Искусственный интеллект: как работают машины, думающие как люди 🤖 1:12
Мы вступили в эпоху, где интеллектуальные машины выполняют задачи, которые еще несколько лет назад казались невозможными. Темпы развития технологий ИИ поражают даже ученых, которые их создают. В основе этого прогресса лежат искусственные нейронные сети, архитектура которых вдохновлена устройством человеческого мозга — самого сложного объекта во Вселенной, содержащего около 86 миллиардов нейронов.
🦾 Бионика и новые возможности ИИ 4:10
Современный ИИ — это не только софт, но и аппаратное обеспечение, например, процессоры IPU (Intelligence Processing Unit), способные обрабатывать огромные массивы данных параллельно. Яркий пример практического применения — история Сары Диллигард. После ампутации руки и ноги она получила бионическую руку с ИИ-управлением.
- Как работает протез: Система использует 16 электродов в гильзе, которые фиксируют сокращения мышц при попытке совершить движение.
- Обучение: ИИ непрерывно записывает данные о каждом жесте Сары, предсказывая нужные ей движения.
- Будущее: Сара отмечает, что сейчас на «обдумывание» движения уходит около 10 секунд. По мере совершенствования ИИ, эти процессы должны стать мгновенными, как у естественной конечности.
🧠 Тест Тьюринга: можно ли отличить машину от человека? 8:06
Майк Вулдридж напомнил, что идея «машинного мышления» восходит к Алану Тьюрингу — пионеру компьютерных наук. Согласно предложенному им тесту, если человек в ходе беседы не может отличить машину от другого человека, значит, мы можем считать машину «интеллектуальной».
Однако современные эксперты, по мнению Вулдриджа, считают тест Тьюринга неполным, так как он фокусируется только на языке. ИИ может решать сложнейшие математические уравнения, но при этом пасует перед элементарными бытовыми задачами — например, наведением порядка в комнате подростка. Это подчеркивает фундаментальное различие: то, что легко для нас, часто невероятно сложно для алгоритмов, и наоборот.
🌐 Нейронные сети и обучение 23:40
В основе современных достижений лежат нейросети. Стив Молд продемонстрировал работу простейшей сети на «аналоговом» примере с водой: сигнал передается через «нейроны» (емкости) только при достижении определенного уровня активации. Программные нейронные сети работают по схожему принципу, но включают миллиарды элементов.
Методы обучения ИИ:
- Супервайзинг (обучение с учителем): Система учится на размеченных данных. Когда мы подписываем людей на фото в соцсетях, мы предоставляем обучающую выборку для будущих систем распознавания образов.
- Обучение без учителя: Алгоритм самостоятельно ищет скрытые закономерности в неструктурированных данных. Как отметила Саппа Абус, этот метод незаменим для работы с массивами, которые человек физически не способен разметить вручную.
📚 Масштабы данных и языковые модели 35:03
Ключевым фактором успеха стал масштаб. Современные языковые модели (LLM), такие как ChatGPT или Google Bard, обучаются на объемах информации, сопоставимых с сотнями миллионов книг, что в разы превышает фонды даже крупнейших библиотек мира.
Модели типа Transformer, представленные в 2017 году, научились обрабатывать целые предложения, а не просто предсказывать следующее слово на основе последнего фрагмента. Сапфарина Голдфарб-Тарант объяснила, что слова превращаются в «токены», а затем проецируются в многомерное пространство как векторы (координаты). Подобные слова оказываются рядом в этой «галактике» смыслов.
🐋 ИИ для общения с другими видами 48:28
Том Мастелл, автор книги How to Speak Whale, полагает, что те же методы анализа закономерностей могут помочь нам понять животных.
- Перевод без словаря: ИИ находит схожие структуры в «галактиках» разных языков, не имея исходного словаря. Этот же принцип может быть применен к звукам китов.
- Проект SETI: Специалисты собирают записи общения кашалотов, чтобы с помощью ИИ выявить паттерны в их щелчках. Предварительный анализ уже позволил обнаружить в их «речи» подобие гласных звуков.
