Искусственный интеллект: состояние 2024
Многие мои френды, люди науки, периодически в своих постах разоблачают хайп вокруг AI.
Вчера вышла очередная сетка от OpenAI, GPT-4o. Если вы ещё не видели, посмотрите ролики с этой странички, оно того стоит. Без видео сложно объяснить, в чём ключевое достижение и чем хороша эта самая "мультимодальность".
В целом GPT-4o очень хорошо укладывается в тренд развития AI в наше время:
- при появлении нового флагмана специалисты могут предположить, "как это сделано", но лишь в общих чертах. На практике у всех конкурентов, включая Google и Facebook, получается чуть хуже и с опозданием на год. Microsoft оказался мудрее и OpenAI просто платит.
- те же специалисты систематически ошибаются в ответах на вопрос "когда такое будет возможно". e2e1 разговор с компьютерной программой, отвечающей без лага, комментирующей происходящее вокруг в realtime и отвечающей с эмоциями и интонациями, находящимися не в "зловещей долине"? Нууу 2030, наверное?
- практически мгновенно возникает хайп. Весь интернет в пересылаемых друг другу черрипиках2. Она только что дала мне секретный чит-код от Тиндера. Я подглядел в неё на собеседовании и устроился на работу с TC $700K. Это уже универсальный искусственный интеллект. Люди больше не нужны
- хайп длится несколько недель, затем все начинают чувствовать ограничения технологии и слегка успокаиваются
- ещё через месяц-два у неё возникают настоящие, полноценные применения; находятся полезные задачи, в которых она систематически успешна, и за которые люди готовы платить деньги. Если вы не специалист, вы, возможно, не знаете ни одной такой задачи для GPT-4, просто потому что никогда с ними не встречались, они для вас находятся глубоко под капотом привычных продуктов. Например, для какой-нибудь модерации рекламных объявлений в крупной соцсети появление LLMок это революция и повод уволить 200 человек радикально упростить все процессы. Пользователям и даже рекламодателям это не видно никак (в идеале).
- и примерно в этот же момент появляются тексты скептиков. Она не может такую простейшую вещь, как _____, и никогда не сможет, это принципиальное ограничение. Это вовсе не интеллект, она ошибается даже в такой простой задаче, как _____ (здесь подставьте задачу, в которой в такой же формулировке ошибется 90% людей). Можно всё это завернуть в сарказм по поводу хайпа.
На самом деле мы имеем воодушевляющую тенденцию, пока во многом похожую на рост числа персональных компьютеров в конце восьмидесятых - начале девяностых, рост интернета в конце девяностых - начале двухтысячных и рост смартфонов в районе 2010. Появился новый класс технологий, позволяющих строить какие-то штуки (продукты, бизнес-процессы, развлечения), совершенно не похожие на всё, что было до этого. Эти технологии пока не уперлись в свой потолок, а их бизнес-применения пока на очень ранней стадии. Нас ждет ещё какое-то количество pets.com3, но в итоге изменения в жизни, в том числе и повседневной, будут огромными, хотя и не обязательно заметными. Как аналогия, чтобы почувствовать масштабы и личное ощущение от предыдущих подобных изменений: насколько часто вы задумываетесь о том, как изменилась логистика в торговле за последние 15 лет или банковское дело за 20?
У меня есть смутное подозрение, что до технологической сингулярности мы всё же не доживём, но это, как говорится, уже совсем другая история.
---
1 e2e (жаргон MLщиков) - end to end, обозначение системы, которая не собрана как Лего из готовых компонентов, отвечающих за подзадачи, а сразу обучена решать задачу целиком, "от и до". Как пример обратного, все компьютерные собеседники раньше делались из блоков "speech to text", текстового диалогового движка и "text to speech". Понятно, что работу с интонациями (как считывание, так и генерация), напевание колыбельных и т.п. к такой системе можно прибить только сбоку гвоздиками
2 Черрипик (жаргон MLщиков) - яркий пример того, когда технология сработала хорошо. Ещё 99 примеров того, как она сработала не настолько хорошо, никто друг другу не пересылает и в твиттере они не расходятся.
3 Знаменитый пример ужасно переоцененного стартапа из эры dot com boom'а, просуществовавший два года, на пике стоивший где-то в районе 100 млн тех ещё долларов, покупавший рекламу на Суперкубке, и не зарабатывавший при этом практически ничего. Просто интернет-магазин товаров для животных без какой-либо уникальности. По меркам 2021 года звучит даже не очень и ужасно, но тогда они вошли в поговорку.
