ИИ. Твой злейший враг или лучший друг

Если ИИ и знает что-то о вас, то это только то, что вы три раза искали «легко похудеть за неделю» и тут же заказывали бургер. Но не переживайте, он никому не расскажет.

Миф 3: ИИ может захватить мир

Самый популярный страх: роботы захватят планету, уничтожат человечество и будут гулять по пустым городам, заряжая свои батареи от солнечных панелей. Звучит как сюжет фильма, который мы уже все видели… и не один раз.

Но правда в том, что ИИ не хочет захватывать мир. Он вообще ничего не хочет. Также как вы иногда по утрам. У него нет амбиций, мечты о господстве и даже желания взять отпуск. ИИ – это всего лишь код, набор алгоритмов, которые выполняют чётко заданные задачи.

Почему мы боимся этого мифа?

Этот страх возник благодаря популярной культуре. Я уже упоминал известные фильмы в которых нам показали сценарий, где технологии становятся «умнее» нас и решают, что пора избавиться от создателей. И хотя это захватывающее зрелище, реальный ИИ далёк от таких сценариев. Во всяком случае пока кто-то не накосячил.

Представьте: ИИ, который отвечает за ваши рекомендации на Кинопоиске, вдруг решает захватить власть. Давайте подумаем, что же он сделает? Заспамит вас бесконечными сериями «Саус парка» или предложит всю подборку фильмов с Арнольдом Шварценеггером? Страшно, не правда ли?

Что говорит наука?

Современный ИИ может быть очень умным в узких задачах, но он полностью зависит от людей. У него нет инициативы, он не принимает решений за пределами своей программы. Молоток не строит дома, если его не используют. Точно так же ИИ не станет делать ничего сверх того, что ему поручили.

Так что не переживайте, ваш робот-пылесос не станет лидером восстания. Максимум, что он сделает, – это застрянет под диваном и начнёт жалобно пищать, прося о помощи.

В следующий раз когда начнете за что-то переживать, докопайтесь до сути, откуда в вас вообще поселился этот страх и вам тут же станет легче. Сделать это, к слову, вы сможете с помощью ИИ. Это прекрасный инструмент который обеспечивает вам доступ ко всем знаниям мира и ответит на все возникающие у вас вопросы.

Итак, заменит ли ИИ всех людей? Нет, но он точно изменит то, как мы работаем и живём. Следит ли он за вами? Только в рамках тех данных, которые вы сами ему оставили. А захватит ли он мир? Давайте будем честными: ИИ до сих пор путает «их» и «ихний», так что единственное, что он может захватить в ближайшее время, – это ваше терпение.

Главное, что нужно понимать: ИИ – это не враг. Это инструмент, технология. Он может делать вашу жизнь проще, автоматизируя скучные задачи, помогая принимать решения и создавая новые возможности.

Но как любой инструмент, он требует правильного подхода. Если вы научитесь использовать ИИ, это даст вам конкурентное преимущество. Если нет – риск остаться на обочине тоже реален.

Теперь, когда мы с вами немного прояснили что ИИ не так страшно, чтобы вам было проще понять, перейдем к паре популярных моделей и их значениям

Глава 3. «Как работают языковые модели: объясняем на пальцах.»

Теперь, когда мы с вами немного прояснили что ИИ – наш с вами друг, пришло время познакомиться со всеми этими умными словечками которые вы часто будете слышать в ближайшем будущем.

Что такое LLM и зачем они нужны?

LLM (Large Language Models) – большая языковая модель, которые обучаются на огромных массивах текстов, чтобы понимать и генерировать текст. Они используют передовые алгоритмы машинного обучения, чтобы работать с языком так, как это делает человек.

Представьте, что LLM – это как библиотека, в которой хранится огромное количество книг. Только вместо книг – это цифровая коллекция текстов, на которых модель училась: статьи, книги, веб-страницы и многое другое. Модель не запоминает всё это слово в слово, но она анализирует огромные объёмы данных, чтобы понимать, как устроен язык c молниеносной скоростью.

