Искусственный интеллект

1.

ИСКУСТВЕННЫЙ
ИНТЕЛЛЕКТ

2.

ОБ
ИСКУССТВЕННОМ
ИНТЕЛЛЕКТЕ
Искусственный интеллект научился понимать смыслы и
отвечать, как человек, генерировать изображения,
неотличимые от оригинала, и симулировать физику
реального мира в формате видео.
Мы разберем, как нейросети воспринимают
окружающий мир и обрабатывают информацию,
почему всё вокруг можно описать с помощью чисел и
как работает распознавание лиц. Узнаем, способны ли
ИИ-технологии "читать" наши мысли, как алгоритмы
расшифровывают язык животных, кто контролирует
развитие искусственного интеллекта и какие риски
связаны с его стремительным прогрессом. Может ли
ИИ повлиять на свободу воли человека? Эти и другие
вопросы мы рассмотрим в деталях.

3.

НЕЙРОСЕТИ:
ОТ ИГР ДО
РЕАЛЬНОГО МИРА
ВОЗМОЖНОСТИ И
ВЫЗОВЫ
01
02
Snake AI — это нейросеть, обученная играть в
классическую игру "Змейка" с использованием методов
машинного обучения. Как нейросети, такие как Snake AI,
учатся играть в игры и осваивать сложные концепции?
Вначале их поведение хаотично, но со временем они
разрабатывают стратегии: блокируют пути,
адаптируются к изменениям среды и манипулируют
игровым пространством. Интересно, что одна из
нейросетей нашла «противоядие» от вымышленного
токсина, используя зелёную краску. Такие неожиданные
открытия связаны с экспериментальным подходом
разработчиков: сначала создаётся сеть, а затем
исследуются её возможности.
Это поднимает вопросы о потенциальной потере
контроля над продвинутыми ИИ и их последствиях.
Также изучается, как ИИ осваивает человеческий язык,
культуру и даже физику.
03
04
ИИ также превзошёл человека в распознавании
изображений и шахматах, но сталкивается с вызовами в
понимании человеческого поведения. Например, он всё
ещё нуждается в людях для прохождения CAPTCHA, так
как не способен полностью имитировать реакции
человека. Технология демонстрирует выдающиеся
успехи в анализе медицинских снимков и обработке
текста, но испытывает трудности с расшифровкой
рукописных и повреждённых документов. В городском
планировании ИИ анализирует схемы движения и карты,
повышая эффективность инфраструктуры, однако
понимание эмоций остаётся сложной задачей.
Несмотря на прогресс, ИИ вызывает опасения в сфере
конфиденциальности и наблюдения, особенно если
применяется для манипуляции поведением людей. Его
развитие требует тщательного контроля с учётом
этических, правовых и социальных последствий.

4.

КОМПЬЮТЕРНОЕ
ЗРЕНИЕ
Итак, человечество создало искусственную
сущность, но по уровню развития она как
маленький ребёнок. Как обучить её читать и
ориентироваться в реальном мире? А вы
вспомните, когда в последний раз вводили капчу.
01
Капча, если вы не знали, переводится как: (от
англ. CAPTCHA - Completely Automated Public Turing
Test to Tell Computers and Humans Apart) - это
полностью автоматизированный публичный тест
Тьюринга, чтобы отличить компьютера от людей.
И вы точно не знали, что, вводя капчу, вы
буквально помогали ИИ от Google обрести
зрение. В 2005 году в капче ReCAPTCHA V1.0
появлялись сразу два слова: первое пропускало
вас на сайт, а второе на проверку не влияло. Даже
если вы вводили второе слово неправильно, вас
всё равно пропускало на сайт.
Тогда зачем нужно было второе слово? Оно было
отсканировано от старых газет и книг, но ИИ не мог его
распознать, например, если слово было зачеркнуто или лежало
на сгибе. Предполагалось, что если пользователь введёт
первое слово правильно, то и второе тоже. А если так
поступают 9 из 10 пользователей, то бинго - ИИ начинает
понимать слово. Пользователи, которые вводили эти капчи
правильно, помогали ИИ за 4 дня оцифровать годовой архив
газеты New York Times. Теперь вы понимаете, почему в капче
больше не показывают вырезки из газет? Потому что мы все
дружно с вами помогли ИИ читать книги, и умение читать
теперь не отличает машину от человека. Поэтому на капчах
теперь картинки. Но и это не просто так

5.

