С появлением нейросетей с новыми силами вспыхнули разговоры, где на минималках идут жаркие баталии о том, как быстро и сможет ли вообще ИИ заменить ряд профессий, а на максималках — когда (даже не если) он осознает себя и уничтожит человечество.
Что же, давайте разбираться с самого начала. И начнем с того…
Искусственный интеллект — это способность компьютеров к выполнению креативных и интеллектуальных задач, которые ранее входили сугубо в область человеческой деятельности.
Сам термин и такое определение возникли более 65 лет назад, когда в дартмутском колледже собрались видные ученые из США того времени, среди которых были организаторы — Джон Маккарти, Марвин Ли Минский, Натаниэль Рочестер и Клод Шеннон.
Теперь попробуйте даже среди старшего поколения найти людей, которые не слышали хотя бы само понятие «искусственный интеллект».
Конечно, с 1956 года прошло много времени, и теперь ИИ живет у нас в карманах, где мы носим смартфоны, в наших ПК и ноутбуках, портативных колонках, в промышленном секторе и образовательной сфере. Но обольщаться и пугаться одновременно не имеет смысла, потому что ИИ пока что (подчеркнем) далековато до всего того спектра задач, которые выполняет мозг человека. Пока он является подспорьем, но никак не заменой.
ИИ не является гомогенной структурой, и в нем можно выделить составляющие.
Это гигантские массивы информации, необходимые и достаточные для принятия сложных решений. Они служат отправной точкой, с помощью которой происходит глубокое обучение нейросетей.
Предназначена для поиска и нахождения в разных отраслях деятельности человека. Огромным плюсом data mining является то, что результаты показываются в предельно наглядной форме, а значит инструментом могут пользоваться люди, которые не сильны в математике и смежных науках.
Искусственные нейронные сети (ANNs, также сокращенно нейронные сети (NNS) или нейронные сети) — это ветвь моделей машинного обучения, которые построены на использовании принципов организации нейронов, открытых с помощью коннекционизма в биологических нейронных сетях, составляющих мозг животных.
Здесь важно подчеркнуть, что подобные системы изначально не программируются, а проходят обучение. То есть формализованные алгоритмы здесь не годятся, поэтому они и находят свое применение в работе с разнообразным контентом — текстовым, графическим, аудио- и видео
Как, уже было сказано, ИИ решает свой спектр задач и набирается навыков с помощью machine learning. Люди здесь не оперируют готовыми алгоритмами. Система получает задачу развиваться самой, на основе изучения массивов информации. Порой она вообще сначала ИЩЕТ эту информацию.
Приведем пример. У нас имеется система, которая формирует иерархию товаров в определенной товарной категории. Она проходит стадию машинного обучения, где изучается тысячи референсов для того, чтобы выявить зависимость между сезонностью, акциями и скидками, а также частотой востребованности тех или иных товаров. В результате при добавлении нового товара система по категории, техническим характеристикам и на основании отзывов покупателей сможет определить его иерархию в категории, необходимость оперативно повысить или понизить цену на товар и т. д.
Чем больше данных мы дадим на изучение ИИ, тем больше мы получим от результатов машинного обучения, когда он приступит к выполнению задач.
Machine learning просто необходимо, когда решение задачи не укладывается в бинарную логику, где ноль будет означать «нет», а единица — «да». Если по такой такой логике работать в том же екоме, может статься, что система примет решение на основе недостаточного количества данных. Лучше, когда будет основываться на целой совокупности решений. Это максимально приблизит ее к человеку, ведь она попадет в ситуации, которые не были заранее запрограммированы.
Рассмотрим пять случаев, когда ИИ поможет в работе.
Если вы хотите сделать это бесплатно, рекомендуется использовать Bing AI или ChatGPT 3.0.
Что тут можно сделать:
Тут важно сказать одну важную вещь. Искусственный интеллект все еще не осознает себя, но он может подать свою рефлексию так, что вы будем уверены, что именно он так и полагает. На самом же деле идет просто генерация текста, выдаваемые за мысли машины. «Скайнет» пока не врывается в наши дома через буквы, слова, предложения и абзацы.
О, сколько картинок и фотореалистичных изображений было создано, когда миру были явлены картиночные нейронки!
Из наиболее популярных можно выделить следующие.
Сайт: https://dalle.com.ru/
Раньше DALLE в России не был доступен напрямую. Авторы сайта разработали первую платформу, которая позволяет получить доступ ко всем возможностям нейросети в России без ограничений. Пользование сервисом на месяц обойдется в 990 рублей. Сервис подойдет для дизайнеров, блогеров, фрилансеров и бизнесменов.
