UA: Танець інновацій: Подорож Штучного Інтелекту крізь Весни та Зими
Наприкінці 2022 року багато хто з нас почав знайомитися зі штучним інтелектом, коли компанія OpenAI (у партнерстві з Microsoft) зробила ШІ доступним для широкого загалу, випустивши ChatGPT-3.5. Ця версія моделі стала широко доступною, адже пропонувала потужні можливості ШІ через простий, безкоштовний чат-інтерфейс, яким міг користуватися будь-хто через веб-браузер, не потребуючи технічних знань чи спеціального програмного забезпечення.
Цей чат-бот, що міг писати есе, пояснювати складні теми та складати вірші, був технологічним проривом, а його історія почалася ще століття тому. Уявіть двох роботів зі скакалкою у формі літери S (S-curve). Вони віддзеркалюють історію ШІ — розповідь про злети й падіння, про періоди весни та зими.
Від механічних калькуляторів до нейронних мереж: Рання доба (1642-1956)
Історія бере початок у 1642 році, коли французький математик Блез Паскаль винайшов механічний калькулятор. Майже два століття по тому, у 1837 році англійські математики Чарльз Беббідж та Ада Лавлейс розробили програмовану машину в Лондоні. Втім, винахідники не вірили, що ці машини можуть бути по-справжньому розумними.
У 1936-му році британський математик Алан Тюрінг опублікував роботу: "Про обчислювані числа" у виданні Лондонського математичного товариства, де описав концепцію універсальної машини. Згодом він працював у Блетчлі-Парку, де розробив машину «Бомба», яка допомогла зламати код «Енігми».
У 1943-му році два американські науковці з Чиказького університету — Воррен Маккалох і Волтер Піттс — розвинули ідею "Про обчислювані числа" далі і зробили важливе відкриття: нейронні мережі людського мозку могли слугувати моделлю для обчислювальної потужності. Через сім років, у 1950-му, Алан Тюрінг, який вже на той час працював у Манчестерському університеті, опублікував статтю "Обчислювальні машини та інтелект". Він поставив провокаційне запитання: "Чи можуть машини мислити?". Тест Тюрінга, запропонований у цій статті, став наріжним каменем розвитку ШІ, кидаючи виклик дослідникам створити машини, які могли б переконливо імітувати людський інтелект. У таких тестах людина-оцінювач ставить запитання машині та людині. Якщо оцінювач не може надійно розрізнити відповіді людини та машини, вважається, що машина пройшла тест. Хоча проходження тесту не обов'язково доводило справжній інтелект, а радше здатність переконливо імітувати людські відповіді, він став фундаментальним критерієм вимірювання машинного інтелекту
Отже, 1950 рік вважається роком заснування ШІ, хоча сам термін "Штучний Інтелект" з'явився шість років по тому, у 1956-му році, на Дартмутському літньому дослідницькому проєкті зі штучного інтелекту (DSRPAI).
Циклічна природа: Весна (1956-1974)
Ця конференція в Нью-Гемпширі, що фінансувалася Фондом Рокфеллера, позначила початок першої весни ШІ. Подія зібрала легендарних особистостей: Марвіна Мінського, який згодом став співзасновником лабораторії ШІ в Massachusetts Institute of Technology (MIT); Джона Маккарті, організатора конференції; Натаніеля Рочестера, розробника першого комерційного наукового комп'ютера IBM; та Клода Шеннона, засновника теорії інформації. Їхнє спільне бачення створення машин, здатних імітувати людський інтелект, визначило напрямок досліджень на десятиліття вперед.
Перша весна швидко розквітла. У 1958-му році, працюючи в MIT, Джон Маккарті створив мову програмування LISP, надавши дослідникам ШІ їхні перші спеціалізовані інструменти. До 1966 року ELIZA, розроблена Джозефом Вейценбаумом у Лабораторії штучного інтелекту MIT, вже вела примітивні розмови з людьми, ставши першим у світі чат-ботом. Державне фінансування текло рікою, і майбутнє здавалося безмежним.