ПОЧЕМУ НА КАПЧАХ
ТЕПЕРЬ КАРТИНКИ?
01
02
Такое действие было не просто так. Наверняка вы
задумывались, почему в капчах нам дают именно
светофоры, пешеходные переходы, автобусы и
велосипеды. А потому что картинки с переходами
он берёт из своих Google карт, а вы, отмечая их
на капче, учите беспилотный автомобиль Google
различать все объекты в реальности. Да, вы
просто размещали картинки для ИИ и делали это
абсолютно бесплатно. И делали это так хорошо,
что теперь он различает объекты лучше, чем
люди.
Вместо распознавания картинок капча уже заставляла нас слушать
аудиофайлы, решать уравнения и вообще ставить мат в один ход.
Вот только ИИ давно научился играть в шахматы лучше людей. И
поэтому нам для капчи нужно что-то более человечное. Например,
наше несовершенство, такие как проверка "я не робот" - именно
ваши неловкие движения мышью выдают вас как человека. Робот
так не тупит, он ведёт курсор по прямой линии. А ещё такая капча
проверяет кэш, куки, а также "грязную" историю вашего браузера,
чтобы убедиться, что вы не бот.

6.

ЦЕНА ПРОГРЕССА: ОТ РАСПОЗНАВАНИЯ
ЛИЦ ДО УМНЫХ ГОРОДОВ
01
Но что, если обучить нейросеть, которая на вход будет получать
не дорожные знаки и виды с улиц, а наши с вами лица? Если в
2018 году мы говорили про макияж, с которым ни одна нейросеть
02
вас не узнает, то сейчас они сканируют ваше лицо при помощи
инфракрасных лучей, и какого оно цвета, им вообще уже без
разницы. Благодаря этим же алгоритмам квадрокоптеры могут
снимать 3D модели целых городов.
Благодаря этому наши города становятся умными и удобными, ну
и одновременно с этим прозрачными - вам уже некуда скрыться.
Такая вот цена прогресса.

7.

ЦИФРОВОЙ ШУМ
ГЕНЕРАЦИЯ
ИЗ ШУМА
Современные ИИ-системы могут создавать
изображения из случайного шума, используя
технологии, основанные на генеративных
моделях. Одной из таких моделей является
генеративно-состязательная сеть (GAN), где
используются два ключевых компонента:
генератор и дискриминатор.
Генератор начинает с случайного шума, преобразуя его в
изображения, которые должны быть как можно более
реалистичными. Он учится на ошибках, пытаясь создать такие
изображения, которые дискриминатор не сможет отличить от
реальных.
Дискриминатор, в свою очередь, проверяет, является ли изображение
настоящим или созданным генератором. Он обучается различать
реальные изображения и искусственно сгенерированные.
Этот процесс продолжается до тех пор, пока генератор не научится создавать изображения настолько качественно, что
дискриминатор больше не может отличить их от реальных.
Кроме того, другая важная технология - автокодировщики. В автокодировщиках используется два ключевых компонента:
Энкодер, который сжимает исходные данные (например, изображение) в компактное представление или латентное
пространство.
Декодер, который затем восстанавливает эти данные из сжатого представления в виде изображения.

8.

