Иностранные центральные банки: около 15%
• Частные инвесторы, такие как инвестиционные, страховые фонды и пенсионные фонды: около 65%
Среди международных финансовых организаций крупнейшим держателем китайского госдолга является Банк международных расчетов (BIS), который владеет 1.4 трлн юаней (около $230 млрд).
Среди институциональных инвесторов крупнейшим держателем является пенсионный фонд Норвегии, который владеет 1.3 трлн юаней (около $220 млрд).
Среди частных инвесторов крупнейшим держателем является хедж-фонд Bridgewater Associates, который владеет 420 млрд юаней (около $70 млрд).
Основные держатели китайского долга (оценки очень приблизительные):
Основными держателями долга центрального правительства Китая являются:
• Китайский центральный банк (ЦБК): около 30%
• Китайские банки: около 25%
• Небанковские финансовые учреждения Китая: около 20%
• Нерезиденты: около 25%.
Основными держателями долга местных органов власти Китая являются:
• Китайские банки: около 80%
• Небанковские финансовые учреждения Китая: около 10%
• Нерезиденты: около 10%.
Точную структуру держателей долгов госкорпораций Китая узнать невозможно, но основные держатели – китайские банки и государство.
Структуру долга по кредитам и облигациям сложно представить из-за существенного расхождения информации.
Что касается валютной экспозиции, юаневый долг около 65% для всего долга, где центральное правительство – 75%, органы местной власти – 70%, а госкомпании – 60%.
Высокая доля валютного долга кажется сомнительной, но сюда включены многие международные китайские компании, как Китайская национальная нефтяная корпорация (CNPC) и Китайская национальная электросетевая корпорация (State Grid), Китайская железнодорожная корпорация (CRCC) и Китайская государственная судоходная корпорация (COSCO), Китайская химическая промышленность (Sinochem) и Китайская государственная алюминиевая корпорация (Chalco).
В заключение следует отметить темпы рост китайского госдолга: 28% в 2008, 36% в 2013, 53% в 2017, 50% в 2019 и вот уже 80% от ВВП.
Информацию по Китаю крайне сложно собирать, поэтому данные приблизительные, но позволяют примерно понять структуру.
Бум кредитования физлиц продолжается, темпы прироста близки к рекорду, несмотря на сверхжесткую ДКП со стороны Банка России.
Население все еще не может успокоиться и нашпиговывается кредитами под завязку.
Чистый прирост (объем выдачи минус погашений) составил 531 млрд руб в ноябре 2023, что на 45% ниже максимума, установленного в августе 2023. Казалось бы замедление, но …
Много это или мало? В период активного расширения кредитования в 2021, среднемесячный темп прироста составлял 393 млрд, наивысший трехмесячный темп был 481 млрд в среднем за месяц, а пиковый месячный прирост – 561 млрд руб в июне 2021.
До ужесточения ДКП с января по июль 2023 среднемесячный прирост – 442 млрд, а с мая по июль – 572 млрд руб.
Таким образом, ноябрьское замедление существенно превышает пиковые темпы кредитования в 2021 и соответствует наивысшей кредитной активности до ужесточения ДКП.
С августа по ноябрь среднемесячный прирост составил 788 млрд, что в 1.8 раза выше, чем в янв-июл 23г. По факту кредитная активность расширилась.
Если сравнить среднемесячный прирост авг-ноя 23г с май-июн 23г и 2022 выйдет так:
• Ипотечные кредиты: 516 (531 в ноябре) vs 299 vs 209 млрд руб; Доля кредитов с господдержкой составляет почти 74%. Как отмечает ЦБ: «Рост ипотеки все еще стимулируют льготные программы: иногда они комбинируются с поддержкой от банков и застройщиков, которые стремятся продать больше жилья до конца года.»
• Потребительские кредиты (необеспеченные): 200 (135 в ноябре) vs 221 vs 163 млрд руб; В декабре ЦБ ожидает существенного замедления потребительского кредитования из-за действующих макропруденциальных ограничений и роста ставок.
• Автокредитование: 57 (51 в ноябре) vs 49 vs 19 млрд руб. Автокредитование особо аномально и растет в темпах втрое выше нормы!
Общий объем кредитного портфеля банков в пользу физлиц вырос до 33.7 трлн руб, годовые темпы номинального прироста кредитования вышли на новый максимум – 6.6 трлн vs 5.1 трлн руб до кризиса, а с учетом инфляции – на 10% выше докризисного пика.
