Самообучение и «сильный» искусственный интеллект: когда роботы начнут варить нам кофе
Ключевая способность искусственного интеллекта — способность к обучению. Как искусственный интеллект учится, может ли он самообучаться и сможет ли когда-нибудь заменить человека? На эти вопросы ответил научный сотрудник института «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации компании BetBoom Юрий Чайников.
Большая часть того, что принято называть искусственным интеллектом, это многослойные нейронные сети, – алгоритмы, которые нужно учить выдавать правильные, полезные ответы, тренировать на тех данных, для обработки которых такая нейросеть создана. Наибольшую эффективность при обучении, по оценкам экспертов, дает такой подход. Сначала нейросеть тренируют на большом массиве неразмеченных данных, скрывая часть картинки или текста и поощряя нейросеть правильно предсказывать скрытое.
На этом этапе нейросеть выучивает самые общие закономерности и паттерны в исходных данных. Затем наступает этап тонкой настройки нейросети. Здесь ее заставляют выдавать пару результатов в ответ на входные данные. Специально обученные люди из выданных нейросетью вариантов отмечают более предпочтительные, и нейросеть учитывает их оценки в дальнейшем процессе обучения. Этот процесс повторяется десятки и сотни тысяч раз, пока не перестанут улучшаться характеристики нейронной сети или пока не закончатся ресурсы на ее тренировку.
«Самое интересное в том, что на определенном уровне сложности, например, в очень больших мультимодальных моделях, происходит с одной стороны ожидаемое, а с другой стороны в некотором смысле удивительное явление – переход из количества в качество. По мере того, как мы тренируем нейросеть описывать заданные нами изображения человеческим текстом, она все лучше и лучше описывает не только то, что мы ей показывали, но и бесконечное разнообразие других изображений.
Удивительно здесь то, что качество описаний картинок можно существенно поднять, показав ей больше текстов. Чем больше мы ей будем показывать человеческих текстов, тем лучше она будет описывать изображения, которые увидела, потому что в описании этих текстов прослеживаются тонкие, глубинные взаимосвязи слов, проистекающие из свойств нашего физического мира: например, яблоки обычно бывают красные, желтые, зеленые, но не фиолетовые, что «Северная столица» в российском контексте – это Санкт-Петербург и так далее.
Если среди текстов, которыми мы ее «кормили», какую-то часть составят тексты из книг по шахматам, нейросеть, прочитав их, так или иначе выучит логику шахмат. Было ли это заложено в архитектуре? В некотором смысле было. Является ли это следствием такого метода тренировки? Безусловно. Одни архитектурные подходы больше способствуют обобщению, а другие – меньше. Мультиязычные и мультимодальные нейронные сети с очень большими объемами обучающей выборки в триллионы токенов и с очень большим вычислительным ресурсом, затраченным на процесс обучения, все в большей степени проявляют это эмерджентное свойство «думать», причем думать безусловно в кавычках», – рассказал Юрий Чайников.
Есть мнение, что такая способность к самообучению, заложенная в основе искусственного интеллекта, приведет к созданию так называемого «сильного» искусственного интеллекта, перспективы которого уже много лет будоражат сообщество ученых и разработчиков по всему миру.
«Если порассуждать без инженерного приземления, то «слабый» искусственный интеллект – это нейросети, которые умеют решать ограниченный круг задач и никогда не решают их в неограниченно широкой области. Это такой самый яркий признак «слабости». Фактически, это тот искусственный интеллект, которым мы имеем на данный момент. Теперь можно порассуждать в обратную сторону. Что такое «сильный» искусственный интеллект? Это системы, которые смогут решать любые задачи, которые может выполнять «обычный человек», на уровне качества «обычного человека». Такой искусственный интеллект пока еще не создан.
Многие знакомы с тестом Тьюринга, по которому «обычные люди» по текстовому диалогу с трудом отличают искусственный интеллект от человека. Этот тест фактически пройден текущими большими языковыми моделями. Гораздо более сложный, так называемый «кофейный тест», пока еще не преодолен. Робот по просьбе человека должен сделать кофе в незнакомом помещении, то есть сориентироваться, отыскать кофейный автомат, найти все необходимое, подставить чашечку, сделать кофе, принести и сказать: «Кофе готов». Вот такой тест пока не по силам существующему в наше время искусственному интеллекту», – отметил эксперт.
Хотя «сильный» искусственный интеллект, то есть интеллект, способный самообучаться и самостоятельно решать самый широкий круг задач, которые под силу сейчас только человеку, еще не создан, однако все тенденции развития в этой области налицо. По оценкам эксперта, мы сможем стать свидетелями появления «сильного» искусственного интеллекта уже при жизни нынешнего поколения.
«Я не думаю, что это будет какой-то «скачок». Я думаю, это будет тот же самый «ползучий» процесс, что уже происходит буквально на наших глазах. Релиз за релизом, пару раз в год, OpenAI выпускает очередную версию ChatGPT. Включившись в гонку, Google планирует выпустить Gemini 2.0, от Anthropic ожидаем версию Claude 3.5 Opus. Пока тенденция такая: каждая последующая версия потребляет в 10 раз больше токенов и в 10 раз больше вычислительных ресурсов. По независимым оценкам GPT-4 обошлась в 100 млн долларов и «съела» 10 триллионов токенов. Вот следующие четыре порядка – это наши вехи. Миллиард, десять миллиардов, сто миллиардов, триллион долларов. До суммы в триллион долларов, до десяти квадриллионов токенов все будет идти по этой накатанной дороге.
