Вы наверняка уже наслышаны и вполне возможно, успели попользоваться СhatGPT и прочими нейросетями. Эти системы могут вести диалоги, писать тексты, рисовать картинки и генерировать другие типы контента практически так же, как это делают люди. Возникает вопрос, достигло ли человечество точки создания искусственного интеллекта.
Термин «искусственный интеллект» относится ко всем технологическим системам, которые позволяют машинам выполнять человекоподобные задачи, включая зрение, речь, понимание текста и принятие решений. Звучит жутковато, правда? Создается ощущение, что ИИ вот-вот выйдет из-под контроля и захватит мир, как в тех знаменитых фильмах. Но до настоящего искусственного интеллекта еще далеко. Современные нейронные сети не обладают способностью к самопрограммированию или самовоспроизведению. Хотя мы можем называть нейронные сети разновидностью ИИ, они все еще находятся на ранних стадиях развития и далеки от того, чтобы стать настоящим искусственным интеллектом. Это происходит потому, что воспроизвести вычислительные способности человеческого мозга пока нельзя. В человеческом теле есть 86 миллиардов биологических нейронов, а самые передовые нейросети имеют не больше 10 миллиардов. Даже при использовании сложнейших математических моделей нейросети всё ещё далеки от уровня возможностей человеческого мозга.
Простыми словами: что такое нейросеть
Система работает как компьютерная симуляция, воспроизводящая функциональность нервной системы человека. Система состоит из множества взаимосвязанных искусственных нейронов, которые получают данные и обрабатывают их для получения выходных результатов. Математические функции нейронов выполняют необходимые вычисления, которые помогают им классифицировать данные в соответствии с заранее установленными правилами.
Представьте, вы хотите создать программу, которая помогает определить енота на фотографии. Можно составить длиннющий список правил и алгоритмов определяющих распознавание енотов по специфическим отметинам на морде, включающим черные, похожие на маски, узоры вокруг глаз в сочетании с буровато-серым окрасом шерсти. Такой вариант не подходит, поскольку он не может обрабатывать все возможные сценарии — например, когда человек носит костюм енота или когда енот надевает костюм супергероя. Решение этой проблемы требует использования системы нейронных сетей.
Нейросеть — это программа, которая учится, используя данные и примеры. Система работает независимо от заранее установленных правил и алгоритмов, поскольку генерирует собственные инструкции в процессе обучения. После получения миллиона изображений енотов система научится распознавать енотов в любых условиях, положениях и с любой одеждой.
Устройство нейросети состоит в том, что её алгоритмы работают подобно нейронам мозга человека. Они соединены синапсами и передают сигналы друг другу. Процесс обучения зависит от силы таких сигналов. Например при распознавании енота система создаст сильные связи между нейронами, которые определяют его мордочку и окрас.
Чтобы помочь нейронной сети быстрее решать задачи, разработчики решили разместить нейроны на разных слоях. Например, вот как могли бы функционировать слои нейронной сети, если бы вы загрузили в неё изображение енота Ракеты из «Стражей Галактики».
- Входной слой — получает данные. Картинка раскладывается на пиксели, каждый из которых поступает на отдельный нейрон.
- Скрытые слои — творят магию. Именно в них происходит обработка данных. Нейросеть узнаёт енота, геройский костюм, космос и другие детали. Условно можно сказать, что чем больше слоёв в нейронке, тем она умнее.
- Выходной слой — выдаёт результат. Нейросеть собирает пазл воедино и отвечает: «Это же тот персонаж из комиксов компании Marvel, один из членов команды «Стражи Галактики».
Упрощённо всю эту схему можно представить так (конечно, в реальности всё гораздо сложнее):
Как можно заметить, нейросеть не имеет ни мышления, ни сознания — она состоит только из алгоритмов и формул. Единственное что её выделяет среди других программ, — это умение учиться и подстраиваться под новые задачи.
Как работает нейросеть (на примере Gemini)
Чтобы понять как действует нейронная сеть, нужно сначала иметь представление о работе мозга человека. В мозге находятся миллиарды нейронов, между которыми существуют триллионы связей. Благодаря этим нейронам мозг может находить закономерности в окружающем мире, в том, что мы видим или переживаем. Если например ребенок впервые видит фрукт, он не знает, что это такое. Но когда он несколько раз видит, к примеру, мандарин, его мозг создаёт шаблоны, которые потом позволяют легко распознавать мандарин в будущем.