Чем обусловлен успех российской экономики?
ВВП России на 0.1% превысил уровень 4кв21, а по валовой добавленной стоимости отраслей экономики рост на 0.7% SA по данным на 3кв23.
На графиках представлена подробная визуализация динамики валовой добавленной стоимости по всем секторам российской экономики (SA).
Если сравнивать 3кв23 с 4кв21 10 секторов российской экономики вышли из кризиса (показатель ВДС сейчас выше, чем до кризиса), который в совокупности образуют 57.2% от российской экономики, т.е. оставшиеся 10 секторов или почти 43% российской экономики формально еще в кризисе.
Общеэкономический ВДС вырос на 0.7%, но за счет чего? Наибольший вклад в прирост ВДС внесли:
• Строительство: 0.64 п.п вклада в прирост ВДС и рост на 13% относительно 4кв21 (далее в этом формате)
• Обрабатывающие производства: 0.53 п.п, +3.7%
• Госуправление и обеспечение военной безопасности, социальное обеспечение: 0.49 п.п, +7%
• Деятельность финансовая и страховая: 0.3 п.п,+5.5%
• Сельское, лесное хозяйство, рыболовство: 0.25 п.п, +5.8%
• Деятельность административная и сопутствующие допуслуги: 0.19 п.п, +9%
• Деятельность гостиниц и общепита: 0.14 п.п, + 17.9% (!)
• Деятельность в области информации и связи: 0.07 п.п, + 2.6%
• Деятельность по операциям с недвижимым имуществом: 0.03 п.п, +0.3%
• Образование: 0.02 п.п, +0.6%.
Негативный вклад в ВДС внесли (по нарастающей):
• Обеспечение электрической энергией, газом и паром: -0.01 п.п, -0.3%
• Деятельность домашних хозяйств как работодателей: -0.03 п.п, -9%
• Водоснабжение, водоотведение, коммунальные услуги: -0.04 п.п, -7.8%
• Деятельность в области культуры, спорта и развлечений: -0.06 п.п, -5.7%
• Деятельность профессиональная, научная и техническая: -0.06 п.п, -1.4%
• Транспортировка и хранение: -0.08 п.п, -1.2%
• Предоставление прочих видов услуг: -0.14 п.п, -28% (!)
• Деятельность в области здравоохранения и соцуслуг: -0.15 п.п, -4%
• Добыча полезных ископаемых: -0.52 п.п, -3.9%
• Торговля оптовая и розничная: -0.9 п.п, -7%.
Вот такие дела…
Как технологии влияют на устойчивость экономики?
Разрыв прошлых устоявшихся корреляционных связей и трансформация взаимосвязей между экономическими агентами во многом обусловлена технологическим прогрессом и устойчивым переходом в цифровой мир, существующим по иным законам.
Традиционная экономическая наука, как правило, не учитывает влияние децентрализованной финансовой индустрии и полностью игнорирует цифровой аспект, хотя именно «цифра» в наибольшей степени меняет паттерны взаимодействия с окружающим пространством.
Основные изменения за 30 лет произошли как раз в финансовой индустрии и цифровом мире. Если «напяливать» экономические модели в режиме бэктестинга на структуру экономики 1950-1980 - все прекрасно работает, но чем больше «цифры», тем больше шумов.
В индустриальном и даже постиндустриальном мире привычные концепции достаточно хорошо описывают логику функционирования общества и экономики, но не в информационном обществе.
Не все сводится к ИИ, за последние 30 лет огромное количество инноваций, где весьма кучно пошли в последние 10-15 лет.
Какие основные тренды и особенности трансформации?
• Глубокая степень автоматизации производственных и бизнес-процессов – влияет на производительность труда, отдачу на капитал, отдачу на единицу использованных ресурсов.
• Повышение качества управления через реалтайм доступ к огромному массиву информации при наличии алгоритмов структуризации и обработки этой информации. Это приводит к повышению точности, скорости и качества управления.
• Улучшение использования ресурсов за счет лучшего планирования, что приводит к оптимизации бизнес-процессов, росту эффективности и маржинальности.
• Более быстрый поиск уязвимости и снижение рисков через использование передовых информационных систем и алгоритмов риск менеджмента.
• Повышение скорости прогресса за счет мощности вычислительных ресурсов, высокого развития программного обеспечения и использования ИИ.