Сайт: https://stablediffusion.com.ru/
Stable Diffusion — это сложная модель искусственного интеллекта, способная создавать изображения по заданному списку параметров включая текстовые описания. Сайт, который по ссылке — ресурс единственной в России платформы, которая предоставляет доступ к Stable Diffusion. Технология официально предоставлена компанией Stability AI российским разработчикам для свободного использования на коммерческой основе. Промты (подсказки для нейросети) работают на русском языке, однако наилучшее соответствие изображений запрос достигается при использовании английского языка. Доступ к платформе на месяц стоит 990 рублей.
Тем не менее в Telegram есть канал этой нейросети, и сейчас мы вам покажем результаты ее применения:
Сайт: https://www.midjourney.com/home
Midjourney — независимая исследовательская лаборатория, исследующая новые формы мышления и расширяющая возможности воображения человеческого вида. Сами себя позиционируют как небольшую самофинансируемую команду, специализирующуюся на дизайне, человеческой инфраструктуре и искусственном интеллекте.
Сайт: https://www.sberbank.com/promo/kandinsky/
У нейросети есть свой чат-бот в Telegram. Покажем на его примере, как «Кандинский» генерирует изображения по текстовому описанию.
Итак, все описанные выше генераторы изображений используются для того, чтобы;
Здесь снова стоить вернуться к ЧатГПТ и попросить его дать какие-то советы и подсказки.
Для этого воспользуемся нейросетью D-ID.
Сайт: https://www.d-id.com/
И снова ЧатГПТ 3.5 поможет тем, кто умеет программировать, а четвертая — кто не владеет этим навыком.
Итак, я собрал воедино былые знания (нет) по математике и вот что получилось:
Любой родитель расскажет, что есть ситуации, когда ребенка обучают чему-то новому и сложному для восприятия. Терпеливому папе или маме в любом случае надо донести суть до чада, когда она ищет разные способы донесения информации.
У искусственного интеллекта похожий принцип усвоение: да, в ответ на вводные данные ИИ выдаст плачевный результат, что вовсе не значит, что его принципиальную неспособность решить ту или иную задачу. Надо проработать тот самый промт (если речь о нейросети), изменить синтаксис вводных или дополнить их, чтобы добиться удовлетворительного ответа. Немалую роль играет и стиль общения: чересчур формальный или максимально разговорный может быть неверно интерпретирован.
Есть ряд рекомендаций по тому, как пользоваться ИИ с максимальной отдачей.
Поскольку ИИ сейчас работает по принципу генерации ответов на основе исходных данных, синонимизация запросов будет верным подспорьем. Русский язык настолько богат, а терминология в ряде областей (в том же интернет-маркетинге) широка, что это позволяет при формулировании запросов играть с формулировками, чтобы достичь максимального понимания между пользователями и ИИ.
Иными словами, можно предпринять 2,3 и более попыток, чтобы получить искомый ответ. И, например, непосредственно запросить у ИИ синонимы как к отдельным словам так и к целым предложениям.
Уже ясно, что синонимы сильно облегчают жизнь пользователям при работе с ИИ, однако не все так гладко. Необходимо, чтобы в рамках всей цепочки подсказок один термин обозначался одинаково. То есть, например, если у вас стоит задача сделать инструкцию для пользователей по чему бы то ни было, это должны быть именно “пользователи”, а не “заказчики” и уж никак не “консументы”. В противном случае ИИ запутается и выдаст вам результат, далекий (очень) от идеала.
Естественно, только одна синонимизация — не панацея. Познания в русском языке (синтаксисе, семантике и т. д.) в сочетании с творческим актом генерации идей дадут нужный эффект.
При этом надо иметь ввиду, что даже такие уточнения в совокупности могут привести к низкому качеству выходных данных. Искусственный интеллект порой не очень внимателен к тем деталям, на которые ему указывают. Он их либо игнорирует, либо интерпретирует по-своему.
ИИ может оперировать интегративным и трансформирующим языками.
Первый из них служит для установления связующих звеньев между концепциями и идеями. То есть искусственный интеллект изучает разные элементы и выявляет связи между элементы и образ их взаимодействия между собой. Так, можно установить, как изменится положение вещей, если произойдет определенное событие или явление.
Второй же служит для того, чтобы понять как действие меняет другие элементы. Например в математической формуле мы меняем одну из переменных и просим ИИ показать, как это повлияет на конечный результат.
Когда мы применяем причинный язык, то тем самым помогаем искусственному интеллекту в оптимальном понимании причинно-следственные связи между элементами и построению прогнозов на основе этих связей.
