Что может Генеративный ИИ?
Вообразите себе мир, в котором машины — это художники, авторы или даже экономисты, создающие информационные продукты, которые имитируют человеческий интеллект. Пионер в области информатики Алан Тьюринг впервые предположил возможность достижения машинами такого уровня мастерства в статье 1950 года. Благодаря ChatGPT и другим так называемым «инструментам генеративного искусственного интеллекта» предсказанная им «игра в имитацию» теперь стала реальностью. Создается впечатление, что мы попали во вселенную, некогда существовавшую только в научной фантастике. Но что же такое генеративный ИИ?
Генеративный ИИ представляет собой самое впечатляющее достижение в технологиях машинного обучения на сегодняшний день. Он знаменует собой значительный скачок в способности ИИ понимать сложные структуры данных и взаимодействовать с ними и способен вызвать всплеск творчества и производительности. Однако он также поднимает важные для человечества вопросы. Ключевые этапы инноваций определили путь к его нынешнему уровню развития.
В 1960-х годах программа под названием ELIZA поразила ученых своей способностью воспроизводить реакции, подобные человеческим. Она была простой и управлялась по установленным правилам, но она стала предшественницей известных нам теперь чат-ботов. Спустя два десятилетия появились искусственные нейронные сети. Эти сети, созданные по аналогии с человеческим мозгом, дали машинам новые навыки, такие как понимание нюансов языка и распознавание изображений. Однако ограниченность набора данных для обучения и недостаточность вычислительных мощностей сдерживали реальный прогресс. Примечательно, что эти два ресурса продолжали ежегодно увеличиваться вдвое, подготавливая почву для третьей волны ИИ в 2000-х годах: глубокого обучения.
Глубокое обучение
Благодаря таким инновациям, как Google Translate, цифровым помощникам, таким как Alexa и Siri, а также появлению беспилотных автомобилей, машины начали понимать мир и взаимодействовать с ним. Тем не менее, несмотря на весь этот прогресс, полная картина пока не складывалась. Машины могли помогать и предсказывать, но они не могли по-настоящему понимать тонкости человеческого общения, и у них плохо получалось создавать информационные продукты подобно человеку.
Затем, в 2014 году, генеративно-состязательные сети (GAN) задействовали способности двух конкурирующих нейронных сетей, чтобы непрерывно оттачивать навыки друг друга. «Генератор» создавал имитационные данные, тексты или изображения, в то время как «дискриминатор» пытался отличить реальный информационный продукт от сымитированного. Эта конкуренция двух сетей произвела революцию в том, как ИИ понимает и воспроизводит сложные структуры.
Картина окончательно сложилась в 2017 году с выходом новаторской статьи «Все, что вам нужно, — внимание». При обучении ИИ обращать внимание на значимые части вводных данных вдруг создалось впечатление, что машина начала понимать их суть. Этот генеративный ИИ создавал информационные продукты, пугающе похожие на создаваемые людьми, по крайней мере, в лабораториях.
Вместе GAN и механизмы внимания, поддерживаемые постоянно растущими объемом информации и вычислительной мощностью, создали основу для ChatGPT — самого удивительного чат-бота в истории. Он был запущен компанией OpenAI в ноябре 2022 года, а вскоре и другие крупные технологические фирмы представили собственных чат-ботов на основе генеративного ИИ.
Экономика и финансы
Разумеется, ИИ не является новой концепцией в экономике и финансах. Традиционные формы ИИ (расширенная аналитика, машинное обучение, прогнозное глубокое обучение) уже давно используются для обработки числовой информации, оценки рыночных тенденций и адаптации финансовых продуктов. Что отличает генеративный ИИ, так это его способность более глубоко анализировать и более творчески интерпретировать сложные данные и выдавать не только прогнозы, но и альтернативные сценарии, показательные диаграммы и даже фрагменты кода, которые могут значительно изменить работу отрасли.
Переход от традиционного к генеративному ИИ открыл новую эру возможностей как в государственной, так и в частной сферах. Органы госуправления начинают использовать эти более интеллектуальные инструменты для улучшения обслуживания граждан и преодоления нехватки рабочей силы. Центральные банки обращают на него внимание, видя в генеративном ИИ высокий потенциал к анализу огромных объемов банковских данных для уточнения экономических прогнозов и повышения эффективности мониторинга рисков, включая мошенничество.
