Искусственный интеллект – техночудо или великий притворщик

Что такое нейронные сети и как они работают?

По своей сути машинное обучение — это способность компьютерной системы обучаться на основе данных, не будучи явно запрограммированной. Одним из примеров является фильтрация спама в электронной почте. Обнаруживая схожие закономерности в спам-сообщениях, почтовые платформы могут узнать, какие письма полезны, а какие следует держать подальше от папки «Входящие».

Я уверен, что генеративный искусственный интеллект может стать частью образовательных платформ, которые университет использует в учебном процессе. Именно поэтому сейчас мы проверяем сразу несколько гипотез о возможности помогать преподавателю внутри LMS IDO выполнять рутинные задачи по созданию фонда оценочных средств, в составлении отзывов на письменные работы студентов. Вместе с тем это позволит повысить защищенность заданий для самостоятельной работы от списывания с помощью ИИ. Думаю, что к концу этого года в нашем университете появятся несколько новых цифровых инструментов, помогающих не только преподавателю учить, но и студенту учиться.

– Это, скорее, образ будущего, чем текущее состояние развития технологии в свете ожиданий, связанных с появлением сильного или общего ИИ (Artificial General Intelligence – AGI), который должен стать следующей ступенью развития ИИ и обладать признаками образного и абстрактного мышления, способностью делать отвлеченные умозаключения или строить прогнозы, приближаясь тем самым к интеллектуальным возможностям человека.

– Да, стараюсь активно использовать нейросети для разных задач, и не только связанных с обучением. Хотя, конечно, ChatGPT появился уже под конец моей магистратуры, так что большую часть учился без него. Порой даже удивляюсь, как раньше справлялся без ИИ?
Если говорить про ChatGPT и учебу – в основном использовал для поиска информации (когда самостоятельно в интернете не удается найти), обобщения, вынесения тезисов из текстов, для оптимизации какой-то рутины, по типу составления сводных таблиц.

Система управления ИИ — это своего рода «мозг», на котором строится работа организации с проектами ИИ. Речь идет об установлении правил и методов, обеспечивающих ответственное и эффективное использование ИИ. Такая система помогает управлять всем — от оценки рисков до ответственного применения ИИ.

Отдельно впечатляют нейросети, которые создают изображения, музыку и даже видео. С ними можно и забавную видеооткрытку с поздравлением сделать, и какие-то свои творческие идеи реализовать, и даже в работе использовать, например, если нужны иллюстрации для приложения.

– Смотрите мой ответ выше про инструмент и про то, что он новый. Опасным любой инструмент делают люди. И, ради бога, не называйте это ИИ, поскольку это не ИИ в научном понимании. Это условно интеллектуальные технологии, ну или слабый ИИ. Иначе это превращается в журналистский хайп, который на уровне университета не очень уместен.

Но с другой стороны, с помощью таких нейросетей человек, не умеющий рисовать, может реализовать свои творческие идеи, которые не мог бы раньше, например, сделать книгу с иллюстрациями или игру. Да и, как мне кажется, художникам они тоже могут быть полезны, например, для создания референсов или эскиза для последующей доработки. Вопрос в том, как эти новые технологии встраивать в свою работу. Мое мнение: прогресс мы все равно не остановим, так что лучше адаптироваться под него. Изучать новые инструменты, чтобы становиться лучше, работать быстрее и тратить время на более важные вещи.

Что представляет собой система управления ИИ?

Международные стандарты в области искусственного интеллекта представляют собой основу для ответственного и этичного использования технологий ИИ. Они охватывают такие области, как конфиденциальность, предвзятость, прозрачность и подотчетность. Придерживаясь подобных стандартов, организации могут обеспечить справедливость, прозрачность и соблюдение этических принципов в своих системах ИИ.

ИИ способен произвести революцию в различных отраслях, позволяя машинам решать сложные задачи и мыслить интуитивно, выходя за рамки простой автоматизации. ИИ включает в себя различные области и технологии, такие как машинное обучение и обработка естественного языка.

Глубокое обучение — это разновидность машинного обучения. Тем не менее, глубокое обучение может анализировать больше типов информации и выполнять более сложные операции. Процесс глубокого обучения вдохновлен структурой и функциями человеческого мозга — в частности, тем, как нейроны связаны между собой и работают вместе для обработки информации. Благодаря этому, глубокое обучение позволяет делать более тонкие и глубокие прогнозы на основе предоставленных данных.

Глубокое обучение позволяет сделать еще один шаг вперед. Продолжая пример с птицами, глубокое обучение может научиться распознавать не только основные черты птиц, но и такие сложные детали, как узоры на перьях, что сделает его намного более точным в идентификации птиц и даже позволит отделить орлов от голубей.

Анализируя и интерпретируя язык, NLP позволяет компьютерам извлекать полезную информацию, отвечать на вопросы и вести беседу. Например, виртуальные помощники вроде Alexa могут понимать и предоставлять информацию о температуре на улице, заголовках новостей или среднем весе косатки.

В то же время, если ИИ работает совместно с человеком, то тут, думаю, спектр областей применения практически ничем не ограничен. Но ИИ должен выступать только как помощник, как какая-то основа или советчик. Итоговые решения и действия должны быть все равно за человеком. И если возникают сомнения, то лучше тщательно перепроверить ответ ИИ. Так же и касательно учебы. ChatGPT – классный инструмент для поиска информации и работы с ней. Но его ответы нужно перепроверять, а результаты работы использовать как основу для своей собственной работы, а не бездумно брать все, что он пишет.

Рассматривайте ее как дорожную карту для разумного использования ИИ по мере развития данной технологии. Система управления ИИ представляет собой структурированный способ управления рисками и возможностями, связанными с ИИ. Она включает в себя такие ключевые компоненты, как прозрачность, объясняемость и автономность, давая организациям четкие указания по использованию ИИ в соответствии с развивающимися нормативными актами (например, Законом ЕС об ИИ).

Еще одна из ключевых этических проблем, связанных с ИИ, — это конфиденциальность. Поскольку системы искусственного интеллекта собирают огромные объемы данных из баз данных по всему миру, необходимо обеспечить защиту личной информации и ответственное ее использование. Например, технология распознавания лиц, часто используемая в системах безопасности или на платформах социальных сетей, вызывает вопросы о получении предварительного согласия и возможном неправомерном использовании.