Искусственный интеллект генерирует коды для приложений, научные работы, картины в стиле гениальных художников и музыкальные симфонии.
Новости о нейронных сетях появляются каждый день. А с ними и почти сказочные истории с футуристическим финалом: того и гляди Скайнет выйдет из-под контроля и отберёт у нас не только работу, но и право голоса.
Чтобы оценить потенциальные риски и успокоиться, вспомним, как развивались нейросети.
Первая концепция нейросетей
Нейросеть — это математическая модель, которая работает по принципу нейронов. Как и мозг человека. Собственно, поэтому её и называют нейросеть или искусственный интеллект.
Основа любой нейросети — космическое количество простых процессоров, которые состоят из искусственных нейронов. Каждый процесс по отдельности довольно прост, а вот когда они соединяются в сеть и получают управляемое взаимодействие — мы видим техническое чудо. В 1997 году машина обыгрывает в шахматы великого Каспарова. В 2016 компьютерная программа AlphaGo победила корейца Ли Седоля в го (логическая настольная игра).
Кто был первым?
Два товарища, нейрофизиолог Уоррен Мак-Калок и логик Уолтер Питтс, в 1943 году создали первую модель искусственного нейрона. Они предположили, что эта математическая модель может распознавать образы, обобщать их и обучаться.
Физиолог Дональд Хебб в 1949 году пошёл дальше: высказал гипотезу, что мозг человека обучается с помощью изменения силы синаптических связей между нейронами. Эта идея и легла в основу современных самообучающихся нейросетей.
Первую из них создал нейрофизиолог Фрэнк Розенблатт — компьютерную программу, которую назвали перцептрон. С помощью камер устройство распознавало информацию, а когда ошибалось, корректировки вносились вручную.
Примечательно, что творцы искусственного интеллекта все, как один, были специалистами по интеллекту человеческому. И ещё математиками.
Метод обратного распространения ошибки
Нейросети по принципу перцептрона имели слабое место: не могли выполнять логические операции, исключающие условие «или».
В 1974 году Александр Галушкин и Пол Вербос независимо друг от друга описали метод обратного распространения ошибки.
Суть в том, что программа принимала сообщение об ошибке не от входа, а от выхода сети.
К примеру, задача нейросети — распознать цифры от 0 до 9. Сначала её тренируют на примерах, затем идёт стадия самообучения.
Как это работает: сеть предполагает, какая изображена цифра и находит разницу между реальной картинкой и своей версией.
Корректировка происходит до тех пор, пока попадание не станет максимальным.
Кунихико Фукусима в 1980 году создал многослойную нейросеть. Она уже учитывала метод распространения ошибки, но был существенный минус — информация можно было передать только в одном направлении.
Распространения искусственный интеллект пока ещё не получил. Не хватало достаточно мощных процессоров для обработки большого количества данных. Да и самих данных для обучения тоже было маловато.
До тех пор, пока в мир не явился интернет.
Нейросети, которые умеют обучаться
Deep Learning, или глубокое обучение нейросетей, стартовало в 2000-х, вместе с интернетом.
Искусственный интеллект нового века объединяет огромное количество слоёв нейронов. Внутри выстраивается иерархия примеров, которые нужно распознавать.
Но для качественной работы нужно соблюдать два условия:
1. Примеров внутри нейросети должно быть очень много.
В процессе обучения все они перманентно прогоняются через сеть и постоянно корректируют ошибки.
2. Опять нужны мощные процессоры.
В июне 2012 Google запустила нейросеть, которая работала с помощью 1000 компьютеров. Это 16 000 процессоров и примерно миллиард нейронных связей.
Конечно, эксперимент оказался нерентабельным.
Поэтому уже в 2014 году та же Google создаёт новую, свёрточную нейросеть, которая имеет глубину в 22 слоя и способна классифицировать изображения по 1000 критериев.
На конкурсе для систем распознавания образов ImageNet, новая нейросеть снизила число ошибок до 6,7%.
Если что, средние показатели человека чуть больше 5%. Неплохой результат для 2014 года, да?
Кстати, современные нейросети нас уже обошли.
Картинками дело не ограничилось — в 2011 новый сервис от Google научился распознавать речь.
И к чему это всё приведёт?
Показатели нейросетей, конечно, впечатляют. Но по сути, это всё ещё узкоспециализированные системы, которые совсем не похожи на суперинтеллект из фантастических боевиков.
Нейросеть обыгрывает человека в настольные игры, может нарисовать прикольную картинку, составить план маркетингового исследования и даже угадать настроение по фотографии.
Но это просто мощная система для обработки данных.
Кстати, раскрученный ChatGPT быстро сдаёт позиции, потому что оперирует информацией, которую получает от пользователей. И всё принимает за чистую монету. А наш человек чего-то только у нейросети не спросит.
#urvista_интересное
Остались вопросы? Задавайте их в комментариях или записывайтесь на консультацию к юристу по ссылке далее👇🏻
✅Запишитесь на консультацию
👉🏻https://clck.ru/35B6mk
✅Звоните по правовым вопросам
👉🏻 +7(495)432-68-55 (в рабочее время)
Мы оказываем полный перечень услуг в юридической сфере.