Творения генеративного ИИ могут быть настолько убедительными, что создают ложное ощущение реальности. Это может привести к распространению дезинформации, разжиганию паники и даже дестабилизации экономических или финансовых систем
Генеративный ИИ развивается с головокружительной скоростью, расширяя границы возможностей ИИ в экономике и финансах и предлагая новые решения старых проблем. Некоторые люди настроены скептически. Они говорят, что, подобно стохастическому попугаю, ИИ может создавать бессмысленные и ложные факты, явление, называемое «галлюцинациями», и он на самом деле не понимает значения этих слов. Они отмечают, что знания ChatGPT ограничены последней датой обучения. Возможно. Однако как долго эти аргументы будут оставаться актуальными, учитывая умопомрачительные темпы инноваций?
Тем не менее, первоначальный ажиотаж вокруг генеративного ИИ уступил место растущим и искренним опасениям. Традиционные проблемы, связанные с ИИ, такие как усиление существующих предубеждений в данных для обучения или отсутствие прозрачности решений, вновь обрели актуальность. Возникли и новые опасения.
ИИ в качестве оружия
Одним из рисков, вызывающих особую тревогу, является примечательная способность генеративного ИИ рассказывать истории, которые тесно переплетаются с ранее существовавшими убеждениями и точками зрения людей, потенциально усиливая эхо-камеры и идеологические бункеры. Злоумышленники могут использовать эту способность не только с помощью письменного слова: в марте 2022 года было опубликовано видео, сгенерированное искусственным интеллектом, на котором якобы показано, как президент Украины Владимир Зеленский сдается российским войскам. Такие инциденты демонстрируют, как генеративный ИИ может быть использован в качестве оружия для манипулирования политикой, рынками и общественным мнением.
Будь то сфабрикованная история, сфальсифицированное изображение или синтезированное видео, творения генеративного ИИ могут быть настолько убедительными, что создают ложное ощущение реальности. Это может привести к распространению дезинформации, разжиганию паники и даже дестабилизации экономических или финансовых систем с беспрецедентной эффективностью и интенсивностью. Это не всегда может быть умышленным: машины могут непреднамеренно распространять дезинформацию в результате галлюцинаций.
Угроза, исходящая от ИИ, не ограничивается манипуляциями. Ликвидация рабочих мест является еще одной проблемой, поскольку генеративный ИИ продолжает развиваться, что потенциально приводит к автоматизации задач, которые ранее выполнялись людьми, приводя к потере множества рабочих мест и требуя стратегий трудоустройства и переподготовки.
Ранее в этом году ведущие эксперты по ИИ, включая создателя ChatGPT, подписали письмо, предупреждающее, что «снижение риска уничтожения искусственным интеллектом должно стать глобальной приоритетной задачей наряду с другими рисками общественного масштаба, такими как пандемии и ядерная война». Они повторяли опасения, высказанные десятилетия назад Тьюрингом, который предупреждал, что «существует опасность того, что машины в конечном итоге возьмут под контроль нашу жизнь».
Мы стоим на перекрестке технологий и этики. Генеративный ИИ с его огромными перспективами и глубокими экзистенциальными вопросами уже нельзя повернуть вспять. Используя его преобразующую силу, нам крайне важно помнить не теряющий актуальности совет Тьюринга. Генеративный ИИ — это монументальный сдвиг, который требует неусыпного надзора, новой нормативно-правовой базы и непоколебимой приверженности этическим, прозрачным, поддающимся контролю инновациям, которые сочетаются с общечеловеческими ценностями.
Эрве Турп, руководитель Консультационной службы по цифровым технологиям МВФ, https://www.imf.org/ru/publications/fandd/issues/2023/12/b2b-artificial-intelligence-promise-peril-tourpe
Алан Тьюринг: один из отцов IT, AI и победы во Второй мировой войне
К сожалению, имя Алана Тьюринга по-прежнему остаётся широко известным лишь в узком кругу интеллектуалов-технарей — по крайней мере, на постсоветском пространстве. То есть тем, кто в теме, представляется вполне логичным, что хакатон МФТИ по глубокому обучению и искусственному интеллекту называется DeepHack.Turing. Без теорий Тьюринга компьютеры были бы совсем другими, нейросетей, возможно, не было бы вообще, а Вторая мировая война могла закончиться на пару лет позже.