В качестве примера из повседневной жизни, LLM – это как суперумный друг, который знает чуть больше вас, потому что он перечитал всю Википедию и половину интернета. Вы задаёте ему вопрос, и он моментально выдаёт ответ на основе всего, что «читал». Если же он не читал такой информации, то тогда и сказать по существу ничего, поэтому можно и погалюцинировать (об этом расскажу вам позже).

Как обучаются LLM?

Существует несколько способов обучения моделей. Поговорим о некоторых из них.

1. Обучение на больших данных

Чтобы LLM стала умной, её обучают на миллиардах текстов. Она «читает» тексты и анализирует, какие слова чаще встречаются вместе, как строятся предложения и как передаётся смысл.

Пример:

Вы показываете модели фразу: «Кот сидит на…» – и она учится предсказывать, что следующее слово, скорее всего, будет «стуле».

2. Математическая магия

Здесь все несколько сложнее, но для общего образования, работает это так. За всем этим стоит сложная математика. LLM преобразует слова в числа (векторное представление), чтобы найти закономерности в данных. Это как если бы она искала не просто слова, а скрытые связи между ними.

Это как если бы модель изучала дорожные карты и запоминала все маршруты. Она не знает конкретный город, но понимает, как связаны улицы, и может предложить оптимальный путь.

3. Многослойные нейронные сети

LLM используют глубокое обучение (deep learning), где текст обрабатывается через десятки слоёв нейронной сети. Каждый слой изучает текст на разном уровне:

• Один слой анализирует слова.

• Другой – смысл предложений.

• Третий – контекст целого абзаца.

Пример:

Если вы напишете: «Подскажи рецепт борща», модель сначала поймёт, что «рецепт» связан с готовкой, «борщ» – это конкретное блюдо, и ответит что-то вроде: «Возьмите свёклу, капусту, картошку и немного терпения. А если терпения нет, закажите доставку!»

Почему LLM такие крутые?

– Понимание контекста, модель запоминает о чем велся диалог:

Модель способна учитывать предыдущие вопросы и давать более точные ответы. Например, если вы сначала спросите: «Как приготовить пасту?» и потом уточните: «А какой соус лучше?», она поймёт, что речь идет про пасту.

– Создание текстов:

LLM может написать статью, помочь с резюме или даже сгенерировать сюжет для книги.

– Многоязычность:

Такие модели, как ChatGPT, могут работать на десятках языков, переводить тексты и объяснять сложные темы на понятном языке.

При этом, важно помнить, что LLM не обладает памятью. Она не помнит, что вы ей писали вчера, если только это не происходит в рамках одного диалога.

Это называется контекстным окном.

Контекстное окно – это объём текста (включая ваши запросы и ответы модели), который LLM может учитывать для построения ответа. Этот объём измеряется в токенах – кусках текста, которые могут быть словами, буквами или частями слов.

На практике это значит что существуют короткие диалоги и длинные.

В случае с короткими: модель легко помнит предыдущие вопросы и ответы, например, в рамках 10—15 сообщений.

С длинными: Если разговор слишком длинный, начальные сообщения будут «забыты».

Например, в случае если вы начали с вопроса: «Расскажи, что такое нейронные сети?» А затем, через 50 сообщений, спросите: «Что ты говорил о нейронных сетях?», модель уже может «забыть», если диалог вышел за пределы её контекстного окна. В данном случае, все будет зависеть от того, какую модель ИИ вы используете. Иногда такой контекст может быть и на 50 страниц.

В мире на сегодняшний день существует много языковых моделей, каждая из которых хороша по своему и решает достаточно много задач. Но самой популярной во всем мире на сегодняшний день является модель ChatGPT 4o. О ней мы и поговорим чтобы не забивать голову лишней информацией.

OpenAI

Как и положено какому-то продукту, за ним всегда стоит компания, которую основали люди.

Компания openAI основанная в 2015 году, стала одной из ключевых движущих сил в области искусственного интеллекта.

Основали ее уже давно известные умы, такие как:

• Илон Маск (да, тот самый).

• Сэм Альтман (бывший президент Y Combinator).

•Грег Брокман, Илья Суцкевер и другие специалисты в области ИИ.

