Новогодние Фоторамки | LoonaPix — бесплатные фоторамки онлайн
New Year frosty window
Макс размер: 1800x2520px
Печать: 45x64cm, 18x25inch
Добавили: 6466 раз с 23 Dec 2022
Последний: 10 час назад
Вставить фото в рамку
✖
New Year border with red and green balls
Макс размер: 1450x1500px
Печать: 36x38cm, 14x15inch
Добавили: 13994 раз с 16 Dec 2021
Последний: 1 час назад
Вставить фото в рамку
✖
Gifts boxes under New Year tree
Макс размер: 1500x1448px
Печать: 38x36cm, 15x14inch
Добавили: 6032 раз с 16 Dec 2021
Последний: 2 дн. назад
Вставить фото в рамку
✖
Макс размер: 1500x1500px
Печать: 38x38cm, 15x15inch
Добавили: 7847 раз с 08 Dec 2021
Последний:
35 мин.
назад
Вставить фото в рамку
✖
New year decorations above the bright background
Макс размер: 1500x938px
Печать: 38x23cm, 15x9inch
Добавили: 4394 раз с 08 Dec 2021
Последний: 2 час назад
Вставить фото в рамку
✖
Father Christmas with Snow Maiden and gifts
Макс размер: 1060x1500px
Печать: 26x38cm, 10x15inch
Добавили: 9769 раз с 06 Dec 2020
Последний: 1 час назад
Вставить фото в рамку
✖
Winter amusements. Snowman
Макс размер: 1000x1500px
Печать: 25x38cm, 10x15inch
Добавили: 7063 раз с 06 Dec 2020
Последний:
1 дн.
назад
Вставить фото в рамку
✖
Two New Years glasses of champagne
Макс размер: 1500x1061px
Печать: 38x26cm, 15x10inch
Добавили: 10338 раз с 19 Nov 2020
Последний: 8 дн. назад
Вставить фото в рамку
✖
Spirit of New Year made by presents and ornaments
Макс размер: 992x1500px
Печать: 25x38cm, 9x15inch
Добавили: 23334 раз с 30 Dec 2019
Последний: 33 мин. назад
Вставить фото в рамку
✖
Bright red and white frame with a New Year decorations
Макс размер: 1460x1500px
Печать: 37x38cm, 14x15inch
Добавили: 8352 раз с 30 Dec 2019
Последний:
3 дн.
назад
Вставить фото в рамку
✖
Santa brings presents under the New Year tree
Макс размер: 1061x1500px
Печать: 26x38cm, 10x15inch
Добавили: 10481 раз с 30 Dec 2019
Последний: 10 дн. назад
Вставить фото в рамку
✖
New Year party and salute
Макс размер: 1500x1061px
Печать: 38x26cm, 15x10inch
Добавили: 10391 раз с 29 Dec 2019
Последний: 19 час назад
Вставить фото в рамку
✖
Blue, yellow and red Christmas balls
Макс размер: 1060x1500px
Печать: 26x38cm, 10x15inch
Добавили: 20845 раз с 29 Dec 2019
Последний:
18 дн.
назад
Вставить фото в рамку
✖
New Year photo frame with a small mouse and a snowman
Макс размер: 1500x1061px
Печать: 38x26cm, 15x10inch
Добавили: 6223 раз с 23 Dec 2019
Последний: 1 дн. назад
Вставить фото в рамку
✖
Funny animals wish you a Happy New Year 2020
Макс размер: 1465x1500px
Печать: 37x38cm, 14x15inch
Добавили: 8377 раз с 06 Dec 2019
Вставить фото в рамку
✖
Awaiting of the New Year
Макс размер: 1061x1500px
Печать: 26x38cm, 10x15inch
Добавили: 18620 раз с 06 Dec 2019
Последний: 17 час назад
Вставить фото в рамку
✖
Wonderful presents under New Year tree
Макс размер: 1000x1500px
Печать: 25x38cm, 10x15inch
Добавили: 27202 раз с 06 Dec 2019
Последний:
7 дн.
назад
Вставить фото в рамку
✖
New Year frame border. Smiling piglet
Макс размер: 1077x1500px
Печать: 27x38cm, 10x15inch
Добавили: 7300 раз с 23 Dec 2018
Последний: 18 дн. назад
Вставить фото в рамку
✖
New Year golden frame with decorations
Макс размер: 1500x1060px
Печать: 38x26cm, 15x10inch
Добавили: 6332 раз с 23 Dec 2018
Последний: 1 дн. назад
Вставить фото в рамку
✖
Holiday snow maiden and snowman
Макс размер: 1061x1500px
Печать: 26x38cm, 10x15inch
Добавили: 10860 раз с 23 Dec 2018
Вставить фото в рамку
✖
New Year gifts in snow
Макс размер: 1500x1061px
Печать: 38x26cm, 15x10inch
Добавили: 14041 раз с 13 Dec 2018
Последний:
4 дн.
назад
Вставить фото в рамку
✖
Piggy bank under the New Year tree
Макс размер: 1500x1060px
Печать: 38x26cm, 15x10inch
Добавили: 8197 раз с 07 Dec 2018
Вставить фото в рамку
✖
New Year 2019. Happy snowman
Макс размер: 1500x1061px
Печать: 38x26cm, 15x10inch
Добавили: 6639 раз с 07 Dec 2018
Последний: 17 дн. назад
Вставить фото в рамку
✖
New Year 2019. Small bear in red hat
Макс размер: 1500x1060px
Печать: 38x26cm, 15x10inch
Добавили: 8162 раз с 03 Dec 2018
Вставить фото в рамку
✖
Happy New Year 2019. Year of the Pig
Макс размер: 1500x1060px
Печать: 38x26cm, 15x10inch
Добавили: 8252 раз с 03 Dec 2018
Последний:
13 дн.