Перша зима: Заморожування державного фінансування (1974-1980)
Перша зима ШІ тривала з 1974 по 1980 рік, коли грандіозні обіцянки дослідників зіткнулися з технічними обмеженнями. Переломний момент настав у 1973-му році, коли британський математик Джеймс Лайтхілл опублікував звіт, який ставив під сумнів оптимістичні прогнози дослідників ШІ. Він стверджував, що комп'ютери можуть досягти рівня досвідчених аматорів у таких іграх, як шахи, але більш глибоке міркування залишаться поза їхніми можливостями. Британський уряд відреагував припиненням підтримки досліджень ШІ в усіх, крім трьох університетів, а Конгрес США, який вже критично ставився до високих витрат на дослідження ШІ, наслідував цей приклад. Галузь засвоїла свій перший важкий урок про небезпеку надмірних обіцянок.
Другий цикл ШІ: Надія весни (1980-1987) веде до морозу зими (1987-1993)
1980-ті принесли нову весну, коли амбітні інвестиції Японії в ШІ спровокували глобальні перегони. Сполучені Штати, не бажаючи відставати, спрямували ресурси на розвиток ШІ через Агентство передових оборонних дослідницьких проєктів (DARPA). Дослідження DARPA мали на меті просунути ШІ для цілей національної безпеки, водночас сприяючи ширшому технологічному прогресу з потенційним застосуванням у різних галузях. Цей період позначився поширенням експертних систем, побудованих на складних умовних твердженнях, які все ще мали фундаментальні обмеження. Друга зима (1987-1993) прийшла через знайомий патерн надмірних обіцянок і недостатнього виконання, що супроводжувався скептицизмом щодо фундаментального підходу ШІ. Недостатня обчислювальна потужність, обмежені можливості паралельної обробки та рішення зберігання даних гальмували галузь. Чому це було обмеженням?
Дані часто називають життєвою силою штучного інтелекту — такою ж важливою, як нафта чи повітря. Без достатньої кількості даних системи ШІ не можуть навчатися, адаптуватися і ефективно функціонувати. Однак навчання ШІ на величезних наборах даних вимагає колосальної обчислювальної потужності, оскільки ці системи мають обробляти мільйони запитів для виявлення закономірностей. Ця обчислювальна вимога створила значне вузьке місце в розвитку ШІ наприкінці 1980-х. По-перше, ранні комп'ютери могли виконувати лише одну операцію за раз, на відміну від мільйонів одночасних обчислень, можливих сьогодні. По-друге, їм бракувало потужності для обробки масивних наборів даних та потужностей для зберігання величезного об’єме даних, необхідних для того, щоб ШІ міг розпізнавати закономірності та робити точні прогнози. Нарешті, навіть якби обчислювальна потужність була доступною, оцифрованих даних для якісного навчання моделей було недостатньо. Ці технологічні обмеження загальмували розвиток ШІ до появи потужніших обчислювальних систем.
Тривала весна: Великі дані та глибоке навчання (1993-дотепер)
Після кожної зими приходить весна. 1990-ті позначилися кількома вирішальними подіями: появою систем планування ресурсів підприємства (ERP), що генерували структуровані дані, та експоненційним зростанням обчислювальної потужності відповідно до закону Мура, який описує, що процесори стають удвічі потужнішими та вдвічі дешевшими кожні два роки.
Хоча ранні дослідження ШІ значною мірою фінансувалися урядом, особливо в США та Великій Британії, екосистема почала змінюватися наприкінці XX століття. До цього призвело кілька чинників. По-перше, початковий ентузіазм згас, коли ранні системи ШІ не виправдали високих очікувань, що призвело до скорочення державного фінансування. По-друге, досягнення в обчислювальній потужності, доступності даних та алгоритмах створили нові можливості для комерційно життєздатних застосувань ШІ. Бізнес почав усвідомлювати потенціал ШІ для отримання конкурентної переваги.
В результаті приватні інвестиції в ШІ зросли, компанії на кшталт Google, Microsoft та Amazon вклали мільярди доларів у дослідження та розробку ШІ. Цей перехід прискорився завдяки зростаючій доступності даних, які часто перебували в приватному секторі та є критично важливими для навчання моделей ШІ. Сьогодні, хоча державне фінансування все ще відіграє роль у базових дослідженнях ШІ, більшість розробок ШІ здійснюється бізнесом, який прагне скористатися його трансформаційним потенціалом.
Це надзвичайне прискорення обчислювальних можливостей та зміни у фінансуванні, поєднані з появою інтернету, що створив нові джерела даних, призвели до вражаючих результатів. У 1997-му році Deep Blue від IBM, розроблений у Нью-Йорку, увійшов в історію, перемігши чемпіона світу з шахів.
