В 1940-х годах, когда мир только что вышел из войны, учёные уже думали о создании машины, способной мыслить. Идея нейросети — это математическая модель, вдохновленная работой человеческого мозга. Первые шаги были больше теорией, чем практикой: простые схемы «нейронов», которые могли делать только самые простые вещи, такие как распознавать точку на листе. Тогда компьютеры были очень маленькими, и до разумных
Десятилетия ушли на тиxую, кропотливую работу в лабораториях. Идея пережила периоды восторга и разочарования, когда ожидания не оправдывались, а вычислительных мощностей катастрофически не хватало. В XXI веке все изменилось с взрывным ростом данных и появлением мощных видеокарт. Нейросети наконец получили «пищу» для обучения и «мускулы» для вычислений. Они научились уверенно распознавать лица на фотографиях
Сегодня мы живем в мире, где каждый может поговорить с искусственным интеллектом. Такие системы, как ChatGPT, являются прямым развитием этой концепции, которая существовала 80 лет назад. Это больше не ограниченный инструмент; теперь это универсальный собеседник, способный понять наш язык и помочь с различными задачами. Путь от абстрактной модели из нескольких нейронов до технологий, меняющих нашу повседневность, — это история упорства, озарений и технологической революции, которые происходят прямо перед нами.
Нейпосети — это попытки использовать машины для копирования человеческого мозга. Учёные только мечтали о таких системах, рисуя простые схемы на бумаге в 40-х годах. В 50–70-х появилось первое «железо» и базовые алгоритмы, но мощностей не хватало, и интерес то рос, то падал. В 80-х и 90-х было немного лучше, когда ученые придумали, как нейросети могут «учить», но прорыва не произошло. Лишь к 2010-м, когда появились огромные данные и быстрые компьютеры, нейросети наконец «ожили»: они научились распознавать лица, переводить речь и писать тексты. Сегодня это обычные помощники — от голосовых ассистентов до ChatGPT, который может вести диалог так, будто понимает, о чём говорит.
Концепция зародилась еще в 1940х годах
Еще до Второй мировой войны люди мечтали о машинах, способных имитировать мышление по запросу и функции человеческого мозга. Ученые Воррен Мак-Каллок и Уолтер Питтс предложили первую математическую модель нейрона в 1943 году, но идея, естественно, оставалась «бумажной».
В конце 1950-х Фрэнк Розенблатт, американский ученый в области психологии, нейрофизиологии и искусственного интеллекта, разработал персептрон, который можно считать предком нейросетей.
Персептрон — это базовая модель машинного обучения, предназначенная для обучения компьютеров различным данным. Его основная функция заключается в том, чтобы классифицировать объекты в две категории, например, классифицировать их на «да» или «нет» на основе нескольких входных параметров.
Хотя перфетрон является очень примитивной моделью, он проложил путь к созданию более совершенных алгоритмов машинного обучения, которые используются сегодня. Однако, несмотря на то, что даже такая примитивная (с точки зрения нашего времени) модель мышления выглядела как что-то из будущего (шутки ли, что компьютер мог помочь делать бинарный выбор, если ему заранее дать все вводные данные), вычислительные возможности того времени, к сожалению,
Небольшие, но важные шаги в конце 20 и начале 21 века
В своей книге «Персептрон» 1969 года Марвин Минский и Сеймур Паперт показали, что персептрон — это только концепция, и он не может решить много простых задач.
Кроме того, после смерти Фрэнка Розенблата в 1971 году никто не решился продолжить его разработки. Индустрия ушла от нейронного обучения и сосредоточилась на разработке компьютеров и увеличении вычислительных мощностей. Долгое время попытки перенести хотя бы часть человеческого мышления на плату технических устройств казались бесполезными.
Нейросеть анализирует примеры, делает предположения и сравнивает их с реальностью; на основе этих ошибок она корректирует вес нейронов, что влияет на точность предсказаний. Этот процесс повторяется многократно, пока нейросеть не достигла своего максимального уровня точности в 1986 году.
За несколько лет нейросети научились распознавать геометрические фигуры на изображениях и понимать почерк человека. Однако в 1980-х годах вычислительных мощностей было недостаточно для обработки больших объемов данных.
Да, по той же причине развитие снова сильно замедлилось. Это связано с тем, что использование и обслуживание вычислительных машин и самих исследований являются дорогостоящими и требуют еще больших расходов. Кроме того, у многих людей есть сильный скепсис по поводу ИИ и такого рода общения человека с компьютером.
