Сейчас об ИИ говорят буквально везде, но уровень понимания того, как эти системы устроены, по-прежнему очень неровный - именно поэтому всё чаще отдельно говорят об AI literacy. Для одних это магия, для других - просто модное слово, которое лепят куда угодно.
В этом тексте я хочу без хайпа и инфошума простыми словами объяснить, что такое искусственный интеллект, как он работает и чем отличается от алгоритмов, поисковиков и роботов.
Что такое ИИ?
Искусственный интеллект, или ИИ (Artificial Intelligence, AI), - это крупная научная область, цель которой - создание технологий, способных выполнять задачи, обычно требующие человеческого интеллекта: от распознавания образов и речи до принятия решений и генерации контента. UNESCO IBM
Сегодня это звучит привычно, но ещё около двадцати лет назад компьютерное зрение в целом справлялось с подобными задачами куда хуже, а резкий скачок качества пришёл уже с развитием глубокого обучения и современных сверточных сетей. IBM ResNet
Сейчас всё иначе. Современные нейронные сети, обученные на размеченных изображениях, умеют не только определять базовые объекты на картинке, но и решать куда более тонкие задачи визуальной классификации.
Что помогает ИИ учиться?
Чтобы понять, как работает ИИ, нужно разобраться в нескольких базовых понятиях.
Машинное обучение (Machine Learning, ML) - это раздел искусственного интеллекта, в котором системы учатся на данных: анализируют информацию, находят закономерности, а затем используют их, чтобы принимать решения или делать прогнозы. IBM Google Developers
Нейронная сеть, или нейросеть, - это вычислительная модель, вдохновлённая устройством человеческого мозга. Она умеет обучаться на примерах и решать сложные задачи. По сути, нейросети - один из главных инструментов современного машинного обучения.
Обучение модели - это процесс, в ходе которого модель подстраивает свои внутренние параметры, чтобы лучше находить закономерности в данных. Это можно сравнить с подготовкой к экзамену: чем больше примеров разобрал, тем выше шанс справиться с новым вопросом.
Глубокое обучение (Deep Learning) - это направление внутри машинного обучения, которое использует многослойные нейронные сети. Такие модели особенно хорошо работают со сложными данными: текстом, изображениями, речью и видео. IBM
Если упростить, большинство современных ИИ-систем учатся на большом количестве примеров, находят статистические закономерности и используют их для решения задач.
Какие виды искусственного интеллекта существуют?
Когда люди говорят об ИИ, они часто смешивают в одну кучу совершенно разные вещи. На практике под этим термином могут иметь в виду несколько разных классов систем.
Слабый, или узкий, искусственный интеллект
Слабый, или узкий, искусственный интеллект (Artificial Narrow Intelligence, ANI) - это системы, которые создаются для решения одной конкретной задачи или ограниченного набора задач. К таким системам относятся распознавание лиц, рекомендательные алгоритмы в стриминговых сервисах, антифрод-модели, голосовые ассистенты и шахматные движки. IBM
По сути, почти весь современный ИИ - это именно узкий ИИ.
Такие модели обычно обучаются на больших массивах данных. Проблема в том, что для качественного обучения часто требуются размеченные данные, а их подготовка требует времени, денег и человеческого труда. Google Developers
Поэтому на практике модели нередко не обучают с нуля, а дообучают уже готовые нейронные сети, предварительно натренированные на базовых признаках. Это ускоряет разработку и заметно снижает порог входа, особенно когда данных немного. TensorFlow
Главное преимущество таких систем в том, что их результат в значительной степени предсказуем и управляем. Качество здесь обычно улучшают за счёт данных, архитектуры модели и более удачных методов обучения.
Сильный, или общий, искусственный интеллект
Сильный, или общий, искусственный интеллект (Artificial General Intelligence, AGI) - это гипотетическая форма ИИ, которая сможет понимать, учиться и применять знания в самых разных ситуациях так же гибко, как это делает человек. Google DeepMind
На сегодняшний день такой системы в общепринятом смысле не существует. IBM ARC Prize
При этом некоторые исследователи уже утверждали, что сильный ИИ фактически появился: по их мнению, некоторые современные модели уже демонстрируют ранние признаки общей интеллектуальности. Я с этой позицией не согласен. Microsoft Research
Даже самые продвинутые современные системы всё ещё заметно буксуют там, где нужны надёжное обобщение на новых задачах и абстрактное рассуждение, что хорошо видно по бенчмаркам вроде ARC-AGI-2.
Лично я не думаю, что в ближайшие десять, а возможно, и двадцать лет человечество действительно придёт к сильному ИИ, несмотря на то, как часто СМИ и паблики любят разбрасываться термином AGI.
Генеративный искусственный интеллект
Генеративный искусственный интеллект (Generative AI, GenAI) - это технологии, способные создавать новый контент: текст, изображения, код, музыку, видео и даже 3D-сцены. Их ключевая задача - не просто анализировать данные, а генерировать нечто новое. Google Cloud IBM
Именно здесь и начинается тот самый хайп, который сегодня окружает ИИ в массовом восприятии. Это и есть та самая штука, вокруг которой особенно любят бросаться громкими цифрами из соцсетей. Я бы сформулировал мягче: пользоваться такими системами уже начали очень многие - по данным Microsoft и LinkedIn, 75% работников интеллектуального труда в мире уже используют ИИ на работе, - но уровень понимания того, как эти модели устроены и где у них реальные границы, по-прежнему очень разный. Microsoft Work Trend AI literacy
Системы на базе генеративного ИИ уже стали массовым рабочим инструментом. Где-то они ускоряют работу, где-то снимают рутину, где-то помогают быстро пройти путь от идеи до чернового результата. Именно поэтому вокруг них столько шума: область применения у таких систем слишком широка, чтобы считать это очередной временной игрушкой.