Наступні десятиліття принесли дедалі складніші застосування ШІ. У 2006-му році Французька компанія Aldebaran Robotics представила інтерактивного гуманоїдного робота Nao, а у 2011-му Apple революціонізувала мобільні інтерфейси за допомогою Siri. А от у 2016-му AlphaGo від Google DeepMind, розроблений у Лондоні, досяг того, що багато хто вважав неможливим — переміг чемпіона світу Лі Седоля у Грі Го, яка є набагато складнішою за шахи.
А далі настав момент, про який ми згадували раніше — 2022 рік, коли OpenAI запустила ChatGPT і привернула увагу всього світу, зробивши складний ШІ доступним для широкого загалу. Це спричинило хвилю інновацій у генеративному ШІ: компанія Anthropic випустила Claude, Google представила Gemini, а Meta розробила моделі Llama. Китайський технологічний сектор також досяг значних успіхів: Baidu випустила ERNIE, а ByteDance розробила власні моделі.
Нещодавно, китайська компанія DeepSeek сколихнула світ ШІ, розробивши та випустивши свою модель. Вони заявили про значно нижчу вартість розробки — 6 мільйонів доларів, що разюче контрастує зі звичними витратами на створення передових моделей ШІ (сотні мільйонів доларів). Таке здешевлення пояснювали їхнім підходом із використанням дистиляції моделей, де менша модель навчається від більшої. Втім, заяви про "у X разів дешевше" викликали палкі дебати у спільноті ШІ, де експерти ставили під сумнів співвідношення між продуктивністю моделі, ефективністю та потенційними вразливостями. Рішення компанії зробити свою модель відкритою та безкоштовною для приватного використання стало ще одним кроком до демократизації розробки ШІ, водночас порушивши важливі питання щодо відповідального управління та впровадження ШІ.
Сьогодні розвиток ШІ перетворився з суто технологічних перегонів на геополітичну шахову партію. Країни змагаються за першість у сфері ШІ, розуміючи, що лідерство в цій галузі може визначати економічну та стратегічну потужність держави на десятиліття вперед. Танець триває, але тепер на світовій арені, де ставки вищі, ніж будь-коли.
ШІ навколо нас — від Alexa, що відповідає на наші запитання та допомагає з простими завданнями, автомобілів Tesla, що прокладають шлях нашими вулицями, до алгоритмів Netflix, що персоналізують наші розваги — ця квітуча весна ШІ може зіткнутися з власними потенційними зимами. На обрії постає чимало викликів: зростаючий вплив навчання великих моделей ШІ на довкілля, питання управління, етичні, технологічні та інші обмеження. І поки ми насолоджуємося цією весною, ця стаття добігає кінця. Сподіваюся, що, простеживши шлях від зими до весни, ця стаття допомогла прояснити, де ми були, де ми є, і з якими викликами маємо вдумливо працювати, рухаючись уперед.
Інструменти ШІ, використані у цій статті
У процесі навчання в Оксфорді я працюю з величезною кількістю інформаційних джерел: від академічних статей, підручників та монографій до спеціалізованої літератури з навчальної програми, матеріалів лекцій, галузевих звітів, аналітичних оглядів та дослідницьких публікацій. Під час підготовки кожної статті я опрацьовую десятки різноманітних джерел, щоб забезпечити всебічний аналіз теми та глибоке розуміння предмету. Опрацювання такого масиву даних вимагає ефективного підходу, і саме тому я активно використовую інструменти штучного інтелекту, які допомагають мені адаптувати складну інформацію та зробити її більш доступною для читачів.
З власного досвіду я переконана, що в сьогоднішньому світі, насиченому інформацією, уникати інструментів ШІ через страх перед "штучністю" означає свідомо себе обмежувати. Я активно інтегрую ці інструменти у свою щоденну роботу, і це допомагає підвищити мою ефективність та продуктивність:
- NotebookLM — для опрацювання дослідницьких матеріалів та першоджерел, допомагає виділити головне та створити ґрунтовні огляди;
- Claude (ШІ від Anthropic) та/або Perplexity.ai — допомагають мені зі структуруванням статей і перекладом;
- Grammarly Premium — використовую для вичитки матеріалу;
- Imagen — для створення зображень за допомогою ШІ;
- ElevenLabs — для створення аудіоверсії англійською мовою з використанням штучного голосу, створеного на базі мого (Віри Ларіної) голосу.
