ИИ в современном мире

Как ИИ научился побеждать человека: от Deep Blue до AlphaGo

Долгое время шахматы считались вершиной интеллекта, недоступной для машин. В 1997 году суперкомпьютер IBM Deep Blue обыграл чемпиона мира Гарри Каспарова — но победа была достигнута за счёт грубого перебора миллионов позиций в секунду, а не понимания игры. Настоящий прорыв случился в марте 2016 года: программа AlphaGo, разработанная британской компанией DeepMind, победила одного из сильнейших игроков мира в го Ли Седоля со счётом 4:1. Го в десятки раз сложнее шахмат — количество возможных позиций на доске превышает число атомов во Вселенной, и перебором вариантов здесь не справиться. AlphaGo обучалась иначе: сначала на 30 миллионах ходов из партий профессиональных игроков, а затем — играя миллионы партий против самой себя, постепенно открывая стратегии, неизвестные даже величайшим мастерам го за 2500 лет существования игры.

ChatGPT: сто миллионов пользователей за два месяца

30 ноября 2022 года компания OpenAI открыла публичный доступ к ChatGPT — диалоговой системе на основе языковой модели GPT-3.5. В отличие от предыдущих чат-ботов, ChatGPT демонстрировал способность вести связную многоходовую беседу, писать программный код на Python и JavaScript, переводить тексты между десятками языков и объяснять сложные концепции доступным языком. Результат оказался беспрецедентным: за первые два месяца сервис набрал 100 миллионов активных пользователей, став самым быстрорастущим потребительским продуктом в истории — предыдущий рекорд принадлежал TikTok, которому на преодоление той же отметки потребовалось девять месяцев. Вслед за ChatGPT десятки компаний по всему миру запустили собственные языковые модели: Claude от Anthropic, GigaChat от Сбера, YandexGPT от Яндекса, Gemini от Google. Сегодня большие языковые модели встроены в поисковики, офисные пакеты, среды разработки и образовательные платформы.

Рекомендательные системы: ИИ, управляющий вниманием миллиардов

Каждый раз, открывая YouTube, TikTok или Netflix, пользователь сталкивается с работой рекомендательных алгоритмов — возможно, самой влиятельной разновидности ИИ в повседневной жизни. За кулисами эти системы собирают и анализируют десятки сигналов: какие видео вы смотрите до конца, на каких задерживаетесь, что ставите в плейлист, в какое время суток заходите на платформу. Алгоритм Netflix учитывает не только ваши просмотры, но и время суток, устройство, день недели и даже то, на какой минуте фильма вы остановились. По данным компании, более 80% контента на платформе потребляется пользователями именно через рекомендации, а не через поиск. YouTube сообщает, что рекомендации ежедневно генерируют свыше 70% общего времени просмотра на платформе. Эти системы обучаются на поведении сотен миллионов пользователей, находя скрытые закономерности в том, какие видео или фильмы люди склонны смотреть вместе.

Голосовые ассистенты: от распознавания речи к пониманию смысла

Голосовой помощник Алиса от Яндекса обрабатывает миллионы запросов ежедневно, распознавая русскую речь с точностью, превышающей 95%. За этим стоит сложный многоступенчатый конвейер: сначала акустическая модель преобразует звуковые волны в последовательность фонем, затем языковая модель определяет наиболее вероятные слова, и наконец система понимания естественного языка извлекает смысл запроса. Аналогичные технологии использует голосовой ассистент Google Assistant, который в 2023 году поддерживал более 30 языков и работал на более чем миллиарде устройств. Отдельного упоминания заслуживает технология синтеза речи: современные нейросетевые модели, такие как WaveNet от Google DeepMind, генерируют настолько естественно звучащий голос, что слушатели в слепом тесте не отличают его от человеческого. Это открывает возможности не только для ассистентов, но и для аудиокниг, навигационных систем и инструментов доступности для людей с нарушениями зрения.

ИИ в медицине: диагностика, превосходящая врачей

Одно из самых впечатляющих применений ИИ — анализ медицинских изображений. В 2017 году исследователи Стэнфордского университета обучили нейросеть диагностировать рак кожи по фотографиям с точностью, сопоставимой с квалифицированными дерматологами — 91% правильных диагнозов. Алгоритм, разработанный Google Health, в 2020 году показал способность обнаруживать рак молочной железы на маммограммах, пропуская на 5,7% меньше случаев и давая на 9,4% меньше ложных тревог, чем врачи-рентгенологи. Система анализирует тысячи снимков в поисках микроскопических признаков, которые человеческий глаз способен упустить. ИИ также применяется для расшифровки генома, поиска новых лекарственных соединений и прогнозирования сворачивания белков — за решение последней задачи программа AlphaFold от DeepMind получила признание как один из важнейших научных прорывов десятилетия.

Фундаментальное ограничение: отсутствие понимания

При всех впечатляющих достижениях важно понимать, что современный ИИ фундаментально отличается от человеческого интеллекта. Ни одна из существующих систем — ни AlphaGo, ни ChatGPT, ни медицинские диагностические модели — не обладает пониманием в человеческом смысле. Языковая модель не знает, что такое «яблоко», «грусть» или «справедливость» — она оперирует статистическими закономерностями в гигантском массиве текстов, на котором обучалась. Именно поэтому ChatGPT способен безупречно написать эссе о квантовой физике и тут же допустить грубейшую арифметическую ошибку в простейшем примере — потому что он не считает, а предсказывает наиболее вероятное следующее слово. Это делает ИИ мощным инструментом, но не самостоятельным мыслителем. Ответственное использование технологий искусственного интеллекта начинается с осознания их реальных возможностей и неустранимых пока ограничений.