Искусственный интеллект - оружие или игрушка? 

Усаживайтесь поудобнее, сейчас будет интересный монолог на самую животрепещущую тему 2023, да и уже 2024 года. 

Оглавление:

Разработка все более новых и технологичных моделей на рынке ИИ набирает обороты. Многие из вас слышали и знают про компанию Open AI, во главе с Сэмом Альтманом, но это лишь верхушка айсберга, и знаете вы об этой верхушке лишь благодаря гениальному Американскому маркетингу. Хотя ничего гениального в нем нет, за исключением владения всеми самыми влиятельными мировыми СМИ и жирного лобби. Но сейчас не об этом. Пойдем по порядку и разберемся в том, что ИИ вообще такое, когда это все началось, что происходит сейчас, и куда нас все это приведет.

Искусственный интеллект, когда он появился, во что превратился

Искусственный интеллект как прикладная наука охватывает как теорию, так и практику. В его создании пересекаются области информатики и вычислительной техники с одной стороны и нейрофизиология, когнитивная и поведенческая психология с другой.

Предпосылки к созданию великого и могучего появились еще в 1623 году, когда Вильгельм Шикард построил первую механическую цифровую вычислительную машину. За ней последовали машины Блеза Паскаля в 1643 году и Лейбница в 1671. Да, фамилии именно этих чуваков вы слышали на уроке информатики в 7 классе от задроченного учителя, который пытался быть похожим на Стива Джобса в своей столетней водолазке. Лейбниц, собственно, и был первым, кто описал двоичную систему счисления.

Сама же наука зародилась в 1943 году. Именно в этот злополучный год Уоррен Маккалок и Уолтер Питтс опубликовали A Logical Calculus of the Ideas Immanent in Nervous Activity, который заложил основы нейронных сетей. (По ссылке можно прочитать их работу). 1950 год: Алан Тьюринг опубликовал статью "Вычислительные машины и разум", в которой предложил тест Тьюринга для оценки способности машины имитировать человеческое поведение.

Разработка основных идей (1950-е — 1960-е)

• 1956 год: На конференции в Дартмутском колледже термин "искусственный интеллект" был использован впервые, что стало началом активных исследований в этой области.
• 1950-е — 1960-е годы: Разработка основных алгоритмов машинного обучения, включая алгоритмы оптимизации и первые программы, способные играть в шахматы и решать символьные задачи.

В 70-х годах с искусственным интеллектом (ИИ) произошла засада. Все началось круто: учёные говорили, что скоро машины будут думать как люди, переводить языки и решать жёсткие задачки. Но реальность оказалась не такой радужной. Вот почему всё пошло не так:

Ждали слишком много
- На рассвете ИИ народ был в восторге, думали, машины скоро начнут думать. Но когда пришло время показать результаты, оказалось, что машины далеко не так умны.

Техника не тянула
- Компы тех времён были как калькуляторы по сравнению с нынешними. Мощности мало, данных мало — не до ума машинам было.

Бабки перестали давать
- Когда стало ясно, что ИИ не оправдывает надежд, деньги на исследования начали сокращать. Без бабла сложно что-то разрабатывать, так что процесс пошёл ещё медленнее.

Плохие отзывы
- В середине 70-х вышли отчёты, где говорилось, что ИИ — это пшик. Это подкосило веру в ИИ ещё больше, и финансирование урезали.

В общем, 70-е для ИИ оказались холодными, как зима. Обещания не сдержали, компы были слабые, денег стало меньше, и все стали скептически относиться к ИИ. Но это был нужный урок: нужно было ставить реальные цели и ждать прорывов в технике, чтобы двигаться дальше.

1980-е: Экспертные системы в деле

В 80-е ИИ словно вышел из зимней спячки. Причина? Экспертные системы — это тип программ, которые могли копировать умение настоящих спецов в какой-то узкой теме. Представьте, как компьютер играет в "Кто хочет стать миллионером?", но только по одной теме и отвечает как профессор. Эти системы начали использовать в медицине, на производствах, для анализа данных. В итоге все вокруг заинтересовались ИИ снова и начали вкладывать деньги.

