🖼 Нарисованная нейросетью картина победила в крупном конкурсе. Настоящие художники в ярости

Новость вышла ещё в конце августа, а я до неё добралась только сейчас. Но уж очень руки чешутся обсудить её. Я про американца Джейсона Аллена, который победил на конкурсе изобразительных искусств.

🤖 Фишка в том, что мужчина даже не прикасался к кисти, — его картину «Театр космической оперы» нарисовала нейросеть Midjourney.

Аллен уверяет, что работа заняла у него «многие недели». Он долго подбирал правильный запрос и создал за это время сотни изображений. В конце концов конкурсант выбрал три лучших картины, отредактировал их в фотошопе и напечатал на холстах. Он предварительно растянул работы с помощью другой нейросети Gigapixel AI.

🤬 В интернете сразу же начался очередной холивар на тему того, что настоящие художники скоро останутся без работы. Вечно недовольные пользователи Twitter отреагировали на новость в своей привычной манере. «Мы наблюдаем, как на наших глазах умирает ремесло художника», — посыл у самых популярных комментариев примерно такой.

Но Аллен заранее понимал, что его творчество вызовет споры. Он говорит, что люди почему-то судят искусство по методу его создания. Поэтому победитель обратился к ненавистникам с риторическим вопросом: «А что, если художник написал бы картину, вися вниз головой, и во время работы его били? Следовало бы оценивать его творчество как-то иначе?» 🤔

Ещё конкурсант иронически заметил, что хейтеры выступают против искусства, сгенерированного нейросетью. При этом они же первыми бросаются на живого человека, без которого произведения бы просто не получилось. Аллен считает это лицемерием.

👆 Кстати, американец и не скрывал, что картину рисовала нейросеть, — он открыто говорил об этом на конкурсе. А победа воодушевила его, даже несмотря на комментарии критиков.

Я в этом споре, скорее, на стороне Аллена. Сгенерированные изображения — это новый вид искусства. И игнорировать его абсолютно бессмысленно, оно уже проникло в нашу культуру. И уж тем более нет причин обвинять победителя, который честно признался, что изображение создала Midjourney.

Но Аллен поднял несколько важных вопросов о будущем сгенерированных картин и их месте в современном мире. Можно ли оценивать творчество ИИ наравне с работой живых художников? И можно ли вообще назвать человека автором такой картины?

👉 Как по мне, смешивать реальную живопись и произведение Midjourney на одном конкурсе, наверное, не совсем корректно. По-хорошему организаторам нужно было выделять работу Аллена в отдельную номинацию.

📺 Пару лет назад рекламщики сделали дипфейк Леонида Куравлёва — оживили и омолодили его легендарного персонажа Милославского из гайдаевской комедии про Ивана Грозного.

Ролик получился действительно классный и один из первых в этом жанре, поэтому особенных вопросов об авторских правах он не вызвал. Актёр был ещё жив, а его семья согласилась на использование образа (и получила за это хороший гонорар).

🧑‍🎨 Но теперь мы всё чаще видим, как телевизионщики «оживляют» уже давно почивших актёров на экране. Мода перекочевала с Запада быстрее, чем я этого ждала.

Сначала по Первому показали новый сезон сериала «Диверсант» с дипфейком Владислава Галкина. Теперь телеканал работает над фильмом, героями которого станут сразу пять (!) покойных советских актёров. Ну, точнее, не сами актёры, а их аватары.

🤔 Обсуждать сюжет вольного ремейка «Семи самураев» я точно не хочу. Но вот поразмышлять над этическими и правовыми вопросами — почему бы и нет? Правда, ответов не ждите — их у меня пока нет…

☝️ Во-первых, меня печалит тот факт, что лица актёров будут использовать без их разрешения. Ведь если фильм получится, кхм, некачественным, то память даже безупречного артиста будет опорочена другими людьми. Давайте признаемся: риски очень велики.

✌️ Во-вторых, имеют ли моральное право родственники звёзд распоряжаться таким «наследством»? Ведь эти артисты при жизни наверняка даже не знали о подобных технологиях. И уж точно не могли предположить, что их физиономии можно будет «наклеить» на головы других людей.

