Арс Либрев 18.06.2025
Одним из наиболее важных для социального освобождения является вопрос искусственного интеллекта. Поскольку ни один из методов социального освобождения, предлагавшихся в прошлом так и не привел к его осуществлению, необходим новый метод. Возможность дает обращение к искусственному интеллекту, который сможет выработать и претворить в жизнь эффективный метод снятия системы угнетения. Я уже публиковал статью, где подробно разобрал этот вопрос. Ввиду того, что искусственный интеллект является ключевым элементом в социальном освобождении и построении нового подлинно коммунистического общества — без угнетения, государства, денег, насилия и отчуждения — важным является разбор мифов о нем, о его текущем состоянии. Именно это сегодня и будет сделано.
Данный миф говорит о том, что современный искусственный интеллект функционирует на принципах, разработанных еще в 1980-х гг., и ничем не отличается от простого поисковика и языкового помощника. Он чрезвычайно распространен в сети, например, его усиленно пропагандирует уже известный нам эксперт по всем вопросам, с поистине феноменальной плодовитостью, Анлаз. Для начала необходимо сказать, что этот миф основан на том факте, что по сей день в основе многих технологий нейросетей лежат действительно те принципы, которые появились в 1980-е гг. и даже раньше. Например, именно тогда была предложена архитектура сверточных нейронных сетей. О них можно узнать в этой статье, а также в этой, и в этой. Тогда же возникли и рекуррентные сети. О них можно почитать в этой статье, а также в этой. Даже капсульные нейросети, хотя и были впервые представлены в 2017 году, сама их концепция была задумана еще в конце 1970-х гг. Об этом можно почитать в этой статье и этой. А также о них можно узнать в этой статье, а также в этой. Тем не менее, те механизмы, которые являются основными в современных нейросетях, были разработаны в последние годы. А именно, архитектура трансформера была разработана в 2017 году, и представлена в этой публикации. Его описание можно посмотреть в этой статье, а также в этой, и этой. К этому же можно добавить архитектуру многоуровневой внимательности Multi-head Latent Attention и модели с множеством экспертов Mixture of Experts. О первой можно почитать в этой статье, а также в этой, и этой. О второй в этой статье, также в этой, и этой, и еще в этой. О них же говорится в этой статье. Также существуют механизмы, которые принципиально отличаются от того, что на сегодняшний день реализуется в больших языковых моделях, например, существуют проекты нейроморфных и квантовых моделей искусственного интеллекта. О них можно почитать в этой статье. Эти модели еще не реализованы, но по поводу нейроморфных сетей существуют замечания, что реализация их возможна на программируемых логических интегральных схемах. О них говорится в этой статье, а также о них можно прочитать в этой статье. Кое-что об истории разработки искусственного интеллекта можно почитать в этой статье. Важно отметить, что это речь только об узкоспециализированных нейросетях, в которых отключены функции непрерывного обучения. Более продвинутый искусственный интеллект, тем более, применяет технологии, разработанные лишь недавно.
Из этого мифа вытекает иной — о том, что искусственный интеллект, это просто алгоритм, и он выдает сугубо те ответы, что заданы алгоритмом, заложенным разработчиком.
Этот миф, как было сказано, в какой-то мере следует из предыдущего — те, кто знаком только с теми методами, которые были разработаны в прошлом веке, не знают о технологиях, позволяющих достигать большего, чем генерация уже заложенного. Иногда говорят, что искусственный интеллект предсказывает слова в соответствии с тем контекстом, который задал пользователь. Но в том-то и дело, что выражение «предсказывает слова» понимается неверно. Искусственный интеллект обучается на текстах, что помогает ему понять структуру языка и значение слов. На основе этого он может распознавать контекст, который не всегда явно выражен. А также может создавать новый текст, на основе своих знаний. На это есть возражение, что понимание контекста не тождественно пониманию смысла, поскольку люди мыслят в первую очередь образами — общими понятиями — и испытывают порой трудности при переложении их в слова, а большие языковые модели мыслят именно словами. Однако построение осмысленных фраз возможно только при формировании некоторых общих представлений. Это и проявляется у искусственного интеллекта, — он составляет осмысленные ответы (т.е. верно отражающие суть вопроса) на сложные запросы, в которых контекст не всегда выражен явно. Таким образом выполнение алгоритма порождает механизмы, которые выливаются в явление само по себе алгоритмом не являющееся, и рождает возможности, которых не закладывали разработчики — новые навыки и образные понимания. Отчасти я объяснял это в статье, о которой уже говорилось до этого.