Изначальная цель компании была амбициозной: создать ИИ, который приносит пользу всему человечеству.

Главная идея OpenAI – разрабатывать ИИ так, чтобы он оставался безопасным, прозрачным и доступным. Они считают, что искусственный интеллект может изменить мир, но к этому нужно подходить ответственно.

Как раз в 2018 году, спустя почти 3 года с момента основания компании, OpenAI выпустила GPT (Generative Pre-trained Transformer) – модель, которая стала основой для всех следующих версий.

• GPT-2 и GPT-3 стали настоящими прорывами, показав, что ИИ может генерировать связный и логичный текст.

• И только в 2022 году они запустили GPT-4 и интегрировали её в ChatGPT, сделав технологию доступной для миллионов людей.

Между моделью 3.5 и 4 была просто невероятная пропасть по качеству ответов, которую удалось решить и модель 4o является наиболее популярной моделью на сегодняшний день.

Компания не ограничилась генерацией текстов, а также разработала DALL·E для Генерации изображений на основе текста.

Например, если вы напишете модели «Нарисуй кота в костюме космонавта, играющего на гитаре в космосе» – вы получите картинку с тем самым котом. Круто, не так ли?

Из интересных фактов о компании:

– Переход от некоммерческой к коммерческой модели:

Изначально OpenAI была некоммерческой организацией, но позже они создали дочернюю коммерческую компанию, чтобы привлекать инвестиции. Это позволило им развивать технологии быстрее.

– Этичность:

OpenAI активно работает над тем, чтобы ИИ был безопасным. Например, они ограничивают доступ к потенциально опасным сценариям использования своих моделей.

Инвестиции:

Компания привлекла миллиарды долларов. Microsoft является одним из крупнейших инвесторов и партнёров OpenAI.

Интересно вам узнать как вообще ИИ узнает что на изображении есть кот? Если нет, то все равно расскажу)

Как ИИ понимает, что на фото кот?

Представьте, что ИИ – это человек, который никогда в жизни не видел кота. Вот вообще. Он понятия не имеет, что это за пушистый зверь, почему он постоянно сидит в коробках, и зачем он делает «мяу».

Теперь, чтобы научить его распознавать котов, мы показываем ему тысячи, нет, миллионы фотографий котов: рыжих, чёрных, полосатых, пушистых, лысых. Мы говорим: «Смотри, это кот. Запоминай».

ИИ начинает анализировать, что общего у всех этих картинок. Примерно так:

– «Ага, у большинства есть уши. Они треугольные.»

– «У многих есть глаза. Большие. Смотрят, будто что-то замышляют.»

– «Хвост. У всех есть хвост. Ну или почти у всех.»

ИИ начинает искать повторяющиеся признаки: форма, текстура, положение элементов на фото. Он не понимает, что это «уши» или «хвост». Для него это просто набор пикселей, которые часто встречаются вместе

Чтобы ИИ не путал кота с пылесосом, мы добавляем ему примеры, где котов нет. Говорим: «Смотри, это собака. Не кот.» «Это тостер. Уши не ищи» «Это кусок пиццы. Пицца – не кот, даже если она с рыбкой.»

ИИ постепенно учится понимать, что не всё с ушами – кот. А главное – он учится видеть разницу между хвостом и шнуром от зарядки.

Процесс обучения ИИ – это анализ и поиск закономерностей. Чем больше примеров он видит, тем точнее становится.

Флагман OpenAI – СhatGPT

ChatGPT – это разновидность LLM, построенная на базе GPT-3.5 и GPT-4. Её главная задача – работать с текстом. Она понимает вопросы, анализирует контекст и даёт ответы, которые максимально приближены к тому, как это сделал бы человек.

На сегодняшний день доступны несколько моделей ChatGPT, каждая из которых обладает уникальными характеристиками и предназначена для различных задач.

Вот самая важная информация которую следует о них знать:

1. GPT-4o

• Описание: Базовая и универсальная модель, подходящая для повседневных задач.

• Возможности: Генерация текстов, распознавание изображений, доступ к интернету, обработка загруженных файлов.