Вчера вышла очередная сетка от OpenAI, GPT-4o. Если вы ещё не видели, посмотрите ролики с этой странички, оно того стоит. Без видео сложно объяснить, в чём ключевое достижение и чем хороша эта самая "мультимодальность".
В целом GPT-4o очень хорошо укладывается в тренд развития AI в наше время:
- при появлении нового флагмана специалисты могут предположить, "как это сделано", но лишь в общих чертах. На практике у всех конкурентов, включая Google и Facebook, получается чуть хуже и с опозданием на год. Microsoft оказался мудрее и OpenAI просто платит.
- те же специалисты систематически ошибаются в ответах на вопрос "когда такое будет возможно". e2e1 разговор с компьютерной программой, отвечающей без лага, комментирующей происходящее вокруг в realtime и отвечающей с эмоциями и интонациями, находящимися не в "зловещей долине"? Нууу 2030, наверное?
- практически мгновенно возникает хайп. Весь интернет в пересылаемых друг другу черрипиках2. Она только что дала мне секретный чит-код от Тиндера. Я подглядел в неё на собеседовании и устроился на работу с TC $700K. Это уже универсальный искусственный интеллект. Люди больше не нужны
- хайп длится несколько недель, затем все начинают чувствовать ограничения технологии и слегка успокаиваются
- ещё через месяц-два у неё возникают настоящие, полноценные применения; находятся полезные задачи, в которых она систематически успешна, и за которые люди готовы платить деньги. Если вы не специалист, вы, возможно, не знаете ни одной такой задачи для GPT-4, просто потому что никогда с ними не встречались, они для вас находятся глубоко под капотом привычных продуктов. Например, для какой-нибудь модерации рекламных объявлений в крупной соцсети появление LLMок это революция и повод уволить 200 человек радикально упростить все процессы. Пользователям и даже рекламодателям это не видно никак (в идеале).
- и примерно в этот же момент появляются тексты скептиков. Она не может такую простейшую вещь, как _____, и никогда не сможет, это принципиальное ограничение. Это вовсе не интеллект, она ошибается даже в такой простой задаче, как _____ (здесь подставьте задачу, в которой в такой же формулировке ошибется 90% людей). Можно всё это завернуть в сарказм по поводу хайпа.
На самом деле мы имеем воодушевляющую тенденцию, пока во многом похожую на рост числа персональных компьютеров в конце восьмидесятых - начале девяностых, рост интернета в конце девяностых - начале двухтысячных и рост смартфонов в районе 2010. Появился новый класс технологий, позволяющих строить какие-то штуки (продукты, бизнес-процессы, развлечения), совершенно не похожие на всё, что было до этого. Эти технологии пока не уперлись в свой потолок, а их бизнес-применения пока на очень ранней стадии. Нас ждет ещё какое-то количество pets.com3, но в итоге изменения в жизни, в том числе и повседневной, будут огромными, хотя и не обязательно заметными. Как аналогия, чтобы почувствовать масштабы и личное ощущение от предыдущих подобных изменений: насколько часто вы задумываетесь о том, как изменилась логистика в торговле за последние 15 лет или банковское дело за 20?
У меня есть смутное подозрение, что до технологической сингулярности мы всё же не доживём, но это, как говорится, уже совсем другая история.
---
1 e2e (жаргон MLщиков) - end to end, обозначение системы, которая не собрана как Лего из готовых компонентов, отвечающих за подзадачи, а сразу обучена решать задачу целиком, "от и до". Как пример обратного, все компьютерные собеседники раньше делались из блоков "speech to text", текстового диалогового движка и "text to speech". Понятно, что работу с интонациями (как считывание, так и генерация), напевание колыбельных и т.п. к такой системе можно прибить только сбоку гвоздиками
2 Черрипик (жаргон MLщиков) - яркий пример того, когда технология сработала хорошо. Ещё 99 примеров того, как она сработала не настолько хорошо, никто друг другу не пересылает и в твиттере они не расходятся.
3 Знаменитый пример ужасно переоцененного стартапа из эры dot com boom'а, просуществовавший два года, на пике стоивший где-то в районе 100 млн тех ещё долларов, покупавший рекламу на Суперкубке, и не зарабатывавший при этом практически ничего. Просто интернет-магазин товаров для животных без какой-либо уникальности. По меркам 2021 года звучит даже не очень и ужасно, но тогда они вошли в поговорку.