• Улучшение образования и квалификации рабочей силы. Технологии предоставляют новые возможности для образования и подготовки, что способствует развитию квалифицированной рабочей силы.
Все это в совокупности создает некую безопасную и высокомаржинальную среду, которая не работает по правилам аналогового мира.
Чем больше смещение в цифровой мир, тем выше интегральная устойчивость за счет снижения издержек, повышения качества, точности и скорости управления/принятия решений и роста общей эффективности. Основные особенности этого бизнеса: отсутствие долгов, сверхвысокая маржинальность, запредельные доходы в расчете на сотрудника и двузначные темпы роста.
При этом остается достаточно значительный пласт традиционной экономики, которая уязвима и имеет весь спектр известных проблем. Основные особенности: высокая долговая нагрузка, низкая маржинальность, низкая отдача на капитал, низкая заработная плата, нулевые темпы роста.
Говоря о кризисе, нужно понимать, о каком сегменте говорим? Чем выше доля цифровой экономики, тем выше способность трансмиссии сверхдоходов по пирамиде ресурсов на более слабые звенья цепи.
ГК «ФСК» опирается на современные стандарты качества в строительстве жилых комплексов. Проекты компании – это отличный вариант инвестиций для вашего бизнеса. Подписывайтесь на телеграм-канал!
Реклама. ООО"НЕГА ЮГ" ИНН 2304051152
erid: LjN8KKtZi
Могут ли технологии решить проблему инфляции?
Почему инфляция в развитых странах исторически всегда ниже, чем в развивающихся? Это напрямую связано с эффективностью экономики и системы управления (бизнес, регулирующие органы, фискальные и монетарные власти).
Что такое эффективность экономики? Быстрое и результативное приложение ресурсов и технологий в правильном направлении. Возникает спрос – с минимальными задержками формируется предложение товаров и услуг, что балансирует и уравновешивает кривую спроса и предложения.
Чем более развита экономика – тем выше скорость «включения» предложения товаров и услуг, при этом особенности капиталистической системы предполагают наибольшую диверсификацию производителей, особенно в конкурентных сегментах.
Чем выше диверсификация – тем выше устойчивость и меньше зависимость от слабых звеньев цепи. Поэтому в развитых странах, если где-то возникает спрос или потенциал спроса – моментально консолидируются финансовые, производственные, научно-технические ресурсы, что позволяет быстро удовлетворить спрос через интенсивное наращивание предложения.
Бывают и сбои в системы, как эпизод фискального экстремизма и монетарного бешенства в 2020-2021, что создало критический дисбаланс необеспеченного денежного предложения.
Способность оценки и прогнозирования потенциального спроса – залог быстрой реакции, а значит максимизации прибыли, т.к. наибольшую маржу получает тот, кто сделал товаров или услугу первым.
Чем здесь может помочь ИИ?
• Оптимизация склада, логистики и цепочек снабжения, чтобы исключить перебои в производстве и эффективно балансировать запасы в рамках сезонности и потенциала платежеспособного спроса.
• Высокоуровневый анализ потребительских трендов и предпочтений на основе соцсетей, отзывов потребителей, запросов в соцсетях, чтобы в режиме реального времени анализировать потребительские тренды.
• Оперативное отслеживание инфляционных ожиданий бизнеса и потребителей через структуризацию поведенческих паттернов, в том числе на основе анализа соцсетей и информационных предпочтений, что позволит в режиме реального времени отслеживать «болевые точки» общества.
• Анализ факторов риска через Big data в наиболее чувствительных зонах наибольшего инфляционного риска в зависимости от конъюнктуры и динамических условий.
• Разработка более эффективных экономических и финансовых моделей для оценки структурных дисбалансов.
• Повышение эффективности воспроизводственных механизмов на макроуровне – скорость, точность и качество принятия решений, рост скорости инноваций, что увеличивает темпы внедрения готовых решений.
В среднесрочной перспективе внедрение ИИ имеет дезинфляционное воздействие, но одновременно с этим, увеличивая неравенство и риски роста безработицы и поражения уязвимых оффлайн отраслей с низкой способностью к автоматизации.
Человек против ИИ – какая предельная глубина интеграции и какая способность замещения человека ИИ?
Вопрос крайне важный, т.к. от этого зависит способность ИИ интегрироваться в человеческие сферы деятельности, а следовательно, фундаментально влиять на структуру рынка труда со всеми вытекающими последствиями.