С живыми артистами в таких случаях всё гораздо проще. Они могут просто подписать договор с киноделами — на год, пять или всю жизнь. И тогда режиссёры смогут абсолютно легально и без зазрений совести делать фильмы с дипфейками.

👉 В общем, эти тенденции меня настораживают. Масло в огонь подливает и то, что современные алгоритмы ещё не научились делать дипфейки без технических косяков. Даже в высокобюджетных «Звёздных войнах» ожившая принцесса Лея иногда выглядит как персонаж компьютерной игры. Зрителя такими приёмами не обмануть. А тогда зачем всё это нужно?

Топ лучших книг об искусственном интеллекте

И я снова к вам с книжной подборкой. Эти произведения — мастрид для человека, который интересуется ИИ.

⚙️ «Будущее без работы. Технологии, автоматизация и стоит ли их бояться» (18+)

На протяжении веков люди переживали, что новые технологии их заменят. Сначала боялись ткацких станков, потом — двигателей внутреннего сгорания… Все опасения оказались напрасными, ведь эти новшества в итоге только создавали дополнительные рабочие места.

Но автор книги — экономист и писатель Дэниел Сасскинд — доказывает, что на этот раз ситуация изменилась. ИИ действительно может лишить работы большую часть человечества.

Что нужно сделать, чтобы смягчить «удар»? И главное: как мы будем использовать наше время и искать цели в жизни, в которой людям больше не нужно работать? Спойлер — простых ответов нет, но не всё так страшно.

🧠 «Создатели искусственного гения. О бунтарях, которые наделили интеллектом Google, Facebook и весь мир» (16+)

Журналист The New York Times Кейд Метц написал историю о создании и развитии ИИ. В основе книги — сотни репортажей и интервью. Герои произведения — люди, без которых революция в области ИИ не произошла бы. Это Джеффри Хинтон, Демис Хассабис, Ян ЛеКун, Джефф Дин и другие деятели, о которых вы наверняка слышали неоднократно.

Книга читается легко, потому что автор не скучно описывает разные факты и даты, но и делится «закулисными» подробностями. В общем, если интересуетесь областью ИИ — вам почти наверняка понравится.

🌅 «Клара и Солнце» (16+)

Последний на сегодняшний день роман нобелевского лауреата Кадзуо Исигуро уже стал бестселлером. И неслучайно: художественное произведение не хуже документалистики поднимает важные вопросы ИИ.

Сюжет разворачивается в будущем. Героиня книги — андроид по имени Клара, от лица которой и ведётся повествование. Она очень умна и наблюдательна. Но могут ли роботы испытывать эмоции? И, что ещё важнее, смогут ли они заменить человека или хотя бы жить наравне с ним? На это и пытается ответить автор.

«Благими намерениями ЕС вымощена дорога в ад регулирования»

Так эксперты в области ИИ оценивают новый законопроект Евросоюза о регулировании нашей любимой сферы. Они уверены, что новые правила ограничат инновации — использовать передовые инструменты с открытым исходным кодом станет сложнее. Но обо всём по порядку.

Драфт законопроекта показали ещё год назад, но споры не утихают до сих пор. Европейцы предложили ограничивать использование многих технологий на основе ИИ, которые могут угрожать сохранности персональных данных граждан ЕС.

💼 Собеседники TechCrunch считают, что под такие критерии может попасть любая модель — с юридической точки зрения правила прописаны слишком расплывчато. Поэтому под ударом все компании, даже некоммерческие.

Вообще, в готовящемся законе есть исключения для некоторых категорий ИИ с открытым исходным кодом (например, для тех, что используются исключительно для исследований). Но невозможно предотвратить использование таких проектов злоумышленниками, говорит аналитик центра Brookings Алекс Энглер.

