ChatGPT, GenAI и сила алгоритмов попадают в заголовки газет и разжигают дискуссии об искусственном интеллекте. Но что стоит за этими технологиями?
ChatGPT от американской компании OpenAI вызвал глобальный ажиотаж вокруг искусственного интеллекта (ИИ). Когда в 2022 г. в США был запущен текстовый робот с искусственным интеллектом, ему потребовалось всего пять дней, чтобы достичь отметки в один миллион пользователей. С тех пор многие люди и компании получили практический опыт применения ИИ. Amazon также присоединяется к тренду чатботов. В 2023 г. облачное подразделение AWS представило ИИ-чатбота для компаний - программу под названием Q, предназначенную для бизнес-клиентов. ИИ-чатбот может, например, резюмировать документы или создавать черновики текстов. Таким образом, Amazon конкурирует с аналогичными продуктами Microsoft и Google.
ИИ-чатботы, такие как ChatGPT, могут вести человекоподобные разговоры с пользователями на естественном языке и формулировать тексты на уровне разговорного языка человека.
Принцип работы заключается в следующем: они проходят предварительное обучение на обширных текстовых базах данных, изучая грамматику, контекст и семантику. В ответ на запрос они предсказывают следующее слово или предложение, основываясь на изученных шаблонах.
Слово "GPT" в ChatGPT означает "Generative Pre-trained Transformer" - "генеративный пред-обученный трансформатор".
Под "трансформатором" здесь понимается архитектура машинного обучения. Он уже предварительно обучен, поэтому, в отличие от многих чат-ботов, обучение пользователями больше не требуется. Кроме того, GPT является творческим, отсюда и прилагательное "генеративный". Таким образом, ChatGPT - это большой шаг вперед в развитии искусственного интеллекта и современный пример генеративного ИИ, также известного как "GenAI".
Генеративный и предиктивный ИИ
В целом разливают два типа ИИ:
- генеративный ИИ (GenAI);
- "традиционный" предиктивный (прогностический) ИИ.
GenAI - это подгруппа "глубокого обучения", которое, в свою очередь, является разновидностью "машинного обучения". GenAI занимается генерированием новых данных путем изучения больших массивов данных и распознавания в них закономерностей - это может быть текст, изображения и звук. GenAI работает с неструктурированными данными, является открытым и творческим. Примерами GenAI могут служить вышеупомянутый ChatGPT (текст), StyleGAN от Nvidia (изображение) и NSynth от Google (звук).
"Традиционный" ИИ или предиктивный ИИ, с другой стороны, занимается решением конкретных задач путем составления прогнозов на основе ранее проанализированных наборов данных и заранее определенных правил. Этот тип ИИ требует структурированных данных, ориентирован на достижение конкретных целей. Примерами "традиционного" ИИ являются оптимизация маршрутов, прогнозирование продаж и определение настроений.
Креативный искусственный интеллект
Приложения искусственного интеллекта основаны на знаниях, полученных с помощью нейронных сетей. При этом используются концепции "машинного обучения" (Machine Learning) и "глубокого обучения" (Deep Learning). К числу часто используемых нейронных сетей относится "генеративная состязательная нейросеть" - Generative Adversarial Network (GAN).
GAN - это система, состоящая из двух связанных между собой нейронных сетей. Она используется, например, для создания обманчивых, якобы реальных изображений или видео, так называемых "Deep Fakes" - глубоких подделок. Она состоит из сети-генератора и сети-дискриминатора. "Генератор постоянно генерирует новые изображения или видео, а дискриминатор одновременно пытается отличить реальные изображения и видео от искусственно сгенерированных. В процессе обучения обе сети итеративно совершенствуются в выполнении своих задач. Сгенерированные таким образом Deep Fakes, как правило, уже невозможно отличить от настоящих изображений и видео.
GenAI использует различные методы машинного обучения, чтобы распознать, как выглядят определенные структуры данных и как их можно генерировать. Алгоритмы обучаются, анализируя большой объем данных и пытаясь найти в них закономерности. Как только модель обучена, ее можно использовать для генерации "новых", ранее невидимых данных.
Компоненты ИИ
По мнению Springer это приводит к следующему обзору компонентов производительности ИИ. Генеративный ИИ - это компонент искусственного интеллекта, который можно отличить от "машинного обучения" и "глубокого обучения" следующим образом.
Искусственный интеллект (ИИ): это более широкая дисциплина машинного обучения для выполнения задач, которые обычно требуют человеческого интеллекта. Существует различие между сильным и слабым ИИ. Это различие относится к степени интеллекта и автономности, которой обладает ИИ.
Слабый ИИ (также "узкий" ИИ = Artificial Narrow Intelligence) относится к ИИ, которые были обучены для выполнения конкретной задачи и обладают лишь ограниченными возможностями, в то время как сильный ИИ (также ИИ общего назначения = General AI) относится к системам, обладающим общим интеллектом и способным решать разнообразные задачи.
Машинное обучение (ML): как область ИИ, ML включает в себя алгоритмы, которые позволяют компьютерам учиться на данных, не будучи явно запрограммированными на это. В ML существуют различные типы обучения: контролируемое обучение, неконтролируемое обучение, обучение с подкреплением и самоконтролируемое обучение.
Глубокое обучение (DL): особая подгруппа машинного обучения. Глубокое обучение включает в себя нейронные сети с тремя и более слоями, которые могут анализировать различные факторы набора данных.
Генеративный ИИ: продвинутая подгруппа ИИ и глубокого обучения; генеративный ИИ фокусируется на генерации новых и уникальных результатов. Он выходит за рамки простого анализа данных и создает новые творения на основе изученных закономерностей.
Источник: Springer
World Mobility News в Telegram