Искусственный интеллект (ИИ)Artificial intelligence (AI)

Читайте также

В отличие от реактивных машин, ИИ с ограниченной памятью может обращаться к прошлому опыту для принятия решений. Он может хранить и вспоминать предыдущие данные, что позволяет ему адаптироваться к ситуации и соответствующим образом реагировать. Примеры: самоуправляемые автомобили, системы рекомендаций, спам-фильтры, чат-боты, устройства умного дома и т. д.

ИИ автоматизирует такие задачи, как выделение ресурсов, управление конфигурацией и масштабированием, анализирует данные о производительности системы и предлагает оптимизацию для использования ресурсов и сокращения расходов. Также системы с интеллектом автоматически обнаруживают и устраняют проблемы в облачной инфраструктуре, повышая отказоустойчивость и время безотказной работы системы.

Собственно, до 2022 г. обычный человек воспринимал ИИ или как фантастику, или как занятие для узкого круга специалистов. Появление в ноябре 2022 г. генеративных сервисов, доступных массовому пользователю (ChatGPT), и последовавший за этим бум генеративных сервисов, сделало инструменты ИИ обыденностью.

Точно не известно, как именно работает Libratus, авторы описали лишь общую структуру программы и планируют в ближайшем будущем опубликовать статью в рецензируемом журнале. По словам разработчиков, Libratus состоит из трех частей. Основное «ядро» Libratus было подготовлено заранее, вычисления заняли 15 миллионов ядро-часов, в то время как на Claudico ушло два-три миллиона. Вторая часть программы следила за возможными ошибками, которые могли допустить соперники, и учитывала в процессе игры эту информацию. Третья часть Libratus отслеживала собственные слабые стороны, которые могли использовать противники, и корректировала общую стратегию с учетом этих данных. Такой подход позволил программе как блефовать самостоятельно, так и распознавать дезинформацию со стороны соперников [4] .

Важно подчеркнуть, что в сложившихся условиях, когда технологии генеративных моделей продолжают стремительно развиваться, а практика и нормативная база использования искусственных текстов в научных и учебных работах пока не развита, было бы большой ошибкой вводить какие-либо нормативы на долю сгенерированного текста в работах. Это может породить нездоровые практики, от которых будут страдать добросовестные авторы, а неэтичные, наоборот, получат преимущества.

Отметим, что процессы создания текста у естественного интеллекта и искусственного существенно различаются. Человек придумывает последовательность идей (образов, мыслей), раскрывая их в виде текста за счёт наполнения конкретными словами, держа при этом в уме цель (назначение) создаваемого произведения. На качество результата влияют как оригинальность идей, так и словарный запас автора. Генеративные модели действуют совершенно иначе — они дописывают слова по одному в конце текста, выбирая их из словаря в соответствии с вероятностями, заложенными при обучении модели. Они не продумывают идеи, а информацию о целях автора могут почерпнуть только из текста запроса (промпта). Незнание таких различий или недостаточное к ним внимание неизбежно создаёт проблемы у авторов, использующих генеративные сервисы.

«“Муму” — это роман писателя Ивана Тургенева, опубликованный в 1954 году. Книга рассказывает историю простой девушки Герасима, которая была куплена богатой дворянкой и превращена в служанку. Главной душой и опорой Герасима в жизни становится его любимая корова Муму».

Использование функции в течение прошедшего года, экспертные оценки результатов её работы показывают высокие характеристики качества выявления искусственных текстов при низкой (менее 1% от всех срабатываний) доле ложноположительных случаев [24]. Появились средства детектирования искусственного текста и в других распространённых системах обнаружения заимствований. Таким образом, рассчитывать на то, что можно с помощью ИИ можно в работу быстро «налить воды» и это «прокатит», уже не приходится.

Управление данными и аналитика

После появления модели GPT 3 стало понятно, что тексты, доступные на открытых интернет-сайтах, не позволяют повышать качество работы моделей. Новый импульс к росту качества дали технологии дообучения моделей с помощью результатов вопросно-ответных систем взаимодействия с пользователями — чатов. Пользователи, общаясь с сервисом в чате, дают обратную связь, которую компания использует для улучшения моделей. Использование таких данных позволило значительно повысить качество генерируемых текстов. При этом для заметного улучшения потребовалось совсем немного таких данных по сравнению с объёмами данных первоначального обучения. В 2023 г. стало очевидно, что подготовка данных — это один из важнейших факторов для получения высококачественных моделей.

Современный технологический ландшафт меняется с невероятной скоростью, и искусственный интеллект (ИИ, AI) сегодня является одним из его Эверестов. Он уже помогает нам в автоматизации различных задач и процессов: упрощает написание текстов и программного кода, генерирует изображения и видеоряды, консультирует нас по различным вопросам, помогает учить иностранные языки.