Какие фундаментальные преимущества ИИ над человеком?
▪️Неограниченный объем памяти и скорость накопления информации. Скорость обучения человека крайне низка, но даже обучившись, человек ежедневно теряет навыки и информацию, т.е. требуется постоянное концентрация на информационной единице (объекте исследований) и поддержка навыков. ИИ достаточно обучиться один раз, чтобы держать информацию в прямом доступе.
▪️Скорость обработки информации. Параллельная обработка неограниченных массивов информации позволяет практически неограниченно масштабировать вычислительные мощности, где математические задачи могут решаться в миллиарды раз быстрее, чем средний человек. Для чтения и осмысления 5 млн знаков у среднего человека потребуется около 3500 минут, тогда как ИИ может в пределах доли секунды управиться.
Если у человека не хватит жизни, чтобы познакомиться со всеми произведениями мировой литературы (даже основными), а для ИИ это мгновения. Даже прочитав литературу, человек уже забудет, что было в предыдущей книге (по крайней мере, основные детали), тогда как ИИ помнит все. За пренебрежительно малый временной интервал, ИИ может изучить всю научную литературу по физике, химии, астрономии, биологии, истории и т.д. Не просто изучить, но и в первичном виде помнить до мельчайших деталей.
▪️Точность и объективность. ИИ не ошибается, по крайней мере, если не ошибается вшитый алгоритм функционирования. Человек ошибается постоянно из-за ограниченных способностей удержания, обработки и интерпретации информации. Человек склонен к предубеждениям, ИИ воспроизводит информации по принципу «как есть».
▪️Информационная трансмиссия. Выход на правильный вектор исследования одним из сегментов ИИ моментально транслируется на всю подсеть ИИ, что расширяет знания одного сегмента на всю подсеть сразу. Открытие одного человека или группы ученых невозможно моментально расширить на заинтересованный круг лиц. ИИ можно масштабировать, копировать и клонировать, но нельзя пересадить знания одного человека в другого.
▪️Отсутствие усталости. Производительность и эффективность человека падает по мере выработки ресурса, как в пределах дня, так и возрастом. ИИ может работать 24 на 7 с паритетной эффективностью стабильно и без провалов (до тех пор, пока работают сервера). Человек стареет, становится хуже, когнитивные функции ослабевают, тогда как у ИИ только увеличиваются.
▪️Непрерывное обучение. Человеку необходимо менять род деятельности, чтобы поддерживать необходимый эмоциональный баланс, тогда как ИИ непрерывно расширяет свое могущество.
▪️Отсутствие эмоциональности. ИИ не подвержен перепадам настроения, ИИ не требует повышения зарплаты, уважения, не требует справедливости и не рефлексирует об уровне свободы, ИИ не чувствует ни жалости, ни боли, ни усталости, не плетет интриг, заговоров и не пытается соскочить с рабочего процесса, т.к. «внезапно появились неотложные дела».
Минусов немного, но они есть:
• Сложность в понимании контекста информации (исправимо со временем);
• Отсутствие эмпатии, что формирует этические проблемы, если в пользу ИИ дать слишком много прав;
• Ограниченное пространство для творчества и инноваций из-за фундаментальных встроенных ограничений на понимание того «что такое хорошо, а что такое плохо».
ИИ способен реплицировать успешные творческие опыты на основе анализа паттернов и предпочтений, но способен ли ИИ создавать принципиально новые продукты? Пока сомневаюсь.
Способен ли ИИ к неупорядоченной интеграции и принятию решений, где важным элементом может быть интуиция? Сейчас нет.
Ограничений много, но пока баланс сильно в пользу ИИ. Посмотрим, что получится…
Генеративные ИИ в наибольшей степени влияет на создателей контента, но также может оказывать фундаментальное влияние на науку, технологии, ускоряя технологический прогресс.
▪️Наука и технологии
Систематизация и структуризация сверхбольших массивов информации. Как ученому найти похожие научно-исследовательские материалы? Через поиск, но данные могут нерелевантными или устаревшими. Необходима индексация и анализ тысяч научных статей, чтобы комбинировать и интегрировать в целостную картину схожие исследований.
Генерация гипотез. ИИ может использоваться для генерации гипотез, которые могут быть использованы для проведения научных исследований. Это может помочь ученым ускорить процесс открытия новых знаний.
