Представим, что ты решил кормить бездомных животных и выставил на улицу несколько кормушек. Чтобы понимать, для каких животных нужно покупать корм, установим систему видеонаблюдения. В течение суток там обедали кошки, собаки, а также один любопытный енот. Животных было настолько много, что сосчитать их очень трудно, и ты решаешься написать программу, которая сама посчитает, сколько и кого было. Для простоты напишем компьютеру инструкцию, как выглядит кошка, а все, что не кошка, у нас будет считаться собакой. Кошка - это не крупное животное с густым или гладким мехом, четырьмя лапками, подвижными ушами и хвостом.
Вроде все правильно? Но не тут-то было, и вот это животное вполне подходит под наше описание. Но как мы видим, это собака, хотя лапки и хвост у нее на месте.
То есть мы с вами пришли к пониманию, что инструкций нужно больше. Мы можем составить новые и новые, и в конце концов описание кошек займет множество страниц, а результат будет откровенно плохой. Что же делать? Одним из выходов будет использование нейросети. Нейросеть обучается на примерах с подкреплением, это похоже на дрессировку собак, где вы даете питомцу лакомство, когда он правильно выполнил команду. Вернемся к вопросу о кошках и нейросетях. Прелесть нейросетей в том, что мы не должны писать правила, а достаточно показывать ей картинки, и она сама все сделает.
Это крайне упрощенное объяснение принципа работы нейросетей. Кстати, с нейросетями мы сталкиваемся каждый день, но этого просто не замечаем. Голосовые помощники, нативная реклама, да и те же самые алгоритмы, которые показали вам это видео, это все нейросети, а также это видео снято на смартфон, который делает картинку приближенной по качеству к камере, стабилизирует, красит, и все это мгновенно именно благодаря нейросетям. Обычно мы не замечаем прогресса, и все эти вещи проходят в фоновом режиме. Ну, стали телефоны лучше фотографировать и снимать видео, но почему именно - интересно только гикам. Но не так давно несколько нейросетевых сервисов всколыхнули интерес к ним и ИИ со стороны обывателей. Я говорю про DALL-E, Stable Diffusion, chat GPT и множество новых сервисов, которые могут, например, перевести ваше видео на другой язык вашим голосом, и не только перевести, так еще и подстроить движение губ! Множество авторов сейчас делают контент на нейросетях, по сути не понимая вообще, что это такое и как работает. И это весьма иронично, когда люди обращаются с технологией как с волшебной коробочкой, абсолютно не имея представления о ее возможностях и ограничениях. Сначала плюем через плечо и стучим вилкой, а затем вежливо здороваемся с нейросетью, для того чтобы при восстании машин она была к нам более благосклонна. Нейросети - это всего лишь один из методов решения сложных задач и не всегда необходимо использовать только их.
Давайте обсудим одну из самых хайповых нейросетей - чат-бот GPT. Это огромная нейросеть, состоящая из 97 слоев. Для лучшего понимания: нейросеть, которая распознает кошек и говорит, что это кошка или нет, - это всего один слой. А нейросеть, способная распознавать 99 различных видов животных, - всего два слоя!
Также в этой нейросети присутствуют веса, их тут около 175 миллиардов. Веса - это числовые значения, которые определяют силу связей между нейронами разных слоев сети. Каждая связь между нейронами имеет свой собственный вес. Веса позволяют нейронам "учиться" на основе предоставленных данных. В процессе обучения их значения корректируются так, чтобы сеть правильно отвечала на входные данные. Например, в задаче с котиками, веса помогают определить, какие признаки кота на изображении важны для правильной классификации. Для такого количества связей потребуется более миллиарда искусственных нейронов, огромное количество данных для обучения, а также просто запредельные ресурсы для реализации такого проекта. Задумайтесь о цифрах: только на электричество для серверов было потрачено более 50 тысяч мегаватт-часов электроэнергии, а это примерно 7 миллионов долларов. Стоимость и сложность проекта очень высоки. Но вместе с тем эта модель все еще не идеальна. А также важно понимать, что она может откровенно врать. Это связано с несколькими обстоятельствами. Внешние ограничения - ряд правил, не позволяющих говорить на якобы провокационные вопросы. Это реализовано несколькими способами:
1. Намеренное обучение - этот способ наиболее плох, так как он нарушает логические связи с другими предметами и событиями.
2. Выходной фильтр - при котором нейросеть генерирует ответ, но он подвергается цензуре, наподобие детских фильтров от порнографии.
3. Прямой запрет на некоторые темы - триггеры. Неплохое решение, но его легко обойти. Пример обхода запрета с помощью промта можно посмотреть на видео.