Свежий пример — система Stable Diffusion, которая генерирует изображения по текстовым подсказкам. Её недавно выпустили в открытый доступ с лицензией, которая запрещает создавать определённые типы контента. Но не помогло — инструмент моментально стали использовать для создания порнографических дипфейков со знаменитостями 🤵‍♀️

Гендиректор НИИ Allen Institute for AI Орен Эциони тоже видит угрозу для мелких и средних компаний. Он считает, что разработчиков коммерческого ПО и ПО с открытым кодом нужно разделять. В противном случае любые инновации будут появляться только у корпораций, которые и без того чувствуют себя неплохо. Места для конкуренции не останется.

👓 В Hugging Face называют закон «размытым». Пока вообще не понятно, будет он относиться к моделям ИИ или только к ПО, работающему на его базе.

В общем, вопросов пока много. Но я рада, что они поднимаются. Ведь в этом споре рано или поздно зародится истина (я на это надеюсь).

Какие заболевания ИИ ищет у москвичей и немного про точность (в продолжении)

Часто вижу новости медицинской тематики о том, что ИИ научился диагностировать разные болезни. Но обычно речь идёт о западных концептах.

Поэтому меня зацепила новость про похожую нейросеть, которую запустили в московских клиниках ещё весной. Пока она, вроде бы, работает в экспериментальном режиме. Как следует из сообщения на mos.ru, сервис уже проанализировал 28 тысяч медицинских изображений и «хорошо зарекомендовал себя у врачей» 🤑

Правда, кое-что в этой новости меня всё-таки смущает. Начнем с количества заболеваний. Обычно нейросети натаскивают на поиск какого-то одного заболевания (ну, или парочки, если у них похожие признаки). Но отечественная чудо-нейронка определяет семь патологий разом!

🔬 На изображениях компьютерной томографии она находит рак лёгких, остеопороз позвоночника, аневризму грудного отдела аорты, ишемическую болезнь сердца, легочную гипертензия, гидротораксу и даже коронавирус. Предположу, что здесь работает целая система из разных моделей ИИ.

По словам представителей Департамента здравоохранения, диагностическая точность сервисов ИИ — 94%, а доля ложноотрицательных результатов минимальная (но здесь уже почему-то без цифр) 😱

На первый взгляд есть понятный обывателю термин «точность», да ещё и с внушительным уровнем 94%. И тут мы подходим ко второму «сомнительному моменту» — что же такое точность в диагностике. Продолжение в следующем посте.

Что такое точность в диагностике и почему сама по себе она бессмысленна (продолжение)

Итак, я вчера писала про нейросеть, которая диагностирует заболевания у москвичей. На портале mos.ru из характеристик диагностики назвали только точность 👀

Когда мы говорим о каком-то «черном ящике», которому мы даём на вход какую-то информацию и получаем ответ «да» или «нет» сама по себе точность бессмысленна без характеристик «чувствительность» и «специфичность».

Это не зависит от того, какая механика внутри этого «чёрного ящика», будь то полимеразная цепная реакция теста на «ковид» или же алгоритм с глубоким обучением — главное, что это какой-то классификатор. Разберём подробнее.

☝️Чувствительность (sensitivity) — это то, насколько хорошо наш «ящик» распознаёт больных. То есть если человек болен, то он всегда будет распознан. Это доля предсказанных больных от числа реально больных.

☝️Специфичность (specificity) — это то, насколько тест ошибается на небольных. То есть представьте себе ситуацию, что тест просто всегда говорит «да» — это значит, что чувствительность у него будет 1 (он и правда предскажет всех больных), но вот для небольных даст огромное количество ошибок. Таким образом, специфичность — это то, сколько из реально небольных тест определит как реально небольных. Тоже в идеале 1.

В итоге разработчики любых диагностических механизмов обычно оптимизируют оба значения — и чувствительность, и специфичность. И это главные параметры 🫣

Что же касается точности (accuracy) — то это просто результат деления всех правильных диагнозов на все диагнозы. Это плохая характеристика, потому что она зависит от того, сколько у нас больных и небольных.

Представьте себе тест, который всегда говорит «нет». И тогда если у вас миллион здоровых и тысяча больных, то такой тест будет иметь точность 99,9%. Неплохо, не так ли? Поэтому без данных о чувствительности и специфичности — никуда. И это относится к любому тесту 🤔

ИИ поможет дописать «домашку», но дети станут глупее. Или нет?