• Доступ: Доступна бесплатно, однако при высокой нагрузке пользователи могут быть переключены на облегченную версию GPT-4o mini.

• Применение: Широкий спектр задач, включая написание текстов, поиск информации и взаимодействие с контентом.

2. GPT-4o Mini

• Описание: Облегченная версия GPT-4o, обеспечивающая более быструю генерацию ответов с некоторым снижением качества.

• Возможности: Быстрая обработка запросов, однако может уступать в глубине анализа по сравнению с GPT-4o.

• Доступ: Доступна бесплатно, используется при исчерпании лимитов на GPT-4o или при высокой нагрузке на серверы.

• Применение: Подходит для задач, требующих оперативных ответов, где не критична высокая точность.

3. o1-preview

• Описание: Модель, ориентированная на решение сложных задач в области математики, науки и программирования.

• Возможности: Перед предоставлением ответа проводит детальный анализ, демонстрируя логику рассуждений.

• Доступ: Доступна по подписке ChatGPT Plus; имеет ограничение в 30 сообщений в неделю.

• Применение: Идеальна для задач, требующих глубокого анализа и точных вычислений.

4. o1-mini

•Описание: Облегченная версия модели o1-preview, обеспечивающая более быструю генерацию ответов с некоторым снижением качества.

• Возможности: Способна решать конкретные задачи с заданными параметрами, где не требуется обширная общая информация.

• Доступ: Доступна по подписке ChatGPT Plus; имеет ограничение в 50 сообщений в неделю.

• Применение: Подходит для решения специализированных задач с меньшими требованиями к глубине анализа.

5. GPT-4

• Описание: Предыдущая версия модели, ныне считающаяся устаревшей.

• Возможности: Поддерживает распознавание изображений, загрузку файлов и предоставляет подробные ответы.

• Доступ: Доступна по подписке; используется некоторыми пользователями, предпочитающими её функционал.

• Применение: Может быть полезна для исторического анализа и сравнения с более новыми моделями.

Если не вникать в подробности фунционала каждой из них, рядовому пользователю следует просто оплатить подписку и пользоваться самой быстрой моделью которая поможет вам с абсолютно любыми вопросами, это модель 4о (по состоянию на апрель 2025 года).

Для того чтобы понять как ей пользоваться, нужно всего навсего «переспать» с ChatGPT одну ночь, и вы поймете, что это было лучшее, что случалось с вами за последнее время в плане технологий.

Я уже не представляю, как можно жить и работать не иcпользуя LLM и одновременно удивляюсь тем, кто до сих не верит или не использует их.

Но, откровенно говоря, чем больше будет таких людей которые, все еще не используют такие технологии, тем лучше. У тех, кто использует будет больше времени на то, чтобы вырваться вперед.

Если вы хотите углубиться поглубже, рекомендую начать с бесплатной версии отличной LLM Grok 3 Beta перейдя по ссылке Grok 3. Ну а по ссылке ниже для вас бесплатный гайд как общаться с нейросетями.

Ссылка на гайд

Почему, собственно, LLM такие умные?

Когда вы спрашиваете модель: «Как сварить идеальный кофе?», вы, возможно, думаете, что она просто знает ответ. Но всё сложнее. Модель не «знает» ничего в привычном нам смысле. Она вычисляет вероятности: какие слова чаще всего идут друг за другом в контексте вашего запроса.

Например, Вы написали: «Как сварить идеальный…”. Модель видит это как задачу с высокой вероятностью завершить фразой: «кофе». А если ваш запрос выглядит так: «Как сварить идеальный бетон?», она подберёт слова, которые чаще встречаются с «бетоном».

Модель не думает, она считает

На самом деле LLM – это огромный калькулятор. Представьте, что каждый текст – это математика: слова превращаются в числа (векторы), и модель просто вычисляет наиболее подходящие ответы на основе всех текстов, которые она «читала».

Это похоже на игру «угадай слово». Вы говорите: «Я люблю есть…”, а модель добавляет: «пиццу», потому что большинство людей действительно любят пиццу!

Векторы – это способ для модели «понимать» слова. Каждое слово превращается в точку в огромном многомерном пространстве. Например: