МТС выпустил обзор мирового и российского рынка ИИ-агентов

Это комплексное исследование, подготовленное командой Research & Insights Центра стратегии цифровых продуктов МТС. Его цель — проанализировать текущее состояние и перспективы развития рынка ИИ-агентов, выявить ключевые тренды, проанализировать инвестиции и сформировать стратегические рекомендации для бизнеса.

Что интересно

1️⃣В 2024 году совокупные мировые инвестиции в ИИ составили $427,8 млрд. Россия вложила в ИИ $530 млн, в основном здесь вкладываются бигтех-компании. По размеру госинвестиций мы сильно уступаем Китаю и США: $109 млн против $74,5 млрд и $11,1 млрд соответственно.

🔟При этом эксперты выражают мнение, что наиболее вероятный сценарий развития рынка ИИ-агентов — стабилизация. Нас ждут поэтапное развитие протоколов взаимодействия и их стандартизация – уже сейчас мощные модели имеют внутри себя механику, позволяющую вызвать нужный инструмент и вернуть готовый результат без отдельного «пула агентов». А также постепенное наращивание вычислительных мощностей и расширение энерго-инфраструктуры.

3️⃣Лидеры среди российских инвесторов в ИИ за 2021-2025 годы — Яндекс (416 млн), Сбер (399 млн) и МТС (13 млн). Основным источником финансирования развития ИИ в 2024 году является государство.

Если вы еще не начали развивать в своей компании ИИ-технологии, то это сигнал — пора. Рекомендую изучить обзор!

Подпишись 🔘 Малов про облака, AI, ML

🧠 Google представил новое поколение ИИ с долговременной памятью: Titans + MIRAS

В чём проблема?
Современные ИИ-модели (например, на основе Transformer) отлично понимают короткие и средние тексты. Но когда речь заходит о очень длинных последовательностях — например, целых книгах, геномах или многолетних данных — они замедляются или теряют информацию, потому что у них нет настоящей долговременной памяти.

Альтернативные архитектуры (типа Mamba-2 или RNN) работают быстро, но сжимают всю историю в один фиксированный вектор, что сильно ограничивает их способность запоминать детали.

💡 Что нового предлагает Google?
Titans — новая архитектура ИИ, которая даёт модели долговременную память в виде глубокой нейросети (многослойного перцептрона), а не просто фиксированного вектора.
MIRAS — теоретический фреймворк, который объединяет разные подходы к моделированию последовательностей под общей идеей: ассоциативная память, обновляемая в реальном времени.

🔍 Как работает "умная память"?

Модель использует surprise metric:
- если новое слово ожидаемо (например, «кошка» в рассказе про животных) → не запоминает.
- если новое слово неожиданно (например, «банановая кожура» в финансовом отчёте) → считает это важным и сохраняет в долговременной памяти.

При это используются импульс и забывание.
Импульс учитывает не только текущее "удивление", но и недавние события — чтобы не пропустить связанные детали.
Забывание автоматически стирает устаревшую информацию, чтобы память не переполнялась.

🛠 В чем преимущества модели

🟡Работает быстро: масштабируется линейно (как RNN).
🟡Помогает понимать очень длинные тексты: до 2+ миллионов токенов.
🟡Умнее запоминает: хранит самое важное, а не всё подряд.
🟡Не требует переобучения: адаптируется прямо во время использования.

📊 Результаты

Лучше справляется с языковыми задачами (C4, WikiText) и рассуждениями без обучения (HellaSwag, PIQA). На задаче BABILong (поиск фактов в гигантских текстах) обгоняет даже GPT-4, несмотря на гораздо меньший размер. Глубокая память (многослойная) значительно лучше, чем простая — особенно на длинных последовательностях.

🌐 Где это пригодится?
- анализ полных документов, юридических дел, научных статей;
- геномика: чтение и понимание длинных цепочек ДНК;
- финансы и IoT: прогнозирование на основе многолетних данных;
- персональные ассистенты: запоминают важные детали из всей истории общения.

Подробная информация: https://research.google/blog/titans-miras-helping-ai-have-long-term-memory/