назад
Вставить фото в рамку
✖
New Year tale for kids
Макс размер: 1500x1060px
Печать: 38x26cm, 15x10inch
Добавили: 4888 раз с 14 Jan 2018
Последний: 36 мин. назад
Вставить фото в рамку
✖
Moments of New Year holidays
Макс размер: 1060x1500px
Печать: 26x38cm, 10x15inch
Добавили: 12038 раз с 14 Jan 2018
Вставить фото в рамку
✖
Long awaited holidays
Макс размер: 997x1500px
Печать: 25x38cm, 9x15inch
Добавили: 29206 раз с 22 Dec 2017
Последний: 18 дн. назад
Вставить фото в рамку
✖
Blue bells of New Year
Макс размер: 1500x1199px
Печать: 38x30cm, 15x11inch
Добавили: 12413 раз с 22 Dec 2017
Последний: 17 час назад
Вставить фото в рамку
✖
New Year tree golden balls
Макс размер: 1500x1100px
Печать: 38x27cm, 15x11inch
Добавили: 15095 раз с 22 Dec 2017
Последний:
9 дн.
назад
Вставить фото в рамку
✖
Lights of New Year
Макс размер: 1061x1500px
Печать: 26x38cm, 10x15inch
Добавили: 12536 раз с 17 Dec 2017
Последний: 2 дн. назад
Вставить фото в рамку
✖
Mood of winter holidays
Макс размер: 1125x1500px
Печать: 28x38cm, 11x15inch
Добавили: 13401 раз с 17 Dec 2017
Вставить фото в рамку
✖
Новогодняя фоторамка
Макс размер: 1500x1060px
Печать: 38x26cm, 15x10inch
Добавили: 14423 раз с 22 Dec 2016
Вставить фото в рамку
✖
Purple gloss of New Year
Макс размер: 1000x1500px
Печать: 25x38cm, 10x15inch
Добавили: 26651 раз с 14 Dec 2016
Последний:
6 дн.
назад
Вставить фото в рамку
✖
Follow the snowman
Макс размер: 1117x1500px
Печать: 28x38cm, 11x15inch
Добавили: 13836 раз с 14 Dec 2016
Последний: 2 дн. назад
Вставить фото в рамку
✖
New Year story
Макс размер: 1061x1500px
Печать: 26x38cm, 10x15inch
Добавили: 12751 раз с 14 Dec 2016
Последний: 3 дн. назад
Вставить фото в рамку
✖
Искусство интеллекта — Троицкий вариант — Наука
Ксения КоролёваСергей МарковСергей Марков, специалист в области искусственного интеллекта, начальник Управления экспериментальных систем машинного обучения Департамента общих сервисов «Салют» Сбера, основатель научно-популярного портала XX2 ВЕК, отвечает на вопросы Ксении Королёвой о нейросетях.
Видеозапись беседы см. youtu.be/P7Yp1zk-nI8
— В чем, на ваш взгляд, заключается различие между интеллектом искусственным и естественным?
— Прежде всего — определений интеллекта у нас слишком много. Единственный бесспорный пример интеллекта — человеческий. Конечно, если вы не солипсист, вы предполагаете наличие интеллекта у других людей. Собираясь дать определение интеллекту, мы оказываемся в неприятном положении: по одному-единственному примеру надо построить некоторое множество. Через одну точку можно провести бесконечное количество прямых; точно так же дело обстоит и с определением интеллекта. Оно может быть узким — охватывая только человеческий интеллект и никакой больше, — а если попробовать его расширить, то придется признать наличие интеллекта у некоторых животных. Только у высших приматов или у приматов вообще? Или же у всех зверей без исключения? Неизбежно какие-то из этих определений интеллекта будут включать в себя некие искусственные системы — и уже сделанные нами, и те, которые мы надеемся создать в будущем.
Впервые словосочетание искусственный интеллект прозвучало из уст Джона Маккарти в 1956 году на семинаре в Дартмутском колледже 1. Со времен Дартмутского семинара наука стала понимать под искусственным интеллектом прежде всего направление технологии, занимающееся автоматизацией решения интеллектуальных задач. То есть если мы пытаемся создать систему, способную заменить человека в решении задач, которые он традиционно решает при помощи своего разума, то мы создаем систему искусственного интеллекта. Такие системы вовсе не обязаны быть похожими ни на человека, ни на его разум. Конечно, в науке и технологиях популярен такой подход, как бионика: если решения проблемы нет, то иногда можно «подглядеть» его у природы. Так, создатели первых самолетов наблюдали за птицами и летучими мышами — достаточно вспомнить французского инженера Клемана Адера и его аппараты «Эол» и «Авион». Современные самолеты, безусловно, далеко ушли от своих биологических прототипов и крыльями не машут.
Теперешние системы искусственного интеллекта тоже если и напоминают человеческий мозг, то отдаленно. Искусственный интеллект — огромное направление, где есть место как системам, вдохновленным природой, так и весьма отдаленным от нее.