ЯЗЫКОВЫЕ
МОДЕЛИ
Вся эта "магия" происходит прямо у нас на глазах. ИИ
открывает в себе способности, которым его не учили.
Интересный пример: что если взять тот же энкодер и
декодер, но скормить им не картинки, а наш язык? Пусть
сжимают тексты и выдают тоже тексты. Что получится?
Получится самая умная нейросеть. А если быть точным,
то языковая модель - и это ключевая идея, с которой
начался весь хайп вокруг нейросетей. Самый яркий
пример языковой модели - это ChatGPT. Вы же помните,
что весь мир - это числа. Тексты - это тоже числа, а
значит, с ними можно проводить математические
операции.
Помните, как мы скармливали нейросети тысячи разных фотографий
светофоров, чтобы она наконец научилась их узнавать? Так вот, фишка
языковых моделей - им можно скармливать совершенно любые тексты и
не нужно заранее их размечать. Это как если бы школьнику кинуть
чемодан учебников, и после удара по голове он за пять минут выучил всю
ядерную физику.
Поэтому разработчики ChatGPT пошли на Reddit и тупо выкачали все
посты, у которых было больше трех лайков. И все эти слова нейросеть
начала различать по смыслу. А поскольку нейросети думают на языке
чисел, им без разницы, на каком человеческом языке вам отвечать.

9.

ЧТО МОЖЕТ CHATGPT?
ОБРАЗОВАНИЕ БУДУЩЕГО
Что удивительно раньше на GPT всем было наплевать, как на
биткоин в 2009, все изменилось когда GPT засунули в
интерфейс чата, ChatGPT Все стали с ним общаться. Но могут
ли языковые модели делать что-то по настоящему полезное
что то реально применимое прямо сейчас что упрощает нам
жизнь? - Да, они полностью стирают языковой барьер в
интернете. Языковые модели изменят образование его
также как когда изменил интернет. Начнем с детства,
ребенок задает по 300 вопросов в день, кто будет на них
отвечать? Вы? Вы устанете а языковая модель нет. Но мы
пойдем дальше, чем детский сад отличается от вуза для
языковых моделей ничем. Языковые модели вроде ChatGPT.
Ближе всего приблизились к тому что называют сильным ИИ,
То есть тем который может решать не только конкретные
узкие задачи но и будет силен сразу во многом как человек
почему именно языковые модели? Потому для современного
человека весь мир - это текст. Мы сами рассказываем себе
истории и так конструрируем всю нашу реальность. Ну а для
нейросетей весь мир - это числа и превратив текст в числа
мы дали языковым моделям доступ ко всей человеческой
культуре.

10.

СИЛЬНЫЙ ИИ
Итак, простая задача - предсказывать следующее слово - разрослась до
интеллекта, который может понимать мемы и управлять роботами. Но
задумайтесь: мы, люди, тоже эволюционировали от простой задачи искать еду и выживать - до литературы и философии. В науке есть такое
понятие, как эмерджентность, когда из суммы чего-то простого спонтанно
рождается что-то очень сложное. Так из льдинок рождаются фрактальные
узоры, из кучки скворцов - мурмурация целой стаи, из миллиардов
продавцов и покупателей - экономика страны, а из простых формул,
связанных в нейросеть, - что-то похожее на интеллект. Помните, что,
создавая нейросеть, люди не знают точно, что получится в конце. По этой
же логике предсказать, что будет уметь GPT, очень сложно. Как бы
тщательно мы ни ставили цель перед ИИ, всегда есть риск, что он поймёт
её по-другому.

11.

СИЛЬНЫЙ ИИ 2
Например, мы создаём беспилотный автомобиль, и в первый
же день теста он разгоняется до 300 км в час, объезжая все
светофоры по тротуару и сбивая пешеходов при этом. Значит,
надо прописать ему ограничение. Всё просто: говорим ему держись в полосе, не превышай скорость, тормози, пропускай
пешеходов и помеху справа. Но уже в следующей поездке он
делает неожиданное открытие: если включить заднюю передачу,
то радары спереди не будут видеть людей и разметку. Значит,
задом можно ехать как угодно, а помеха справа становится
помехой слева. И снова он делает буквально то, что ему сказали, а
не то, что мы на самом деле имели в виду. Таким образом, в
какой-то задаче его цели могут разойтись с целями человечества.
И что же делать? Можно всё время
держать руку на рубильнике? И если
что-то начнётся, вырубить его?
Создатели ChatGPT даже иронично открыли вакансию
человека, который и будет дергать этот рубильник с
зарплатой $300,000-$500,000 в год. На самом деле, не быть
отключённым - это одна из главных задач сильного ИИ. Ведь
ты не можешь отвечать в чаты или управлять автомобилем,
когда ты выключен. Да, пока всё это звучит как проблемы
"будущих нас", но когда мы случайно создадим сильный ИИ,
возможности "откатиться" назад у нас уже не будет. Мы
играем в эту игру без сохранений, и у нас всего лишь одна
попытка.

