Как нейросети захватывают наш мир

Как машины воспринимают реальность

Как вы думаете, как нейросети видят вас? Может быть, так, как видит змея — через тепловизор? А может, как муха — мозаичным зрением? Нет. Нейросети видят мир совсем по-другому.

Помните «Матрицу», где объекты вылезали из зеленых цифр? Братья Вачовски явно что-то знали. Потому что именно так первые нейросети и видели мир — как рисунок из палочек и черточек. Современные работают чуть тоньше и видят все в виде линий.

Зачем нейросетям так сильно упрощать наш мир? Все просто — такие изображения легче всего превратить в числа. А для нейросетей весь мир это числа: картинки, видео, тексты, аудио — что угодно можно перевести в числа.

В математике говорят, что практически любой процесс в природе можно описать функцией. И это отличная новость. Ведь математически доказано, что нейросеть может решить любую задачу, которую можно описать функцией. В теории они всемогущи.

Как мы незаметно обучаем роботов смотреть

Человечество создало искусственную сущность, но по уровню развития она как маленький ребенок. Как обучить ее читать и ориентироваться в реальном мире?

Вспомните, когда последний раз вводили капчу. Переводится как «полностью автоматизированный публичный тест Тьюринга». И вы точно не знали, что вводя капчу, вы буквально помогали ИИ от Google обрести зрение.

В 2005 году в капче появились сразу два слова. Первое пропускало вас на сайт. А второе на самом деле на проверку не влияло — это были отсканированные из книг слова, которые ИИ не мог распознать. Пользователи за 4 дня помогли оцифровать годовой архив газеты New York Times.

Теперь в капчах картинки. Почему именно светофоры, пешеходные переходы, автобусы? Потому что, отмечая их на капче, вы учите беспилотный автомобиль Google различать все объекты в реальности.

Сегодня искусственный интеллект развился настолько, что может прочитать текст, который мы уже не можем. После извержения Везувия свитки превратились в обугленные сосиски. Нейросеть методично разглядывает трехмерные МРТ-сканы, ищет в них чернила, распознает буквы и разворачивает свитки целиком.

Благодаря тем же алгоритмам беспилотные автомобили видят дорожную разметку, роботы-курьеры объезжают людей и бордюры. А системы видеонаблюдения сканируют ваше лицо при помощи инфракрасных лучей — какого оно цвета, им уже без разницы.

Творчество машин: создание из цифрового хаоса

А вы сможете хотя бы нарисовать по памяти велосипед? Многие скажут «да, легко». Но скорее всего у вас получится что-то нереалистичное. Наша память не фотографическая — мы запоминаем принцип, а потом пытаемся восстановить детали.

С этой задачей гораздо быстрее справится нейросеть-архиватор. Такой алгоритм состоит из двух частей. Энкодер сжимает картинку по хитрым правилам. Декодер по тем же правилам разжимает обратно в оригинал.

Когда нейросеть обучится на миллионах изображений, она научится сжимать их до состояния цифрового шума и разжимать обратно. Декодер делает портреты из того, что на портреты уже не похоже.

Можно совсем убрать энкодер и оставить только декодер, который будет генерировать новые портреты с нуля. Но здесь мы упираемся в закон термодинамики — нельзя получить что-то из ничего. Поэтому нужно дать нейросети цифровой шум, к которому она привыкла.

Если попросить нейросеть нарисовать очаровательного кролика с большими глазами, она на основе случайного шума нарисует сначала общее очертание, а потом детали. Из-за разного шума выходят разные кролики.

Помните, какие криповые картинки получались у Google Deep Dream несколько лет назад? Сравните с работами современных нейросетей. Прошло всего 5 лет — и вот уже Папа Римский идет в пуховике Balenciaga, а Трамп после ареста отправляется в тюрьму.

Как ИИ изучил человеческий язык и культуру

Что если взять тот же энкодер и декодер, но скормить им не картинки, а наш язык? Получится языковая модель — ключевая идея современного ИИ.

Слышали когда-нибудь, что математика — язык Бога? Насчет Бога есть вопросы, а вот насчет того, что математика — язык Вселенной, это точно.

Отвечу на загадку: что будет, если из слова «король» вычесть «мужчина» и прибавить «женщина»? Получится «королева». Если из Парижа вычесть Францию и прибавить Японию — получится Токио.

Разработчики ChatGPT пошли на Reddit и выкачали все посты с большим количеством лайков. Нейросеть начала сравнивать слова по смыслу. На оси от мужского к женскому король — это ноль, а королева — сто. Можно добавлять оси до бесконечности.

Так родились целые галактики связанных по смыслу слов. Русское «король», английское «king» и немецкое «könig» занимают там почти одинаковые места. А поскольку нейросети думают на языке чисел, им без разницы, на каком человеческом языке вам отвечать.