Сверхбыстрый поиск и обработка комбинаций решений для поиска оптимального пути исследования. ИИ может помочь ученым в проектировании и оптимизации экспериментов, предсказывая наиболее перспективные направления исследований, что снижает затраты и повышает шансы на успех.
Моделирование и симуляция. ИИ способен создавать сложные модели и симуляции, которые могут предсказывать результаты экспериментов и исследований, а также помогать в понимании сложных систем и процессов.
Быстрый поиск и коррекция ошибок в математических, физических моделях или программном коде позволит упростить и ускорить процесс расчетов.
Анализ и интерпретация сложных данных в моделировании сложных систем, создавая более понятную и читаемую структуру данных.
ИИ уже применяется и существенно расширит применение в архитектуре и градостроительстве, материаловедении, в разработке дизайна продукции широкого профиля, в исследованиях и разработке промышленной продукции.
Но что на счет создателей контента?
▪️Медиа индустрия – ньюсмейкеры, журналисты, музыка, фото и видео обработка, создание компьютерной графики и спецэффектов.
Деятельность, связанная с генерацией текстового, звукового или видео контента в различном формате. Из всех отраслей экономики удар точно в цель именно по этому сегменту со стороны генеративного ИИ. С текстом все понятно, слишком много было про него сказано.
Фото. Самый мощный прогресс генеративного ИИ концентрируется в фото, где возможна не только глубокая модернизация существующего фото контента в любом измерении, но и синтез абсолютного нового фото контента по сценарному запросу пользователей.
Видео. ИИ-алгоритмы могут автоматизировать редактирование видео, создавать реалистичные визуальные спецэффекты и даже генерировать новый видеоконтент, в том числе глубокую модификацию на основе дипфейков.
Музыка и аудио. Генеративный ИИ может создавать новые музыкальные композиции, имитируя различные стили и жанры на основе анализа аудио паттернов и истории предпочтений общества. Возможен высокоуровневый синтез человеческой речи и голоса, практически не отличимый от реального.
Шоковая оптимизация и реструктуризация на первом этапе ожидает как раз создателей медиа контента. Вектор понятен, но масштаб и глубина деформации – не могут быть определенными.
Предстоит много времени и множественный анализ, чтобы понять, куда все движется?
Не было затронуто влияние ИИ на транспорт и госуправление.
Что касается транспорта, здесь присутствует три базового направления:
• Автопилоты;
• Динамическое высокоуровневое управление трафиком и дорожным движением;
• Планирование транспортных сетей, что позволит повысить пропускную способность, снизив расходов.
Анализ влияния ИИ на госуправление – отдельная тема.
Так какое результирующее воздействие на экономику, какие риски? В следующем материале.
Как ИИ может повлиять на экономику?
▪️Промышленность (добыча + обработка + электроэнергетика и коммунальные услуги)
Глубокая автоматизация производственных процессов с динамическим контролем эффективности. ИИ может способствовать разработке и внедрению более высокоуровневых автоматизированных и роботизированных систем, чем в текущих АСУ.
Управление рисками и безопасностью, в том числе предиктивное обслуживание. Анализ данных о производственной безопасности и рисках, помогая идентифицировать потенциальные опасности и предлагать меры для уменьшения рисков, в том числе применяя превентивные меры по устранению внештатных ситуаций и замене и/или обслуживания оборудования.
Оптимизация производственных процессов, ресурсов в том числе цепочек поставок и логистики. Анализ данных производственных процессов для оптимизации эффективности и сокращения затрат. Это включает в себя управление запасами, планирование производства, обслуживание оборудования и энергопотребление. ИИ может оптимизировать логистику и управление цепочками поставок, анализируя данные о спросе, запасах и транспортных потоках, что повышает эффективность и снижает затраты.
Качество продукции и контроль процессов. ИИ может анализировать данные с производственных линий для контроля качества продукции, определяя дефекты и несоответствия, что способствует повышению общего качества продукции.
Энергетическое управление и оптимизация. Более эффективное распределение энергетические ресурсов, снижая потери и избыточную или недостаточную выработку, динамически подстраиваясь под спрос.
▪️Сельское хозяйство
Большая часть из сказанного выше про промышленность, плюс к этому:
Автоматизация сельскохозяйственных работ. ИИ-системы могут управлять автономными тракторами, дронами и другими сельскохозяйственными машинами для выполнения таких задач, как посев, удобрение, сбор урожая и обработка почвы.