Журналист и писатель Аки Периц решил протестировать, смогут ли современные модели ИИ делать домашку за школьников и студентов. И у него плохие новости для преподавателей — смогут 🦾

Для эксперимента он взял программу Sudowrite (построена на языковой модели GPT-3 от OpenAI). У неё простой алгоритм работы: вы вводите начало текста, а она сама его заканчивает. Я недавно писала об аналогах — их уже немало.

Сначала Периц захотел посмотреть, как нейросеть справится с эссе о политике США и Китая. Он «скормил» программе несколько строк из недавнего доклада Пентагона 🪖 Результат неожиданно оказался вполне осмысленный — немного редактуры и такой текст, возможно, принял бы даже преподаватель из магистратуры. Здесь всё не поместится, так что читайте на сайте Slate, если интересно.

🎒Потом журналист дал ИИ задачку для школьников: он вбил начало своего же сочинения по «Ромео и Джульетте», которое писал в 14 лет. Сгенерированное продолжение ему понравилось даже несмотря на синтаксические ошибки и странные формулировки — это вполне в духе старшеклассников.

Эксперименты заставили Перица задуматься, что несут такие приложения: вред или благо?

С одной стороны, помощь ИИ похожа на допинг — она даёт нечестные преимущества и наносит ущерб в долгосрочной перспективе (дети никогда не научатся писать сами) 🤥 С другой — такие модели можно сравнить со спортивной экипировкой. Она повышает производительность и позволяет добиваться лучших результатов (и даже поощряется). Так какой вариант здесь подходит больше?

Уверена, что большинство учителей будут выступать за первый. По крайней мере журналист пообщался с несколькими американскими преподавателями, и они подтвердили мои догадки. Педагоги уверены, что использовать ИИ для домашки — это практически то же самое, что списать работу из открытых источников.

В целом, я скорее согласна с такой позицией. Но ИИ никуда не денется, нравится нам это или нет 🤷‍♀️ Поэтому преподавателям придётся искать новые способы для тестирования учеников. Например, делать акцент на устных экзаменах.

Прочитала на The Verge, что Alphabet попыталась объединить два своих амбициозных направления — робототехнику и обработку естественного языка. Так разработчики хотят научить роботов-ассистентов понимать обычные просьбы.

У «корпорации добра» уже есть роботы-помощники (проект Everyday Robots запустили ещё в 2019 году) 🤖 По сути, это механические руки на колёсиках — они умеют вытирать столы, переставлять посуду и открывать двери. Но пока это только прототипы. Журналисты The Verge называют их в видео «медленными и нерешительными».

🧠 Но теперь роботы хотя бы станут умнее. Alphabet обучила их на большой языковой модели PaLM c 540 млрд параметров (я мельком о ней упоминала, когда писала про другой гугловский алгоритм Minerva). PaLM хорошо понимает контекст, поэтому может правильно реагировать даже на неочевидные запросы.

Разработчики привели такой пример. Если сказать механическому помощнику «Я пролил свой сок, можешь помочь?», он интерпретирует просьбу как «Принеси мне губку с кухни» 😱

В Alphabet говорят, что во время тестов обученные роботы правильно понимали инструкции пользователей в 84% случаях (и успешно их выполняли в 74% сценариев). Но я бы относилась к этим цифрам настороженно. Ведь нам не говорят, какие конкретно давали запросы. Вряд ли это были очень сложные предложения.

А в этом и есть главная проблема создания роботов-помощников. Наша жизнь слишком беспорядочна, чтобы ИИ мог в ней ориентироваться на достойном уровне. Даже чтобы выполнить элементарную команду «Порежь яблоко», он должен как минимум знать, где лежат фрукты и какого размера нужны дольки.

Вот почему единственный домашний механический помощник, который может хорошо выполнять свою работу — это робот-пылесос. У него всего одна задача, на которую он запрограммирован — всасывать грязь 🫡

Но будем объективны: Alphabet делает важные шаги в робототехнике. Пусть до полноценных помощников роботам ещё далеко, но они действительно становятся умнее. Так что ждём, пока разработчики доведут проект до ума. Как говорится, будем посмотреть.