Пора упомянуть, что обыватели, говоря об искусственном интеллекте, часто имеют в виду общий (универсальный) AI — то, что в науке именуется artificial general intelligence. Это гипотетическая система, которая будет способна решать неопределенно широкий круг интеллектуальных задач. На такое же способен и человеческий разум. Мы постепенно движемся к тому, чтобы научиться создавать подобные системы. В начале 2010-х годов почти что каждая система ИИ была узкоспециализированной, предназначенной для решения лишь одной задачи. Шахматная программа не сыграет с вами в покер и откажется распознать котиков на картинке. Как ни странно, она даже не сможет сыграть партию на доске 9×9. Но благодаря своей узкой специализации шахматный движок способен состязаться с такой сложной системой, как человеческий мозг.
Теперь обратимся к системам, появившимся после 2017 года и основанным, в частности, на больших трансформерных моделях. Тут заметно движение в сторону универсализации. ChatGPT может решать много разных задач — не обязательно тех, на которые его натаскивали. Специалисты предполагают, что дальнейшее развитие и масштабирование этих моделей рано или поздно приведет к появлению долгожданного общего искусственного интеллекта.
— На ваш взгляд, умение делать выбор — ключевой признак искусственного интеллекта?
— Нет: ведь выбор в каком-то смысле может сделать даже подброшенная монетка. Вообще, довольно непросто ввести какие-то простые критерии, отделяющие искусственный интеллект от естественного. Тут в дело вмешивается полемика на тему творчества. Многие люди, говоря о наличии творческих способностей, ставят во главу угла умение создавать что-то новое. Но это не так-то и сложно. Бросьте игральные кубики много раз — они почти гарантированно создадут вам совершенно новую последовательность чисел, которая раньше ни у кого не выпадала.
В XVIII веке была популярна музыкальная игра в кости 2 (одну из ее вариаций приписывают Моцарту): отобрать несколько коротких музыкальных фрагментов, пронумеровать их и бросать кости, определяя новую последовательность отрывков и получая новую, доселе не встречавшуюся, композицию. Такое же можно проделывать и с нотами, и с буквами…Случайный выбор — дело нехитрое; создать что-то новое при помощи технологических решений ничуть не сложно. Другое дело, насколько это новое будет соответствовать критериям, предъявляемым нами творчеству: мы вряд ли признаем случайную последовательность букв произведением искусства. С интеллектом то же самое: просто что-то выбрать — элементарно, а вот сделать выбор, соответствующий заданным критериям или целям, куда сложнее.
Для оценивания человеческого интеллекта мы придумываем некие наборы тестов, например, тест Айзенка на коэффициент интеллекта. Мы даем человеку задачи и считаем процент правильных ответов. Такой критерий оценки не лишен дефектов: откуда берется набор задач для теста, почему одни вопросы включаются, а другие нет? Так, в тесте Айзенка встречаются проблемы, схожие с теми, что обычно решают «белые воротнички» в современном урбанистическом обществе: операции с абстрактными образами, логикой… Теперь возьмем набор задач из серии «Как обмануть антилопу на охоте» — и наш тест поощрит интеллект охотника-собирателя.
Вот так попытки выстроить «интеллекты» на линейке разбиваются о насущные проблемы: не совсем понятно множество интеллектуальных задач, которые предлагаются тому или иному разуму — каким из них отдавать приоритет? Но тем не менее для современных систем ИИ создаются большие наборы тестов, в какой-то степени напоминающие проверку IQ, — да и сам тест коэффициента интеллектуальности находит применение, вдобавок к задачам Михаила Бонгарда.
В прошлом году вышла фундаментальная работа — продукт исследования целых двух с лишним сотен научных коллективов — тест BIG-bench, в котором собрано огромное количество интеллектуальных задач 3. Они прекрасно подходят для автоматизированной оценки интеллектуальных возможностей генеративных нейросетей. BIG-bench дает довольно хорошее представление о том, на что подобные модели способны и не способны, где догнали и перегнали естественный интеллект, а где всё еще статистически значимо отстают от человеческого разума. Всё это — скорее композитный подход к тому, что является искусственным интеллектом и определяет его критерии.
— Возможно ли сделать искусственный эмоциональный интеллект?
— Опять же вопрос в определении: что есть эмоциональный интеллект? Если мы, например, говорим о способности машины опознать эмоциональную окраску тех или иных высказываний человека или его поведения, а затем оперировать полученной информацией, то машины умеют делать это довольно давно. Есть системы, которые распознают проявления человеческих эмоций на фотографиях или видеосъемке лица, по записи голоса или, например, по тексту — машина, способная проводить сентимент-анализ, может отсеять хвалебные комментарии от ругательных. Передавать эмоциональную информацию в тексте, изображениях и голосе компьютеры тоже уже научились. Для всего этого есть стандартизованные наборы данных, на которых производится оценка этих способностей машины. Но эмоциональное состояние человека и проявление эмоций — вещи разные: в душе может быть смятение, а на лице равнодушие. Связь между конкретными физическими явлениями вроде учащения сердцебиения и сокращения мимических мышц и нашим подлинным внутренним состоянием — довольно сложная фундаментальная проблема нейрофизиологии.
Как физические процессы в теле соотносятся с психическим миром, миром субъективных ощущений человека? Здесь мы пока что можем говорить только о корреляциях: поэтому часто и звучат термины наподобие коррелятов эмоциональных состояний. Машина имеет дело с внешними проявлениями человеческих чувств и эмоций, но ведь точно так же дело обстоит и с людьми. Они не могут залезть друг другу в голову и поэтому делают выводы об эмоциональных состояниях других людей, основываясь на наблюдениях и, возможно, представлениях о том, что люди могут испытывать в тех или иных ситуациях.