Мониторинг здоровья растений и животных. ИИ может использоваться для мониторинга здоровья и благополучия растений и животных, обнаруживая болезни и вредителей на ранних стадиях и помогая определять оптимальные условия для их роста и развития.
Прогнозирование и автоматизация планирования посева и животноводства. ИИ может использоваться для автоматизации задач, таких как планирование посевов, мониторинг посевов и управление поливом. Это может повысить урожайность и снизить затраты на производство. Это же справедливо и для животноводства.
ИИ может анализировать данные о погодных условиях, почве и растениях для прогнозирования урожайности и помощи в принятии решений о посадке, удобрении и поливе, что повышает общую продуктивность и уменьшает потери урожая.
▪️Оптовая и розничная торговля, в том числе логистика и складская деятельность, маркетинг и реклама
Прогнозирование спроса, анализ паттернов поведения. ИИ может анализировать рыночные данные для выявления текущих и будущих трендов, помогая ритейлерам и оптовым продавцам адаптироваться к изменяющимся потребностям рынка, анализируя покупательские предпочтения и поведение, как на макро уровне, так и на индивидуальном уровне, предлагая товар только тот, который здесь и сейчас нужен потребителю.
Оптимизация запасов и логистики. Наилучшая оптимизация маршрутов доставки и распределение товаров, сокращая время доставки и затраты. ИИ может прогнозировать спрос и автоматизировать процесс пополнения запасов, минимизируя издержки и сокращая риски, связанные с избыточными или недостаточными запасами, тщательно отслеживания актуальный и будущий спрос, тенденции и сезонность.
Оптимизация ценообразования. ИИ может помогать в динамическом ценообразовании, анализируя факторы спроса/предложения, макроэкономические, финансовые и поведенческие тенденции, определения оптимальных ценовых стратегий, эффективно балансируя запасами, максимизируя маржу торговли.
Автоматическое обслуживания клиентов и анализ отзывов, что позволит в режиме реального времени адаптироваться под предпочтения клиентов, оперативно выявлять ошибки и подстраиваться под потребности рынка, одновременно через чат боты оказывая высококачественную и быструю поддержку клиентов.
Какие сектора/отрасли экономики могут выиграть от внедрения инноваций в генеративном ИИ?
Почему такое внимание к ИИ именно сейчас? Это революционная технология, которая предопределит глобальные тренды на следующие десятилетия. Вполне на уровне изобретения компьютера или мобильной связи по степени влияния, т.е. технология принципиальным образом меняющая механизм взаимодействия с окружающим пространством, другими технологиями, имея потенциал создания новых рынков и отраслей.
Пока в мире существует две высокоразвитые модели ИИ, имеющих потенциал коммерческого применения – ChatGPT от OpenAI и Bard от Google.
В каких существующих секторах/отраслях экономики возможен рывок?
▪️ Медицина
Персонализированная медицина. Генеративный ИИ может использоваться для разработки новых методов диагностики, которые могут быть более точными и эффективными, чем существующие методы, используя накопленные базы данных по болезням и лекарствам, объединяя, интегрируя и анализируя лучшие врачебные методики и практики кратно быстрее, чем коллектив самых опытных врачей.
Разработка новых методов профилактики заболеваний. ИИ может анализировать медицинские данные, включая историю болезни, генетические данные и образ жизни, чтобы оценить риск развития определенных заболеваний, предсказывая риски различных заболеваний, учитывая состояние здоровья, генетические отклонения, патологии, условия жизни, питание и т.д.
Разработка новых лекарств и методов лечения, которые могут быть более эффективными и безопасными, чем существующие методы. Например, ИИ может использоваться для разработки персонализированных лекарств, которые могут быть адаптированы к индивидуальным характеристикам каждого пациента, снижая риски побочных эффектов. ИИ может ускорить процесс открытия и разработки новых лекарств, используя свои алгоритмы для моделирования и прогнозирования взаимодействия молекул.
Предсказание эпидемий. Используя данные о текущих инфекциях, миграционных потоках и климатических изменениях, ИИ может прогнозировать распространение инфекционных заболеваний.
Медицинская визуализация и диагностика: Генеративные ИИ модели способны улучшить качество медицинских изображений и обеспечить более точную интерпретацию данных. Такие системы могут автоматически обнаруживать патологии на рентгеновских снимках, МРТ или КТ, что повышает точность диагностики.
