Удивительные истории об искусственном интеллекте — страница 103
Тема
Задачи постепенно становились запутаннее и интереснее, а инструменты – все более и более сложными. И вот в один прекрасный день создавать алгоритмы по правилам стало слишком накладно, поэтому люди придумали обучение на примерах – или, другими словами, дата-сетах.
Дата-сет для ИИ, который делает картинки, – это миллионы написанных ранее картин, рисунков, графических романов.
Дата-сет для ИИ, который пишет рассказы, – это вся мировая литература.
Дата-сет для ИИ, который составляет договоры, – это вся база договоров по каждой стране отдельно.
То есть теперь правила и алгоритмы пишутся только для оболочки программы, а сама программа обучается на гигантском количестве данных за счет так называемого машинного обучения. Чем больше дата-сетов обработает ИИ, тем лучше он соображает и больше задач решает.
Момент, когда к программам начали применять машинное обучение, – и есть момент появления искусственного интеллекта в современном его понимании. В 2000-х годах стартовало массовое применение искусственного интеллекта для потребителей – Netflix использовал его для создания алгоритма рекомендаций просмотра, Rebellion Research использовала машинное обучение для прогнозирования финансового кризиса 2008 года. Прошло всего лишь пятьдесят лет: первые попытки создания «интеллектуальных» программ были предприняты (и успешно!) еще в середине двадцатого века.
Сотни тысяч жизней в серверной стойке
Решение сложных задач с машинным обучением требует гигантских ресурсов. Те нейросети, которые появляются сегодня, десять лет назад были невозможны – потому что технологии, которые для них необходимы, находились в зачаточном состоянии. Плюс к тому, для обучения современного искусственного интеллекта требуется количество данных, во много раз превышающее объем работ, которые мог бы создать один гений или даже целая академия наук за все время своего существования.
К примеру, выборка данных, на которых обучается большая языковая модель, включает в себя статьи, книги, диалоги, комментарии и многое другое, разделенное по категориям и описанное для того, чтобы ребенок-нейросеть научился ориентироваться в контексте. «Смотри, это – яблоко!» Вместе с подобной фразой нейросеть получает сотни, тысячи описаний яблок. «А это – нож!» – и вот вам, пожалуйста, множество статей и описаний ножей.
БУДУЩЕЕ НАСТАЛО ВЧЕРА: ЖИЗНЬ С ИИ
За счет особых технологий обучаемая программа учится понимать, какие слова с большей вероятностью могут быть использованы вместе, а какие – с меньшей. В обязательном порядке прорабатываются и инструменты самопроверки, когда ИИ делает несколько самозапросов, а потом сравнивает их между собой – и выдает в виде ответа тот, который выглядит наиболее корректным и вероятным.
Сам процесс обучения может занимать часы и дни, задействовать множество ресурсов – гигантские суперкомпьютеры с рядами мощнейших видеокарт, – а результат при этом может оказаться совершенно неудовлетворительным. После чего ученые почешут в затылке и переделают все дата-сеты и алгоритмы обучения.
Боги или демоны?
Создавая помощника на основе четко заданных правил, мы получаем предсказуемые и однозначные результаты. Если же в создании участвует машинное обучение с гигантскими выборками данных и возможностью самостоятельно выбирать ответ из нескольких вариантов – помощник может выдавать творческие ответы, для предсказания которых нужен скорее шаман, чем инженер.
Такие ответы – заведомо неправильные – называются «галлюцинациями». Вот вам не очень корректный, но очень наглядный пример: представьте, что вы спрашиваете модель, сколько будет два плюс два, а она отвечает – «три». Это забавно – но только до тех пор, пока ценой ошибки не становится сбой на опасном производстве, погрешность расчета топлива для самолета или дозировки сильнодействующего препарата.
А ведь хочется использовать этих «богов» для всевозможных, любых задач! Ведь они дешевле, имеют лучший запас знаний и вроде бы более обучаемы, чем люди.
Казалось бы, осталось только придумать, как минимизировать риск галлюцинаций, – и мы сразу же получим в свое полное и безраздельное пользование всемогущих богов, которые не будут рисовать лишние пальцы на картинках, научатся строго держать контекст между началом и концом текста, а также никогда не ошибутся, делая важный расчет.
И действительно, есть способы. Например, нанять тысячи людей, которые будут дообучать большие языковые модели после машинного обучения – задавать вопросы, смотреть ответы, а если ответы не нравятся, то писать программистам: «вот здесь ваша модель ошиблась, исправьте».
Или использовать программы-цензоры, которые не позволят в ответ на вопрос «как снизить количество выхлопных газов» предложить логичный и простой, но недопустимый ответ «уничтожить человечество».
Или ввести ряд дополнительных самопроверок; или ограничить выборку данных, на которых будет работать модель.
Все эти способы подразумевают введение ограничений. Рамки, рамки, рамки – они же и риски, что модель станет глупее и не сможет решать поставленные задачи.
Сегодняшние нейросети, которые видятся нам богами, умеют создавать чарующие картины и тексты, заставляющие задуматься, – это все еще демоны. Они более могущественны, чем люди. Они прекрасны и завораживают нас. Многие обращаются к ним за силой и могуществом, и некоторые даже получают запрошенное, не платя слишком дорого.
Но доверять им в полной мере – нельзя. По крайней мере, пока что.
БУДУЩЕЕ НАСТАЛО ВЧЕРА: ЖИЗНЬ С ИИ
Жрецы новых богов
Может ли сегодняшний ИИ заменить художников, писателей, программистов? Ответ – «да, отчасти». Это означает, что сегодня человек, умеющий пользоваться искусственным интеллектом (писать запросы-промпты, сравнивать разные модели), может получать результат не хуже, чем средний художник, писатель или программист.
Как пример – человек, не имеющий художественного образования, но подкованный технически, может создавать картинки, серии картинок или даже мультфильмы.
То есть вместо нескольких лет, которых требует профильное образование – в придачу к некоторому таланту, – эти люди тратят всего пару дней на обучение и еще пару недель на набивание шишек, а потом рисуют на уровне неплохих специалистов.
Уже сегодня иллюстрации и обложки для книг часто создаются именно так. А завтра так будет сделана бо́льшая часть мультфильмов, рекламных роликов и презентаций. Почему? Потому что низкий порог входа: не надо долго учиться, чтобы «сделать красиво».
Однако. Шансов создать гениальные шедевры таким способом пока что немного. Поэтому уровень самых ярких гениев человечества на данный момент по-прежнему недостижим.
Кроме того, чтобы создать большой фильм, нужно писать длинную и сложную цепочку запросов. А для создания романа необходимо придумать систему рамок и ограничений и генерировать фрагмент за фрагментом, стараясь заставить нейросеть держать контекст. При определенной сноровке это вполне возможно – и, основываясь на этом, люди сегодня рисуют мультфильмы и комиксы, пишут книги и научные работы. Все это – за счет того, что жрецы понимают и принимают цену и ограничения сотрудничества с новыми богами.
Ну, или демонами.
Гляжусь в тебя как в зеркало
С июля 2024 года по середину июня 2025 года продлилась забастовка актеров озвучки видеоигр гильдии актеров
Перейти
на страницу