Поэтому в целом непреодолимого барьера в плане эмпатии или построения эмоционального диалога с людьми для машины нет. Более того, за последний год было проделано много интересных экспериментов. Например, ChatGPT использовали в качестве медицинского консультанта, а потом попросили пациентов оценить уровень его эмпатии. Те сочли ответы нейросети в среднем более эмпатичными, нежели ответы настоящих врачей. Получается, машины в какой-то степени могут проявлять эмоциональный интеллект — почему нет?
— Что является ограничителем в развитии трансформерных сетей, кроме бутылочного горлышка фон Неймана 4?
— Хороший вопрос.
Я бы сказал, что эта проблема — фронтир для многих исследовательских групп. Можно сказать, что трансформерные сети хорошо масштабируются. С увеличением числа их параметров, вычислительных мощностей и используемых для обучения данных растет и «интеллект» сетей. Здесь мы пока что не видим уменьшающейся отдачи — diminishing returns — сети по-прежнему масштабируются стабильно. Но есть и ограничивающий фактор такого масштабирования — имеющиеся вычислительные мощности и количество данных. Человечество увеличивает свой цифровой след экспоненциально: каждые два года общий объем цифровых данных удваивается. В обучении больших трансформерных моделей используются открытые данные мировой информационной сети. Вычислительные мощности растут примерно пропорционально тенденциям, замеченным еще Гордоном Муром в свое время. (Закон Мура: каждые два года количество элементов на промышленно производимых интегральных схемах удваивается.) Конечно, бывают споры относительно того, насколько мы отклонились от этого тренда.
Бутылочное горлышко фон Неймана действительно выступает важным ограничивающим фактором, ведь нынешние тензорные процессоры, используемые для обучения больших трансформерных сетей — по-прежнему фоннеймановские машины, несмотря на свою способность оперировать сразу с целыми многомерными матрицами, а не единичными скалярными величинами. Узкое место — шина, используемая для обмена градиентами между вычислительными узлами суперкомпьютеров. Само собой, здесь работают и ограничения на параллельные вычисления, иллюстрируемые, в частности, законом Густавсона — Барсиса и законом Амдала. Еще Марвин Ли Мински предполагал, что интеллект вычислительных систем будет расти подобно логарифму от количества вычислительных ядер; в некотором смысле это действительно так.
Активно ведется работа над альтернативными архитектурами, которые позволят расширить бутылочное горлышко. Загвоздка в том, что для эффективного расширения горлышка нам нужна не просто технология построения нефоннеймановских машин (сейчас уже есть огромное количество разных моделей нейроморфных систем), а технология промышленная, которая позволит производить такого рода системы в товарном объеме.
Пока что мы лишь приближаемся к созданию таких альтернативных технологий.
Параллельно ведется поиск алгоритмов локальной оптимизации или поиска разреженных алгоритмов оптимизации вообще. Это позволит снизить нагрузку на шины передачи данных. Градиент можно будет не пробрасывать через всю сеть целиком, но задействовать для этого лишь малую, локальную часть сети — объем передаваемых данных уменьшится, и это тоже позволит расширить горлышко фон Неймана. Не случайно ведущие специалисты в области машинного обучения — такие, как Ян Лекун или Джеффри Хинтон, — уделяют локальной оптимизации много времени.
Отдельно стоит вопрос с данными: можно ли по цифровому следу человечества построить адекватное представление об окружающем мире? Хватит ли того, с чем машина имеет дело, — с текстами и полученными при помощи сенсоров данными — для того, чтобы, допустим, сделать какие-то исчерпывающие представления о физике окружающего мира или о глобальных закономерностях? Ведь машина подобного рода не взаимодействует с окружающим миром активно, а лишь выступает в роли пассивного наблюдателя за данными, возникающими в результате взаимодействия людей с окружающей действительностью.
Единого мнения по этому поводу нет. Одни говорят, что цифрового следа будет достаточно для создания универсального искусственного интеллекта: в конце концов, помимо текста есть еще видеоролики на YouTube и TikTok. Люди не только описывают окружающий мир письменным словом, но и запечатлевают физические явления камерой. Другие полагают, что не бывать универсальному AI без инструментов активного обучения, без агентов в физическом мире, без построения механизмов обратной связи. Сейчас функцию этих механизмов в случае ChatGPT выполняет обучение с подкреплением на основе обратной связи от человека (Reinforcement Learning with Human Feedback, RLHF). Эксперты смотрят на варианты ответа, выдаваемого нейросетью на один и тот же вопрос, и ранжируют их в порядке убывания качества. Однако собрать действительно много человеческих оценок сложно, поэтому выбор пользователей используется не напрямую. Вместо этого собранные ответы становятся материалом для обучения отдельной нейросети — так называемой модели вознаграждения (reward model), и уже ответы этой сети применяются в качестве сигнала обратной связи при дообучении нейросети-генератора.
— Мне кажется, острее всего сейчас стоит проблема того, что правду от вымысла отличить сложно — где слова человеческие, а где машинные? Специалист, само собой, может определить компьютерного собеседника, задавая ему вопросы; отличить нарисованную нейросетью кошку от подлинной фотографии. Вот вопрос: как в самой сути AI заложено определение того, что реально, а что — вымысел?