▪️Образование
Персонализация обучения. Генеративный ИИ может использоваться для создания индивидуальных учебных планов для каждого ученика, в том числе языковое обучение, основанных на индивидуальных умственных, физических способностях, интересах и предрасположенностях. Это позволит раскрывать потенциал каждого человека наиболее эффективно – музыкант будет музыкантом, а физик – будет физиком.
Интеграция интерактивных учебных материалов на основе анализа и структуризации сверх большого массива актуальной информации, используя лучшие мировые достижения в сфере науки и образования. ИИ может в режиме реального времени генерировать разнообразный контент, повышая вовлеченность учеников в учебных процесс, повышая их внимание, заинтересованность, усиливая конверсию от учебы.
Интерактивная учеба будет в непрерывном игровом процессе, позволяя детям концентрироваться на материале. Учеба, как захватывающая игра по лююой специальности– что может быть лучше для детей? Это революция в сфере образования.
Виртуальные помощники – теперь больше не будет привязки к низкой квалификации учителей. На любой, даже самый неудобный вопрос можно получить исчерпывающий ответ 24 на 7 в любом формате, начиная от неформального/игрового, заканчивая строгим академическим стилем.
Беспристрастный и непредвзятый механизм оценки учащихся на основе реальной чистой эффективности каждого ученика, что позволит оперативно подстраивать учебный процесс под лидеров и аутсайдеров.
Развитие навыков критического мышления и решения проблем: ИИ может предложить сложные и реалистичные сценарии, требующие от учащихся анализа, критического мышления и решения проблем.
Про дистанционное и гибридное обучение – тут понятно.
Что позволило ИИ стать настолько эффективным? Любая технология имеет определённый порог зрелости, внедрение которой ограничено наличием смежных технологий.
Развитие ИИ обусловлено наличием ключевых технологий и научных достижений, которые в совокупности создали условия для появления и эволюции ИИ до той степени, которая актуальна сейчас.
Например, появление микропроцессора невозможно было без изобретения транзистора в 1947, интегральных схем в 1950-х, определенной степени зрелости химической промышленности, что позволило развить фотолитографию и кремниевые технологии, наличия электронной промышленности или научных открытий в бинарной логике и так далее.
ИИ - результат синергии множества технологических, научных и промышленных достижений последних 100 лет.
Можно выделить множество факторов, повлиявших на экспансию ИИ, но ключевых несколько – вычислительные мощности, big data (в том числе алгоритмы их анализа) и инновационные алгоритмы машинного обучения, особенно методов нейронных сетей.
В одном из интервью CEO OpenAI Сэм Альтман сказал, что одним из главных драйверов быстрого развития ИИ стали компьютерные игры и геймеры, которые двигали прогресс видеокарт, что позволило экспоненциально нарастить вычислительные мощности, которые потом стали использоваться для ИИ проектов, а сейчас прогресс видеокарт двигают уже ИИ.
Чем больше данных – тем точнее результаты, поэтому ИИ не мог появиться раньше, чем появление достаточных вычислительных мощностей, Big data и высокого уровня развития Интернета, но все это нужно правильным образом интерпретировать и обработать, т.е. нужны алгоритмы.
Вдаваться в детали алгоритмов не буду по очевидным причинам, но назову основные:
▪️Глубокое обучение (Deep Learning AI) – применяются метод обратного распространения ошибки (backpropagation), генеративно-состязательные сети (GAN), сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), сети прямого распространения (FNN), глубокие нейронные сети (Deep Neural Networks) и автоэнкодеры.
▪️Машинное Обучение (Machine Learning AI) - метод опорных векторов, линейная Регрессия, логистическая регрессия, деревья решений, случайный лес, метод K-ближайших соседей (KNN).
▪️Обучение с Подкреплением (Reinforcement Learning активно применяется в Robotics AI и Decision AI) - Q-обучение (Q-learning), алгоритмы на основе политик.
▪️Прочие алгоритмы – оптимизация стохастического градиента (SGD), градиентный спуск и вариация, также ансамблевые алгоритмы путем комбинирования нескольких моделей.
▪️Обработка естественного языка (NLP, Natural Language Processing) – модели на основе трансформеров – самая мощная и инновационная модели на сегодняшний день.
Инновация за Google, которая в 2017 внедрила революционную на тот момент BERT, однако все лавры забрала на себя OpenAI, которая сумела технологические решения Google довести до ума, внедрив доступную и крайне эффективную модель.