Уже в двадцать первом веке появились мощные игровые видеокарты, что привело к следующей значительной инновации.
Настоящий прорыв и Deep Learning
В «нулевых» на рынке пользовательской электроники произошел бум видеокарт и графических процессоров. Это, прежде всего, связано с тем, что компьютерная графика, необходимая для игр и кинопроизводства, потребовала мощных графических процессоров и вычислительных мощностей для ее обработки.
Кроме того, это привело к разработке концепции Deep Learning, которая теперь очень популярна среди техногиков. Кратко говоря, это углубленный алгоритм обучения нейросети, который использует всю мощность компьютера. Мы все пишем кратко.
Нейронные сети могут эффективно обучаться и прогнозировать большие объемы данных, что привело к быстрому росту интереса к этой технологии, что привело к значительным инвестициям.
Инструменты, архитектуры и алгоритмы для обучения и создания нейросетей были созданы благодаря прогрессу Deep Learning. В результате они широко используются в различных областях.
А потом появился ChatGPT и началось
Некоммерческая организация OpenAI была основана в декабре 2015 года и может изменить мир навсегда. Уже 27 апреля 2016 года компания представила OpenAI Gym, платформу, которая позволяет сравнивать поддерживающие и обучающие алгоритмы. Это своеобразная задача в области машинного обучения, где пользователю предоставляется среда с заданными правилами и агент, способный действовать в ней.
В 2017 году OpenAI представила ИИ-ботов для Dota 2, что сделало следующий важный шаг. Эти боты не используют жёстких алгоритмов, а используют заранее загруженные данные для принятия решений.
28 мая 2020 года группа ученых под руководством Дарио Амадея из OpenAI опубликовала научную статью, в которой подробно описан алгоритм GPT-3. В статье рассматривается принцип работы генеративной нейросети GPT-3, несмотря на то, что на тот момент готового продукта еще не существовало. Тем не менее, это привлекло значительные инвестиции, которые позже позволили производить инновационный продукт.
30 ноября 2022 года OpenAI представила ChatGPT, чат-бота с искусственным интеллектом, способного вести разговор на естественном языке. В этот момент интернет претерпел коренное изменение. Бот получил статус самого быстрорастущего онлайн-сервиса за всю историю, достигнув 100 миллионов пользователей через два месяца после релиза. Говорят, что OpenAI не ожидали, что сервис станет таким популярным.
Успехи OpenAI дали другим компаниям понять, что им нужно действовать. Например, Google представила Bard, чат-бота на базе языковой модели LaMDA, предназначенного для ответов на вопросы пользователей поисковой системы 6 февраля 2023 года.
В то же время Microsoft обновила основной поисковик Bing, добавив в него искусственный интеллект на основе ChatGPT. Вместо традиционного списка ссылок Bing использует генеративный искусственный интеллект для веб-поиска, чтобы выдавать более длинные и полезные ответы, собранные из различных интернет-источников.
Февраль 2023 года стал месяцем активных анонсов в области нейросетей. Помимо Google и Microsoft, «Яндекс» объявил о разработке собственной версии генеративной нейросети на базе языковой модели YaLM (Yet Another Language Model), которая получила предварительное название YaLM 2.0, позже изменённое на YandexGPT. В апреле того же года «Сбер» представил свою нейронную сеть с мемным названием GigaChat.
Таким образом, история нейросетей — это история упорства и развития, начиная с самых первых идей и до того, что мы видим сегодня. Начиная с простых механических моделей нервной клетки, эта технология всегда возвращалась с новыми силами, и основным двигателем прогресса оказались не только алгоритмы, но и данные и вычислительная мощность, которые стали доступны в наш век.
В наши дни нейросети вышли за рамки лабораторий и стали частью повседневной жизни. Они помогают нам в поиске информации, переводе, создании изображений и ведении разговоров, таких как ChatGPT. Важно понимать, что это не магия, а результат 80 лет кропотливой работы множества ученых и инженеров.
Глядя вперед, можно с уверенностью сказать, что это еще не конец. Нейросети будут продолжать развиваться, становясь умнее и полезнее. Однако мы все должны отвечать за их развитие. Осознавая, как они работают и откуда они пришли, мы можем построить лучшее будущее.