— Для современных нейросетей правдой чаще всего является то, что чаще встречается в обучающих выборках. Сеть чаще всего получает ответ «четыре» на вопрос, сколько у кошки лап; другие варианты встречаются куда реже, так AI и понимает, как следует отвечать. Но это проблема не специфична лишь для искусственного интеллекта: люди тоже склонны принимать за правду то, что чаще всего озвучивается. Наши представления о правильном и неправильном, истинном и ложном зачастую основаны на той информации, что мы получаем от других людей, от книг и от СМИ. (Хорошей иллюстрацией тому может послужить религия: в каком религиозном окружении вы выросли, такую религию вы, скорее всего, и примете как истинную.
) В этом-то и кроется глобальная проблема и для машин, и для людей: как отличить мнение от фактической правды или неправды? Конечно, есть простые истины, которые непосредственно сам человек может проверить экспериментально. Какое-то количество подобных проб и ошибок мы регулярно совершаем в своей жизни, набиваем шишки, накапливая опыт, проверяя правильность представлений об окружающем мире. Но на самом деле у каждого человека лишь одна жизнь и одно тело — всего не перепробуешь, приходится доверяться мнению других людей и информации, ими уже собранной. Машина же возможностью так активно взаимодействовать с миром не обладает (если не рассматривать специальные эксперименты, включающие обучение с подкреплением), зато может взглянуть на мир глазами самых разных людей. Они оставляют свой опыт в текстах, записывают его на видео — с этим компьютер работать может. В некотором смысле телом для машины служит всё создающее цифровой след человечество — с его помощью искусственный интеллект получает опыт и критерии правильности-неправильности.
Здесь возникает та же самая проблема, что и у людей, — распространенные заблуждения в отношении некоторых явлений окружающего мира. Какие-то из заблуждений могут тиражироваться, и это неизбежно приведет к тому, что у машины будут ложные представления.
Бороться с этим можно путем ресемплинга: размножать более надежные, авторитетные источники в обучающей выборке; привлекать экспертов из разных областей науки, чтобы они составляли более качественные обучающие выборки; заранее узнать о массовых заблуждениях и о том, как их лучше всего опровергать. Вообще, модели, подобные ChatGPT, обучаются в три стадии. Первая — предобучение: машина решает простую задачу в режиме самообучения, например предсказывает следующее слово (точнее, токен) в тексте на основе предыдущих или восстанавливает по контексту удаленные из текста фрагменты. Затем модель дообучается на чистом наборе данных — на инструктивном массиве (SFT-dataset, от supervised fine-tuning — дообучение с учителем). Он включает в себя набор модельных диалогов — вопросы людей и желаемые ответы на них.
В английском языке этот этап носит название fine-tuning (в русском же обычно применяют термин «дообучение»). Данные из массива не только настраивают модель на диалоговые режим работы, но и формируют предпочтения модели, в том числе ее своеобразную этику. На третьем этапе обучения — обучения с подкреплением от людей — эксперты общаются с машиной, отмечая хорошие и плохие ответы. Это позволяет машине еще точнее отличать хорошие и нравящиеся людям правильные ответы от ответов «нехороших» и пользователей не устраивающих. Так же, как и при обучении людей, всё зависит от учителей и учебного материала. Модели неизбежно могут обладать той или иной субъективностью, быть носителями разных систем ценностей — всё зависит от того, что подкладывается в обучающие данные модели.
— Вот этический вопрос. В соцсетях встречаются разные сообщения по поводу нейросетей: одни говорят о безусловной опасности нейросетей и призывают запретить их, а другие утверждают, что искусственный интеллект поможет человечеству выбрать «правильный путь».
Любая технология может представлять опасность — существуют и атомные бомбы, и атомные электростанции. Что вы думаете по поводу опасности нейросетей, как мы можем себя обезопасить? Есть ли конференции или тематические собрания, на которых обсуждают вопросы этики использования нейросетей — могут ли они завести общество не туда?
— Тематика рисков, ассоциируемых с искусственным интеллектом, неисчерпаема, как атом. Риски могут быть совершенно разными. Некоторые из них пробуждают интерес общественности, другие же игнорируются. Технологии искусственного интеллекта могут применяться в самых разных целях: тут принципиального отличия ни от других технологий, ни даже от других инструментов, нет. Любая технология, связанная с повышенной опасностью, требует методов управления рисками. Здесь можно провести параллели с инженерными подходами, выработанными по отношению к той же атомной энергетике или к автотранспорту. Понятно, что должны быть разработаны определенные технические регламенты, определенные средства сертификации и оценки.
Нужно определить границы регулирования: какие из интеллектуальных систем являются средствами повышенной опасности или ассоциируются с оными? Нужно ли нам регулировать все модели вплоть до тех, что рисуют котиков, или же надо подойти к более точечному регулированию? Любое регулирование сопряжено с затруднениями развития для технологии; чрезмерный контроль может вылиться в замедление или даже в остановку того или иного направления исследований. Есть знаменитая байка о том, что в свое время первые законы в отношении автотранспорта требовали того, чтобы перед автомобилем шел человек с флажком (в действительности так называемые «Законы о локомотивах», или, как их называют, «Законы о красном флаге» требовали этого только в некоторых случаях, однако содержащиеся в них ограничения действительно нанесли серьезный урон развитию автотранспорта). Таких фактически запретительных способов регулирования можно придумать немало. Помимо торможения исследований, это может привести к тому, что новые технологии смогут осваивать лишь крупные корпорации, которые могут пройти через сложные регуляторные барьеры, а индивидуальные исследователи вместе с участниками движения Open Source просто останутся за бортом.
