Раньше мы знали об искусственном интеллекте только по фантастическим фильмам. Сейчас наблюдаем широкое применение нейросетей в повседневной жизни: они сообщают прогноз погоды, угадывают наши предпочтения, выбирают подходящую информацию в интернете, рисуют по текстовому описанию и даже генерируют идеи.
Нейросети так незаметно вошли в нашу жизнь, что мы зачастую не осознаём, что используем их и делаем это ежедневно, иногда по несколько раз в день. Даже сам термин – «нейросети», «нейронные сети» – стал настолько популярен, что уже не требуется уточнения, что речь идет об искусственных нейронных сетях.
Естественные и искусственные нейронные сети
Мы все обладатели естественной (биологической) нейронной сети. Наша нейронная сеть состоит из связанных между собой нейронов (клеток нервной ткани), которые при активации передают друг другу информацию (сигналы). Считается, что мозг содержит примерно 86 миллиардов нейронов, у каждого из которых в среднем 7000 связей и потребляет при этом всего 20 Вт.
Искусственная нейронная сеть – математическая модель естественной нейронной сети, имитирующая процесс обучения человека. С её помощью можно получить результат решения интеллектуальной задачи сравнимый с результатом мыслительной деятельности человека. Подобно естественной нейронной сети, искусственная нейросеть состоит из нейронов. В данном случае нейрон – это вычислительная единица. Нейрон получает информацию в виде сигналов, производит простые вычисления и передает результат дальше. Но даже самые мощные на данный момент искусственные нейронные сети не достигли числа нейронов головного мозга человека. При этом электроэнергии на работу нейросетей сегодня тратится огромное количество.
В исследованиях по «энергетическому следу» искусственного интеллекта говорится о том, что при обучении больших языковых моделей, таких как GPT-3 в 2021 году потреблялось 1,287 ГВтч. электроэнергии, а для поддержки GhatGPT, при выводе ответов на запросы – 562 МВтч. При реализации решений о встраивании языковых моделей, подобных GhatGPT, в работу поисковиков прогнозируют ещё большее увеличение потребления энергии. Наихудший сценарий предполагает, что один только искусственный интеллект Google может потреблять столько энергии, сколько страна Ирландия в год.
Немного истории
Всеобщее внимание нейронные сети получили сравнительно недавно, и иногда их воспринимают как совершенно новую, прорывную технологию 21 века. Однако такому бурному развитию нейросетей предшествовало почти 80 лет работы исследователей в этой области.
В 1943 году два нейрофизиолога, Уоррен Маккалох и Уолтер Питтс, создали первую математическую модель принципов работы нейронов. В своей статье "Представление событий в нервных сетях и конечных автоматах" ученые описали простую математическую модель в виде функций, которая работает подобно биологическому нейрону: она получает входные данные, обрабатывает их и возвращает результат.
В 1957 году психолог Фрэнк Розенблатт, основываясь на работах Уоррена Маккалоха и Уолтера Питтса, вместе с Дональдом Хеббом изобрел персептрон, который считается первой искусственной нейронной сетью. Сам термин "персептрон" позже был использован как синоним простейшей искусственной нейронной сети.
Следующим прорывным событием в развитии нейросетей стало предложенное в 2006 году Джеффри Хинтоном, когнитивным психологом и ученым-информатиком, описание алгоритмов многоуровневого глубокого обучения. Хинтон сформулировал основную концепцию алгоритмов обучения нейронной сети: обучение нейронной сети на множестве реальных примеров. Под его руководством в 2012 году была создана нейронная сеть AlexNet, которая смогла превзойти человека в распознавании образов и это стало прорывом в области компьютерного зрения.
Решение каких задач можно доверить нейросети?
С помощью нейросетей эффективно решаются следующие классы задач:
Классификация: задача заключается в определении, к какому классу относится данный объект.
- На входе: объект с его признаковым описанием (параметры объекта).
- На выходе: класс, к которому этот объект относится.
Примеры задач:
- Задача определения тональности текста.
- Задача фильтрации спама в почте.
- Задача оценивания кредитоспособности заёмщиков.
Прогнозирование: задача заключается предсказании будущих значений какой-либо переменной на основе имеющихся исторических данных.
- На входе: объект с его признаковым описанием (параметры объекта).
- На выходе - прогнозируемое значение.
Примеры задач:
- Задача прогнозирования цены жилья по его характеристикам.
- Задача прогнозирования погоды.
Распознавание. Задача нейронной сети - распознать конкретный объект среди множества других, например, лицо на изображении, текст на картинке.
Примеры задач:
- Поиск данных по фотографиям и изображениям.
- Фотофильтры.
- Чтение текстовых файлов.
- Распознавание заболеваний на снимках.
Генерация: задача заключается в самостоятельном создании контента. Нейронные сети научились генерировать музыку, тексты, изображения, видео.