Обучение нейронной сети происходит по аналогии с обучением человеческого мозга: она настраивается на выявление закономерностей и шаблоны в данных, которые поступают к ним в процессе обучения. Давайте разберем, как это работает.
1.Пользователь сначала отправляет текстовый запрос нейросети. Это может быть как вопрос, так и любая задача, которую нужно решить, или информация для обработки.
2.После этого текст превращается в числа. Чтобы начать работу, нейросеть применяет специальные алгоритмы которые преобразуют слова в тексте в числовые векторы. Теперь нейронная сеть может обрабатывать текст с помощью математических операций.
3.Нейросеть берет числовое представление текста или изображения, а затем обрабатывает его через разные нейронные слои. Обычно нейросеть имеет три основные слоя: входной, скрытый, выходной. Сначала входной слой принимает данные например, изображение с древовидным гуманоидным существом Грутом. Скрытых слоев может быть много. Первый анализирует форму и текстуру, второй распознает более точные детали, такие как черты лица или строение тела. После прохождения всех слоев выходной слой выдает финальный результат обработки. Разные математические операции составляют основу этих процессов.
4.Когда нейросеть проходит каждый слой, она учится, настраивая свои веса и параметры. Она сверяет свои предсказания с верными ответами и меняет эти веса, чтобы делать прогнозы точнее. Веса представляют собой числа которые показывают значимость связей между нейронами. Они управляют тем как сильно одно значение повлияет на общий итог. Скажем, веса могут указывать, что температура оказывает большее влияние на прогноз погоды, чем влажность.
5. После прохождения через все слои нейросеть выдает выходную информацию, которая является результатом обработки запроса. Это может быть ответ на вопрос пользователя, классификация текста, рекомендации или что-то еще, в зависимости от цели нейросети.
Попробуем объяснить работу нейросети более подробно на примере Gemini разработанную компанией Google — популярный генератор картинок по текстовому описанию. Для примера попросим её нарисовать Енот ракета и Грут играют в приставку в стиле фильма «Стражи Галактики».
Вот как Gemini будет решать эту задачу:
Шаг 1. Информация переводится в числа. Текст, картинки, звук, видео сначала превращаются в наборы чисел. Слова разбивают на маленькие кусочки – токены – и каждый кусочек кодируют в виде вектора.
Шаг 2. Обработка чисел.Внутри сети много слоев искусственных нейронов. Слова в виде векторов передаются на следующий слой нейросети, которая создаёт на их основе набросок будущей картинки. Нейросеть добавляет объектам более сложные детали — цвета, текстуру и освещение.Каждый слой берет числа, применяет к ним свои правила и передает дальше. В итоге на выходе мы получаем предсказание: следующее слово в тексте, класс картинки, тональность отзыва и так далее.
Шаг 3. Расчет ошибки. Модель сравнивает свой ответ с правильным и понимает, насколько промахнулась.
Шаг 4. Настройка под данные. Алгоритм обучения чуть подправляет внутренние параметры, чтобы в следующий раз ошибка стала меньше. Этот цикл повторяется миллиарды раз на огромных массивах данных, так модель учится находить сложные закономерности.
Шаг 5. Выходной слой улучшает качество изображения и выдаёт готовую картинку.
Например, по нашему запросу Gemini нарисовала вот такой очаровательный арт. Напишите в комментариях от какой нейросети изображение вам больше понравилось?
Вы наверняка спросите: а откуда вообще нейросеть знает, что такое енот, грут, а тем более фильм «Стражи Галактики»? Ответ прост: её этому обучили на большом массиве данных, который называется датасетом. Принцип тот же, что и с детьми в яслях: «Смотри, Поликарп, это яблоко. А это морковь. А это, Поликарп игровая приставка, а так выглядят персонажи из фильма «Стражи Галактики».
Как учатся нейросети
В традиционном программировании всё предсказуемо. Мы пишем программе инструкции, и она выдает результат на их основе. Например, можно описать работу светофора: цикл «Красный (2 минуты) → Желтый (10 секунд) → Зеленый (2 минуты)» это повторяется бесконечно, не обращая внимания на наличие машин. Программа выполняет это всегда одинаково, всё по заранее определённому алгоритму.