5 нейросеток для теста прямо сейчас

Решила собрать интересные нейросетки, с которыми может поэкспериментировать любой. Не нужно даже оставлять заявку на участие в бета-тесте.

ThisPersonDoesntExist

Каждое обновление страницы на этом сайте подарит вам новую фотографию человека. Но есть одно «но» — люди на этих снимках не настоящие, все изображения генерирует нейросеть. Зато она делает это так филигранно, что отличить реальное фото от фейка не могут даже профессиональные фотографы. Кстати, интересный факт: журналисты иногда берут эти снимки, если не хотят «светить» лицом 🫥

Полупроводниковый оркестр

Если вы когда-нибудь мечтали стать дирижёром, у вас есть шанс потренироваться на этом сайте. ИИ-сервис с помощью веб-камеры распознаёт движение рук. Чем сильнее вы машете конечностями, тем быстрее играют электронные инструменты. По такому же принципу можно управлять громкостью — достаточно поднимать руки вверх и вниз.

👯‍♀️ Единственный минус — оркестр пока знает только одну мелодию. Но даже этого хватит, чтобы оценить возможности искусственного интеллекта.

Бесконечная драм-машина

🎧 Ещё один музыкальный сервис позволяет создавать биты из тысячи повседневных звуков. Например, из лая собаки и хруста печенек. Или из звуков чихания и металлического скрежета — вариантов почти бесконечное количество. Всё, что от вас требуется — поставить точки на своеобразной карте и нажать кнопку Play.

ИИ-дуэт

На этом сайте нарисованы ноты фортепиано. Можете наиграть любую мелодию, а искусственный интеллект подстроится под вас и продолжит ваше общее музыкальное произведение 🎼 Попробуйте, даже если совсем не умеете играть и никогда не учили сольфеджио — процесс увлекательный. Особенно если у вашего дуэта получается красивая музыка.

DALL-E Mini

🖼 Доступ к полноценной версии DALL-E пока ограничен. Но можно легко потестировать её урезанную версию. В её основе та же модель ИИ, которая создаёт изображение на основе текстового запроса. Правда, вычислительная мощность здесь поменьше, так что финальная картинка будет менее чёткая. Но поиграться с нейросеткой всё равно интересно.

ИИ против учёных-мошенников

Прочитала на The Register материал о том, как в академической среде борются с мошенниками. Точнее, с теми, кто намеренно подделывает результаты своих исследований.

🤥 Автор пишет, что хитрые «учёные» часто берут одно изображение, например, скопления клеток (cluster of cells), копируют его, переворачивают, обрезают — в общем, фотошопят. Так они делают вид, что провели гораздо больше экспериментов, чем на самом деле.

Такие фейковые изображения — главная причина отзыва статей из медицинских изданий, говорят эксперты в статье. И последствия ложатся не столько на плечи нерадивых авторов, сколько на самих издателей. Ведь получается, что редакторы плохо сделали свою работу — имидж журнала падает🤦‍♂️

Поиск дубликатов изображений — утомительная задача для людей. Но с ней отлично справляются алгоритмы. Поэтому теперь некоторые издатели используют ПО на основе искусственного интеллекта, чтобы находить фейки заранее. Например, Американская ассоциация по изучению рака (AACR) тестирует программу Proofig от одноимённого израильского стартапа.

🤖 С января 2021 по май 2022 года алгоритм проверил 1367 рукописей, предварительно одобренных к публикации. В 208 случаях ПО обнаружило дубликаты изображений. Большинство из них, скорее всего, сделаны из-за неаккуратности учёных — авторы просто исправляли ошибку и присылали правильные данные.

В редких случаях сомнительные картинки действительно оказались сфальсифицированы. По этой причине четыре статьи пришлось отозвать. В процентном соотношении это немного, однако каждая из них в теории могла подпортить имидж издания.

