История искусственного интеллекта (ИИ) — это не просто увлекательное повествование, но и дорожная карта, проливающая свет на достижения и перспективы.
Возникновение искусственного интеллекта относится к 1950-м годам, когда исследователи впервые углубились в идею наделения машин мыслительными процессами, подобными человеческим. Ренессанс ИИ произошел в 1956 году во время Дартмутской конференции, на которой был придуман термин «искусственный интеллект», ознаменовавший первые шаги в развитии систем искусственного интеллекта.
Перенесемся на десятилетие вперед с момента появления «искусственного интеллекта». Джозеф Вайценбаум из знаменитого Массачусетского технологического института (MIT) в 1966 году создал первого чат-бота под названием «ELIZA». ELIZA использовала базовые сценарии для взаимодействия с пользователями, имитируя иллюзию. собеседника-человека посредством простых заранее установленных правил, установленных Вейценбаумом. ЭЛИЗА сумела создать иллюзию человеческого разговора, к большому удивлению Вайценбаума.
Работая на основе обработки естественного языка, ELIZA реагировала на вводимые пользователем данные посредством предопределенных правил распознавания образов и простых преобразований текста. Ключевые слова использовались для идентификации конкретных высказываний пользователей и реагирования на них соответствующим образом. ELIZA представляла собой программу, разработанную для обработки естественного языка и формирования ответов на основе действий пользователя, эффективно имитируя разговоры, подобные человеческим. Этот новаторский чат-бот продемонстрировал ранний потенциал взаимодействия человека и компьютера посредством искусственного интеллекта, проложив путь для последующих достижений в этой области.
ELIZA была создана как своего рода «терапевтический чат-бот», имитирующий роль психотерапевта. Используя такие методы, как зеркальное отображение и постановка вопросов, этот ИИ реагировал на действия пользователя, создавая ощущение разговора с реальным человеком. Чтобы усилить эту иллюзию, ELIZA, похоже, реагировала на высказывания пользователя, повторяя определенные ключевые слова или выражения, использованные во время разговора. Однако возможности ELIZA были предопределены ограниченным набором заранее заданных тем, избегая тем, выходящих за рамки ее запрограммированных возможностей.
Хотя ELIZA может показаться относительно элементарной, по сегодняшним стандартам искусственного интеллекта, в 1960-х годах она представляла собой революционное достижение. Способность Чат-бота имитировать взаимодействие, подобное человеческому, продемонстрировала возможность программирования компьютера для общения, похожего на человеческое взаимодействие. ELIZA сегодня является предшественником чат-ботов и виртуальных помощников, таких как Алиса, Siri, Alexa и их современников.
В последующие десятилетия исследований искусственного интеллекта основное внимание сместилось в сторону разработки «экспертных систем», способных накапливать и использовать специализированные знания в определенных областях.
Экспертная система по сути представляет собой сложную компьютерную программу, предназначенную для использования человеческого опыта в определенных областях для принятия решений. Он опирается на алгоритмы и правила, заранее определенные и закрепленные в системе экспертами в предметной области. Например, эти системы могут помочь в диагностике заболеваний, предлагая быструю и эффективную помощь в конкретных проблемных областях. Делая выводы, основанные на экспертных знаниях и опыте, эти системы делают выводы экспертов доступными для более широкой аудитории, способствуя минимизации ошибок и поддержанию стабильного качества в конкретной области.
Однако каждая экспертная система сталкивается с ограничениями. Он способен принимать решения исключительно на основе накопленных знаний и заранее определенных правил. Столкнувшись с новой или неожиданной проблемой, для которой отсутствуют заранее установленные правила, экспертная система может либо не найти решения, либо, в худшем случае, предложить неправильные результаты.
Несмотря на эти ограничения, системы, основанные на правилах, иногда используются для автоматического создания контента. В так называемой «роботизированной журналистике» сложно разработанные программы позволяют создавать новостные статьи на основе новых данных без участия журналистов-людей. Эти системы полагаются на заранее определенные правила и алгоритмы для обработки доставленных данных и автоматического создания новых статей. Например, на основе базы данных всех матчей Лиги можно автоматически составить отчет, суммирующий результаты матчей.
Несмотря на преимущества, предлагаемые роботизированной журналистикой, эксплуатация этих систем сложна и требует уникальных настроек. Это означает, что систему, генерирующую отчеты о футбольных матчах из приведенного выше примера, нелегко перепрофилировать для создания финансовых отчетов на основе корпоративных показателей. Обеспечение возможности таких переходов требует обширных модификаций системы и переопределения всех правил и входных данных.
В этом контексте заключается различие между слабым и сильным ИИ. Экспертные системы олицетворяют так называемый «слабый искусственный интеллект». Этот термин относится к системам или программам, разработанным для конкретной задачи или ограниченного набора задач. Они могут выполнять только те конкретные задачи, для которых были созданы, и им не хватает более широких возможностей, подобных человеческому интеллекту.
Противоположность «слабому интеллекту» называется «сильным интеллектом» или «сильным искусственным интеллектом». Сильный интеллект в настоящее время является чисто гипотетической концепцией компьютерной системы, способной достигать интеллекта, подобного человеческому, и решать широкий спектр задач без предварительного программирования или обучения — во многом подобно человеческому мозгу. Такая система будет решать задачи в различных областях, которые намного превосходят конкретные возможности слабых систем ИИ.
Современные системы искусственного интеллекта по-прежнему ограничены конкретными приложениями и не могут использоваться для произвольных задач, как человек. Это относится даже к ChatGPT и большим языковым моделям — технологии, лежащей в основе чат-бота OpenAI. Хотя ChatGPT способен на выдающиеся подвиги, например, правильно ответить на вопрос «Сколько будет 4 + 5?», он быстро достигает своих пределов при выполнении более сложных задач, т.к. арифметика не была целью обучения языковой модели. ChatGPT уже испытывает затруднения, когда его спрашивают о квадратном корне из произведения двух целых чисел!
Языковая модель ChatGPT усвоила, как могут выглядеть вычисления, не понимая их фундаментально.
Рассмотрим на примерах, как может быть использована языковая модель для перефразирования текстов - процесса создания нового текста, который имеет тот же смысл, что и исходный, но использует другие слова и структуру предложений:
- Перефразируйте этот текст, используя более простые и понятные слова
- Перефразируйте этот текст, используя более формальный и академический стиль
- Перефразируйте этот текст, используя более эмоциональный и убедительный тон
- Перефразируйте этот текст, используя синонимы и антонимы
- Перефразируйте этот текст, используя пассивный залог вместо активного
- Перефразируйте этот текст, используя другое время глагола
- Перефразируйте этот текст, используя другое лицо глагола
- Перефразируйте этот текст, используя другой род и число существительных
- Перефразируйте этот текст, используя другой тип предложения
- Перефразируйте этот текст, используя другой жанр или стиль