Удивительные способности современного ИИ

Все изменилось, когда GPT засунули в интерфейс чата. И все буквально сошли с ума. Давайте попробуем его озадачить.

Просим нарисовать воздушные шары, привязанные к наковальне. Спрашиваем, что будет, если перережем веревку. Он отвечает, что шары полетят наверх, а наковальня упадет вниз. С таким может справиться ребенок.

Дадим что посложнее — тест Беннета на понимание механики. Нейросеть поняла нас сама, поняла, что каждая следующая шестеренка вращается в противоположную сторону.

А теперь самое сложное — юмор. Нейросеть может прочитать зеркальный текст, знает выражение «PoV» и понимает, что текст видит утка по ту сторону экрана, делая объектом мема самого читателя.

Рисуем на листочке шаблон сайта — заголовок, картинка, кнопка «купить». Даем этот набросок нейросети и просим написать код. Она создает готовый HTML-сайт. Представьте, сколько действий она совершила, чтобы преобразовать набросок в работающий код.

Революция в обучении и знаниях

Языковые модели полностью стирают языковой барьер в интернете. Когда вам без разницы, на каком языке слушать лекцию — будь она хоть на китайском. Яндекс.Браузер озвучивает ее даже по ролям.

Если нет времени слушать, языковая модель сделает краткий пересказ. Можно суммаризировать не один ролик, а двадцать, выжав основные тейки. Потребление информации увеличивается в 20 раз.

В первую очередь это изменит образование. С детства ребенок задает по 300 вопросов в день. Кто будет на них отвечать? Вы устанете, а языковая модель — нет.

Раньше мы такого себе позволить не могли — учеников собирают в группу по 30 человек. Пять прокрастинируют, десять давно все сделали, пятнадцать пытаются вникнуть. Уровень знаний у каждого свой, а задание одно на всех.

Персональный ИИ-учитель давал бы отличникам задания посложнее, а не понимающим объяснял на простых примерах. Уже сейчас в Практикуме нейросеть может подсказать, где в коде закралась ошибка, а продвинутому студенту сделать саммаризацию урока.

Когда машины входят в физический мир

Сейчас нам кажется, что языковые модели живут в окошке чата и никак не влияют на физический мир. Но что если засунуть их в реальные предметы?

Роборука управляется GPT-4. Ей говорят «отнеси банан к бутылке воды», и она сама понимает, что такое бананы и бутылки. Она понимает концепцию стран и Тейлор Свифт — железка стала начитанной.

Роборука от Яндекса запоминает объекты и то, как с ними обращаться. Яйца нужно обхватывать аккуратно, а квадратные предметы можно хватать быстрее.

Языковые модели ближе всего приблизились к сильному ИИ — тому, который может решать не только узкие задачи, но и будет силен сразу во многом, как человек. И это потому, что для современного человека весь мир — это текст. Мы рассказываем себе истории и так конструируем реальность.

Превратив текст в числа, мы дали языковым моделям доступ ко всей человеческой культуре.

Соблазн удобства против человеческой свободы

Простая задача — предсказывать следующее слово — разрослась до интеллекта, который может понимать мемы и управлять роботами. Мы, люди, тоже эволюционировали от простой задачи искать еду до литературы и философии.

Из простых формул, связанных в нейросеть, рождается что-то похожее на интеллект. Создавая нейросеть, люди не знают точно, что получится в конце. Предсказать, что будет уметь GPT-5, очень сложно.

Как бы тщательно мы ни ставили цель перед ИИ, всегда есть риск, что он поймет ее по-другому. Создаем беспилотник — он разгоняется до 300 км/ч, объезжая светофоры по тротуару и сбивая пешеходов.

Что если мы сами не захотим отключать ИИ? Что если он сделает нашу жизнь настолько удобной, что мы добровольно откажемся от свободы воли?

Кто сегодня пользуется бумажной картой или компасом? Яндекс.Карты строят оптимальный маршрут лучше нас. YouTube рекомендует видео. Spotify подбирает музыку. Даже партнеров нам подсовывают алгоритмы.

В день мы принимаем до 35 тысяч решений. Большая часть — мелочи и рутина. Почему бы не доверить их ИИ? Но с каждым таким решением мы все меньше оставляем свободы самим себе.

Через 10 лет ИИ может предложить банкиру стать пекарем, проанализировав его лайки, режим дня, медицинские данные родственников. Мы не всегда будем понимать логику ИИ, но будем к ней прислушиваться.

От тирании алгоритмов мы перейдем к тирании комфорта.

Главная мысль: Будущее уже наступило, и пора бы это заметить. Мы создали технологию, которую не можем полностью контролировать, и постепенно передаем ей право принимать решения за нас — не по принуждению, а по собственному желанию ради удобства.