10 терминов искусственного интеллекта, которые нужно знать в 2024 году

Исследование ИИ

В 1960-х годах Стив Кук, Ричард Карп и другие учёные разработали теорию NP-полных задач, которые в теории решаемы, но время, необходимое на решение таких задач зависит от сложности задачи экспоненциально. При этом люди способны решать подобные задачи зачастую за гораздо меньшее время [1] . К началу 1970-х годов наука об искусственном интеллекте признала приоритет программирования систем над построением их материальной части в деле создания ИИ [6] . Примерно в это же время, начался резкий вал критики в отношении идей создания искусственного интеллекта, вылившийся в сокращение финансирования. В первую очередь это было связано с небольшими вычислительными мощностями существовавших тогда компьютеров, не позволявшими запустить сложную многоуровневую программу, из-за чего все практические образцы ИИ оставались на уровне «игрушек» (наибольшего успеха достигли программы для игры в шахматы).

Галлюцинация нейросети — это ситуация, когда ИИ выдает ложную информацию: в 2023 году Кембриджский словарь даже признал «галлюцинировать» словом года. Человечество пока только учится взаимодействовать с генеративным ИИ, и важно учитывать его ограничения — в том числе склонность к галлюцинациям.

Самый очевидный и понятный пример — ChatGPT. Он был запущен в конце 2022 года, а на сегодняшний день свою нейросеть такого типа представил почти каждый технологический гигант: от Microsoft до Google и Amazon. Генеративный ИИ развивают в том числе и российские бигтехи: «Яндекс» (YaGPT, «Шедеврум»), «Сбер» (GigaChat, Kandinsky).

Теперь роботы будут использоваться как сервис. Аналогично модели SaaS (Software as a Service, программное обеспечение как сервис), которая позволяет брать в аренду программное обеспечение, RaaS дает компаниям возможность производить автоматизацию без огромных первоначальных вложений.

Однако свободный доступ к открытому исходному коду угрожает тем, что лучшие разработки могут быть захвачены корпорациями-гигантами, которые продолжают контролировать свои нейросети и их использование. Так что технологическому сообществу, в особенности независимым разработчикам, вероятно, придется продумывать план противостояния.

Тогда же, в конце 1940-х годов, была впервые выдвинута идея машинного обучения. Согласно им, необходимо сделать программу, которая обладает базовым набором знаний и возможностью усваивать информацию, что позволит делать только «оболочку», которая будет самостоятельно достраивать себя до полноценного ИИ [1] .

Первые попытки теоретического проектирования мыслящих машин были предприняты после Второй Мировой войны сразу несколькими исследователями независимо друг от друга. В 1947 году Алан Тьюринг прочитал первую лекцию об искусственном интеллекте, в которой, вероятнее всего, первым постулировал, что построение оного будет с большей вероятностью заключаться в написании компьютерной программы, чем в проектировании вычислительной машины. Тремя годами позже он выпустил статью «Счётные машины и интеллект» (англ. Computing Machinery and Intelligence ), в которой обсудил вопросы оценки интеллектуальности машины и предложил критерий, по которому машина может считаться интеллектуальной, если она может убедительно представиться человеком информированному наблюдателю. Это было названо по имени создателя, «Тестом Тьюринга». При этом, в дальнейшем неоднократно проводились слепые тесты Тьюринга, которые показали, что большинство людей готовы признать человеком довольно глупую программу [1] .

Искусственный интеллект может применяться как в качестве партнёра в играх (например, шахматах), так и в более серьёзных задачах. Например, с 1990-х годов ИИ используется для распознания речи, что повышает удобство различных сервисов. Способен искусственный интеллект и распознавать живую речь, для чего недостаточно просто распознавать отдельные слова. Ещё один вариант использования — компьютерное зрение. Мир, в котором мы находимся имеет три измерения, в то время как устройства ввода визуальной информации, что у человека, что у машины, воспринимают только двухмерную картинку. Задача ИИ в данном случае — обработать имеющееся изображение для распознания объектов на нём. Также ИИ используются для так называемых «экспертных систем» — систем анализа данных в определённой сфере знаний или деятельности, действующей эффективнее, чем человек за счёт высокой скорости обработки [3] [7] [8] .

Промпт

Необходимость корректно артикулировать промпты — решающий аспект в разговоре о том, что искусственный интеллект пока не заменит человека. Без качественно созданных запросов ИИ не в состоянии выдать ничего полезного. Так что искусство составления промптов — это то, что делает более конкурентоспособными сегодняшних дизайнеров, копирайтеров и маркетологов. Но и предприимчивые бизнесмены не упустили возможность, поэтому в 2023 году активно начали развиваться стартапы, которые помогают составлять качественные и релевантные промпты.

Вторая этическая сложность в использовании ИИ — это защита людей и их данных. В качестве решения в США, например, обязали разработчиков ИИ предоставлять государству тесты на безопасность и делиться критически важной информацией. Генеративный ИИ в режиме офлайн — выход для бизнеса.

Несмотря на то, что в самой идее искусственного интеллекта исследователи ориентируются на интеллект человека, симуляция оного на компьютере — не есть цель большей части проектов. Используемый для оценки человеческого интеллекта коэффициент (IQ) не применим для оценки машинных систем, по причине того, что он завязан на интеллектуальное развитие ребёнка и если на взрослых людей эту шкалу можно экстраполировать, то высокие результаты искусственного интеллекта в тесте на IQ не будут означать высокого интеллекта системы. При этом, некоторые из задач, используемых в этих тестах всё же помогают изучать эффективность конкретного искусственного интеллекта. Также, в то время как интеллект всех людей основывается на примерно одинаковых механизмах и развивается приблизительно по одному пути, в машинном интеллекте дело может обстоять с точностью до наоборот: при наличии превосходящих человеческие возможности вычислительных мощностей он основывается на тех принципах и цепочках, которые заложены в него разработчиком, а потому в каждой системе могут, с одной стороны, присутствовать интеллектуальные функции, развиваемые человеком только с подросткового возраста, а с другой — отсутствовать какие-то механизмы, присущие маленьким детям. Осложняется это тем, что природа человеческого интеллекта до сих пор изучена не до конца [1] [2] .

Сегодня каждый может использовать ChatGPT, но его внутренняя работа остается тщательно охраняемой тайной. Однако в 2023 году все больше компаний предпринимали усилия, чтобы сделать ИИ более «открытым». Летом появилась информация о создании нейросети Llama 2 (ее выпустила компания Meta, признанная экстремистской и запрещенная в России), которая имеет открытый код и доступна для скачивания и модификации. Это дает возможность компаниям, исследователям и просто любителям создавать интеллектуальные инструменты и приложения на ее основе. Например, разработать свой персонализированный ИИ-бот, который можно настроить под себя на ноутбуке за один вечер.

С годами модели ИИ становятся все более сложными, и человек, принимающий решения, может не понимать, что находится «под капотом». Например, врач, доверяющий ИИ в постановке диагноза: как ему объяснить пациенту, почему выбранный способ лечения и прогноз именно такие? Объяснимый ИИ как раз станет посредником между сложными моделями и конечными потребителями.

Одна из наиболее осуществимых систем применения ИИ — эвристика, то есть сортировка информации по категориям, используя имеющиеся данные. Пример такой деятельности — анализ контрагентов при банковских операциях [7] . Ещё одна сфера, в которой искусственный интеллект необходим — самоорганизующиеся системы, то есть компьютерные системы, способные изменять себя согласно заданным параметрам, условиям окружающей среды или необходимым к выполнению задачам [9] .