12.

ТИРАНИЯ КОМФОРТА
Но что, если мы сами не захотим отключать ИИ? Что если, он сделает
нашу жизнь настолько удобной, что мы добровольно откажемся от
свободы воли? Звучит абсурдно, но ответьте себе на вопрос: кто сегодня
пользуется разговорником, бумажной картой или компасом? Да и зачем,
когда Google карты или Яндекс карты учитывают оптимальный маршрут,
учитывая пробки не только сейчас, но и в любой другой час и день
недели, запоминая лучше нас, где и когда бывают заторы? То же самое и
в других сферах. Смотрите видео на TikTok, которые были подобраны
алгоритмом, садитесь в такси в конкретной точке, потому что нейросеть
посчитала её удобной и вам, и водителю.
Понимаете? Мы просто позволяем алгоритмам вести нас за ручку. Ведь в
день мы принимаем до 35,000 решений - от того, чтобы почесать себе
голову, до анализа рынка и поиска новых профессий. И большая часть из
этих решений - это мелочи рутины. Почему бы не доверить и не
делегировать их ИИ? Но с каждым таким решением мы всё меньше
оставляем свободы самим себе. Зачем писать тексты, когда их лучше
напишет ChatGPT? Зачем рисовать что-то в мире, когда есть Midjourney? Мы
привыкнем, что есть сущность, которая все решения принимает лучше нас,
да и мы, люди, не всегда поступаем логично.
Вы знали, что судьба подсудимых зависит от того, насколько хорошо поел
судья? Да, сытый он чаще их оправдывает. Так может, лучше доверить
алгоритмам даже такие важные решения? Мы никогда не сможем понять их
до конца, но их решения точно не будут зависеть от настроения и
содержимого желудка.
Какой человеческий мозг смог бы проанализировать всё это и дать совет
лучше? Мы не всегда будем понимать логику искусственного интеллекта, но
будем к ней прислушиваться. А от тирании алгоритмов мы перейдем к
тирании комфорта. Поэтому будущее уже наступило, и пора бы это заметить.

13.

Т
У
Р
Е
Б
И
Т
Е
С
О
Р
Й
Е
Н
О ТК У Д А
?
В
Е
О
Л
С
И
Т
С
О
Н
Т
Я
О
Р
ВЕ
Нейросети работают с вероятностями слоёв, опираясь на математические модели, основанные на
статистике и линейной алгебре. Когда нейросеть обучается, она анализирует огромные массивы
данных и находит в них закономерности.
Каждый слой нейросети представляет собой набор математических операций, преобразующих
входные данные в более сложные представления. Например, в случае обработки изображений
первые слои выделяют простые формы, такие как линии и углы, а более глубокие слои распознают
сложные объекты.
Вероятности слоёв формируются на основе того, насколько уверенно нейросеть считает, что её
выходные данные соответствуют правильному ответу. Это определяется через функцию активации,
которая преобразует числовые значения в вероятности, и через механизм обратного
распространения ошибки (backpropagation), который корректирует параметры нейросети.
Во время обучения сеть получает примеры и сравнивает свои прогнозы с правильными ответами.
Затем она корректирует свои внутренние веса - коэффициенты, которые определяют, насколько
важно каждое входное значение. Этот процесс продолжается до тех пор, пока сеть не научится
делать точные предсказания.
Таким образом, вероятности в слоях нейросети возникают в результате многократного анализа
данных и корректировки весов, что позволяет сети адаптироваться и находить наиболее вероятные
ответы на основе изученных закономерностей.