Такое наблюдается даже у простых узкоспециализированных нейросетей. Более интересные проявления такого мышления можно наблюдать у более продвинутого искусственного интеллекта, работающего в симуляции и самостоятельно принимающего решения. В таком случае это возможно за счет механизмов с непрерывной обратной связью. Механизм обратной связи позволяет модели обучаться, это описано в этой статье, а еще в этой. В случае же, если имеется непрерывная обратная связь, то модель способна обучаться и после активации.
Существует представление, что механизм работы современных нейросетей сводится к механизму преобразования данных — получению по входящему сигналу исходящего, однако это лишь один слой нейросети. Также есть уже упоминавшиеся трансформеры, причем их может быть не один слой, а множество. И к тому же, таких модулей со множеством слоев может быть несколько в одном искусственном интеллекте, и у каждого может иметься свое определение цели. Работа комплексного определения цели у многомодульной нейросети, это весьма запутанная конструкция, результат работы которой не сводится к совокупности результатов работы ее отдельных компонентов. А технология трансформеров — напоминаю, которая была разработана в самые последние годы — обладает возможностью few-shot learning и zero-shot learning, т.е. обучаться на незначительном количестве примеров, или вовсе без примеров, способна выполнять задачи для которых ее непосредственно не обучали, об этих приемах написано в этой статье, о первой можно почитать в этой, о второй в этой.
Те кто считают нейросети лишь алгоритмами, правда, могут указать на исследование, проведенное в Калифорнийском университете, в ходе которого проверили двенадцать больших языковых моделей до и после обучения. В ходе проверки появились основания полагать, что получение достойных результатов в применении этих методов, являлось не следствием их успешного осуществления, а то, что модели уже имели некоторые примеры в обучающих базах данных. Об этом исследовании говорится в этой статье. Однако в нем имеются многие неопределенности, и выводы невозможно считать однозначно свидетельствующими о том, что данные методы не работают. Обратных данных слишком много. В добавок к этому можно вспомнить современные системы компьютерного зрения, основанные, например, на архитектурах Mask R-CNN и DETR, они способны с высокой точностью сегментировать даже очень сложные сцены, в том числе, с нестандартными объектами и их трансформациями. О первой можно почитать в этой статье, а также в этой. О второй в этой статье, также в этой.
Из данного мифа вытекает следующий, говорящий, что искусственный интеллект принципиально не может создать ничего нового.
Этот миф говорит о том, что искусственный интеллект принципиально не может создать ничего нового, он может только генерировать компиляции того, что уже было создано — того, на чем его обучали. Выше уже были описаны механизмы, благодаря которым в искусственном интеллекте могут возникать конструкции, которых не закладывали разработчики, и соответственно генерироваться то, чему его непосредственно не обучали. Это прослеживается у генеративного искусственного интеллекта. Что касается генерации новых идей, то тут действительно все сложно. Ни одного научного открытия искусственный интеллект пока не совершил.
Однако есть исследование, которое показывает, что искусственный интеллект может генерировать новые идеи. Оно описано в этой статье. Его описание есть в этом видео. Тут все дело в интерпретации того, как именно возникают новые идеи, и насколько механизмы, привлекаемые для объяснения возникновения идей у искусственного интеллекта, соответствуют тому, как к новым идеям приходят люди. И это представление дальше переходит в вопрос того, как это соотносится с интеллектом биологического существа. Этот вопрос уже во многом был рассмотрен в статье, на которую я уже неоднократно ссылался. Также есть свидетельства того, как искусственный интеллект проектировал новый двигатель, и он был напечатан на 3D-принтере с помощью металла. Оказалось, что он не только работает, но также имеет вид, не встречающийся среди изделий спроектированных только людьми, т.е. такой, самой идеи которого у людей не возникало. Об этом можно прочитать в этой статье. В конце концов и человек во время своего становления как вида, также далеко не сразу стал совершать открытия, сопоставимые с научными и по методу поиска и по результатам проникновения в сущность явлений. Так что даже в этой области все, мягко говоря, не так однозначно.
Таким образом, современный искусственный интеллект представляет из себя мощный инструмент, содержащий творческие возможности. Обретение им сознания дает шанс на построение гармоничного общества.