Считаете, что искусственный интеллект скоро захватит мир? Думаете, что нейросети это какая-то магия?
Да, современные нейронные сети действительно удивляют! Например, они могут создавать качественные реалистичные изображения буквально со слов человека. Просто скажите: «нарисуй мне то-то…», и все! Еще несколько лет назад о таком можно было только мечтать.
Но, не все так просто, как кажется на первый взгляд!
Ключевой момент здесь – обучение!
Сама по себе необученная нейронная сеть практически ничего из себя не представляет. В принципе, разрабатывать их могут уже даже школьники, которые интересуются математикой и программированием. Главный вопрос – как обучать? И вот тут требуются колоссальные ресурсы – как вычислительные, так и информационные.
Мы показываем нейросети фотографии и говорим: это мужчина, а это женщина; это человек, а это кошка; это тоже кошка, но она толстая; это мяч, а это кошка с мячом. И таких фотографий необходимо огромное множество. Сотни миллиардов!
А дальше мы просим нейронную сеть нарисовать нам что-нибудь, пусть ту же кошку, толстую, с мячом. И мы говорим ей, нет, это не кошка. Это больше похоже на собаку. Или это не мяч, а клубок. Или это кошка, но она не толстая. И нейросеть корректирует свои настройки.
Вспомните как мы обучаем своих детей. Вспомните эти детские книжки с картинками, игрушки! Детский мозг при помощи глаз фотографирует окружающий мир огромное количество раз в секунду, а затем соотносит это с тем, что говорят взрослые. Это и есть процесс обучения. Кто-то учится хорошо, а кто-то плохо. Кого-то учат хорошо, а кого-то плохо! Кто-то нацелен на то, чтобы получить достойные знания и стать высококлассным специалистом в своей области, а кто-то лишь бы сдать ЕГЭ. 😕
С нейронными сетями тоже самое. Только процесс обучения оцифрован и смоделирован на математическом уровне. Но это не меняет сути. Если нейросеть плохо обучена – она будет выдавать фигню. И, напротив, хорошо обученная неронка будет производить вау-эффект!
Так в чем же разница между искусственными нейронными сетями и мозгом живых высокоразвитых организмов, включая человека?
- Животные используют все свои органы чувств в процессе обучения. Искусственные нейронные сети, на данный, момент обучаются только на текстах, изображениях и видео. Они не могут потрогать предмет, ощутить его текстуру, понюхать его. Так что, пока у них нет полной картины о нашем мире. И, хотя люди тоже не владеют полной картиной вселенной на данный момент, у нас явно больше возможностей для ее изучения. Но это только пока. Различные датчики уже существуют. Те, кто интересуются «умными домами», знают о чем речь. Компьютеры уже могут определять дым, огонь, влажность и многое другое.
- Животные обладают чувствами и эмоциями, в основе которых лежат химические и биологические процессы живого организма. У нас есть желания. Нам что-то нравится или не нравится. Нас что-то восхищает, а что-то бесит! Нам может быть комфортно или не комфортно. Мы можем чувствовать эйфорию или адскую боль. И это все формирует наше отношение к окружающему миру, к наше вселенной. У искусственного интеллекта ничего этого нет и быть не может. Никогда! В принципе! Возможно лишь моделировать человеческие эмоции на математическом уровне, постараться создать машине характер искусственным образом, настроив ее на нежную няню или на конченого психопата. Да, это будет определять ее (машины) поведение и то, как будут воспринимать ее люди, но это никогда не станет ее реальной сущностью, а всегда будет лишь проекций человеческой сути.
Все вышесказанное определяет как преимущества так и недостатки нейронных сетей.
С одной стороны, им не нужна мотивация для обучения. Они не устанут и им не станет скучно. И они никогда не скажут: «Нахрен мне это надо? Где это мне пригодится в будущем?». Их можно обучать пачками. Плохо обучили – посмотрели что не так - уничтожили. Обучаем следующую. Тут главное не нарваться на борцов за права искусственного интеллекта!😉
С другой стороны, не обладая чувствами и желаниями, нейросети никогда не смогут понять истинную красоту окружающего мира, самостоятельно, а не по указке человека, отделять плохое от хорошего, добро ото зла. Вы когда-нибудь пробовали объяснить меленькому ребенку, что лизать сосульку – это плохо? Вы можете приводить кучу доводов и нейросеть их примет, ведь все логично. Но маленький ребенок – никогда, - пока он сам на своей шкуре не почувствует негативные последствия данного процесса.
Ну что, вы уже поняли почему нейросети косячат?
Нейросеть – это обучаемая математическая сущность, работающая по процессам аналогичным тем, что происходят и в нашем мозгу, за исключением химической и биологической составляющей. И да, как любая обучающаяся сущность, нейросети тоже могут обшибаться. Задача процесса обучения – свести количество этих ошибок к минимуму. Но возможно ли совсем от них избавится? Думаем – нет. Подобно тому, как невозможно взрастить идеального человека, невозможно создать и обучить идеальную нейронную сеть. Но это только мнение, а не утверждение. Пожалуйста, оставляйте свои мысли в комментариях.
В этой статье мы приведем несколько ошибок, которые допускают нейронки при генерации изображений. Но далее, постараемся сделать для вас выпуск, где соберем целую коллекцию с «косяками». Вы думаете это так просто, взять и написать нейросети что тебе нужно, а она бах – и картинка готова? Ничего подобного! Как правило, запрос приходится очень тщательно подбирать и пробовать раз и другой раз, пока нейронка не выдаст то, что тебя удовлетворит… если вообще выдаст в итоге.😛
Пример 1. Зонтик.
Нейросеть знает, как примерно выглядит зонтик, что он обычно располагается над готовой. Но вот такая мелкая деталь как ручка зонтика… Да для чего она вообще нужна? А почему бы не сделать ее кривой? Нейронная сеть никогда не держала зонтик в руках, как это делаем мы, и она вряд ли «догадывается» о его предназначении. Для нее это просто сущность, геометрия которой для нее пока не ясна до конца.
Пример 2. Девушка с дельфином.
*Все изображения в статье были сгенерированы при помощи нейросети TurboText. Хотите самостоятельно создавать уникальные фотки? Попробуйте! Это бесплатно! Но не думайте, что это так просто. 😉