Интегративный язык мы используем, когда ИИ никак не может понять семантику подсказки из-за одного из элементов. Здесь на помощь приходят уточняющие фразы типа “правее/левее”, “вследствие”, “по причине того, что”. Может случаться, что ИИ проигнорирует их и просто продублирует описание. В таком случае нужно отказаться от подобных вводных конструкций и максимально прояснить свою подсказку.
Трансформирующий язык мы используем, чтобы насытить свои запросы контекстом с помощью фраз “иначе говоря”, “чтобы прояснить некоторые моменты”. Так ИИ должен выдать более точные результаты.
Вспомни старую детскую установку — не думать о розовом слоне! И что: можно теперь с уверенностью сказать, что на определенный момент времени все ваши мысли будут касаться именно слонов розового цвета.
Вот и у ИИ аналогичные проблемы — он сделает максимальный акцент на том, что мы хотим исключить из запроса. Это очень похоже на минус-фразы при сборе семантического ядра.
Как вариант обойти подобную проблему — использоваться позитивный язык, не имеющий отрицания. То есть не “не особо дружелюбный”, а враждебный; не “не первый и не третий”, а “только второй и четвертый” и т. д.
Как известно, сильные глаголы делают лучше тексты в принципе, и в деле формирования подсказок для ИИ, но без смещения акцента на главной цели подсказки. То есть мы не пишем “исчерпывающая информация о книгах по менеджменту”, а “назови десять книг по менеджменту”
Чтобы ИИ дал удовлетворительный результат, нужно позаботиться о достаточной контекстной составляющей. Пользователь должен убедиться, что дает информацию структурировано, четко и с приемлемой актуальностью, чтобы свести на минимум количество итераций работы с подсказками.
Как человек, давно работающий с текстами, могу сказать, что мы как выигрываем так и проигрываем борьбу за клиентов, за качество их контента тгда, когда либо попадаем, либо промахиваемся мимо контекстной составляющей.
Ещё года назад мы не видели своими глазами, как можно общаться с нейросетью и получать ответы, подчас не отличимые от реальной человеческой речи, как можно генерировать изображения по текстовому описанию и создавать видео, где ИИ на ходу генерирует сюжет. Промышленность, медицина, торговля, образование, финансы — это все те области, где ИИ уже интегрирован в работу и только продолжает развиваться.
В его основе лежат нейронные сети искусственного происхождения. Это обучение позволяет ИИ совершенствовать свои навыки в распознавании аудио- и визуального контента, лучше анализировать входящую основу и принимать решения на ее основе.
В 2023 году все уже в курсе, что такое БПЛА —беспилотные летательные аппараты — и для какого широкого спектра целей они могут применятся. Аналогичное отражение использованиии ИИ находит и в проектировании автономных систем за счет сочетания глубокого изучения, обработки естественного языка, машинного зрения и прочих технологий ИИ.
Снова вернемся к сферам человеческой деятельности. Роботы могут заменять людей на опасных производствах, в медицине —при выполнении сложнейших хирургических вмешательств. В автомобильной промышленности —на конвейерной сборке ( и не только) и в качестве водителей.
Ученые задумываются о том, чтобы создавать целые сети различных искусственных интеллектов, чтобы те сами могли проходить обучение и становиться все лучше и лучше. Это существенно повысит их автономию за счет снижения человеческого вмешательства в работу.
Это уже стало реальность и продолжает развиваться в игровой сфере, в той же медицине, в промышленности, когда ИИ сама предлагает комплекс мер по улучшению разных производственных, лечебных и бизнес-процессов.
Для человечества изменение климата является далеко не решенной проблемой. Как и выброс вредных веществ в атмосферу, роста энергопотребления и т. д. ИИ можно и нужно использовать для построения систем по сокращению отходов, их утилизации, оптимизации пользования природными ресурсами.
Еще одна — и очень благородная цель искусственного интеллекта — борьба с голодом. Это и поддержка в деле сбора урожая, и эффективность использования удобрений, метеорологические системы, которые на основе анализа данных будут предупреждать о рисках неблагоприятных погодных условий.
ИИ — глобально — это благо для человечества, но опять же —под строгим контролем интеллекта естественного, человеческого. Потому что иначе в полный рост встанут все те вопросы, которые озвучиваются в фантастических фильмах: правовые и моральные вопросы жизнедеятельности роботов, возможные потери рабочих мест, угрозы информационной безопасности. И что самое страшное для всех — осознание ИИ самим себя и инициация действий против его создателей. То есть нас — людей.
Ваша информация никогда не будет передана третьим лицам! Никакого спама!