Нейросеть действует иначе: её не программируют так, как это делают обычно, а обучают. Это работает следующим образом: сначала ей ставят задачу, а на выходе — дают готовое решение. Она сама учится составлять алгоритмы и инструкции, сравнивая свои попытки с правильным ответом. Смысл в том, чтобы предоставить нейросети множество попыток, и со временем она придёт к необходимому результату.
К примеру, чтобы Midjourney могла связывать текст с изображениями, ей загрузили большой набор картинок с подписями. На одном конце нейросеть получала текст, а на другом — само изображение. Затем она тренировалась понимать, что показано на фото: человек, животное или, возможно, садовый гном.
А вот как нейронка учится в этом случае:
- Получает пару «текст + картинка» из датасета. К этому шагу нейросеть подходит со случайными весами — то есть незаданными связями между нейронами.
- Делает предсказание. Так как веса случайные, сначала оценка будет неточной. Например, она назовёт енота Ракету снеговиком.
- Вычисляет ошибку. Смотрит на готовую картинку и подпись, а потом определяет, насколько точно она установила связь.
- Корректирует ошибку и обновляет веса. Усиливает связи между теми нейронами, которые помогут ей распознавать енота. За это отвечает метод обратного распространения ошибки.
- Повторяет эти шаги до тех пор, пока не научится угадывать правильно. Такие попытки называются эпохами обучения.
В итоге выходит, что это идеальный алгоритм, видящий связь текста с изображением. Если всё запустить наоборот получится инструмент для создания картинок по описанию.
Создателям нужно было обучить свою нейронную сеть адаптивному мышлению, разработчики начали давать ей несоответствующие пары картинок. Со временем она смогла определить, насколько разные объекты связаны между собой — похожие или совсем разные. Это помогло нейросети запомнить множество вариантов решения задач.
Главная особенность машинного обучения в том, что оно учит программы проявлять креативность. Например, Ideogram может создавать тысячи разных изображений енотов на один и тот же запрос. Очевидно, столько вариантов не сможет предложить даже самая большая команда разработчиков.
Где используются нейросети
Сейчас уже проще перечислить, где их нет. Но вот несколько жизненных примеров:
· Нейронка внутри поисковика в Яндекс Браузере отвечает на сложные вопросы пользователей. Например: «В чем смысл жизни?».
- Та же нейросеть внутри ChatGPT составляет любые тексты по запросу.
- Голосовые помощники «Сбера» и «Тинькофф» анализируют речь клиентов, чтобы общаться с ними и решать сложные вопросы. Это позволяет компаниям нанимать меньше сотрудников в техподдержку.
- Алгоритмы «ВКонтакте» анализируют вашу активность в соцсетях, чтобы подбирать нужные мемы с котами, новости и рекламу.
- Селфи-камеры в смартфоне применяют фильтры для фотографий, чтобы люди получались хорошенькими.
- Face ID в айфоне строит цифровые модели лица пользователя, чтобы узнавать его в любых условиях: в темноте, на улице, в очках, с бородой, с новой причёской и так далее.
- ИИ способен обеспечивать безопасность. Системы распознавания лиц используются для идентификации людей на видеозаписях с камер наблюдения, в толпе или на контрольно-пропускных пунктах. Это может помочь в расследованиях, поиске пропавших без вести и предотвращении преступлений. Например, такая система камер с распознаванием лиц есть в Москве.
- Роботы-доставщики «Яндекс Еды» прокладывают путь от склада до клиента в обход препятствий и c соблюдением ПДД, чтобы доставлять посылки в целости.
- В Москве нейросети помогают медицинским центрам анализировать ЭКГ, УЗИ и рентгеновские снимки для диагностики заболеваний. А также умный стетоскоп, в основе которого лежит технология искусственного интеллекта, может правильно идентифицировать людей с сердечной недостаточностью в 9 из 10 случаев.
- ИИ может помочь в проектировании зданий. Например, Autodesk Forma (бывший Spacemaker), комплексное программное обеспечение на базе ИИ, помогает архитекторам оптимизировать планирование на ранней стадии. Инструмент анализирует разные данные — строительные нормы, климатические условия, уровень солнечной освещенности и многое другое.