🙏 Результаты обнадеживают, но инструменты вроде Proofig пока не готовы полностью заменить редакторов. Иногда они игнорируют очевидные фейки или, наоборот, случайно помечают подлинные изображения, поэтому за работу алгоритмов приходится контролировать. В любом случае — двойная проверка явно надёжнее одинарной.

ИИ определит безопасность родов прямо во время операции

Думаю, нет смысла лишний раз говорить об опасностях, с которыми женщина и её будущий ребёнок сталкиваются во время беременности и родов. Вы и без меня наверняка слышали хотя бы одну историю, которую хочется поскорее забыть 🥶

Но технологии в медицине развиваются быстро, так что печальных случаев становится всё меньше 👩‍⚕️ Хочу рассказать об успехах американцев из крупного исследовательского центра — клиники Мейо. Они разработали ИИ-алгоритм, который рассчитывает индивидуальные риски для роженицы и её ребёнка.

👩🏻‍💻 Модель учитывает где-то 700 параметров, её обучили на 66 с лишним тысячах родов. Причём в этих наборах данных была информация не только о самом процессе рождения, но и обо всех осмотрах/анализах с момента поступления женщин в роддома.

Если алгоритм успешно пройдёт все этапы тестирования, его станут применять в реальном времени, прямо во время “процесса”. То есть врачам и акушерам нужно будет вводить новые данные в программу, а та будет моментально пересчитывать риск неблагоприятного исхода (и заодно давать рекомендации медикам) 🩺

Это поможет легче решать, нужно ли, например, делать кесарево сечение. А ещё такой подход, в теории, должен снизить риск осложнений у мам и новорождённых.

👆 Авторы исследования говорят, что с алгоритмом удобнее будет определять состояние будущей матери во время беременности. Если ИИ заподозрит что-то неладное ещё до родов, у женщины останется больше времени на госпитализацию или на перевод в более подходящую клинику.

📉 Как неочевидный бонус — искусственный интеллект поможет ещё и государству. Он может снизить расходы на здравоохранение (в США на лечение матерей после тяжёлых родов уходит по 30 млрд долларов в год).

Будем надеяться, что ИИ спасёт не одну жизнь. Но когда это будут внедрять — пока неясно. Ведь исследователи ещё даже не опубликовали оценки результатов работы алгоритма.

Гуманоид лежит на траве, он корчится и не может встать. Примерно так началось обучение виртуальных человечков игре в футбол ⚽️

На Wired вышла забавная заметка о том, как исследователи из гугловской DeepMind шаг за шагом разрабатывали сильный ИИ (AGI), который сможет пинать мяч не хуже человека-футболиста.

Зачем вообще это нужно? Чтобы роботы будущего и аватары в метавселенных двигались максимально естественно, как реальные люди 🕺🏿 Футбол здесь — не конечная цель, а способ обучения.

Сначала учёные создали модельки с ограниченным диапазоном движений. Гуманоиды не могут выворачивать коленный сустав, чтобы лучше подстроиться под мяч. В общем, анатомия получилась близкой к человеческой.

Чуть ли не самым сложным оказалось научить AGI управлению телом, координацией 🦿 Ведь для этого нужно овладеть и моторикой, и долгосрочным планированием. Если вам кажется, что ничего сложного здесь нет — ̶п̶о̶с̶м̶о̶т̶р̶и̶т̶е̶ ̶н̶а̶ ̶н̶а̶ш̶и̶х̶ ̶ф̶у̶т̶б̶о̶л̶и̶с̶т̶о̶в̶ попробуйте сыграть в браузерную QWOP. Задача элементарная: заставить человечка идти и не падать. Через пару попыток поймёте, в чем загвоздка.

🤖 Для начала в DeepMind поставили перед виртуальными агентами цель: пробежать или ударить по мячу. Но метод обучения с подкреплением не сработал из-за огромного количества вариантов и недостатка предварительных знаний — модельки просто корчились на земле.

Тогда учёные «скормили» ИИ данные, которые получили с помощью захвата движения реальных футболистов. Это ограничило гуманоидов — через какое-то время их движения стали похожи на человеческие.

