«ChatGPT — это современное состояние искусственного интеллекта». - каждый

Честно говоря, я не согласен с этой фразой — в терминах — и здесь я попытаюсь объяснить, почему.

«Угумм!!! 😒» — я

Что я понимаю под термином «ИИ»

На самом деле, прежде чем рассказать о том, что, по моему мнению, следует называть «ИИ», я хотел бы сделать шаг назад и углубиться в размышления о том, «почему важно называть яблоки яблоками?”.

Мы, люди, умны по своей природе. Кто-то может отдать должное эволюции, кто-то может приписать это Богу, но правда в том, что… мы разумны! И одним из наиболее важных факторов, который позволяет нам использовать наш интеллект так, чтобы это было возможно для жизни в обществе, является общение.

Одним из важнейших факторов человеческого общения является здравый смысл. Вот почему кто-то (скажем, Алекс), общающийся на португальском, когда кто-то другой (скажем, Марк) просит передать maçã, понимает его и передает яблоко. Но если Марк попросит Apple, высока вероятность разрыва связи, если Алекс не знает английский. И почему слово maçã так называется на португальском? Мой ответ: здравый смысл. Если все начнут называть maçãs каким-то другим именем, например mac, это может быть новое португальское название яблока ( 🤔). Общество способно адаптировать язык к более удобным словам. И это совершенно нормально и естественно. Но важно, чтобы все были на одной странице, когда используется слово, иначе общение может быть прервано.

Возвращаясь к ИИ, этот термин был искусственно создан учеными. Ученые обычно создают имена, чтобы идентифицировать факты, объекты, идеи или что-то совершенно новое. Вот что я имею в виду под искусственно созданным термином ИИ. Необходимо было рассказать о сложной теме, которую изучали некоторые ученые, и вместо того, чтобы называть ее наукой и техникой создания интеллектуальных машин или независимо от того, является ли это возможность для машин демонстрировать разумное поведение или даже вычислительная часть способности достигать целей в мире, они решили создать имя, чтобы обобщить это определение. Тогда термин AI был подделан!

Во что превратился термин «ИИ»

Те определения, которые я только что упомянул, составляют мое определение ИИ, потому что это то, чему я научился. Самый интересный факт заключается в том, что термин «ИИ» стал широко использоваться в мейнстриме, имея одно и то же значение и представленный точно такими же определениями в книгах, фильмах и технических исследованиях для всех на планете.

Но до сих пор это была тема WIP (работа в процессе). Несмотря на академические исследования и выводы, в этой области никогда не было достигнуто серьезного прогресса, но без практического применения.

Как показывают различные определения и как вы можете узнать, если начнете глубже изучать этот термин, ИИ, который мы идеализируем, представляет собой очень сложную сущность, состоящую из различных частей, которые сами по себе отражают обширные области исследований. Будь то робот, который может ходить и говорить, или просто программное обеспечение, которое выполняет действия автономно, сущность ИИ очень сложна и требует множества инструментов для совместной работы, чтобы заставить ее работать.

Обычно мы можем разделить эти инструменты на две группы высокого уровня: сенсоры и приводы. Датчики обычно связаны с вещами, которые считывают окружающую среду, называемые некоторыми людьми в качестве входных данных, и они помогают ИИ, предоставляя информацию об окружающей среде, с которой ИИ имеет дело. А приводы — это способ взаимодействия ИИ с этой средой.

Машинное обучение

Один из инструментов, созданных в последние десятилетия, очень хорошо подходит для понимания закономерностей различной природы. Самый передовой метод, используемый для этого типа датчиков, назывался Нейронные сети (NN). В Интернете есть множество материалов и курсов, посвященных NN и их развитию. Но в конце концов это все же датчик. Если вы изучите его еще глубже, вы увидите, что его корни восходят к математическим моделям линейной регрессии. Это математический инструмент, используемый для решения задач, где у вас есть факты и вам нужно найти корреляцию между ними. Это прекрасно соответствует определению математической модели поиска по шаблону.

Затем пришли деньги! Что впечатляет в NN, так это их способность действительно находить шаблоны в очень сложных контекстах, таких как изображения. Это именно то, что наш мозг очень хорошо делает. Мы не думаем завязывать шнурки. Мы просто делаем это. Мы также не думаем о повороте колеса автомобиля, когда видим поворот. Мы просто осознаем ситуацию как «нужен поворот» и выполняем кучу сложных движений, чтобы удовлетворить потребность. В этих ситуациях нет реальной логики. Мы применяли какую-то логику, когда учили движение, чтобы повернуть колесо. Или когда мы впервые учились завязывать шнурки.

Вероятно, вы уже поняли мою точку зрения здесь. Мы не умны из-за особенности нашего мозга, которая позволяет крутить колесо, не задумываясь об этом. Это просто замечательная особенность нашего мозга. Своего рода кеш, в котором хранится шаблон, заставляющий вращать колеса, и который активируется, когда мы распознаем другой шаблон, который идентифицирует контекст, в котором мы находимся. сейчас. И не поймите меня неправильно. Это впечатляющая функция! Наш мозг рулит! Но мы не называли эту функцию «интеллект». У него есть научное название, отражающее его «кэширующий» характер. На мой взгляд, мы должны применить то же самое для ИИ. Машинное обучение (ML) — это впечатляющий метод распознавания очень сложных шаблонов. Но он не применяет рассуждений или логического мышления к предмету. Он распознает только шаблоны (э-э-э… даже GPT?… 😒).