- Еще ИИ прогнозирует стихийные бедствия. Например, Alphabet X выпустила ИИ-инструмент для прогнозирования риска лесных пожаров на пять лет вперед. Google с помощью ИИ делает прогнозы наводнений на неделю вперед. В 2023 году ученые обучили алгоритм машинного обучения на более чем полумиллионе изображений спутника Copernicus Sentinel-1, чтобы прогнозировать извержения вулканов в глобальном масштабе. Алгоритм отсортировал изображения и отметил 16, на которых была обнаружена деформация — ранний предвестник извержения.
Как можно использовать нейросети
Нейросети могут стать палочкой-выручалочкой в разных сферах жизни. Перечисляем основные задачи, которые может решить искусственный интеллект.
1. Генерировать изображения
Искусственные нейросети способны обучаться, анализируя огромные наборы изображений. Они понимают особенности структуры, стиля и содержания данных, а затем создают оригинальные изображения. Эта область технологий развилась до такой степени, что сегодня можно создавать практически всё, любое изображение в любом стиле, если это не нарушает закон. Главное — точно указать, что именно вы хотите видеть на картинке. Среди зарубежных ИИ-инструментов популярны Midjourney, DALLE-2, или Bing Image Creator на базе DALL-E 3, Google Imagen 4 или Gemini, Leonardo, JayFlow, AiEase, Recraft AI, Wan AI, Magic Studio, Ideogram, Perchance, Artguru, среди российских — Kandinsky и «Шедеврум». Нейросети плохо справляются с генераций текста на изображениях, потому что у них было мало обучающего материала. Нейросети иногда допускают ошибки в анатомии человека или животных. Это может проявляться в виде лишних/недостающих пальцев, деформированных частей тела или нереалистичных пропорций.
Вот, что выдали нейросети, когда я предложил им создать «картину робот-художник».
2. Писать тексты
Искусственный интеллект способен собрать главное из сложного текста, придумать идеи для подарка, помочь разработать план статьи или даже написать диплом за вас. Это возможно благодаря тому, что его обучают на огромных массивах текстовой информации. ИИ распознает связи между словами, понимает их значение в разных контекстах и может предугадать, какое слово или фраза должны быть следующими. Это позволяет создавать логичные и правильно составленные тексты. Самый известный пример — ChatGPT, с которого и начался бум генеративного ИИ. Его аналог Claude AI. Еще есть Grok, DeepSeek, Copilot, Qwen а из российских — YandexGPT - Для пользователей и Для бизнеса, GigaChat.
3. Обрабатывать картинки
Нейросети смогут удалить что-то лишнее с фотографии, поменять фон, добавить стили, сделать изображение более четким и увеличить его размеры, не ухудшая качество. Такие инструменты доступны для использования прямо в браузере. Например, AirBrush предлагает несколько бесплатных удалений объектов с фотографий в день с сохранением разрешения, PicWish может удалять воняной знак, но будьте аккуратны самовольное удаление водяного знака с чужих материалов считается нарушением авторских прав, допустимо обрабатывать и редактировать только собственные материалы. Dzine.Ai — нейросеть для генерации и редактирования изображений. Она превращает текст или референсы в картинки и помогает править изображения, включая 3D-преобразования.
Photoroom может менять и создавать реалистичные ИИ-фоны без водяного знака, а также удаляет элементы с изображений, при этом оставляя фон. ColorizePro придает цвета черно-белым фотографиям. Photoleap — приложение для редактирования фотографий с использованием искусственного интеллекта (ИИ), разработанное компанией Lightricks. Оно сочетает инструменты ИИ с традиционными функциями редактирования, позволяя пользователям преобразовывать, улучшать и создавать визуальные эффекты прямо на мобильных устройствах. Есть неделя бесплатного пробного доступа без ограничения по количеству генераций. Bria AI выпустили RMBG 2.0 — нейросеть для удаления фона.
4. Создавать видео
Система нейронных сетей достигла немалых успехов в генерации изображений, но создание видео остается более сложной задачей. Длительность видеороликов, созданных с помощью ИИ, как правило, остается в определенных пределах, и они также содержат различные типы системных ошибок. Рекламная кампания пиццерии оставила неприятное впечатление у зрителей, которые ее посмотрели. Весь процесс создания этого рекламного ролика был осуществлен благодаря усилиям искусственных нейронных сетей. Сценарий для этого проекта был предоставлен ChatGPT, а Midjourney создала картинки. Runway Gen2 создала анимацию движений лица, нейронная сеть Eleven Labs использовалась для генерации голоса, а SOUNDRAW AI Music создала музыкальное сопровождение. Человек сыграл совсем небольшую роль в создании видео — нужно было лишь собрать материалы вместе и добавить текстовые вставки с помощью Adobe After Effects.
