Что такое искусственный интеллект и как он работает

Искусственный интеллект (ИИ) — это область науки и инженерии, которая стремится наделить машины способностями, обычно связываемыми с человеческим разумом, такими как рассуждение, планирование, обучение и восприятие. Большинство современного ИИ не программируется с помощью пошаговых правил. Вместо этого он выявляет закономерности в большом количестве примеров и использует их, чтобы делать прогнозы, давать рекомендации, принимать решения или создавать новый контент.

Ниже мы расскажем, что означает этот термин, как устроено машинное обучение, как чат-боты вроде ChatGPT генерируют текст, где ИИ уже присутствует в повседневной жизни и какие ограничения стоит иметь в виду.

Что такое искусственный интеллект? Простое определение

Название восходит к летнему исследовательскому проекту в Дартмуте в 1956 году, который был предложен в 1955 году Джоном Маккарти и его коллегами. На протяжении десятилетий ИИ в основном означал «символический ИИ»: эксперты записывали явные правила, которым следовал компьютер.

По данным одного академического обзора, такой подход, основанный на правилах, доминировал до конца 1980-х годов. Затем набрали силу другие методы, такие как нейронные сети, нечёткие системы и эволюционные вычисления. Короче говоря, область перешла от правил, написанных вручную, к обучению на данных.

Похожую формулировку используют и политики. Определение ОЭСР, пересмотренное в ноябре 2023 года, описывает систему ИИ как машинную систему, которая по поступающим данным выводит, как генерировать результаты — прогнозы, контент, рекомендации или решения, — способные влиять на физическую или виртуальную среду. Системы различаются по степени автономности и адаптивности, а Закон ЕС об ИИ использует весьма схожие формулировки.

Два различия помогут новичкам. Во-первых, всё существующее сегодня — это узкий ИИ, созданный для конкретных задач; общий искусственный интеллект (AGI) остаётся гипотетическим, и даже его определение спорно. Во-вторых, эти понятия вложены друг в друга: ИИ включает машинное обучение, которое включает глубокое обучение, а оно, в свою очередь, лежит в основе больших языковых моделей и генеративного ИИ.

Как работает машинное обучение?

Традиционное программное обеспечение следует правилам, которые пишет программист. Машинное обучение меняет этот принцип: модели дают примеры, называемые обучающими данными, и она сама выясняет закономерности.

Существует три основных вида обучения. При обучении с учителем примеры снабжены метками, например письма, помеченные как «спам» или «не спам». При обучении без учителя меток нет, и модель сама находит группы. При обучении с подкреплением модель учится методом проб и ошибок с помощью вознаграждений и штрафов, как это делали игровые системы вроде AlphaGo.

Большинство мощных систем сегодня используют нейронные сети: слои простых математических элементов, соединённых числовыми настройками, которые называются параметрами или весами. В ходе обучения модель делает предположение, сравнивает его с правильным ответом и корректирует веса, чтобы уменьшить ошибку. Технические названия этого процесса — обратное распространение ошибки и градиентный спуск.

Также полезно различать две фазы. Обучение — это затратный этап, на котором модель учится. Инференс — это момент, когда готовая модель применяется для ответов на вопросы или построения прогнозов.

Как работают большие языковые модели вроде ChatGPT?

Большие языковые модели (LLM) сначала разбивают текст на токены — целые слова или их части. Языки с большим количеством суффиксов, например турецкий, могут требовать больше токенов для того же объёма текста, хотя точное соотношение зависит от модели.

На этапе предобучения модель решает одну задачу на огромном массиве текстов: предсказывает следующий токен. Эта простая цель заставляет её усваивать грамматику, факты и многие другие закономерности. В основе лежит архитектура Transformer, представленная исследователями Google в статье 2017 года «Attention Is All You Need».

Далее следует постобучение. Модель дообучают на примерах инструкций и корректируют с помощью обратной связи, в том числе методами обучения с подкреплением на основе человеческих оценок (RLHF), чтобы она вела себя как полезный ассистент. ChatGPT, запущенный OpenAI 30 ноября 2022 года, привёл такого ассистента к массовой аудитории; Gemini, Claude, Copilot, Llama, DeepSeek, Mistral и Grok — другие известные имена.

Технология продолжает меняться. Среди последних тенденций — модели рассуждений, которые шаг за шагом обдумывают задачу перед ответом, мультимодальные модели, работающие с изображениями и аудио, агенты, использующие инструменты для выполнения задач, и генерация с дополнением поиском (RAG), когда модель сначала ищет документы или информацию в интернете. Версии моделей часто меняются, поэтому актуальную информацию стоит проверять на страницах самих разработчиков.

Для чего ИИ используется в повседневной жизни?

Вероятно, вы используете ИИ много раз в день, даже не замечая этого. Он формирует рекомендации на стриминговых и торговых сайтах, фильтрует спам, прогнозирует пробки в навигаторах, разблокирует телефоны по лицу, работает в голосовых помощниках и переводит тексты.

Банки используют его для выявления мошенничества, а приложения для фото — для автоматической обработки снимков. Генеративный ИИ добавил в этот список помощь с текстами, создание резюме, помощь в программировании, генерацию изображений и поддержку при учёбе.

В медицине инструменты ИИ помогают врачам читать снимки. В науке его значение получило признание на самом высоком уровне: часть Нобелевской премии по химии 2024 года получили Демис Хассабис и Джон Джампер за AlphaFold, который предсказывает структуры белков, а Нобелевскую премию по физике 2024 года присудили Джону Хопфилду и Джеффри Хинтону за фундаментальные работы по нейронным сетям.

Каковы ограничения и риски ИИ?

Самая известная проблема — галлюцинации. Поскольку языковые модели выдают правдоподобно звучащий текст, а не проверенные факты, они могут уверенно утверждать ложные вещи. Частота этого явления сильно различается в зависимости от модели и теста, поэтому всё важное стоит перепроверять.

У моделей также есть дата отсечки знаний: если они не подключены к поиску, им ничего не известно о событиях после окончания обучения. Они также могут воспроизводить предубеждения, присутствующие в обучающих данных.

Заслуживает внимания и конфиденциальность. Прежде чем вводить в чат-бот личную, медицинскую или деловую конфиденциальную информацию, подумайте, а также проверьте настройки каждого провайдера, чтобы узнать, могут ли ваши разговоры использоваться для обучения.

Среди более широких дискуссий — судебные иски об авторском праве, потребление энергии и воды, дипфейки и дезинформация, а также влияние на рабочие места, где прогнозы сильно расходятся. Наконец, не стоит считать, что современные системы понимают что-либо или обладают сознанием в человеческом смысле; этот вопрос остаётся предметом философских споров.

Регулируется ли искусственный интеллект?

Всё чаще — да. Закон ЕС об ИИ вступил в силу 1 августа 2024 года, а его обязательства вводятся поэтапно в течение нескольких лет. Некоторые сроки могут измениться в соответствии с последующими предложениями ЕС, поэтому актуальное расписание стоит уточнять в официальных источниках ЕС.

Другие страны создают собственные рамки. Например, в Турции действует Национальная стратегия в области ИИ на 2021–2025 годы, подготовленная Управлением цифровой трансформации при Президенте и Министерством промышленности и технологий. Поскольку регулирование быстро меняется, следите за объявлениями соответствующих органов, чтобы знать актуальное положение дел.