Но здесь важно не впадать в другую крайность. Несмотря на популярность генеративных моделей, огромный пласт прикладных задач по-прежнему решается узкоспециализированными системами - от рекомендаций и антифрода до классического компьютерного зрения. IBM
В зависимости от задачи и типа входных данных генеративные модели работают по-разному. Например, если взять задачу генерации изображений, то один из подходов выглядит так: модель обучают на большом количестве примеров, постепенно зашумляя изображения до тех пор, пока они почти полностью не потеряют структуру. После этого модель учится выполнять обратный процесс - шаг за шагом восстанавливать изображение из шума, пока на выходе не получится реалистичный результат. DDPM
Физический искусственный интеллект
Физический искусственный интеллект (Physical AI) - это технологии, которые управляют физическими устройствами, например роботами и механизмами, позволяя им автономно воспринимать окружающую среду, принимать решения и выполнять действия. NVIDIA
Ключевая особенность такого ИИ - работа в условиях неопределённости реального мира: трения, гравитации, случайных помех, неточности движений и множества других факторов, которые нельзя до конца контролировать.
Важно понимать, что не все роботы используют Physical AI. IFR NVIDIA
Робот, который по заданной программе выполняет одну и ту же операцию или фиксированный набор операций на конвейере, - это просто автоматизация. IFR
А вот робот, который умеет обходить новые препятствия, адаптировать хват к незнакомому предмету или менять своё поведение в зависимости от ситуации, - это уже пример Physical AI.
Если упростить, речь идёт об ИИ, который не просто что-то считает внутри компьютера, а получает сигналы из физического мира через камеры, датчики и сенсоры, а затем воздействует на этот мир через движения, захваты и другие механические действия.
Чтобы обучать такие системы быстрее и дешевле, их часто сначала тренируют не в реальном мире, а в виртуальной среде, которая в определённой степени повторяет физику нашей реальности. Это вполне логично: постоянно ломать реального робота ради каждой новой обучающей итерации - идея, мягко говоря, не самая эффективная. NVIDIA
Гибридный интеллект
Гибридный интеллект - это подход, при котором человек и искусственный интеллект работают вместе, усиливая сильные стороны друг друга. Microsoft Research
ИИ делает то, что у него получается лучше: быстро обрабатывает огромные объёмы данных, находит сложные закономерности и берёт на себя рутинные задачи.
Человек делает то, что пока остаётся недоступным машине: проявляет креативность, критическое мышление, понимает широкий контекст, несёт этическую ответственность и принимает окончательные решения там, где цена ошибки слишком высока. Microsoft Research
Например, ИИ может анализировать большие массивы медицинских снимков и предлагать вероятные диагнозы: практические исследования в маммографии показывают, что такие системы действительно могут помогать в диагностике. Но окончательное решение в таких сферах всё равно должен принимать врач, опираясь на свой опыт, контекст конкретного случая и ответственность за результат. PMC WHO
На мой взгляд, именно такой формат взаимодействия в ближайшие годы будет самым реалистичным и полезным. Не «машина полностью заменит человека», а человек, который умеет правильно использовать ИИ, начнёт работать заметно эффективнее тех, кто этого не умеет.
Чем ИИ отличается от алгоритмов, поисковиков и роботов?
Это один из самых важных моментов, потому что именно здесь чаще всего и начинается путаница.
Алгоритмы сами по себе - это не искусственный интеллект, а процедура или набор правил, по которым компьютер выполняет задачу. Britannica
В отличие от систем машинного обучения, которые могут обучаться на данных и находить закономерности, классический алгоритм строго следует заранее заданным инструкциям. IBM
Поисковые системы - тоже не синоним ИИ, хотя сегодня его компоненты действительно встроены в их работу. Google Search Central
Главное отличие в том, что поисковые системы в своей основе занимаются поиском, индексацией, ранжированием и выдачей уже существующей информации, тогда как генеративные модели умеют ещё и создавать новый контент. Google Search Google Cloud
Роботы - это физические устройства. IFR
В некоторых из них действительно используется ИИ, но сами по себе роботы не являются искусственным интеллектом. Во многих случаях они просто работают по заранее заданным алгоритмам или жёстко заданным программам управления. NVIDIA
Проще говоря, не всё, что выглядит умным, является ИИ. И не всё, где есть ИИ, выглядит как робот из фантастики. Удивительно, сколько шума можно создать вокруг технологии, просто смешав в одну кучу разные понятия.
Вывод
Если упростить, ИИ - это не одна магическая технология, а целый набор подходов, моделей и инструментов.
Где-то он уже помогает человеку принимать решения. Где-то создаёт новый контент и меняет привычные способы работы. Но чтобы говорить об ИИ без мифов, важно различать, где перед нами просто алгоритм, где генеративная модель, где обучающаяся система, а где обычная автоматизация с красивой вывеской.
Иначе обсуждение быстро превращается не в разговор о технологии, а в очередной виток шума вокруг неё.