1990-е: Машины учатся быстрее

Теперь о 90-х. Компы стали мощнее, а учёные — умнее в плане создания алгоритмов. Появились новые методы машинного обучения, когда машина сама может учиться на ошибках и успехах, становясь всё умнее. Это как если бы ты каждый раз, проигрывая в видеоигре, запоминал все свои ошибки и больше их не повторял, становясь непобедимым геймером. Благодаря этим нововведениям, ИИ начал прокачиваться в разных областях: от распознавания речи до анализа больших данных.

Что вышло?

В итоге, если 70-е были затишьем, то 80-е и 90-е стали настоящим бумом для ИИ. Экспертные системы показали, что компы могут думать как узкие спецы, а новые методы машинного обучения заставили машины учиться ещё быстрее и эффективнее. И всё это привело к тому, что деньги и интерес к ИИ вернулись, и он пошёл в гору.

Начало 2000-х и 2010-е годы стали максимально промывными на пути к тому, что мы имеем сейчас. Ну это вы и так уже знаете. Чуть ниже я напишу, почему, и какие модели породили весь этот хаос вокруг ИИ к сегодняшнему дню.

Какие модели породили ИИ? Почему такой прорыв?

1. Перцептрон - Дедушка всех нейросетей (1957 год)

Первопроходец Фрэнк Розенблат создал Перцептрон. Думай о нём как о дедушке всех нейронных сетей, что мы используем сейчас. Эта штука училась распознавать образы, типа букв и цифр, но всё было ещё дико примитивно.

2. LeNet-5 - Гуру распознавания букв (1998 год)

Когда Ян Лекун выкатил LeNet-5, всем стало ясно: свёрточные нейронные сети (CNN) — это будущее для всего, что связано с картинками. Эта сеть умела понимать, какая цифра написана на бумаге, и открыла дорогу для кучи крутых приложений.

3. AlexNet - Тот, кто заставил всех ахнуть (2012 год)

AlexNet, эта модель просто разнесла всех на соревновании ImageNet, показав, что глубокие CNN могут видеть картинки лучше, чем кто бы то ни было до этого. Это был момент, когда всем стало понятно: глубокое обучение это не шутки, и оно пришло, чтобы остаться.

4. GPT - Машина для чата (с 2018 года)

Серия GPT от OpenAI — это как если бы ты смог поговорить с компом, и он бы отвечал тебе как живой. Эти модели умеют всё: писать тексты, переводить, отвечать на вопросы. После их появления игра в области обработки естественного языка (NLP) изменилась навсегда.

5. BERT - Понимает тебя лучше, чем твоя бабушка (2018 год)

Google выкатил BERT, и это был ещё один уровень понимания текста. Эта штука умеет читать предложения так, чтобы понимать контекст слова, и это сильно помогает в поисковиках и других сервисах, где важен смысл текста. Сильный конкурент для Open AI.

Где потенциально можно использовать ИИ?

Применение ИИ очень обширно, имеет огромный потенциал. Не обращайте внимания на такие банальные вещи, как копирайтинг, например. Да, конечно, я не спорю, что Chat GPT может заменить всех копирайтеров в этом мире вместе взятых, но посмотрите глубже. С помощью ИИ можно автоматизировать множество операционных процессов разных бизнесов, что в свою очередь снизит косты и повысит эффективность.

Разработки лидирующих компаний можно внедрять в корпоративные инфраструктуры для сотрудников, можно безумно качественно автоматизировать службы поддержки. Можно улучшить производительность навигаторов, автоматизировать многие вещи в медицине, например - назначение лечения пациенту в зависимости от установленного диагноза. На рынке логистических компаний можно генерировать наиболее оптимальные маршруты судов, поездов, машин и автоматизированно высчитывать стоимость доставки грузов. В общем и целом, пространство для возможного применения ИИ - не ограничено. Но есть и опасные секторы его применения. А именно - военная промышленность.

Что происходит сейчас?