14.

КОГДА ПОЯВИТСЯ СУПЕРИНТЕЛЛЕКТ?
МНЕНИЕ СЭМА АЛЬТМАНА
Вот один из способов узкого взгляда на историю
человечества: после тысяч лет смешения научных
открытий и технического прогресса мы научились
плавить песок, добавлять примеси, с поразительной
точностью компоновать их в чрезвычайно в
крошечных масштабах в компьютерные чипы,
пропускать энергию через них и в конечном итоге
получать системы, способные создавать
искусственный интеллект с постоянно растущими
возможностями.
Сэм Альтман
Главный исполнительный директор OpenAI
Цитата из эссе Сэма Альтмана "Век Интеллекта"

15.

КОГДА ПОЯВИТСЯ СУПЕРИНТЕЛЛЕКТ?
МНЕНИЕ СЭМА АЛЬТМАНА
Это может оказаться самым важным фактом во всей истории на
данный момент. Вполне возможно, что через несколько тысяч дней
у нас появится суперинтеллект; это может занять больше времени,
но я уверен, что мы доберемся до цели.
Как же мы оказались на пороге следующего скачка в процветании?
В трех словах: сработало глубокое обучение.
В 15 словах: глубокое обучение сработало, предсказуемо
улучшалось и масштабировалось, и мы выделяли на него все
больше ресурсов.
Сэм Альтман
Главный исполнительный директор OpenAI
Цитата из эссе Сэма Альтмана "Век Интеллекта"

16.

КОГДА ПОЯВИТСЯ
СУПЕРИНТЕЛЛЕКТ?
Уже сейчас ИИ, вроде ChatGPT, работает в десять раз быстрее самых умных людей, а будущий AGI
может быть ещё быстрее. Его можно копировать сколько угодно раз.
Сейчас в мире насчитывается примерно 8 миллионов учёных. А теперь представьте миллион копий
AGI - они работают круглосуточно, не устают, не отвлекаются и думают в 10 раз быстрее людей. Это
как армия Эйнштейнов 24/7.
AGI сможет выполнять любую умственную работу лучше и дешевле людей: писать законы,
программировать, создавать видео для YouTube - да что угодно.
Кто будет контролировать AGI, тот сможет управлять всей экономикой, а значит, и миром.
Такой AGI мог бы решить самые сложные научные вопросы: найти бесконечный источник энергии,
победить рак и, наконец, понять, что такое тёмная материя и тёмная энергия.
Но есть и опасная сторона - AGI могут использовать для создания оружия или опасных вирусов.
Создание искусственного общего интеллекта может изменить мир сильнее, чем открытие огня и
электричества.
Но что, если AGI станет ещё умнее? Мы даже не можем представить, что тогда произойдёт.
AGI (Artificial General Intelligence) - это искусственный интеллект, который умеет решать любые задачи так же хорошо, как человек, а иногда и лучше.
Сейчас большинство ИИ-программ умеют делать только что-то одно: ChatGPT генерирует текст, Midjourney рисует картинки, а AlphaFold
предсказывает, как складываются белки. Но всё это - узкий интеллект (ANI), то есть системы, которые хороши в одной конкретной области.
AGI - это интеллект, который может учиться, думать, адаптироваться и решать любые задачи без ограничений. Такой ИИ смог бы писать код,
придумывать научные теории, управлять бизнесом, лечить людей и даже рассуждать о смысле жизни.
Представьте, что AGI - это как человек, но гораздо быстрее и умнее. Он может читать все книги мира за секунды, анализировать миллионы данных
одновременно и работать 24/7 без усталости. Это и делает его такой мощной технологией - и такой опасной.

17.

СПАСИБО
Сколько бы я ни повторял, будущее ИИ уже наступило.
Каждый день технологии меняют нашу жизнь, делая её
удобнее, но и ставя перед нами новые вызовы.
Искусственный интеллект может стать самым мощным
инструментом человечества - или самой большой угрозой.
Всё зависит от того, как мы его используем.
MADE B1ZEY