Дальше «спортсменов» начали учить дриблингу, бегу и удару по мячу. И только после этого их допустили до матчей. Сначала модельки хаотично бегали за мячом, как собаки за фрисби 🐕 Они постоянно спотыкались и почти падали. Голы залетали в ворота случайно, мяч удачно отскакивал от стены.

Но через несколько дней тренировок футболисты научились командной работе. Теперь они не просто тупо бегут к воротам с мячом, но ждут партнёров и даже пасуются (ну, или пытаются). Учёные говорят, что впервые видят такую координацию в настолько сложной модели ИИ.

Видео: https://www.youtube.com/watch?v=KHMwq9pv7mg&t=49s

Лучшие ИИ-стартапы для маркетинга и разработки ПО

Увидела на TechCrunch интересную подборку молодых компаний, которые вышли из американского бизнес-инкубатора Y Combinator. Вполне возможно, что у стартапов большое будущее — этот венчурный фонд в своё время заметил и помог Reddit, Dropbox, AirBnB и Twitch.

Pilot AI

Стартап разрабатывает инструмент для торговых представителей и менеджеров по продажам. Он автоматически преобразует записи телефонных разговоров в структурированные данные и сразу вбивает их в базу (CRM). В общем, менеджерам нужно будет меньше работать руками — всю бюрократическую часть сделает робот.

Похожие платформы уже работают — на рынке есть Fireflies.ai и Viva Sales от Microsoft. Но основатель компании Макс Лу (бывший инженер-программист Salesforce) уверяет, что его продукт проработан тщательнее. Например, алгоритм умеет генерировать сводку по каждому звонку.

TypeWise

Изначально швейцарский стартап разработал виртуальную клавиатуру для пользователей смартфонов. Благодаря ИИ она могла качественно исправлять опечатки и предсказывать следующие слова. Но недавно компания переключилась на B2B-сегмент. Топ-менеджеры посчитали, что их разработку лучше всего оценят в бизнесе, где цена ошибки гораздо выше.

Расширение для браузера совместимо со всеми существующими CRM-системами. По словам разработчиков, инструмент могут использовать любые компании — он быстро обучается. Так, TypeWise умеет заканчивать предложения, проверять стилистику и орфографию, а также автоматически отвечать на письма клиентов.

Hello

Грубо говоря, Hello — это удобный поисковик для программистов. Разработчик пишет какой-нибудь запрос, а программа моментально выдаёт ему максимально релевантный ответ. С пояснениями и соответствующими фрагментами кода из интернета.

Алгоритм основан на больших языковых моделях (скорее всего, GPT-3). Он сверяется с информацией одновременно в разных источниках, чтобы выдать самый вероятный ответ.

Искусственный интеллект поможет нам общаться с младенцами?

🤔 Ещё недавно эксперты считали, что машины вряд ли научатся анализировать языки наравне с людьми. Но исследователи из MIT и ещё нескольких американских университетов, кажется, сделали большой шаг в обучении ИИ.

Их новая система умеет сама определять правила в разных языковых моделях. Ей достаточно скормить небольшой набор слов в разных временах, падежах и родах — тогда программа предложит принципы, по которым словоформа в этих случаях меняется.

Учёные привели такой пример. Если в русском языке на конце слова появляется буква «а», значит, алгоритм поймёт, что скорее всего мужской род здесь меняется на женский.

Лингвисты обучили модель на задачах из учебников на 58 различных языках. Уникальность системы в том, что она работает не с одним большим набором данных, а с множеством маленьких, взаимосвязанных. Чтобы определить правила, ей достаточно всего нескольких десятков слов.

👶 А теперь самое интересное (для нас): зачем вообще нужна такая модель? Например, с её помощью исследователи надеются лучше понять, как учатся говорить младенцы.

При этом разработчики не хотят ограничиваться лингвистикой. Они считают, что модель можно будет использовать и в других областях. Например, в физике — модифицированный алгоритм смог бы выводить дифференциальные уравнения из наборов данных о движении объектов в пространстве.

Во время первых тестов алгоритм показал хорошие результаты. Ему дали 70 задач из учебников по лингвистике — в 79% случаев программа правильно меняла словоформу.