На данный момент компании гиганты более менее поделили рынок. Каждый игрок на рынке стремится создать все более и более эффективную модель. Полный разрыв произошел в больших языковых моделях, LLM (Large Language Models). Это именно те, что генерируют вам текст. По сути, каждая буква этого текста - это символ. И каждое слово генерируется за счет предсказания каждого следующего возможного символа с какой-то условной вероятностью на базе натренированной даты. Далее начали делать модели генерации изображений, потом видео. Google вообще выпустил Genesis AI, который может различать и говорить о том, что ты сам рукой рисуешь на листочке (ахереть). В общем, началась гонка!

Но не стоит забывать, что развитие искусственного интеллекта связано не только с тем, какую формулу придумают головастики разработчики, как они натренируют данные и пофиксят все баги, но и с тем, НА ЧЁМ они натренируют эти данные.

Да, как ни крути, даже в век самых высоких технологий за все человеческое существование, всё упирается в железо. Именно так, вы меня правильно поняли. Дело в том, что тренировка данных требует мощнейших машин, в которые установлены те самые чипы, о которых вы так часто слышите в новостях о Китае, США и России.

Представьте, вы строите кибер-мозги для роботов, которые должны учиться так же, как мы с вами, только в миллион раз быстрее. Вот тут-то и вступают в игру эти крутые чипы для ИИ, типа графических карт (GPU), программируемых матриц (FPGA) и тех самых уникальных микросхем (ASIC), которые заставляют эти кибер-мозги работать на полную катушку. Эти штуки — настоящие ракеты в мире вычислений, позволяющие ИИ шарить и обучаться чему угодно со скоростью света.

Возьмем, к примеру, суперкомпьютер Tesla Dojo — это как если бы вы собрали армию самых умных ученых в одном здании, только вместо людей там чипы, которые могут ворочать гигантские объемы данных, как никто другой. Tesla замутила свой чип D1, который такой маленький, но при этом такой мощный, что может прокачать ИИ-тренировки, как никакой другой комп на планете. Собирают их в блоки, а блоки в кластеры, и вуаля — получается машина, способная разгоняться до эксафлопсов, это как гонки в мире вычислений, где Tesla — Формула 1.

Стоимость таких чудо-устройств? Ну, это как спросить, во сколько обойдется построить космический корабль. Для крупных проектов и лабораторий цена может зашкаливать за сотни миллионов долларов, потому что вы покупаете не просто железки, а ключ к самым передовым технологиям ИИ. Но ведь и результаты будут соответствующие — ИИ, который может делать все: от вождения машины до решения глобальных проблем.

И да, на этом пути всегда есть место для новых открытий. Ученые и инженеры не стоят на месте, они постоянно крутятся, чтобы сделать эти чипы еще быстрее, мощнее и дешевле. Это как гонка за будущим, где каждое новое изобретение открывает двери к еще более крутым возможностям для ИИ. Именно поэтому на рынке полупроводников тоже образовалась своеобразная гонка. Но к этому мы придем чуть ниже.

Что будет дальше?

Выше мы говорили о том, что возможности AI безграничны, и это с одной стороны невероятно здорово. Но в то же время применение данных технологий в той или иной индустрии может повысить уровень безработицы.

В макроэкономической теории есть такое понятие, как кривая Филлипса, которая говорит о том, что инфляция и уровень безработицы имеют отрицательную зависимость друг от друга. Получается, что с развитием ИИ будет понижаться инфляция. И как интересно происходит, что рынок ИИ просто бомбанул на весь мир прямиком из США как раз таки в разгар безумной инфляции, когда Фед Резерв повысил ставки почти с нуля аж до пяти с лишним процентов (для США это дохера).

Так может всем насрать на технологии, а это лишь борьба с возросшей инфляцией в США? Может и так, но смыслов внутри этого кроется еще больше.

Все ведущие экономики разрабатывают свой ИИ, почему?