Алан Мэтисон Тьюринг родился в Лондоне в 1912 году. Его способности и интересы проявились уже в раннем детстве: в шесть лет он всего за три недели самостоятельно научился читать по книге «Чтение без слёз». И стал читать порядковые номера фонарных столбов — останавливался у каждого, мама была недовольна. А через год на семейном пикнике придумал способ найти дикий мёд.
«Он долгое время наблюдал за полётом пчёл и, мысленно составив карту их полёта, нашёл место, в котором их пути пересекались, где и обнаружил улей. Остальные члены семьи были поражены навигационными способностями Алана, оставив без внимания найденный мутноватый мёд».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Когда Алану было десять лет, ему подарили альманах «Чудеса природы, о которых должен знать каждый ребёнок». Книга открыла мальчику удивительный мир науки. Под впечатлением от новых знаний он изобрёл собственные варианты авторучки и печатную машинку. Но главным увлечением детства для Алана стала химия: он даже придумал новый состав чернил.
В 1926 году Тьюринг поступил в частную школу Шерборн, где быстро оказался белой вороной: одноклассники постоянно подшучивали над замкнутым, застенчивым «ботаником», неряхой и растяпой, да и учителя были не особо им довольны.
«Его называли грязнулей из-за смуглоты, сальной кожи и вечных чернильных пятен на руках и лице. Казалось, авторучки извергались фонтаном каждый раз, как он брал их в руки. Его волосы, которые естественно спадали на лоб, не хотели укладываться нужным образом, его рубашка постоянно была не заправлена в брюки, а галстук развязывался».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Вдобавок ко всему Алан в занимался только тем, что интересовало его, напрочь игнорируя остальную учебную программу. Например, он сам вывел представление тригонометрической функции в виде десятичного ряда с использованием чисел Бернулли. Учитель математики был, с одной стороны, поражён и даже назвал Тьюринга гением, но в то же время выразил недовольство.
««Плохо, что он проводит много времени, по всей видимости, самостоятельно изучая высшую математику и пренебрегая работой в классе. В любой дисциплине всего важнее усвоить основы» — таков был вердикт учителя».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Тьюринг-профессор: машина, электронный мозг и тест
Окончив школу, юноша поступил в Кембриджский университет, где наконец вплотную занялся любимой математикой. В 1934 году он защитил диссертацию и стал профессором — ему в это время исполнилось всего 22 года. Именно тогда Тьюринг придумал свою знаменитую машину. Началось всё с проблемы математической логики, а закончилось концепцией универсальной машины, которая могла воспроизвести работу любой другой машины.
Достижение учёного было в том, что он предложил первую математическую модель универсальных вычислений, используя двоичную систему во времена, когда преобладала десятичная. А ещё он впервые описал компьютер «общего назначения». Сейчас такие вещи кажутся очевидными, но для 1930-х это была революция. Сам Тьюринг, как стало понятно позднее, хотел создать ни много ни мало — электронный мозг.
«Он до страсти был увлечён идеей создания машины, способной к обучению. Если бы машина могла симулировать мозг, то она обладала бы и присущей мозгу способностью к обучению новым навыкам».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Тьюринг исходил из идеи, что сила мозга — в структуре его логической системы, а его биологическая основа не важна. Значит, похожую структуру можно воссоздать и в другом окружении и из других материалов, например в машине.
«Он понял, как создать мозг — не электрический мозг, как он, возможно, воображал себе до войны, а электронный мозг. И где-то в 1944 году мать Алана слышала, как он рассказывает о „своих планах по созданию универсальной машины и о том вкладе, который такая машина могла бы внести психологии в изучение человеческого мозга“».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Конечно, Алан был далеко не первым, кому приходила идея машины для вычислений. И в плане практического воплощения этой концепции Тьюринга опередили американцы, создав сначала ENIAC, а потом EDVAC, автором которого был давний знакомый Алана — Джон фон Нейман.
Пилотную версию своего компьютера ABM, которая называлась Pilot ACE (Automatic Computing Engine) Тьюринг представил в 1946 году. Он был продвинутее, чем EDVAC — Тьюринг использовал в ACE прообраз языка программирования — Abbreviated Computer Instructions. Правда, тогда идею учёного сочли слишком амбициозной и поэтому она так и не была реализована в полной мере.
Лишь в конце 1950-х ABM увидела свет в полном масштабе:
«Он изобрёл искусство компьютерного программирования. Старомодные арифмометры остались в прошлом. Они объединяли суммирующие и умножающие механизмы, да ещё и заправлялись бумажной лентой, без которой не могли работать исправно. Эти машины были предназначены для совершения арифметических операций, и логическая структура их лишь обременяла. АВМ же была принципиально иной машиной».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Алан верил и во многом предсказал, что рано или поздно интеллектуальные возможности машины сравнятся с человеческими.
«Я не думаю, что можно будет даже различить сонеты, написанные человеком и машиной, хотя это сравнение нечестное, так как сонет, написанный машиной, будет оценён лучше другой машиной».
Алан Тьюринг, интервью The Times
Для того чтобы определить уровень машинного интеллекта, Тьюринг придумал свой знаменитый тест.
«Я полагаю, что через пятьдесят лет… будет возможно так хорошо научить их играть в имитацию, что средний „допрашивающий“ не преуспеет более, чем в 70 процентах случаев в выявлении машины после пяти минут разговора. Изначальный вопрос „Способна ли машина мыслить?“ я считаю бессмысленным и не заслуживающим обсуждения».
Алан Тьюринг, «Вычислительные машины и разум».
Тьюринг на войне: «Энигма»
Ирония судьбы: те, кто что-то слышал об Алане Тьюринге, чаще всего связывают его имя с проектом «Энигма». И при этом почти с той же частотой ошибаются, называя его её автором. На самом деле всё ровно наоборот: Тьюринг — не создатель «Энигмы», а её «разрушитель», что делает его заслуги просто бесценными для человечества.
Об этой истории мы уже подробно рассказывали в статье «Тьюринг против Гитлера». Напомним лишь краткое её содержание.
С 1928 года вермахт стали интенсивно оснащать шифровальными машинами Enigma. При всей своей внешней простоте, их шифры долгое время никто не мог разгадать. Даже сравнительно удачные попытки в конце концов сводились на нет: немецкие инженеры выпускали всё более совершенные модели, увеличивая число комбинаций в геометрической прогрессии.
Неизвестно, чем бы всё закончилось, но тут к работе над разгадкой «Энигмы» подключились британские математики, для которых был создан центр в графстве Бакингемшир, самом центре Англии. Вскоре среди них, к счастью для стран-союзников, оказался и Алан Тьюринг.
Шифрами он увлекался ещё со школы. Позже, стажируясь в Принстоне, будущий учёный взялся за криптографию более серьёзно и даже задумался о специальном шифровальном устройстве.
«Недавно я обнаружил одно из возможных применений той вещи, над которой я в данный момент работаю. Это устройство сможет ответить на вопрос: „Что собой представляет наиболее общий вид кода или шифра из всех возможных?“, и в то же время позволяет мне создать множество специфических и интересных шифров. Один из них совершенно не поддаётся расшифровке без ключа и так же легко позволяет закодировать сообщение».
Алан Тьюринг, из письма другу
Работая в Блетчли, Тьюринг, давно увлекавшийся марафоном, бегал порой в Лондон на встречи, преодолевая расстояние примерно в 64 км. Позже он даже отбирался в британскую олимпийскую сборную 1948 года, но ему помешала травма.
«У меня такая напряжённая работа, что единственный способ выкинуть её из головы — это тяжёлый бег; только так я могу получить разрядку».
Итоги этой работы не заставили себя ждать. Изучив материалы коллег-предшественников, Тьюринг пришёл к выводу, что их подход уже не сработает, и придумал собственный метод. «Энигма» была взломана.
«Мой собственный вывод заключается в том, что это сократило войну не менее чем на два года, а возможно, и на четыре года, то есть войну в Атлантике, Средиземноморье и Европе».
Историк Гарри Хинсли
Конечно, над «Энигмой» работали и другие выдающиеся учёные, например математик Гордон Уэлчмен, но вклад Тьюринга стал решающим.
«Нет никаких сомнений в том, что работа Тьюринга была важнейшим фактором успеха. Поначалу он был единственным криптографом, кто считал, что проблема разрешима. И он не только отвечал за основную теоретическую работу, но и разделил с Уэлчменом и Кином главную заслугу в разработке бомбы. Всегда трудно сказать, что кто-то „абсолютно незаменим“, но если кто-то и был незаменим, то это был Тьюринг. …Многие из нас чувствовали, что масштаб вклада Тьюринга так и не был полностью осознан остальным миром».
Александр Хью
Последняя загадка Тьюринга
Казалось бы, Алану Тьюрингу суждены вечная слава, почести и признание. Однако всё сложилось иначе. После войны он поселился неподалёку от Манчестера. Именно там произошёл незначительный, на первый взгляд, инцидент, который привёл к трагическим последствиям.
Однажды дом Тьюринга ограбили. Ничего ценного не пропало: воришки унесли рубашку, пару брюк, компас и прочую мелочь.
«Только что мой дом ограбили, а я до сих пор, буквально каждый час, вижу, что пропало что-то ещё. К счастью, я застрахован и из особо ценного ничего не украли. Но в целом ситуация очень тревожная… Я уже каждую секунду жду, что мне вот-вот свалится кирпич на голову или случится ещё что не менее „приятное“».
Алан Тьюринг, из письма другу
Тревоги были не напрасны: в ходе расследования полиция обнаружила многочисленные улики, говорящие о гомосексуальности Тьюринга, — а в те годы в Великобритании это считалось уголовным преступлением. Математика обвинили в непристойном поведении и предложили выбор: тюрьма или гормональная терапия. Он выбрал второе.
После терапии Тьюринга даже выбрали на должность университетского лектора по теории вычислений в университете. Жизнь вроде бы налаживалась. Но год спустя, 7 июня 1954 года, мировой гений, как гласит официальная версия, покончил с собой — отравился цианидом, окунув в него яблоко и откусив кусок.
Его смерть стала для всех потрясением: гормональная терапия закончилась за год до этого, никто из друзей не замечал ничего подозрительного. Главный биограф Тьюринга Эндрю Ходжес считает, что причиной могла быть потеря вдохновения.
«Вдохновение к нему приходило лишь раз в пять лет: машина Тьюринга в 1935-м, Энигма в 1940-м, ACE в 1945-м и морфогенетический принцип в 1950-м. В каждом случае ему не становилось скучно или его не настигало разочарование от предыдущей работы, он просто чувствовал, что исчерпал всё, чего мог достигнуть».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
Есть и конспирологическая версия: Тьюринг стал жертвой спецслужб. Он имел доступ к сверхсекретным материалам, знал многих важных людей — и при этом был непредсказуем, плохо поддавался контролю. Любая выходка с его стороны могла привести к скандалу и подорвать основы англо-американского союза.
«Следователь отметит, что «с человеком подобного склада» — подобного Профессору! — никто не сможет предугадать, куда в следующую минуту заведут его мысли».
Эндрю Ходжес, «Вселенная Алана Тьюринга»
С самого детства Алан Тьюринг был немного не от мира сего. Возможно, именно это позволило ему так много сделать для мира. В начале нового тысячелетия, в день его рождения, 23 июня 2001 года, ему открыли очередной памятник. Тьюринг сидит на скамейке, с яблоком в руке — очевидным намёком на открытия другого гения, Исаака Ньютона. Слева от него — Манчестерский университет, справа от него — Канал-стрит.
«Отец информатики, математик, логик, взломщик кодов военного времени, жертва предрассудков» — гласит мемориальная табличка у его ног. А далее следует цитата Бертрана Рассела: «Математика, при правильном рассмотрении, обладает не только истиной, но и высшей красотой, красотой холодной и строгой, как у скульптуры».
https://skillbox.ru/media/code/alan-tyuring-odin-iz-ottsov-it-ai-i-pobedy-vo-vtoroy-mirovoy-voyne/
Петренко Игорь Николаевич
Для получения контактных данных
(email, телефон и адрес),
зарегистрируйтесь