Таким образом, у регулирования есть две стороны: с одной стороны, рисками, сопряженными с развитием технологий, можно управлять; а с другой — контроль может нести вред. Сейчас ведутся активные дискуссии по поводу того, какие риски требуется купировать, а какие лучше оставить в покое. Взрыв на атомной станции и сгенерированный котик с тремя глазами — небо и земля. Масштабы рисков нужно понимать. Проблема «горячая»; она волнует не только обывателей, но и профессионалов, которые устраивают специализированные конференции и выпускают тематические научные издания. Множество исследовательских групп фокусируется на этических проблемах. Еще в 2015 году группа под руководством Жана-Франсуа Бонфона выпустила в Science статью, посвященную этике автопилотирования5. Какие принципы мы должны закладывать в автопилоты для аварийных ситуаций? Перед машиной, несущейся на огромной скорости по трассе, выскакивают бабушка с ребенком и столкновения не избежать — что делать машине? Понятно, что всем хочется, чтобы системы искусственного интеллекта разделяли наши этические ценности.
Обучать модель принимать решения, которые мы одобряем, — в этом заключается проблема выравнивания (alignment). Здесь мы неизбежно наталкиваемся на то, что среди людей нет единого мнения относительно многих этических задач. В проблеме бабушки и ребенка разные общества примут разные решения.
В целом, риски развития искусственного интеллекта можно разделить на экзистенциальные и неэкзистенциальные. При первых возникает глобальная угроза для всего человечества или биосферы, вторые же включают в себя всё остальное. Но неэкзистенциальные риски, на мой взгляд, не менее важны. Сегодня огромное количество алгоритмов стало частью жизни нашего общества. Каждый раз, когда вы подаете заявку в банк на получение кредита или откликаетесь на вакансию, в отношении вас решение зачастую принимает алгоритм. По степени влияния на вашу жизнь это решение может соперничать с вердиктом суда. Но в суде у вас всегда есть право на доступ к собранным против вас доказательствам, на квалифицированную юридическую помощь, на состязательность судебного процесса… Всего этого при взаимодействиями с могущественными алгоритмами у вас нет.
Получается аналог тайного суда, который за глаза принимает решение, — тут не узнать, какие факторы принимались в расчет и были ли в процессе дефекты. Эта проблема так и называется — проблема цифрового тайного суда.
Если же говорить о проблемах этики, то они связаны с неэкзистенциальными рисками довольно плотно. Одним из фундаментальных исков является тиражирование предрассудков и несправедливости. В обучающие выборки для систем машинного обучения может попасть некое предубеждение, например в отношении каких-то групп людей, и обученная на несбалансированных данных модель будет его множить. Создавая какую-то систему искусственного интеллекта для массового использования, мы рискуем размножить предрассудки, положив начало системному угнетению. Хорошим примером может служить работа Джой Буоламуини в медиалаборатории Массачусетского технологического института, где она в середине 2010-х годов изучала способности распространенных тогда коммерческих систем распознавания лиц.
Выяснилось, что они гораздо хуже распознавали лица женщин и темнокожих людей. Потенциально это могло привести к системному неравенству, например при использовании автоматических сервисов регистрации в аэропортах и кредитоматов. Представим себе, что сегодняшний ChatGPT будет выдавать негативные высказывания в отношении определенных социальных или этнических групп людей — результат крайне нежелательный. В свете этой проблематики важную роль играет то, как общество такие системы воспринимает и как относится к ним. На мой взгляд, необходимо объяснить людям, чем современные генеративные нейросетевые модели являются и не являются. Они — инструмент для генерации контента, вроде «Фотошопа» или «Ворда», но куда более продвинутые. Раньше людям приходилось рисовать всё от руки, самим делать штриховку и закраску, а сейчас этот труд можно переложить на плечи машины. Очень классные инструменты, которые потенциально могут нам помочь решить немало задач, сэкономив уйму времени. Нейросетевые модели — средства автоматизации, направленные на снижение трудозатрат при выполнении тех или иных задач.
Это инструмент усиления возможностей нашего интеллекта: человек с калькулятором будет считать куда эффективнее коллеги без вычислительной машины, а человек с разумом, усиленным большой генеративной нейросетью, выполнит многие интеллектуальные задачи лучше человека, который не использует такой инструмент. Нейросети — средства для генерации развлекательного контента. Сейчас такого рода системы нередко используются просто для развлечения, генерации мемов, шуток. Такое направление нельзя недооценивать: драйвом развития технологий во все времена очень часто становились развлечения. Вдобавок нейросетевые модели — демонстрация возможностей современных технологий искусственного интеллекта всему человечеству, включая инвесторов, ученых, специалистов из смежных областей.
При этом подобные системы не являются средствами массовой информации или официальными источниками мнений своих создателей. ChatGPT не представляет собой точку зрения своей компании OpenAI. Нейросети не являются сверхразумами, священными оракулами, источниками истины.
Напрасно ждать от искусственного интеллекта того, чтобы он стал арбитром, который порешает все проблемы человечества и отсеет правильные мнения от неправильных. Ни одну нынешнюю нейросетевую модель нельзя считать искусственной личностью — у них нет самосознания, нет собственных целей. Рано или поздно мы сможем сделать искусственный интеллект, обладающий самосознанием, но не сейчас, не при помощи современных методов: нам потребуются куда более сложные эксперименты, чтобы получить на выходе сознание. И, разумеется, нейросети — не средство пропаганды тех или иных идей. Множество людей, как только появилась возможность, бросилось задавать ChatGPT вопросы по поводу правильности идеологий и ценностей. Но таковы уж люди: в баталиях вокруг нейросетей мы наблюдаем отражение человеческого общества, ведь искусственный интеллект обучался на данных, собранных людьми. Иногда это зеркало кого-то пугает — думаю, ситуация нормальная, и к отражению нужно просто привыкнуть, понять, каким его нужно принимать.