Фундаментальные преимущества:
- Механизм внимания для взвешивания в неструктурированных массивах релевантные сегменты;
- Параллельная обработка – одновременная обработка всех токенов (основная базовая единица входной информации);
- Отсутствие рекуррентности, что позволяет избежать проблем, связанных с долговременными зависимостями в данных, а следовательно устраняет накопление ошибок в системе;
- Масштабируемость – позволяет быстро и эффективно обучаться на большом массиве данных.
ChatGPT базируется на применении трансформеров в NLP, методах обработки Big Data, глубоком обучении с активным применением обратного распространения ошибки и GAN методов и самое главное - контекстуальное понимание, т.е. способность учитывать широкий контекст входных данных на основе истории запросов.
Таким образом, успех ChatGPT – это объединение 8 признаков ИИ и 8 направлений ИИ одновременно (Generative AI + NLP AI + Cognitive AI + Machine Learning AI + Deep Learning AI + Predictive AI + Decision AI + Robotics AI (при необходимости)).
Потенциал возможностей невероятный… Продолжение следует.
Самое интересно для ИИ начинается с 2010 года.
До 2010 развивался, по сути, лишь один из восьми базовых признаков ИИ – это предиктивный анализ, что активно использовался в торговых алгоритмах на бирже (анализ паттернов), в научных и экономических исследованиях, в прогнозировании погоды, в оценке страховых и финансовых рисков и так далее.
Все остальные семь признаков ИИ находили теоретическое обоснование и прототипирование с 1950 по 2010 с разной интенсивностью и с разной успешностью. Причем, концепты были во всех измерениях, даже в когнитивных функциях, где в 90-х и начале нулевых лучшие решения были от IBM.
То, что есть сейчас – не новинка, но препятствием к развитию были вычислительные мощности и отсутствие данных. Big data зародился в середине 2000-2010, а в лучшую форму вышел в 2010-2020, плюс к этому вычислительные мощности серверов выросли на порядок.
Десятилетие с 2010 по 2019 годы было периодом стремительного прогресса в ИИ, отмеченным значительными технологическими инновациями, расширением применения и увеличением общественного интереса. Это был период, когда ИИ стал не просто академическим исследованием, а мощным инструментом, влияющим на множество аспектов повседневной жизни и работы. Без данных и вычислительных мощностей все это так бы осталось теорией.
Началась бурная экспансия ИИ во все отрасли экономики и сферы жизни. Практически не было не затронутых ключевых отраслей: здравоохранение, образование, транспорт, розничная и оптовая торговля, логистика и склад, консалтинг, финансы и страхование, промышленность и сельское хозяйство, умная система управление городом, распознавание лиц, кибербезопасность и так далее.
Революция в глубоком обучении: прорывы в глубоких нейронных сетях, особенно с развитием сверточных (CNN) и рекуррентных (RNN) нейронных сетей, значительно улучшили способности ИИ в распознавании образов, обработке естественного языка и предсказательном анализе.
Появление и развитие трансформеров: архитектура трансформеров, представленная в 2017 году, привнесла революционные изменения в область обработки естественного языка и генерации текста, что и стало прообразом ChatGPT.
В период с 2010 по 2019 активно развивалась мультимодальность, автономность принятия решений, обработка естественного языка и к совершенству выходил предиктивный анализ с существенным прогрессом в когнитивных функциях и самообучению.
С 2020 началась эра генеративных сетей, что позволило реализовать глубокую мультидисциплинарность, способность к обучению и адаптации и самое главное – это понимание контекста сложных задач и высокоразвитые когнитивные функции, которые были немыслимы ранее.
Лейбл ИИ перестал быть чистым маркетингом, как десятилетием ранее, а стал символом новой эпохи.
Важнейшим этапом стал выдающиеся прогресс в NLP и понимании семантики и конструкции языка, позволяя выстраивать адекватные смысловые структуры.
Семантика языка играет критическую роль в понимании и интерпретации человеческого языка. Алгоритмы и модели стремятся понять не только буквальные значения слов, но и их семантический контекст и намерения, говорящего или пишущего.
Мера развития ИИ напрямую связана с пониманием контекста и смысла «между строк». На данный момент – это слабое место ChatGPT, но, с другой стороны, невероятный прогресс за последние годы.
Сложно сказать, куда все это приведет, но прогресс впечатляющий, мягко говоря…