Искусственный интеллект простейшего типа, не имеет способности формировать память или использовать прошлый опыт для принятия обоснованных решений. Работает исключительно на основе текущих данных и не учитывает контекст. Как пример – Deep Blue от IBM, который может играть в шахматы на уровне гроссмейстера и просчитывать все возможные сценарии.

«Умные» системы анализируют огромные потоки данных для проактивного выявления уязвимостей, угроз и их минимизации, изучают модели поведения пользователей и маркируют подозрительные действия, анализируют финансовые транзакции, помогают в создании отчетов и т. д.

Данные обучения (training data) помогают обучать нейронную сеть и улучшать её точность с течением времени. Когда алгоритмы обучения качественно настроены, они становятся прочным фундаментом ИИ, поскольку могут очень быстро классифицировать и кластеризовать данные – это позволяет существенно ускорить различные операции. Классификация нейронных сетей с примерами реализации здесь приводиться не будет, но отметим поисковый алгоритм Google – это, наверное, самая известная реализация нейронки; именно благодаря ей поисковик столь быстр и эффективен.

Человеко-машинное взаимодействие с привлечением ботов на основе ИИ способствует автоматизации рутинных задач вроде сброса паролей и решения инцидентов, уменьшая нагрузку на службу поддержки и повышая её эффективность. Также эти системы анализируют данные IT-инфраструктуры, чтобы прогнозировать потенциальные сбои, принимать превентивные меры, минимизировать время простоя, диагностировать первопричины проблем и предлагать решения, оптимизируя процессы устранения неисправностей.

Одной из основных проблем ранее описанных моделей GPT является то, что они работают только с текстами. GPT 4 позволяет работать не только с текстовым слоем, но и с любыми объектами в документах, в том числе с изображениями. К сожалению, авторы не предоставляют конкретных архитектурных решений, использованных для разработки [17]. Очевидно, что для обработки изображений используются модели, основанные на других принципах, поэтому оставим этот вопрос за рамками данной статьи. Известно, что модель поддерживает контекст до 32 тыс. токенов, что позволяет ей работать с довольно большими текстами. Это ещё сильнее повышает привлекательность сервиса для использования при работе с научными и учебными документами.

Главная цель – понять и предсказать поведение, эмоции, ощущения человека, чтобы потом предоставить персонализированные услуги. Этот тип ИИ учитывает, что люди имеют разные убеждения, желания и перспективы. Сейчас Theory of Mind находится на стадии исследований и разработок

Обучение искусственного интеллекта

По мнению Хуанга, по мере совершенствования систем ГенИИ потребность в специалистах по программированию будет быстро сокращаться. А поэтому глава Nvidia не считает необходимым обучать детей навыкам написания кода — в дальнейшем эти задачи сможет полностью взять на себя ИИ. Человеку достаточно будет сформулировать задание на естественном языке.

Модель GPT 2, представленная в 2019 г., содержала 1,5 млрд параметров. Принципиально архитектура модели при этом не изменилась. GPT 2 была обучена не только на книгах, как её предшественница, но и на текстах большого количества интернет-сайтов. В GPT 2 появилась возможность генерировать большие связные тексты, что обеспечило ей значительный успех. Модель поддерживает генерацию текстов до 1024 токенов и учитывает все токены, заданные ей в качестве исходных данных [14].

Одним из ключевых примеров является автоматическое реферирование (суммаризация) текстов, которая соответствует первому типу галлюцинаций. При суммаризации предполагается, что результатом работы языковой модели является краткое содержание исходного текста, которое ему точно соответствует. Часто при генерации реферата или аннотации языковая модель производит подмену понятий из исходного текста либо «додумывает» информацию, которой нет в исходном тексте, что может привести к неверному понимаю пользователем оригинального контента.

Автоматизация задач по обработке данных, выявление и исправление ошибок, подготовка данных к анализу, интеллектуальный анализ данных, генерирование отчетов и презентаций, выявление скрытых закономерностей, прогнозирование будущих тенденций и результатов, ассистенция при стратегическом планировании и распределении ресурсов – и это только общие точки, в которых искусственный интеллект влияет на домены Big Data, Data Science и прочие.

Играя в версию знаменитой аркады Ms. Pac-Man, выпущенную для одной из первых домашних консолей Atari 2600, искусственный интеллект смог набрать максимальное количество возможных очков – достижение, которое прежде было немыслимо. Результат умной машины составил 999 990 баллов, тогда как лучший результат, поставленный человеком равен 266 360 баллам.

А совсем недавно – 12-14 февраля 2024 года – на Всемирном правительственном саммите в Дубае обсуждался искусственный интеллект, и CEO компании NVIDIA Дженсен Хуанг сказал, что если последние 10-15 лет советовали учить программирование и компьютерные науки, то сейчас эти советы неактуальны, ведь ИИ превращает каждого человека в программиста и дает возможность прокачать свои навыки и существенно повысить производительность в других востребованных сферах, например в цифровой биологии, обучении, производстве, фермерстве и тому подобное.