Появление в конце 2022 года чат-бота ChatGPT стало важной вехой в развитии искусственного интеллекта, на достижение которой ушли десятилетия. Ученые экспериментировали с “компьютерным зрением” и наделяли машины способностью “читать” еще в 1960-х годах. Сегодня можно представить, что компьютер выполняет многие человеческие задачи лучше, чем это делают люди. Беспокоитесь ли вы о том, что вас заменит робот, или просто заинтригованы возможностями, вот несколько часто используемых модных словечек в области искусственного интеллекта и их значение.
Машинное обучение
ML — это процесс постепенного совершенствования алгоритмов — наборов инструкций для достижения определенного результата - путем предоставления им доступа к большим объемам данных. Просматривая множество “входных данных“ и ”выходных данных“, компьютер может ”учиться", не обязательно обучаясь специфике выполняемой работы. Возьмем приложение "Фото" для iPhone. Изначально он не знает, как вы выглядите. Но как только вы начинаете помечать свое лицо на фотографиях, сделанных за многие годы и в различных условиях, машина приобретает способность распознавать его.
Чат- боты
Эти продукты позволяют вести беседы с людьми на самые разные темы, от исторических мелочей до новых кулинарных рецептов. Ранними примерами являются инструменты, которые поставщики услуг используют на своих страницах “Свяжитесь с нами” в качестве первого ресурса для клиентов, нуждающихся в помощи. Ожидается, что чат-боты, такие как ChatGPT от OpenAI и Bard от Google, будут быстро совершенствоваться в результате последних достижений в области искусственного интеллекта и изменят способы поиска в Интернете.
Порождающий искусственный интеллект
Это относится к созданию произведений - картин, эссе, стихов, морских хижин — на основе простых вопросов или команд. Он включает в себя такие инструменты, как DALL-E от OpenAI, которые позволяют создавать сложные и детализированные изображения за считанные секунды, и MusicLM от Google, который генерирует музыку на основе текстовых описаний. Генеративный ИИ создает новую работу после обучения на огромном количестве ранее существовавших материалов. Это привело к нескольким судебным искам от правообладателей, которые жалуются, что их собственные работы были подделаны.
Нейронные сети
Это тип искусственного интеллекта, в котором компьютер запрограммирован на обучение примерно тем же способом, что и человеческий мозг: методом проб и ошибок. Успех или неудача влияют на будущие попытки и адаптацию, точно так же, как молодой мозг учится составлять карту нейронных путей на основе того, чему ребенка учили. Процесс может включать миллионы попыток достичь мастерства.
Большие языковые модели
Это очень большие нейронные сети, которые обучаются с использованием огромных объемов текста и данных, включая электронные книги, новостные статьи и страницы Википедии. Имея миллиарды параметров, на основе которых можно учиться, LLM являются основой обработки естественного языка, которая может распознавать, обобщать, переводить, прогнозировать и генерировать текст.
GPT
Генеративный предварительно обученный преобразователь - это тип LLM. “Трансформатор” относится к системе, которая может принимать строки входных данных и обрабатывать их все вместе, а не по отдельности, так что контекст и порядок слов могут быть зафиксированы. Это важно при языковом переводе. Например, “Ее собака Поппи съела на кухне” можно было бы перевести на французский эквивалент “Поппи съела свою собаку на кухне" без уделения должного внимания порядку, синтаксису и значению.
Галлюцинация
Когда такой искусственный интеллект, как ChatGPT, придумывает что-то, что звучит убедительно, но полностью сфабриковано, это называется галлюцинацией. Это результат того, что система не имеет правильного ответа на вопрос, но, тем не менее, все еще знает, как будет звучать хороший ответ, и представляет его как факт. Есть опасения, что неспособность ИИ сказать “я не знаю”, когда его о чем-то спрашивают, приведет к дорогостоящим ошибкам, опасному недопониманию и распространению дезинформации.
Разумный искусственный интеллект
Большинство исследователей сходятся во мнении, что разумный искусственный интеллект, способный воспринимать окружающий мир и размышлять над ним, лишь через годы станет реальностью. В то время как искусственный интеллект проявляет способности, подобные человеческим, машины еще не “понимают”, что они делают или говорят. Они просто находят закономерности в огромных объемах информации, генерируемой людьми, и генерируют математические формулы, которые диктуют, как они реагируют на подсказки. И может быть трудно понять, когда появилось ощущение, поскольку до сих пор нет широкого согласия относительно того, что такое сознание.
Возникающее поведение
Когда большие языковые модели достигли определенного масштаба, они начали демонстрировать способности, которые, казалось, возникли из ниоткуда, в том смысле, что они не были ни задуманы, ни ожидаемы их тренерами. Некоторые примеры включают генерацию исполняемого компьютерного кода, рассказывание странных историй и идентификацию фильмов по цепочке смайликов в качестве подсказок.
Оперативное проектирование
Точность и полезность ответов большой языковой модели в значительной степени зависит от качества отдаваемых ей команд. Оперативные инженеры могут точно настроить инструкции на естественном языке для получения согласованных результатов высокого качества при минимальной мощности компьютера. Эти навыки пользуются большим спросом.