Но такие технологии всё больше совершенствуются. Например, не так давно Google DeepMind представила нейросеть Veo 3, которая способна создавать реалистичные видео длиной до 8 секунд на основе текстового описания. Veo 3 сейчас считается ведущей ИИ-моделью для генерации видеоконтента. Это не просто громкие слова, ведь она действительно выделяется благодаря своим инновационным функциям. Нейросеть умеет создавать видео с реалистичной физикой объектов, правильной перспективой, освещением, и движениями камеры в стиле кино. Ты можешь описать сложную сцену — начиная с кинематографичного панорамирования и заканчивая анимацией рисунков — и в итоге получишь что-то невероятное. Плюс ко всему, встроен генератор аудио! Он накладывает звуки, фоновый шум, диалоги и даже музыку, делая всё идеально синхронным с видео. Система демонстрирует значительный прогресс по сравнению с Veo 2.
Но Veo 3 к сожалению платный, а из бесплатных это Wan AI, Pika labs, Hailuo AI, Invideo AI, PixVerse, Pollo AI, RoboNeo.
Существуют ИИ-платформы для создания видео, например Runway Gen-4. Разовый депозит в размере 125 кредитов включен в план Free. А сервис от «Сбера» под названием Visper позволяет создать виртуальных персонажей, например, для презентации. Так же вы можете создавать видеоролики с использованием реалистичных цифровых аватаров, дополняя ролик вашим реальным голосом или выбирая один из синтетических голосов. Дублировать ролики на разных языках можно с помощью HeyGen или менять лица в Akool.
Пока что команда из нейросетей выдает откровенно плохие результаты, но ругаться на них не стоит. Вспомните первые результаты Midjourney и DALL-E: без слез не взглянешь. Прошло более двух лет, и теперь нейросети могут генерировать гипперреалистичные картины. Подобная ситуация может повториться и с ИИ-видео.
5. Обработки звука и голоса
Adobe Podcast AI — это инновационный инструмент, созданный для записи, редактирования и улучшения качества аудиозаписей с использованием технологий ИИ. Главная — дать возможность пользователям создавать высококачественный аудиоконтент без необходимости в сложном оборудовании или специализированных навыках. Speechify — сервис для преобразования текста в речь на основе искусственного интеллекта. Сервис также предлагает функцию клонирования голоса но к сожалению она платная. Murf позволит озвучить до 1000 символов за раз, а Genny до 500 за раз, но есть небольшая трудность скачать файл. Для этого необходимо нажать вверху справа «Поделиться» и нажимаем «скопировать ссылку». Затем открываем эту ссылку в новой вкладке, кликаем по свободному полю правой клавишей мыши «Посмотреть код» далее переходим в графу «Network» включаем аудио, и видим зеленый треугольник в рамке нажимаем на него два раза левой клавишей мыши и дожидаемся скачивания. MiniMax.io audio бесплатная нейросеть для генерации реалистичной речи из текста вашим голосом, разработанная Hailuo AI. Альтернатива этой нейросети для озвучки текста, но уже с платным клоном голоса это ElevenLabs она даёт 10 000 кредитов в месяц это приблизительно 12 минут аудио уже готовыми голосами по умолчанию. Есть еще бесплатная озвучка без ограничений но всего два голоса это сайт Hugging Face называется Edge. Вставка песня Вы когда-нибудь хотели создать собственные песни, не умея играть на музыкальных инструментах или попадать в ноты? Сегодня, это стало возможно. Нейросеть Suno для создания музыки позволит вам писать песни используя всего лишь текстовую подсказку опираясь на вашу идею. Если вам нужно удалить музыку и оставить только текст поможет Auphonic. Также она может удалять фоновый шум в аудиозаписях.
Нейросети для повышения продуктивности
Kimi AI – бесплатная нейросеть для презентаций. Представьте, что у вас есть личный помощник NotebookLM, который может за секунды проанализировать десятки учебников, создать идеальный конспект и ответить на любой ваш вопрос - причем всё это бесплатно и на любом языке. Framer Ai— это платформа, которая позволяет пользователям создавать сайты быстро и легко. Поисковые системы, такие как Google или Yandex не находят нужную вам информацию? Воспользуйтесь инновационным решением на основе искуственного интеллекта Felo и найдите то, что так давно искали. Perplexity – это не просто чат-бот, а платформа нового поколения для поиска информации. Вместо того чтобы просматривать страницы с результатами поиска, вы можете задать вопрос и получить краткий, точный ответ, подкрепленный ссылками на достоверные источники.
Humata — это онлайн платформа, позволяющая пользователям мгновенно получать ответы, резюме и выводы из документов. Пользователи загружают файлы, например PDF, документы Word и т. д., и задают вопрос на естественном языке. Нейросеть анализирует файл, изучает его содержание и предоставляет необходимую информацию. Нейросеть Writesonic позволяет гуманизировать текст, сгенерированный искусственным интеллектом. Инструмент преобразует роботизированный текст в естественный, похожий на написанный человеком. Загрузите уже готовый текст, и система улучшит его, сделает более читабельным и профессиональным, и что очень важно в отличии от других нейросетей улучшать текст можно почти бесконечное количество раз. Тоже касается HumanizeАi, и АiHumanize. Если вам надо преобразовать аудио или видео в текст с помощью технологий искусственного интеллекта, то вам поможет AudioSector она работает с файлами любого формата и длины, включая записи с акцентами и фоновым шумом. Если вы сомневаетесь, что написанный текст принадлежит человеку проверьте его на уникальность. В этом вам поможет Antiplagiat.seolik, и еще несколько сайтов Pr-Cy, Content-Watch, Анти-Аntiplagiat.рф.
Как пользоваться нейросетью
Чтобы получить от нейросети нужный результат, необходимо правильно сформулировать запрос. Современные нейросети способны понимать человеческий язык, поэтому чаще всего взаимодействие с ними происходит в текстовой форме.
Общие рекомендации по созданию запросов:
- Первая часть описывает, что именно должно быть изображено. Чётко указывать: возраст, пол, внешность, количество объектов, позу или действие. Добавить детали и окружение — фон, локацию, время суток, погоду.
- Вторая часть дает представление о стиле. Можно указать художественный стиль, цветовую гамму, уровень детализации.
- Третья уточняет технические параметры.
Части нужно разделять двумя двоеточиями, а слова внутри — запятыми. Но не обязательно делить запрос именно на три части. Пример: ::Кот-супергерой в большом городе ночью, антропоморфный кот в стильном супергеройском костюме с плащом, стоит на крыше, развевающийся плащ на ветру:: яркие неоновые огни города внизу, кинематографичный свет, драматическое настроение, высокая детализация, реалистичный стиль, ультра-качество, динамичная поза, взгляд героя:: комикс + реализм.
Дирижабль в стиле стимпанк с латунными механизмами и хрустальными двигателями парит над викторианским городом. На его поверхности выгравированы светящиеся магические руны, испускающие радужный пар. На палубе работают заводные автоматы с глазами из драгоценных камней. Вихри фиолетовой и лазурной магии смешиваются с угольным дымом. Внизу виднеются готические шпили и промышленные трубы. Закатное освещение, проходя через механические крылья, подчеркивает латунные детали.
Можно не парится и попросить искусственный интеллект, чтобы он сгенерировал нам промпт. Для этого можно попросить ChatGPT написать нам промпт лишь дав легкую подсказку.
Если у вас есть картинка, на основе которой нужно сделать промпт, то ChatGPT тоже может вам в этом помочь. Нужно прикрепить изображение файлом и написать: “Напиши промпт на основе этого изображения”, или что-то подобное.
Почему нейросеть выдаёт неожиданный результат
Если нейросеть не выполняет запрос так, как вы ожидали, причины могут быть две:
- Некорректный запрос — он слишком общий, недостаточно детализированный или сформулирован неудачно. Чем точнее и конкретнее заданы условия, тем выше вероятность получить нужный результат.
- Ограниченные возможности нейросети — если модель недостаточно мощная или обучена на неполных данных, она просто не способна справиться с поставленной задачей, даже при хорошем запросе.
Иногда можно добиться приемлемого результата даже от слабой нейросети, если тщательно проработать запрос и настройки, но это требует времени и экспериментов.
