Сдал экзамен на юриста: чего ждать от искусственного интеллекта GPT-4
Новая нейронная сеть GPT-4 блестяще сдала несколько экзаменов, предназначенных для людей. Некоторые комментаторы поспешили заявить, что ее интеллект не уступает человеческому. На самом деле все не так просто, но впечатляющие успехи GPT-4 создают новые возможности и риски, считает научный обозреватель Forbes Анатолий Глянцев
Исследовательская группа OpenAI («открытый искусственный интеллект»), известная нейронными сетями серии GPT, представила новинку: систему GPT-4. По многим показателям она значительно обошла свою предшественницу GPT-3.5 и вообще любую другую нейросеть. Например, GPT-4 успешно сдала несколько профессиональных экзаменов, так что ее тут же стали сравнивать с человеком. О создании полноценного искусственного разума речь пока не идет, но, по мнению некоторых экспертов, он уже не за горами.
Подражание мозгу
Мозг учится и запоминает, усиливая или ослабляя связи между нейронами. Искусственные нейронные сети используют тот же принцип. Правда, на этом сходство обычно и заканчивается, так что коммерческая нейросеть похожа на мозг не больше, чем самолет на птицу.
Опуская детали, обучение простейшей нейросети можно описать так. Нейроны голосуют за те или иные решения (например, котик изображен на картинке или нет). Потом ответ, принятый большинством голосов, сравнивается с правильным. Нейронам, проголосовавшим правильно, при следующем голосовании придается больший вес, а допустившим ошибку — меньший. Десяти тысяч обучающих прогонов (меньше секунды работы ноутбука) обычно хватает, чтобы сеть из 16 нейронов научилась распознавать, скажем, изображение цифры «5» среди других цифр с точностью 70-80%.
Коммерческие нейросети, конечно, устроены куда сложнее. Нейроны в них образуют множество слоев, сигнал между которыми может передаваться в разных направлениях. Разные сети отличаются архитектурой: числом нейронов и нейронных слоев, путями распространения сигнала и так далее. Алгоритмы обучения тоже бывают разными и куда более изощренными, чем описанный выше. Часто система состоит из нескольких нейронных сетей, решающих разные задачи. Иногда их даже заставляют проверять друг друга: например, одна сеть рисует картинки, а другая ищет в них изъяны.
Трансформеры на баррикадах
Первые нейросети появились в 1960-х и были в буквальном смысле теплыми ламповыми. Их нейроны были устройствами на основе радиоламп. Сегодня нейронные сети — это в основном программы, и нейроны в них — математическая абстракция.
История нейросетей знала взлеты и падения. Первый ажиотаж сменился скепсисом, когда стало ясно, что мозг из радиоламп не построишь. Но в XXI веке эта технология испытала невиданный подъем. Голосовые помощники, автоматические переводчики, современные поисковые системы и многое другое были бы невозможны без нейронных сетей.
Нынешний расцвет связан в первую очередь с тем, что компьютеры стали мощнее. Это позволило применять архитектуры сетей и алгоритмы обучения, совершенно непосильные для «железа» еще в 1990-х. Кроме того, дешевизна компьютерной памяти и распространение интернета помогли накопить огромные массивы данных для обучения. В одной только Википедии более 60 млн статей.
GPT-4 и ее предшественники относятся к трансформерам. Эта разновидность нейросетей появилась совсем недавно: в 2017 году. Трансформеры распараллеливают процесс обучения, одновременно проходя этапы, которые другие сети могут преодолевать только последовательно. Благодаря этому система за вполне разумное время переваривает гигантские объемы обучающих данных. Некоторые эксперты называют внедрение трансформеров не иначе как революцией.