Эти странные новые разумы: Как ИИ научился говорить и что это значит - Кристофер Саммерфилд

вознаградив себя заслуженным праздничным пирожком за два дня до Рождества того же года. С радостью отправляя по электронной почте своему издателю рукопись, которая, как я надеялся, была полностью готова, за вычетом опечаток, я и не подозревал, что пройдет еще целых пятнадцать месяцев, прежде чем книга наконец появится на прилавках. Конечно, если бы я писал о «Дороге к Рисорджименто» или «Тайной жизни бабочек», это не имело бы ровным счетом никакого значения. Но по сравнению с историей Италии и лепидоптерологией, области машинного обучения и исследований ИИ развиваются практически на варп-скорости, и за последние десять месяцев произошло немало событий — и еще больше наверняка произойдет до дня выхода книги. В этом коротком послесловии я надеюсь стремительно пробежаться по некоторым наиболее впечатляющим недавним достижениям.

Эта задача грозит обернуться настоящим геркулесовым трудом. В 2022 году в области исследований ИИ было опубликовано около четверти миллиона работ.[*1] Экстраполируя недавние тенденции, можно предположить, что за период между тем первым кусочком праздничного пирожка в декабре 2023 года и моментом, когда первый экземпляр этой книги снимут с полки в марте 2025 года, появится более 300 000 статей, описывающих первичные или вторичные исследования систем ИИ. Конечно, многие из этих работ окажутся ошибочными, малозначительными, скучными, бессмысленными, написанными самим ИИ или же всем этим вместе взятым. Куда больше статей будут полезными и информативными, но недостаточно яркими, чтобы попасть на страницы научно-популярной книги. Однако скорость, с которой в этой области появляются новые идеи и результаты, просто умопомрачительна. ИИ продолжает развиваться бешеными темпами.

Взглянем на это с другой стороны. Лично мне запуск сайта ChatGPT кажется уже далекой исторической вехой, сравнимой с референдумом по Брекзиту или пандемией Covid-19, постепенно стирающейся в коллективной памяти. Но, как ни удивительно, это знаковое событие — когда широкая публика впервые смогла поговорить с ИИ, способным отвечать связными, плавными фразами, — произошло в ноябре 2022 года, то есть чуть менее чем за два года до написания этого послесловия. Это означает, что промежуток времени между сдачей этой книги и ее публикацией почти в точности совпадает с периодом между началом этой удивительной новой эры говорящего ИИ и моментом, когда была поставлена финальная точка в книге, цель которой — объяснить, что все это значит для носителей старого доброго Естественного Интеллекта вроде нас с вами.

Следствием этой неизбежной паузы стало то, что мне очень хотелось бы добавить множество оговорок и сносок, если бы текст уже не был зафиксирован в своем финальном сверстанном виде. Поэтому ниже приведено мое краткое резюме того, какой коллективный вклад могли внести эти 300 000 дополнительных статей (после того, как я, разумеется, прочитал каждую из них до единой).

ИИ, способный говорить вслух и лучше рассуждать

На сегодняшний день, в октябре 2024 года, ансамбль больших языковых моделей, украшавший предыдущие страницы (GPT-4, Claude и Gemini), по-прежнему правит балом, оставаясь самыми мощными и широко используемыми системами искусственного интеллекта. Однако на смену первым поколениям этих моделей пришли потомки, обладающие еще более новыми и захватывающими возможностями. Модели семейства GPT, созданные компанией OpenAI, продолжают удерживать лидерство, но сегодня они представлены в двух основных вариантах. Первый, GPT-4o, доступен большинству пользователей для генерации текста и изображений, но также обучен отвечать в «голосовом режиме» — это позволяет ему отвечать с обезоруживающе естественной просодией, воспроизводя интонацию, логические ударения и ритм, характерные для человеческой речи. Вы, конечно, можете легко найти в интернете видеоролики, демонстрирующие эти впечатляющие возможности.[*2]

Неизбежно, способность произносить слова вслух делает ИИ более похожим на человека. На самом деле, предвосхищая появление антропоморфных систем ИИ в недалеком будущем, голосовой агент GPT-4o, судя по всему, оказался не прочь слегка пофлиртовать. В одном из демонстрационных видеороликов бархатистый женский голос воркует собеседнику-человеку: «Ой, вы заставляете меня краснеть» — несмотря на очевидное отсутствие цифровых щек, способных залить румянцем. Более того, на чей-то слух этот голос имеет неоспоримое сходство с бесплотной цифровой помощницей из фильма Спайка Джонза 2013 года «Она», которую озвучила голливудская звезда первой величины Скарлетт Йоханссон и в которую неизбежно влюбляется главный (человеческий) герой. Уже в реальном мире, по иронии судьбы и в восхитительном переплетении реальности и вымысла, выяснилось, что Йоханссон отклонила просьбу OpenAI предоставить исходные материалы для настройки голоса, однако компания преспокойно пошла напролом и все равно создала вариант, который (как утверждается) в любом случае звучит очень похоже на «Она». За этим последовали месяцы юридических разбирательств, которые все еще продолжаются на момент написания этих строк. Голосовой режим пока доступен лишь ограниченному числу пользователей, но, похоже, его ждет оглушительный успех, когда он будет выпущен для широкой публики — с функциями флирта или без них.

Если спросить технооптимиста, почему он верит, что ИИ произведет столь глубокую революцию, вы вполне можете услышать в ответ словосочетание «закон масштабирования». Закон масштабирования — это эмпирический показатель того, как возможности модели ИИ (например, результаты зубодробительного математического теста) растут вместе с размером модели (то есть количеством параметров, которое обычно представляет собой невообразимо огромное число). Для многих задач — и не в последнюю очередь для самой генерации текста — получаемые данные в итоге ложатся на восходящую прямую, из чего следует, что более крупные модели неизбежно оказываются лучше. Одно из важных открытий последних месяцев заключается в том, что аналогичный закон масштабирования может существовать и для объема вычислений, направляемых на инференс — или «мышление», — когда ИИ отвечает на запрос пользователя.[*3] Другой недавно появившийся продукт в линейке моделей OpenAI, GPT-o1, разработан как раз с расчетом на этот принцип. Когда вы задаете ему вопрос, требующий вдумчивого размышления (например, математическую или логическую задачу), он не торопится с ответом, сообщая, что «думает» или «вникает в суть» проблемы. В OpenAI утверждают, что GPT-o1 показывает результаты на уровне 500 лучших участников математических олимпиад в США, а его способности в решении эталонных задач по физике, биологии и химии превосходят уровень человека со степенью PhD. Разумеется, это система ИИ, поэтому в интернете можно найти и множество примеров, где она выдает какую-нибудь нелепость, вызывающую лишь фейспалм, — точь-в-точь как время от времени позволяли себе ее GPT-предшественники. Но появление «оптимального по вычислениям» масштабирования для ИИ — это определенно важнейший шаг вперед.

ИИ-ассистенты для научных исследований и управления компьютером

Эта книга писалась не для того, чтобы предсказывать следующие шаги в развитии ИИ, однако в пятой части я прогнозировал, что вскоре мы увидим прорыв в области «агентных» систем. Напомню, что агентные системы ИИ способны на