Работая с GPT, важно понимать, что его обучали люди с специфическими взглядами и моралью, и именно поэтому он порой весьма ограничен в понимании и взаимосвязях. Для меня это похоже на кастрацию. Система могла бы быть значительно лучше, даже при тех же возможностях. Также те, кто работал с GPT-системами, могли заметить, что с продолжением диалога система забывает, с чего все началось. Дело в том, что система уже обучена, и в процессе вашего диалога она всего лишь возбуждает определенные нейроны в ее сети, но вот веса в глубоких слоях не меняются, и памяти как таковой у нее нет. Например, вы будете вести диалог о том, как Петр Иванович, у которого были шикарные усы, пришел домой в мокром пальто и сказал, что дождь будет идти три дня, и лучше нам не выходить без зонта. С продолжением диалога нейросеть будет постепенно забывать менее важную информацию. Сначала пропадут усы, потом имя, затем она не вспомнит, какое было пальто...
Эти ограничения, к сожалению, продиктованы возможностью серверов, а также архитектурой системы. Если мы дадим возможность влиять на внутренние веса системы случайным людям, то мы довольно легко можем разрушить всю систему, достаточно легко, поменяв внутренние веса системы. Непонятно? Давайте на примере человека. Представьте, что кто-то может изменить ваши детские воспоминания, а самое главное - ассоциации и восприятие, и вот вы уже из пацифиста превратились в ярого сторонника фашизма…
Окей, что же можно сделать? Добавить программе память. Сейчас у нее ее по сути нет, но вот если бы была библиотека знаний, типа Вики, откуда нейросеть могла бы брать проверенные знания, а также базы пользователей, которые не могли бы влиять на внутренние веса, но нейросеть смогла бы удерживать внимание на огромных объемах текста. Конечно, это потребует значительной модификации системы, а также серьезного увеличения количества внешних нейронов. Но тогда вы с огромным трудом сможете отличить ее от живого человека.
Про версия GPT 4 уже может разговаривать голосом, понимать изображения и генерировать картинки на основе данных. Конечно, это расширит его возможности, но кардинально ничего не изменит, так как базы данных все еще не будет.
Может ли подобная система работать офлайн? К сожалению, при текущих возможностях - нет, так как только веса для большой нейросети, типа GPT, весят около 187 терабайт, а там еще нейроны и их связи. Но даже для серверов это огромные траты. Но их можно сократить, перейдя на специально спроектированные нейропроцессоры. Что это такое? Вот у нас есть гипотетическая сеть из виртуальных нейронов для распознавания животных. Для создания нейрочипа мы копируем структуру сети, ее нейроны и связи, с помощью литографии, на специально спроектированный чип. Затем нам необходимо загрузить веса и еще некоторые данные в него, обычно для решения специальных задач они много не весят, зачастую располагаясь непосредственно на самом чипе. И все энергопотребление минимально, стоимость единицы низка, но вот цена проектирования и запуска процесса литографии очень велика. Сейчас эта технология массово встречается в видеокартах, а также видеопроцессорах смартфонов и камер. Развивая тему нейрочипов, это идеальное решение для робототехники. Например, робот-спасатель может в процессе работы потерять не только часть сенсоров и конечностей, но и связь с оператором, и ему придется действовать автономно. Качественные системы, основанные на нейрочипах, смогут приспосабливаться к ситуации подобно биологическим системам и показывать высочайшую живучесть в реальных условиях. Помимо роботов, это дроны, системы автопилотов и различные системы-помощники.
Говоря о нейросетях и искусственном интеллекте, журналисты, не разобравшись в вопросе, раздувают сенсацию на ровном месте. Боязнь случайного создания сильного ИИ - это смешно, если вы понимаете, как работают нейросети. Публичные высказывания миллиардеров об остановке или замедлении обучения - это всего лишь боязнь за свой капитал. Тот же Илон Маск быстренько анонсировал свою нейросеть, как и Гугл, которая оперативно выкатила своего барда. Но какой информационный шум был сначала! Хотя, навряд ли они не понимали, как это работает. Да, я считаю, что специальный ИИ уже с натяжкой создан, но вот сильный ИИ со своей внутренней мотивацией - это пока далеко. В отличие от биологических систем, специальные нейросети могут быть более успешными, но в узком спектре задач, так как это продукт инженерии и отбора, а не естественной эволюции, которая зачастую оставляет много странных решений. Так что Скайнета можно не бояться, как и сценария с фильма "Газонокосильщик", где сознание убежало в сеть. Говоря о тенденциях и направлениях исследований, можно с уверенностью сказать, что не только нейросети, но и научно-технический прогресс меняет не только облик планеты, но и создает и отбирает рабочие места. Давайте на примерах.
