ИИ, машинное и глубокое обучение: как устроена матрёшка технологий

🧩 Загадка: Что общего у чат-бота и композитора, который пишет новую песню из давно известных нот? Ответ — в конце статьи.

Ещё недавно искусственный интеллект десятилетиями называли технологией, до которой «осталось лет пять-десять». Потом он почти внезапно оказался в каждом телефоне. Разберёмся, чем ИИ отличается от машинного и глубокого обучения, откуда взялись чат-боты и дипфейки и почему всё это вложено друг в друга, как матрёшка.

Читайте также: Ограда мозга: тонкая зона, что следит за обманутыми ожиданиями

С чего всё началось и при чём тут Lisp?

Задача ИИ — научить компьютер тому, что мы называем интеллектом: учиться, делать выводы и рассуждать. Цель в том, чтобы дотянуться до человеческого уровня или превзойти его.

Долгое время это была тихая исследовательская работа, о которой мало кто слышал. Студенты писали программы на Lisp и Prolog. Из этих опытов выросли экспертные системы, которые набрали популярность в 1980–90-е. О машинном обучении тогда почти не говорили. Но настоящий поворот был впереди.

Как машина учится без учителя-программиста?

Машинное обучение работает иначе: человек не прописывает правила, а даёт системе много данных. Представьте игру: вам показывают круг, квадрат, круг, квадрат и спрашивают, что дальше. По двум фигурам угадать трудно, а по двадцати уже легко. Чем больше примеров, тем увереннее прогноз.

Второе умение важно не меньше. Если в ряду вдруг появляется треугольник, алгоритм сразу отмечает, что он выбивается из ряда. Специалисты по кибербезопасности ценят это особенно: так ловят пользователей, которые ведут себя в системе необычно или подозрительно. Популярным машинное обучение стало в 2010-х. Тогда же поднялась следующая волна.

Почему нейросеть похожа на человека и этим пугает?

Глубокое обучение строится на нейронных сетях. Они подражают мозгу в той мере, в какой мы сами его понимаем. «Глубоким» его называют из-за множества слоёв таких сетей.

У сходства с мозгом есть обратная сторона. Человек не всегда реагирует одинаково на одно и то же, и нейросеть тоже. Слоёв так много, что разобрать, почему получился именно такой ответ, порой не удаётся. Тем не менее именно эта технология стала опорой для самого громкого прорыва.

Генерирует или пересказывает?

Генеративный ИИ держится на фундаментальных моделях. Самый известный пример — большая языковая модель. Она похожа на автодополнение в телефоне, только предсказывает не следующее слово, а целое предложение, абзац или документ.

Скептики говорят, что такие модели лишь перемешивают уже известное. Но все ноты давно придуманы, и каждая песня собрана из них в новом порядке. При этом никто не утверждает, что новой музыки не бывает. С генеративным ИИ похожая история, хотя у любой аналогии есть изъяны.

Кроме языковых, есть аудио- и видеомодели. На них делают дипфейки: например, воссоздают голос человека, и он «произносит» слова, которых никогда не говорил. Это пригодится в кино и пародиях. Ещё важнее, что человек, который теряет голос, сможет печатать текст и звучать по-прежнему своим голосом. Но открываются и возможности для злоупотреблений.

Что это значит для нас

Когда в рекламе звучит слово «ИИ», полезно уточнить, о каком слое матрёшки речь. Если система ищет закономерности и аномалии, это машинное обучение. Если она пишет тексты или синтезирует голос, это генеративные модели. От этого зависит, чего от неё ждать и где перепроверять результат. Голосу и видео стоит доверять осторожнее: подделать их стало куда проще.

Одна из самых полезных сторон генеративного ИИ — умение сжать большой объём информации в короткую и понятную выжимку. Особенно хорошо это работает, когда у вас уже есть точный текст. Например, расшифровка аудиозаписей превращает лекцию или совещание в документ, с которым удобно работать дальше.

Ещё в «Высоких технологиях»

Как устроен ИИ: суть курса Google для новичков без формулМы глупеем или меняемся? Что на самом деле происходит с умомВозраст и власть: что наука знает о стареющем мозге

Все материалы раздела →