После первых коммерческих выпусков практических приложений машинного обучения мир бизнеса начал продавать эту функцию как впечатляющее сверхинтеллектуальное решение для всего, что существует. Это было везде! На тот момент, по моему мнению, термин «ИИ» изменил значение на «все, что достаточно сложно, чтобы я не мог его понять». ML стал искусственным интеллектом. «часть мозга, которая распознает закономерности», стали называть «интеллект».

Как ChatGPT усугубил ситуацию

Но все равно было хорошо. Это было управляемо. Рынок был счастлив продавать драму, а ученые/академики принимали (или, может быть, игнорировали) этот факт.

Отказ от ответственности: я не считаю себя академиком или ученым. Это далеко не так. Я просто энтузиаст ИИ, и меня восхищает возможность разумного поведения чего-то, что бы оно ни делало (при условии, что это никому не вредит).

На данный момент я больше не считаю ситуацию управляемой после ChatGPT. Если вы следили за прогрессом в области исследований машинного обучения, вы понимаете, что ChatGPT — это не более чем та же математическая модель, но на этот раз усиленная большим количеством «денег».

Что изменилось? Когда вы начинаете изучать машинное обучение, вы обнаруживаете, что у модели есть параметры. На самом деле «искусство» создания отличной модели зависит от того, насколько хорошо человек настраивает эти параметры. Это немного сложнее, чем просто параметры, но это дает достаточно хорошую аналогию для моей цели.

Все начинают в области машинного обучения с создания моделей с несколькими параметрами, например 5. Затем вы масштабируете его до нескольких дюжин. Крупные технологические компании работают с тысячами параметров в своих огромных проектах AI. GPT-2, предыдущая модель NLG от Open.ai, имела 1,5 миллиарда параметров. Затем появился GPT-3 (база ChatGPT) с 175 миллиардами параметров. Дело в том, что… ваш первоначальный нубский проект уже был способен распознавать некоторые сложные закономерности, например, несколько следов на лице человека. Так что в основном он уже мог идентифицировать лица. Представьте, что можно сделать со 175 миллиардами параметров!

Но я не объяснил, что такое NLG. Это означает «Генерация естественного языка». Опять же, это модель распознавания образов, которая (упрощенно) генерирует текст, который обычно генерируется для определенного контекста, на основе того, что он узнал. Проведем очень простую аналогию… если вы учитесь водить автомобили с автоматической коробкой передач и видите себя в ситуации, когда вам нужно водить машину, вы нажмете на педаль газа, чтобы ехать. Все будут делать то же самое, потому что это «очевидно». Но допустим, у вас никогда не было уроков по механике автомобилей. И вот вы попали в ситуацию, когда вы находитесь внутри машины и вам нужно ехать. Вы нажмете на газ, и это не сработает. Почему? Потому что вы не «достаточно умны», чтобы осознать всю окружающую вас среду. Значит, вы не заметили снасти и не сделали по ней никаких выводов. По моей аналогии, тот факт, автоматическая машина или нет, сопоставляется с «чему мы научились». А нахождение в машине с необходимостью вести машину соответствует «конкретному контексту».

Таким образом, модель NLG учится распознавать шаблоны в конкретном контексте с некоторыми конкретными обучающими данными и генерировать «очевидные» данные, которые должны соответствовать ситуации. Всему остальному не научились. Всего остального не было в «кеше» «мозга». Поскольку этот «мозг» неразумен, он не может учиться сам по себе. Так почему же мы называем это «ИИ»?

Заключение

Из моей попытки объяснить, как работает GPT, ясно, что это очень сложная тема, и ее нелегко выразить простыми словами. И рынок ничем не отличался. Его до сих пор называют ИИ, искажая природу слова, когда он был впервые задуман, продавая идею, что это будет новый C-3PO.

Я осознаю, что мои размышления — не что иное, как личное заявление о несоответствии по поводу недопонимания, которое происходит в наши дни. Но в любом случае, я подумал, что это будет полезно для тех, кому интересно, что происходит за кулисами, с этой новой сложной темой, которая включает в себя все, что связано с ИИ.

По крайней мере, теперь можно понять, почему ChatGPT дает неправильные ответы на самые простые логические вопросы. Он обучался на интернет-данных до конца 2021 года. Итак, подумайте обо всем, что вы читаете в Интернете, и представьте, что ChatGPT все это помнит и говорит так, как все люди говорят в Интернете. интернет. Когда вы даете ChatGPT контекст и ждете, пока он ответит, он фактически завершает ваш запрос очевидными следующими предложениями, которые будут там, как говорят интернет-люди 😁, что означает «мы» (будучи нами в Интернете). И ChatGPT делает это так же, как вы завязываете шнурки или поворачиваете машину налево 😁, не задумываясь об этом.