2023 год ознаменовался внедрением генеративных чат-ботов, которые умеют отвечать на вопросы, предоставлять информацию, генерировать тексты на основе заданных параметров, предлагать идеи, решать задачи из различных областей знаний и многое другое.
В чем нельзя доверять нейросетям?
Современные генеративные нейросети действительно могут многое и результат чаще всего получается хорошим, но следует понимать, что и они не лишены недостатков.
Во-первых, данные системы не предназначены для предоставления фактов. Они могут «нафантазировать» даты несуществующих событий, составить красивые ссылки на источники литературы, но ни одна из них не будет ссылкой на реальный источник, поместить героя одного литературного произведения в другое и т.п. «Я пишу ответы с помощью новой нейросети Яндекса, подражая текстам в интернете. Поэтому результат может быть выдумкой…» - так сама YaGPT 2 пишет о себе.
Во-вторых, отвечая на любой вопрос, нейросети дают грамотный и структурированный ответ, но содержание может быть размыто.
В-третьих, нет четкого правового статуса тех документов, которые производят нейросети: в каком случае и при какой работе использование данных систем допустимо, а в каких – нет.
Таким образом, доверяя решения своих задач генеративным системам, нужно учитывать данные особенности их работы и пользоваться сетями грамотно. Тогда они действительно могут стать подспорьем в решении рутинных задач.
Какое оно: будущее с нейросетями?
Нейронные сети сегодня – мощный инструмент, решающий сложные интеллектуальные задачи во всех сферах деятельности человека. Они развиваются так быстро, что человек уже не успевает за технологиями: это другие скорости, и другие вычислительные мощности. Технологии совершенствуются, мощности наращиваются, модели усложняются, и каждая компания-разработчик пытается быть первой. Можно сказать, что мы наблюдаем сейчас гонку технологий в области искусственного интеллекта.
Некоторые исследователи обеспокоены таким бурным развитием нейросетей. Например, ученый Джеффри Хинтон, «крестный отец» искусственного интеллекта, стоявший у истоков глубокого обучения, в апреле 2023 года покинул пост вице-президента Google, чтобы открыто предупредить о рисках, связанных с этой технологией. Хинтон выделяет несколько опасностей:
- Генеративные нейросети могут привести к полной дезинформации. Возможно, Вы "больше не сможете знать, что является правдой", - говорит он.
- Наличие тенденции моделей искусственного интеллекта демонстрировать неконтролируемое поведение на основе обучающих данных.
- Полная замена некоторых профессий.
В марте 2023 года опубликовано открытое письмо, подписанное техническими лидерами и исследователями искусственного интеллекта, в числе которых Стив Возняк и Илон Маск, в котором его авторы говорят о рисках внедрения систем искусственного интеллекта, конкурентных интеллекту человека, и призывают все лаборатории искусственного интеллекта немедленно приостановить как минимум на 6 месяцев подготовку систем искусственного интеллекта, более мощных, чем GPT-4. А это время использовать для совместной разработки и внедрения набора общих протоколов безопасности для продвинутого проектирования и разработки ИИ.
«Мощные системы искусственного интеллекта следует разрабатывать только тогда, когда мы уверены, что их эффект будет положительным, а риски управляемыми», - сказано в этом письме.
Тем временем технологии продолжают развиваться и по оценкам компании Priority Research, занимающейся предоставлением стратегической информации о рынках, объем мирового рынка искусственного интеллекта к 2032 году увеличится в 5,7 раз по сравнению с 2022 годом и составит 2 575,16 миллиарда долларов. При этом разработчиками моделей искусственного интеллекта будут крупные корпорации.
По прогнозам аналитиков Gartner, опубликованным в октябре 2023 года, развитие технологий искусственного интеллекта в 2024 году будет идти в направлении демократизации, безопасности и внедрения дополненных возможностей этих технологий.
Отметим некоторые из тенденций:
- Предполагается, что к 2026 году более 80% предприятий начнут использовать API-интерфейсы и модели генеративного искусственного интеллекта в производственных средах (в начале 2023 года – это 5%).
- Нейросети будут активно применяться в проектировании, кодировании и тестировании приложений, заменяя рутинный труд программистов.
- Приложения на основе искусственного интеллекта смогут динамически адаптироваться под потребности конкретного пользователя.
- Появятся клиенты-боты, которые будут самостоятельно договариваться, приобретать товары и услуги и расплачиваться за товар.
- Также в тренде вопросы этики искусственного интеллекта и использование технологий для устойчивого развития.
Таким образом, нейросети активно интегрируются в нашу жизнь и незаметно меняют её. Но не нужно забывать, что они лишь инструмент в руках разработчиков и пользователей и то, каким образом он будет применен, пока зависит от человека.
Ольга Смышляева, преподаватель Мининского университета.
#мининский #mininuniver #десятилетиенауки #МинобрнаукиРоссии #популяризациянауки #научныйфорсайт