Вот вызов человечеству: сумеет ли оно извлечь из такого классного инструмента пользу, а не вред?
— Сергей, огромное спасибо за интервью! Очень познавательный рассказ. Надеюсь, мы с вами еще не раз увидимся и сможем задать еще много других вопросов.
— Спасибо вам, что пригласили! До встречи.
1 en.wikipedia.org/wiki/Dartmouth_workshop
2 en.wikipedia.org/wiki/Musikalisches_Würfelspiel
3 github.com/google/BIG-bench
4 en.wikipedia.org/wiki/Von_Neumann_architecture#Von_Neumann_bottleneck
5 Bonnefon J.-F., Shariff A., Rahwan I. The social dilemma of autonomous vehicles // Science. 2016. Vol. 352, Iss. 6293, pp. 1573—1576.
См. также:
13.500+ Happy New Year 2019 Иллюстрация, безвозмездная векторная графика и клип-арт
Иллюстрация- Görsel
- Фото
- ll üstrasyon
- Vektörler
- Video
13.
592 с новым годом год 2019 роялти-фри Сток illüstrasyonu ве вектор grafiğini inceleyin veya daha fazla stok görsel ve vektör grafiği keşfetmek için yeni bir arama başlatın. Sırala:En popüler
yeni yılınız kutlu olsun. mutlu yıllar için yazı metni — с новым годом 2019 стоковые иллюстрацииYeni Yılınız Kutlu Olsun. Mutlu Yıllar için yazı metni
yeni yılınız kutlu olsun. mutlu yıllar için yazı metni — с новым годом 2019 стоковые иллюстрацииYeni Yılınız Kutlu Olsun. Mutlu Yıllar Isicin Yazı Metni
Renkli Yeni Yıl Havai Fişek Seti — С Новым годом 2019 года.стоковые иллюстрации2019 mutlu yeni yıl geometrik tipografi
noel arka plan bokeh ışık ve yıldız — happy new year 2019 стоковые иллюстрации ve mutlu yıllar vektör tasarımı — с новым годом 2019 стоковые иллюстрацииMutlu noeller ve Mutlu Yıllar вектор tasarımı
mutlu yeni yıl partisi kutlama плакат şablonu illüstrasyon altın cam топ ве типографи tasarım üzerine siyah arka план ile.
vektör tatil premium daveti ilanı veya promo afish. — с новым годом 2019стоковые иллюстрацииMutlu yeni yıl partisi kutlama Poster şablonu illüstrasyon altın…
yeni yıl tebrik kartı set — happy new year 2019 stock illustrationsYeni yıl tebrik kartı set
yeni yılı низ кутлу олсун. mutlu yıllar için yazı metni — с новым годом 2019 стоковые иллюстрацииYeni Yılınız Kutlu Olsun. Mutlu Yıllar için yazı metni
mutlu yeni yıl 2019 arka plan, noel için — Happy New Year 2019 Stock IllustrationsMutlu yeni yıl 2019 arka plan, Noel için
2019 yeni yıl renkli мазок yağ veya akrilik boya tasarım öğesi. vektör çizim — happy new year 2019 стоковые иллюстрации2019 yeni yıl renkli brushstroke yağ veya akrilik boya tasarım öğe
2019 yeni yıl şarap gözlük kızartma — happy new year 2019 стоковые иллюстрации 90 016 2019 йени йыл шарап гёзлюк кызартма йени йылыниз кутлу олсун. tebrik kartı mutlu yeni yıl — с новым годом 2019 стоковые иллюстрации Yeni Yılınız Kutlu Olsun.
Tebrik kartı mutlu yeni yıl
Noel varış takvimi
balonlar ve konfeti kutlama arka plan — happy new year 2019 stock illustrationsBalonlar ve konfeti kutlama arka plan
yeni yılınız kutlu olsun. mutlu yıllar için yazı metni — с новым годом 2019 стоковые иллюстрацииYeni Yılınız Kutlu Olsun. Mutlu Yıllar için yazı metni
havai fişek ve ışık parlama özel efekti siyah, mutlu yeni yıl 2019 izole ve kutlama kavramı koleksiyonu — с новым годом 2019 стоковые иллюстрацииHavai fişek ve ışık parlama özel efekti siyah, mutlu yeni yıl…
mutlu yeni yıl 2019 tebrik kartı banner tasarımı altın ve glitter metin — happy new year 2019 стоковые иллюстрации geri sayım 2019 — Happy New Year 2019 стоковые иллюстрацииНовый Канун года geri sayım 2019
yeni yılınız kutlu olsun. коллекция язы эль языси. векторный клипарт resimler üzerinde arka izole. — с новым годом 2019 стоковые иллюстрации Yeni Yılınız Kutlu Olsun.
Koleksiyon yazı el yazısı. Вектор…
Mutlu yeni yıl 2019 metin beyaz arka plan üzerinde izole. Tebrik…
yeni yılınız kutlu olsun — с новым годом 2019 стоковые иллюстрацииYeni yılınız Kutlu Olsun
Челенк или татиль карты. — с новым годом 2019 стоковые иллюстрацииЧеленк ile tatil kartı.
altın parlak 2019 yeni yıl arka plan ile masa saati. — с новым годом 2019 стоковые иллюстрацииAltın parlak 2019 yeni yıl arka plan ile masa saati.
mutlu yeni yıl renk yazı — счастливого нового года 2019 стоковые иллюстрации кулланилабилир вуруш. пиксель мюкеммель. мобильный и веб-сайт. yılbaşı, parti, havai fişek, müzik, dans, i̇çki, şampanya, geri sayım, kutlama, yüksek topuk ayakkabı, restoran, suit gibi simgeler icherir. — с новым годом 2019стоковые иллюстрации Yilbaşı Simgeleri.
