Погляд

Максим Карпаш: Штучний інтелект нового не придумує

Google+ Pinterest LinkedIn Tumblr

У 2006 році захистив кандидатську дисертацію у Львівській політехніці. Власне самому захисту передувати численні семінари та зустрічі з вченими, членами спецради, в якій планувався захист. Найбільше питань у майбутніх колег викликав обраний спосіб обробки інформації моїх експериментів – штучні нейронні мережі, пише Максим Карпаш у Репортері.

Максим Карпаш, проректор Університету Короля Данила новини Івано-Франківська

В основному їм здавалось це несерйозним. А враховуючи те, що у фізиці точність є ключовою, то зауваження були доволі небезпечними та критичними. Щоб «обійти» ці зауваги, довелося навіть скласти собі короткий конспект з поясненнями ключових положень та історії створення теорії штучного інтелекту, який і є сукупністю штучних нейронних мереж. До масштабних застосувань цих винаходів залишалось кілька років.

Минулих вихідних для українців відкрили доступ до ChatGPT – текстового симулятора штучного інтелекту. Він і раніше вже наробив шуму, загалом не дуже доброго спрямування. Враховуючи обставини мого давнього знайомства з цією темою та суспільним розголосом, розкажу, з чим ми маємо справу.

Читайте Максим Карпаш: Європа допоможе й лампами

Отже, все почалось в кінці 1950-х, коли американський нейрофізіолог Френк Розенблат запропонував комп’ютерну модель сприйняття інформації мозком. Він назвав її персептроном. Це і була перша модель нейромережі – такий собі «ембріон» штучного інтелекту. Серед завдань, яке спромігся розв’язати персептрон, стало розпізнавання певних літер латинки.

Суть роботи персептрона відносно проста. На входи подається інформація у числовій формі. Входи є аналогами нейронів, що сприймають зовнішні впливи через органи чуття – як, наприклад, очі. Далі ця інформація передається на мережу вузлів, які можуть її обробляти. Тобто – розраховувати суму значень отриманих з різних входів, множити, ділити чи математично обробляти за певною функцією – повна аналогія з нашими нейронами.

Останній шар вузлів персептрона – так звані виходи, які видають результати його «роботи» у числовій формі. Для розпізнавання літер, наприклад, можна закодувати два виходи для представлення кожної літери двозначним числом. Наприклад, літера А – це 01, а літера Ф – 28 і т.д.

Читайте Максим Карпаш: До землетрусу можна лише підготуватись

Аби персептрон видавав відповіді максимально наближені до правильних, з ним проводять так звану процедуру «навчання». Порівнюють отримані результати з правильними, коригують функції вузлів у внутрішніх шарах. Якщо такій нейронній мережі під час навчання показати літери навіть із більш-менш серйозними відхиленнями (бракує якоїсь частини, є зайві позначки) вона все одно «навчиться» розпізнавати їх з високим ступенем достовірності. Ось так спрощено, виглядає будова елементарного пристрою розпізнавання образів на базі штучних нейронних мереж.

Та найголовнішим у цьому для нас, як користувачів ChatGPT, є те, що у цій лінгвістичній моделі з використанням технологій штучного інтелекту (ШІ) неможливо знайти того, що в неї не внесли інші користувачі. Так, вона може брати текстову інформацію, шукаючи її в інтернеті, але не більше. Іншими словами, модель не здатна на генерацію нового. І це є чи не найважливішим обмеженням ШІ порівняно з інтелектом людським.

Максим Карпаш, професор Університету Короля Данила

Донат
Читайте «Репортер» у  Telegram та Instagram  – лише якісні новини та цікаві статті у вашому телефоні
 

Comments are closed.