Пока тренд таков, что каждый раз при увеличении в десять раз объема обучающей выборки и затраченного вычислительного ресурса происходит очередное, явное усиление полученного «интеллекта». Есть основания считать, что на этом пути в четыре порядка доля непосильных для искусственного интеллекта задач станет такой малой, что мы признаем его «сильным». Для осуществления этого замысла нужно по-настоящему много вычислительных ресурсов. Не в разы, а именно на порядки больше, чем есть сейчас. И лидеры в этой гонке это отлично понимают. Так OpenAI совместно с Microsoft анонсировали запуск вычислительного кластера стоимостью 100 млрд. долларов 2031-му году», – говорит Юрий Чайников.
Сейчас обычному человеку сложно поверить в такой глобальный переход, но это не смущает тех, кто хорошо знает, как происходили технологические революции в прошлом.
«Когда Максвелл сформулировал законы электромагнитного поля, никто не думал, что все, что можно было сделать руками, можно будет сделать с помощью какого-нибудь электроинструмента. А сейчас – да мы жить не можем без инфраструктуры 50 герц и 220 вольт! Подавляющее количество технологических процессов, которые производят человеческое благосостояние, которое мы в конечном счете и потребляем, делается при помощи электроинструментов, станков и прочего оборудования с электрическими приводами, транспорта с использованием электроэнергии. И в этом смысле оно стало вездесущим.
Причина этому проста: электричество многократно повышает производительность труда почти везде. Также работает и искусственный интеллект. Если судить по современным исследованиям тех задач, которые искусственный интеллект уже умеет решать, он «стоит» в десятки раз дешевле человека в тех задачах, с которыми справляется. Поэтому замена человека роботом произойдет почти неизбежным образом по тем же чисто экономическим мотивам, как электроэнергия заменила лошадь. Так мы «проползем» через очередную революцию повышения производительности труда, обеспеченности и благосостояния», – отметил эксперт.
Материал подготовлен при поддержке Минобрнауки России.
Telegram 
Дзен 
VK Анализ более 150 тысяч древних звезд Млечного Пути показал, что возраст космоса, судя по всему, близок к 13,8 миллиарда лет. Авторы нового исследования заключили, что сценарии, в которых Вселенную приходится делать заметно «моложе» ради решения хаббловского кризиса, плохо согласуются с наблюдениями. Это важно, поскольку возраст старейших светил — один из немногих независимых способов проверить космологические модели не по данным ранней Вселенной, а по объектам нашей собственной Галактики.
Японские исследователи выловили у берегов Окинавы пластиковую бутылку с узким горлышком, внутри которой сидел большой живой краб. В итоге ученые смогли найти ответы на несколько возникших в связи с этой находкой вопросов: как краб попал в бутылку, сколько там находился и как ему удалось выжить?
Физики экспериментально подтвердили эффективность ионно-плазменного метода удаления радиоактивных загрязнений с поверхностей металлоконструкций ядерных реакторов. Новая технология позволяет очищать внутриконтурное оборудование от отложений сложного химического состава без образования опасных жидких радиоактивных отходов. Благодаря этому она даст возможность повторно использовать реакторные сплавы и снизит затраты на их переработку.
Древнеримские инженеры проложили колоссальную сеть дорог через Европу, Северную Африку и Ближний Восток, многие участки которой до сих пор поражают безупречной прямолинейностью. Секрет строительства заключался в использовании трех особых геодезических инструментов, с помощью которых разбивали местность на ровные отрезки и размечали трассы.
Терраформировать Марс — то есть превратить в мир, где можно жить без защитных куполов — мечта человечества с того момента, как стало понятно, что это холодная планета с призрачной бескислородной атмосферой. Сейчас главный хедлайнер ее освоения — Илон Маск, компания SpaceX которого планирует первые полеты туда уже в 2028 году. Многие энтузиасты вспоминают слова Маска 14-летней давности: Красную планету надо лишь «подремонтировать», чтобы ходить без скафандра. Но между полетом и прогулками по городу-саду на Марсе лежит огромная пропасть. Пару лет назад Naked Science рассматривал положительный сценарий терраформирования. Пришло время подсчитать, сколько же лет и ресурсов потребуется.
Самый маленький дневной хищник Африки впервые попал под наблюдение с помощью GPS-трекеров. Ученые выяснили, что для выкармливания птенцов ему нужен участок почти в 14 раз меньше, чем у степной пустельги — ближайшего «рекордсмена» среди изученных птиц.
Хотя длительность помех не превышала десяти секунд, это первый известный случай такого рода. Обычно спутникам не хватает мощности для создания радиосигналов той силы, что нужна для подобных помех.
Вселенная может оказаться «замкнутой» глобальной структурой, где свет от далеких галактик способен возвращаться к наблюдателю с разных направлений. Именно такой сценарий не удалось исключить авторам нового масштабного обзора. Проверить его предсказания астрономы смогут уже в ближайшие годы.
Ученые впервые на молекулярном уровне доказали, что обычная вода одновременно состоит из двух разных жидких состояний — более плотного и менее плотного, которые непрерывно сменяют друг друга. Раз молекулярная «двойственность» действительно существует, это подтверждает спорную 30-летнюю гипотезу. Новое открытие поможет, наконец, объяснить десятки «странных» физических аномалий воды, включая ее расширение при замерзании и парадоксальное изменение вязкости под давлением.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Что-то в вашем комментарии показалось подозрительным, поэтому перед публикацией он пройдет модерацию.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно