Вот что на самом деле является искусственным интеллектом — вы сильно ошибались на этот счет
В конце прошлого месяца искусственный интеллект в форме нейросети ChatGPT из научно-фантастических произведений и исследовательских лабораторий попал на наши компьютеры и телефоны. Это так называемый «генеративный ИИ» может создать эссе, или составить рецепт и список покупок, а также написать, например, стихотворение в стиле Элвиса Пресли. Аналогичные системы уже продемонстрировали еще более широкий потенциал для создания нового контента, а генерация изображений в нейросетяъ по текстовому описанию просто взорвала интернет.
Настоящий ИИ
Возможно, ИИ еще не обладает живым сознанием или теорией разума, популярной в научно-фантастических фильмах и романах, но он приближается к тому, чтобы, по крайней мере, разрушить то, что, по нашему мнению, могут делать системы искусственного интеллекта. Исследователи, тесно работающие с этими системами, упали в обморок от перспективы разумности, как в случае с большой языковой моделью (LLM) LaMDA от Google. LLM — это модель, которая была обучена обрабатывать и генерировать речь в форме естественного языка. Все это поднимает вопрос о том, чем ИИ все же отличается от нашего интеллекта?
Чтобы квалифицироваться как ИИ, система должна демонстрировать определенный уровень обучения и адаптации. По этой причине системы принятия решений, автоматизация и статистика не являются искусственным интеллектом. ИИ в широком смысле подразделяется на две категории: слабый/узкий искусственный интеллект (ANI) и сильный/общий искусственный интеллект (AGI). На сегодняшний день AGI не существует.
Ключевой задачей для создания сильного искусственного интеллекта является адекватное моделирование мира со всей полнотой знаний последовательным образом. Это, мягко говоря, масштабное мероприятие. Большая часть того, что мы сегодня знаем как искусственный интеллект, на самом деле является слабым ИИ – в этом случае конкретная система решает конкретную проблему. В отличие от человеческого интеллекта, такой узкий ИИ эффективен только в той области, в которой он был обучен: например, обнаружению мошенничества, распознаванию лиц или рекомендации контента.
AGI, однако, будет функционировать так же, как и люди. На данный момент наиболее заметным примером попыток достичь этого является использование нейронных сетей и «глубокого обучения», обученных на огромных объемах данных. Нейронные сети основаны на том, как работает человеческий мозг. В отличие от большинства моделей машинного обучения, которые выполняют вычисления на обучающих данных, нейронные сети работают, передавая каждую точку данных одну за другой через взаимосвязанную сеть, каждый раз корректируя параметры.
По мере того как через сеть поступает все больше и больше данных, параметры стабилизируются; конечным результатом является «обученная» нейронная сеть, которая затем может выдавать желаемый результат на основе новых данных – например, распознавать, содержит ли изображение кошку или собаку.
Значительный скачок вперед в области искусственного интеллекта сегодня обусловлен технологическими усовершенствованиями в том, как мы можем обучать большие нейронные сети, перенастраивая огромное количество параметров в каждом запуске благодаря возможностям крупных инфраструктур облачных вычислений. Например, GPT-3 (система искусственного интеллекта, которая управляет ChatGPT) представляет собой большую нейронную сеть со 175 миллиардами параметров.
Нейросети буквально захватили мир. Однако, эти алгоритмы — все еще не тот искусственный интеллект, к которому мы стремимся.