Кулланилабилир Вуруш. Пиксель Мюкеммель. Mobil…
Altın рождественские безделушки ile kar tanesi, xmas ağacı ve hediye…
mutlu yeni yıl kaligrafi ve yazı tasarımı. рус языт. — с новым годом 2019стоковые иллюстрацииMutlu yeni yıl kaligrafi ve yazı tasarımı. Рус языт.
mutlu yeni yıl havai fişek ile arka план. — с новым годом 2019 стоковые иллюстрацииMutlu yeni yıl havai fişek ile arka plan.
mutlu yeni yıl arkadaş insanlar web reklam grubu — happy new year 2019 stock illustrations 9 стоковых иллюстраций2019 год yıl tebrik kartı havai fişek ile
С Новым 2021 годом, план сия арка. kış tatili tebrik kartı tasarım şablonu. — с новым годом 2019 стоковые иллюстрацииС Новым годом 2021 Siyah Arka Plan. Kış tatili tebrik kartı…
mutlu yıllar, yazı el. вектор чизим. tebrik kartı için siyah arka plan üzerine dekoratif tasarım плакат.
— с новым годом 2019 стоковые иллюстрацииMutlu yıllar, yazı el. Вектор чизим. Tebrik kartı için siyah…
yeni yıl havai fişek — Happy New Year 2019 стоковые иллюстрацииYeni yıl havai fişek
веселый ве parlak noel, счастливых праздников, mutlu yeni yıl tebrik kartları ayarlayın. kar düşen vektör kış tatil arka planlar ile el yazı kaligrafi, noel ağaç dalları, kar taneleri. — Happy New Year 2019 Stock IllustrationsMerry ve parlak Noel, Happy Holidays, mutlu yeni yıl tebrik…
Happy New Year 2022 Design Background for Greeting Moment — Happy New Year 2019 Stock IllustrationsHappy New Year 2022 Design Background For Greeting Moment
domuz, mutlu yeni yıl tasarım ile sevimli uçan domuz 2019йылы. — с новым годом 2019 стоковые иллюстрацииdomuz, mutlu yeni yıl tasarım ile sevimli uçan domuz 2019 yılı.
конфеты ve flamalar defocussed arka plan üzerinde — счастливого нового года 2019 стоковые иллюстрации арка план. — с новым годом 2019 стоковые иллюстрации Mutlu yeni yıl havai fişek ile arka plan.
Happy New Year 2020 tebrik kartı vektör illüstrasyon
mutlu yeni yıl 2019. soyut tebrik kartı. floresan renk — с новым годом 2019 стоковые иллюстрацииMutlu yeni yıl 2019. Soyut tebrik kartı. Floresan renk
2019 йени йыл фестиваль арка план renkli fırça darbeleriyle. — с новым годом 2019 стоковые иллюстрации2019 йени йил фестиваль арка план renkli fırça darbeleriyle.
2019 — yılbaşı günü tebrik kartı. — с новым годом 2019 стоковые иллюстрации2019 — yılbaşı günü tebrik kartı.
i̇ki bardak şampanya köpüklü tatil arka plan üzerinde. — с новым годом 2019 стоковые иллюстрацииİki bardak şampanya köpüklü tatil arka plan üzerinde.
mutlu yıllar 2020 — с новым годом 2019 стоковые иллюстрацииMutlu yıllar 2020
mutlu noeller ve mutlu yeni yıl tebrik kartı — Happy New Year 2019 Stock IllustrationsMutlu Noeller ve mutlu yeni yıl tebrik kartı.
renkli yeni yıl havai fişek — с новым годом 2019 стоковые иллюстрацииRenkli yeni yıl havai fişek
канун нового года 2019 kızartır — с новым годом 2019 стоковые иллюстрации tebrik kartı altın numaraları tasarımı.
алтын парлаян десен. с новым годом баннер parlak zemin üzerine 2019 sayılarla. vektör çizim — с новым годом 2019 стоковые иллюстрации2019 mutlu yeni yıl. Tebrik kartı altın numaraları tasarımı. Altın
mutlu yeni yıl 2019 altın havai fişek ile — с новым годом 2019 стоковые иллюстрацииMutlu yeni yıl 2019 altın havai fişek ile
noel ışıkları arka plan — illüstrasyon — happy new year 2019 stock illustrationsNoel ışıkları arka plan — illüstrasyon
mutlu yeni y ıl 2019 arka plan, noel için — happy new year 2019 стоковые иллюстрацииMutlu yeni 2019 arka plan, Noel için
mutlu yeni yıl 2019. altın harflerle tatil illustration. yeni yıl etiket — с новым годом 2019 стоковые иллюстрацииMutlu yeni yıl 2019. Altın harflerle tatil Illustration. Ени йыл
Happy New Year 2020 tebrik kartı vektör illüstrasyon — Happy New Year 2019 Stock Illustrations язи иле. эль илани, тебрик карт, афиш, плакат кутлама, йени йыл eğlencesi daveti veya takvim için tatil tasarım.