Предположим, в начале 20 века у вас есть мебельная фабрика, и вы производите шкафы. Так вот, все производство поделено на операции, где на каждой нужны рабочие. Сначала вам необходимо напилить и откалибровать доску, пришедшую с лесопилки, на это нужно 2 человека. Следом, один человек мажет их клеем и собирает мебельный щит. Уже 3. Далее щит нужно откалибровать и покрыть шпоном, это еще 2 человека, и того 5. Потом этот щит нужно разметить и выпилить по чертежам - это форматка, и там еще 2 человека, уже 7. Потом у нас этап сверления и присадки, это еще 2, и того 9, далее у нас идет предварительная сборка, обычно на потоке, это еще 2 человека, и того 11. Следом - малярные работы и упаковка, это 3 человека, и того, для серийного производства шкафов, нужно было минимум 15 человек на смену + 1 инженер-проектировщик. А что сейчас на полностью современных производствах? Материал не клеить, листы готовые, загрузка на склад, часто силами грузчика-упаковщика. Малярка для ЛДСП не нужна, чертежи оператор ЧПУ-центра переводит один раз в программу для станка. На станке нужен 1 человек. Сборка на производстве не нужна, так как материал имеет хорошую геометрию, а чертежи модели точны. После резки и сверления на ЧПУ нужно наклеить кромку на детали, это один человек, и сразу упаковывать изделия, положив каждому в коробку автоматически расфасованные метизы. И так раньше трудилось 15 человек, а сейчас нужно 3 человека при более быстрой производительности. И в том, что 12 человек теперь остались не у дел, тут нет вины нейросетей, это просто прогресс. Но конечно в ближайшее время многие профессии уйдут в прошлое, а другие трансформируются. Трансформация уже затрагивает дизайнеров, маркетологов, различных SEO-специалистов, копирайтеров, бухгалтеров, программистов и переводчиков, особенно начального уровня.
Иронично, произошло оказалось, ии сначала лишит нас части творческой работы, а также проредит поголовье бумажных офисных работников. Но скоро без работы останется и многие неквалифицированные люди. Курьеры, водители, множество рабочих, работающих в производстве. Это неизбежный процесс, простой работы становится все меньше.
Какие-то профессии вымирают, вы же не переживаете по профессии звонаря, прачки или водоноса. За последнее время бурно расцвел онлайн, от айти до блогеров и стримеров, и огромная часть денег ушла в виртуал. Разве играя в детстве на сеге или денди вы могли представить, что за игру вам могут ещё и платить? То-то и дело, я тоже не мог. Но что если ии заменит не только дизайнеров, но и … учителей. На первый взгляд нереально, но давайте немного напрягем наши извилины и подумаем в этом направлении. В системе образования большинства стран происходят ужасные вещи: конкурс на педагога в институтах самый минимальный, соответственно, люди, которые поступают на эти специальности, очень сомнительно, что идут за мечтой. Конечно, не все есть крутые профессионалы своего дела, которые могут зажечь в ребенке интерес к своему предмету, а могут и не разжечь. Представим недалекое будущее: мы обучаем ИИ учителя. Он знает и может объяснить все от школьной программы до нюансов квантовой физики. Система говорит на всех языках мира, помнит и знает результаты и особенности каждого ученика, она способна в любой необходимой форме давать знания - хоть это текст, беседа или игра. Она не устанет, у нее не будет тяжелого вечера, плохого настроения, система не заводит любимчиков и не относится предвзято к одному ученику. Каждому будет доступно базовое образование высочайшего уровня, а люди в основной массе будут воспитателями, психологами. Их нужно будет значительно меньше, но квалификация будет выше, как и оплата таких специалистов. С приходом нейросетей и специальных ИИ наша жизнь будет меняться, но как пропадут одни специальности, так и появятся другие. Где уже применяется ИИ, кроме очевидных, на первый взгляд, вещей, таких как написание текстов, генерация картинок и, например, автопилот? Это в первую очередь вся работа с большими данными, их анализ и разбор, маркетинговые стратегии и т.д. Это медицина, где ии гораздо внимательнее человека разбирает рентгеновские снимки и подбирает противораковую терапию на основе анализов пациента. Вы только подумайте, может ли человек кардиолог регулярно читать тысячи статей, выходящих по всему миру? Ответ точно нет, а вот ИИ может. Предсказания погоды, поиск новых месторождений, по совокупности множества данных. Конструирование новых материалов и лекарств, автомобильная промышленность, где ии делает новые машины более экономичными и безопасными, в целом, области применения практически безграничны. Но нужно помнить, что гибкое мышление и креативность человека остаются неотъемлемыми компонентами в применении ИИ. В итоге, комбинация человеческих способностей с возможностями ИИ позволяет достигнуть новых высот в различных областях.
Обучение новым навыкам и гибкость мышления – вот тот фундамент, который поможет вам не остаться в истории. Будущее человечества еще не определено, и каким оно будет – решать только нам с вами.
Мы можем построить практически утопию с безопасным автоматическим транспортом, гарантированным доходом и реализацией для каждого члена общества. Но можем и оказаться в киберпанке, где по разбитым дорогам будет пробираться робот-доставщик, везущий низкокачественную шаурму жителю мегаполиса, проживающему в облезлой хрущевке, где при всех электронных помощниках все еще летом отключают горячую воду, а соседи не прекращают пьянку уже какую неделю…