Вот мы и добрались до самой интересной части, о которой будут все последующие параграфы этой статьи. The Economist написал недавно: "Шесть лет назад, еще до того, как кто-то услышал о Chatgpt, Владимир Путин заявил, что страна, которая возглавит развитие искусственного интеллекта (ai), станет "правителем мира". В декабре он повторил эту мысль, заявив, что Россия должна "возглавить и повести" за собой развитие искусственного интеллекта. Эти комментарии прозвучали в ответ на то, что во время телевизионного телефонного разговора один из видеозвонивших принял облик российского президента, используя, по-видимому, сгенерированный искусственным интеллектом deepfake, чем на мгновение испугал настоящего сильного человека. Для Путина "лидерство" в области AI - это часть идеологической борьбы с Западом." Владимир Путин абсолютно прав. И этого мнения придерживается не только он, но и лидеры всех развитых и развивающихся стран, которые конкурируют на мировой арене, как в политике, так и в других секторах. Это Россия, США и Китай. Так в чем же заключается борьба этого трио? В том, чтобы не допустить глобальную монополию в технологическом превосходстве. Ведь на этом уровне уже нет антимонопольной службы, которая придет и надаёт по попке за то, что ты захватил рынок. На этом уровне идет жесточайшая борьба по всем направлением превосходства. И если Россия и Китай представляют собой здравую конкуренцию, работая, как партнеры, то США стремится задавить обоих игроков.

Что даст развитие ИИ в рамках закрытой экономики в каждом из этих государств? Элементарно - независимость в интеграции технологии в бизнес процессы страны, которые в свою очередь будут способствовать росту экономики. И это абсолютно справедливо. Сейчас поговорим об этом глубже, но сначала...

Что убедительнее - кастет или пистолет? 

Представьте, что вы КМС по боксу, у вас есть кастет в бардачке вашего автомобиля, и во время перепалки на дороге, вы хотите выйти набить морду обидчику, а он достаёт ствол. У кого влияние? У человека с пистолетом, очевидно, даже если он на 30 килограмм отстает от вашей весовой категории. А давать заднюю в этой ситуации совсем не айс, тем более, если вы знаете, что вы абсолютно правы.

Придержите этот концепт в голове на пару минут, пока я дам небольшое предисловие о холодной войне.

Холодная война, гонка вооружений. Начало? Причины? Результаты?

Холодная война — это как длинная драка между двумя районами, США и СССР, только без мордобоя, зато с кучей хвастовства кто круче. После Второй мировой оба этих "района" стали пацанами номер один на планете и начали меряться силами, только вместо кулаков использовали ядерные бомбы и ракеты.

Гонка вооружений началась потому, что каждый хотел быть пацаном, у которого больше всего игрушек, только взрослых — ракет, бомб и всего такого, что может устроить конец света. Это как два соседа, которые постоянно покупают всё круче и круче технику, чтобы показать, кто в доме хозяин. Только здесь не газонокосилки и барбекю, а атомные бомбы.

Ключевые моменты — это когда каждый из них начал подкидывать на стол всё новые и новые игрушки. США сбросили бомбу на Японию, СССР подумал: "Ну, круто, держите и от нас", и тоже сделал свою. Потом они начали кидать эти игрушки подальше, чтобы достать друг до друга, если что. В итоге, у каждого на складах накопилось столько всего, что хватило бы прикрыть всю планету не один раз.

Но как в любой драке, приходит момент, когда понимаешь, что можно и по морде получить. Вот и они поняли, что если начнут реально драться, то всем капец. Поэтому все это время они только кидали друг на друга косые взгляды и иногда обзывались, но до мордобоя так и не дошло.

Всё закончилось, когда СССР решил, что играть в эту игру слишком дорого и вообще пора бросать, и развалился. Так холодная война закончилась, а с ней и гонка вооружений поутихла. Теперь все стали как бы друзьями, но всё равно друг друга подозревают и на всякий случай держат свои игрушки под рукой.

Как говорили уже классики - "Мне этот мир абсолютно понятен." И суть проста - даже в эпоху высоких технологий круче тот, у кого ствол, а не кастет. А в реальности это атомные бомбы. Правительствам необходимо пространство для маневра на поле переговоров по тому или иному вопросу, и это пространство создается за счет военного влияния.

Едем дальше.

ИИ - новая гонка вооружений

Так на что же похоже это стремление разработать свой уникальный ИИ внутри своего государства? Правильно. Это повторение гонки вооружений во времена холодной войны, но правда мало кто понимает, что это гораздо серьезнее и масштабнее.

