Неймовірний світ штучного інтелекту — на-
укові прориви та автоматизація, доступна
всім. Магічний інструмент, що діє за одним наказом. Проте у кожній книзі, магія має
власні закони. Як же вона діє в нашому світі?
Так само, як і будь-яка інша технологія. Використовуючи воду, електроенергію та земельні ресурси.
Будь-який прогрес має свої переваги, але і ціну. Цей журнал розроблений для знайомства з ціною сучасної магії.
Рекомендовано до прочитання для прийняття проінформованих рішень.
Історія штучного інтелекту (ШІ) почалася в давнину, з міфів та оповідей про штучно створених істот, наділених інтелектом. Цей інтерес до вивчення людського мислення безпосередньо призвів до винаходу першого комп’ютера в 1940-х роках — машини, заснованої на абстрактному математичному мисленні. Цей пристрій та ідеї, що лежали в його
основі, надихнули вчених почати обговорювати можливість створення
електронного мозку.
Галузь досліджень штучного інтелекту була заснована на семінарі, що відбувся на території Дартмутського коледжу в 1956 році (Solomonoff et al., 1985). Учасники семінару стали лідерами досліджень
Grok, Claude, DeepSake
типом перетворення. Вони перекладають мову у дані, які можуть обробити.
Наприклад, «Hello, world!» можна перетворити на числову послідовність 72 101 108 108 111 44 32 119 111 114 108 100 33, токенізуючи кожну літеру. Але такий спосіб втрачає значення речення. Мовна модель
намагається захопити значення і контекст, перетворюючи «hello» на
число, що представляє і слово, і його значення.
під назвою трансформер. Спочатку система розбиває ваш текст на частини і перетворює кожен з них
цього модель
оцінять як задовільні. І часто, правда відрізняється від того, що користувач хоче побачити. З цього випливає перехвалювання, вигадування, поширення недостовірної інформація
Популярні мовні моделі натреновані не видавати факти, а вгадувати, що сподобається користувачу. Щобільше, мовні
розумієте, що
сам факт постійної взаємодії з AI-системами
те, як ваш мозок обробляє інформацію. За усіма соціальними мережами та пошуковиками стоять алгоритми рекомендацій, що формують так звані «бульбашки». Це інформаційне середовище, де ви раз за разом
лише те, що вже відповідає вашим поглядам. Психологи називають цей ефект
“confirmation bias”.
2005–2015: «нудна» ера досліджень
алгоритмів,
лювальних ресурсів, без яких сучасні системи штучного інтелекту були б неможливими. На початку цього
машинного навчання, тоді як нейронні мережі* залишалися відносно маргіналізованими через складність навчання та нестачу
вальних потужностей.
Важливим фактором, який почав змінювати ситуацію, стало поступове накопичення великих датасетів**,
проєкту ImageNet у 2006 році, який передбачав створення масштабної бази
із ручною розміткою і
14
зображень, що дало змогу тренувати значно просунутіші
(Deng et al., 2009; Russakovsky et al., 2015). Паралельно відбувався
апаратного забезпечення, почалося активне використання графічних процесорів (GPU), що пришвидшило обчислення
(Raina et al., 2009).
2016–2020: прориви (ImageNet, AlphaGo)
Важливим продовженням розвитку стало вдосконалення моделей, що навчалися на базі ImageNet. Після прориву 2012 року дослідники продовжували працювати, щоб підвищити точність розпізнавання зображень до людського рівня (He et al., 2016). У цей період технологія починає активно застосовуватися у реальних продуктах, таких як системи розпізнавання облич, автономні автомобілі та медична діагностика. Окремо варто розглянути
Лі Седолем. Це було демонстрацією успіху нового методу
Це стало великим технічним досягненням, але окрім того, культурним моментом. Світ
життя.
Відбулося зміщення у бік універсальних систем,
(Brown et al., 2020).
Вона продемонструвала, що
широкий спектр завдань без спеціального навчання під кожне з них. Переклад, написання текстів, програмування. Подальший розвиток цієї ідеї при-
звів до появи діалогових систем, таких як ChatGPT, що зробили взаємодію з ШІ
де компанія надавала перевагу чоловічим кандидатам (Dastin, J.,2018).
У відповідь на це компанії та дослідники починають впроваджувати методи вирівнювання моделей, тобто налаштування їх поведінки відповідно до людських цінностей і очікувань.
Розвиток ШІ за останній рік Останній рік у розвитку штучного інтелекту
ним. Нарешті, ця технологія дійшла свого
Відбулося різке прискорення масштабування та впровадження
років тому залишалися
дуктом комерції. Головною причиною переломності цього
став стрімкий розвиток генеративного штучного інтелекту. Моделі, подібні до ChatGPT, Gemini та Claude, почали виконувати складні завдання
чів. Водночас генерація зображень,