Почему большинство продвинутых нейросетей — платные
Запуск и поддержка нейросетей требуют значительных затрат. Компании, создающие и обслуживающие такие модели, должны оплачивать:
- расходы на электроэнергию, необходимую для работы серверов;
- приобретение и обслуживание специализированного оборудования и чипов;
- работу инженеров, обеспечивающих стабильность системы;
- труд программистов, которые развивают и обучают модели.
Чтобы покрыть эти расходы, компании вводят платный доступ. Обычно стоимость зависит от количества запросов и сложности выполняемых задач. В то же время для привлечения новых пользователей нередко предлагаются бесплатные лимиты — например, несколько запросов в день. Этого недостаточно для полноценной работы, но даёт возможность протестировать возможности нейросети.
Главная проблема нейросетей
Изобретение нейронных сетей было направлено на то, чтобы принести максимальную пользу человечеству. При правильной настройке нейронные сети выдают точные результаты. Однако они также могут быть неточными, приводя к результатам, которые являются неопределенными или не похожими на то, что вы ожидаете. Из-за этого полагаться на нейронные сети не рекомендуется, но они хорошо служат в качестве дополнительных инструментов для решения конкретных задач.
Давайте возьмем ChatGPT в качестве примера.
Эта модель может вести диалог так, что он кажется естественным, быстро обрабатывать большие объёмы данных и находить между ними связи. Но, как и другие генеративные нейросети, она имеет серьёзный минус: её ответам нельзя полностью доверять.
Ответы нейросети нередко выглядят правдивыми и убедительными. Однако если человек слабо разбирается в теме, он рискует принять неверную информацию за достоверную и использовать её. Поэтому нейросети полезны, чтобы создавать новые идеи анализировать и обобщать данные но всё это требует проверки со стороны человека.
Что будет дальше
Уже сейчас понятно, что нейронки будут брать на себя всё больше задач, раньше считавшихся человеческими. Вопрос только в том, разовьются ли они настолько, чтобы полностью заменить собой часть профессий или останутся на уровне помощников — этаких творческих калькуляторов.
На этот счёт есть две позиции. Например, лингвист Ноам Хомский считает, что проблема есть в самой модели машинного обучения — мол, такая система никогда не сможет приблизиться к человеческому сознанию:
«ChatGPT от OpenAI, Bard от Google, Sydney от Microsoft — показательные примеры машинного обучения. Они, грубо говоря, берут огромные объёмы данных, ищут в них паттерны и становятся всё более искусными в генерации статистически вероятных результатов — таких, которые кажутся подобными человеческому языку и мышлению».
«Но человеческий разум, в отличие от ChatGPT и ему подобных, не неуклюжий статистический механизм для сопоставления с паттерном, поглощающий сотни терабайт данных и экстраполирующий наиболее характерные разговорные реакции или наиболее возможные ответы на научный вопрос. Напротив, человеческий разум — удивительно эффективная и даже элегантная система, которая оперирует небольшими объёмами информации; она стремится не к выведению грубых корреляций в данных, но к созданию объяснений».
Ноам Хомский,
американский лингвист и публицист
Из другого лагеря поступают откровенно панические прогнозы. Вот что говорит, например, историк Юваль Ной Харари, автор книги «Краткая история будущего»:
«В начале было слово. Язык — это операционная система человеческой культуры. Из языка возникают миф и закон, боги и деньги, искусство и наука, дружба и нации — даже компьютерный код. Овладев языком, ИИ захватывает главный ключ к управлению нашей цивилизацией.
Что значит для людей жить в мире, где большой процент историй, мелодий, образов, законов, политики и инструментов формируется нечеловеческим разумом, который знает, как со сверхчеловеческой эффективностью использовать слабости, предубеждения и пристрастия людей? Знает, как устанавливать с людьми близкие отношения? В таких играх, как шахматы, ни один человек не может надеяться победить компьютер. Что будет, когда то же самое произойдёт в искусстве, политике и религии?
ИИ может быстро съесть всю человеческую культуру — всё, что мы создали за тысячи лет, — переварить её и начать извергать поток новых культурных артефактов. Не только школьные сочинения, но и политические речи, идеологические манифесты и даже священные книги для новых культов. К 2028 году в президентской гонке в США могут больше не участвовать люди.»
Юваль Ной Харари,
историк-медиевист