В России Сбер и Яндекс активно развивают свои модели, про США я написал выше, в Китае в 2023 году компании, такие как Baidu, Alibaba и Tencent, представили новаторские ИИ-технологии и начали интегрировать большие языковые модели в продуктивные сервисы, включая автоматизацию офисных задач, переводы текстов и создание контента​​.

Например, Baidu представила свою языковую модель ERNIE Bot, которая выделяется продвинутыми возможностями в математическом рассуждении и понимании китайского языка. Alibaba разработала AI-чатбота и AI-помощников для обработки аудио, видео и изображений, а также первого AI-помощника для электронной коммерции. Tencent запустил свою большую AI-модель, которая находит применение в создании изображений для рекламной индустрии. Кроме того, Fudan University в Шанхае запустила крупнейшую в китайских университетах облачную платформу для исследований в области вычислений​​.

А теперь представьте и поймите, что все это - только начало. Что если создать модель ИИ, которая адативно под ландшафт, климатические условия, дорожную инфраструктуру и расположение войск может генерировать оптимальные способы атаки армии, предсказывая при этом потери в каждом из вариантов, давая генералам армий возможность принимать решения быстрее, эффективнее, неся при этом минимальные потери со стороны человеческого ресурса - солдат?

Вот оно - одно из самых опасных оружий, с которым не сравнится даже ядерная бомба (об этом напишу в конце).

Более того, не стоит забывать про чипы, о которых я писал выше. Гонка начинается именно там. Торговая война Китая и США во временя Трампа, борьба за полупроводники, острая ситуация вокруг Тайваня - все это предпосылки, которые дают явно понять человечеству, что идет безумная борьба за технологии ИИ, которые берут свой исток в чипах-полупроводниках. Тайвань - один из крупнейших производителей-поставщиков чипов в мире, и он находится под контролем у США, что явно не нравится президенту Си. Именно по этой причине после Украины мы будем наблюдать войну флотов этих стран (там воды ведь много вокруг).

Еще одно тому подтверждение - стремление Сэма Альтмана собрать сумасшедшие 7 триллионов долларов на производство своих чипов для тренировки моделей в Open AI. И это логично, это сделает их полностью автономными, но этого нельзя допускать стратегически, как нам, так и Китаю.

Через 5 лет - аналог альянса НАТО в мире ИИ

Именно по причине всего вышесказанного я глубоко убежден в том, что в скором времени, а именно на таймфрейма 5-10 лет будет создан некий альянс наподобие НАТО, который будет контролировать развитие ИИ в странах участниках альянса. Вопрос тут в другом - будут ли Россия и Китай в этом альянсе?

Кто станет лидером?

Россия - развивающаяся страна. Говорят "не беги вперед паровоза", но тут и не убежишь. У нас очень много незакрытых вопросов, которые решаются на данный момент созданием собственных производств в рамках закрытой экономики после начала СВО, но тем не менее мы не успеваем по многим аспектам за Китаем. Но при этом Китай наш стратегический партнер, и мы пока что идем в тесной связке. Именно поэтому предполагаю, что в мировой борьбе за превосходство в области ИИ шанс стать лидером есть у России и Китая, только объединившись. В противном случае американский госдолг будет расширен еще на несколько триллионов и в экономику будут выброшены бесплатные деньги для реализации самых коварных и смертоносных идей в мире искусственного интеллекта.

Что круче - ИИ или ядерное оружие?

Вот мы и пришли к самому интересному и страшному факту. Что же все таки опаснее - ИИ или ядерная бомба?

По моему личному мнению - ИИ. Вспомним тот пример, который я приводил в параграфе выше про создание ИИ с возможностью генерировать способы наступления армии. Вот в чем реальная сила, и это только один единственный пример, сгенерированный человеческим мозгом. А на что способен AI? Невозможно даже описать словами... И сила в том, что ты угрожаешь не бомбой, которая накроет абсолютно всех, а стратегическим преимуществом. Войны всегда были, есть и будут. Люди склонны "мериться письками", завоевывать новые территории, пытаться стать лидерами в этом мире, преследуя однополярное мышление и идеологию. И тот, у кого будет такое стратегическое оружие - станет мировым правителем, и все будут просить у него помощи и поддержки, как Оливер Твист кусочек хлеба.