Для чистоты эксперимента учёные решили дообучить модель с помощью дополнительных знаний, которые обычный человек мог бы усвоить на курсах лингвистики. После этого процент правильных ответов вырос (правда, не пишут, на сколько конкретно).

🎓 Плюс модели ещё и в том, что она понимает, когда правила для одного языка применимы к другому. Так, знание русского облегчило ей решение задачи на польском — потому что языки похожи.

ИИ-новинки NVIDIA на GTC

Вчера NVIDIA показала новые видеокарты. Но мне куда интереснее другой анонс — сервисы NeMo LLM и BioNeMo LLM, которые упрощают адаптацию больших языковых моделей и развёртывание приложений на базе ИИ.

Проблема в том, что разработка и обучение LLM обходится дорого. Говорят, на недавнюю PaLM от Google потратили минимум девять миллионов долларов (а возможно, и в два раза больше). Да и времени это занимает немало: обычно несколько недель или даже месяцев.

По словам представителей NVIDIA, с помощью новых инструментов можно будет создавать модели размерами от 3 до 530 млрд параметров. И это займёт часы или даже минуты!

Такая высокая скорость достигается за счёт того, что модели не придётся разрабатывать с нуля — можно будет адаптировать уже существующие базовые (с помощью метода prompt learning). Для этого достаточно «скормить» нейросети всего несколько сотен примеров. Фишка ещё и в том, что одну и ту же модель получится настраивать для нескольких вариантов использования.

На презентации мельком упомянули функцию playground — она позволит «играться», то есть экспериментировать с моделями без использования кода. Видимо, нейросетки можно будет настраивать с помощью текстовых подсказок или других инструментов. В любом случае, настройка станет доступнее.

После развёртывания модель можно будет запускать в облаке, локально или через API.

Платформа BioNeMo LLM предназначена для учёных, занимающихся естественными науками. Инструмент поддерживает форматы данных о белках, ДНК и РНК. Другими словами, он поможет лучше понимать болезни и находить для них лечение. А ещё фреймворк включает две новые языковые модели, которые работают с приложениями в области химии и биологии.

Пока разработчики не назвали точную дату релиза. Но ожидается, что NeMo LLM и BioNeMop LLM откроются в раннем доступе уже в октябре. А сторонние разработчики могут подать заявку уже сейчас.

Кодеры больше не нужны?

С таких слов началась любопытная статья на сайте IEEE Spectrum. Если вдруг не слышали про это издание, то где вы были все эти годы? Один из ведущих научных и инженерных журналов в мире, издаётся аж с 60-х!

Извините, отвлеклась. Авторы материала решили поспрашивать именитых экспертов, сможет ли искусственный интеллект заменить программистов. Спойлер — программисты могут выдохнуть.

Но индустрия паникует не просто так. В 2020 году языковую модель GPT-3 обучили фронтенду — сначала модель рисовала макеты по текстовому описанию, а затем научилась создавать веб-элементы. Позже появились системы, которые могут писать (пусть и пока простые) компьютерные программы — достаточно их об этом попросить.

Вице-президент Amazon, отвечающий за ИИ, Васи Филомин не верит, что искусственный интеллект хоть сколько-нибудь заменит людей-разработчиков. Напротив — новые инструменты освободят программистов от рутины, чтобы у них оставалось больше времени для творчества.

Впрочем, я не ожидала услышать от него ничего другого. Ведь всего пару месяцев назад Филомин презентовал инструмент CodeWhisperer, который умеет писать целые функции на основе комментария или нескольких строчек кода.

Соучредитель Diffblue Питер Шраммель тоже уверен, что автоматическая генерация кода поможет разработчикам сосредоточиться на более важных задачах. Но есть нюанс: даже в этом случае человеку придётся взаимодействовать с ИИ, чтобы проверить, правильно ли машина поняла его инструкции.

Ориол Виньялс, руководитель группы глубокого обучения DeepMind предупреждает: даже если ИИ заменит живых программистов, до этого ещё нужно будет дожить. Возможно, потребуются десятилетия. С ним согласен основатель и СЕО Landing AI Эндрю Нг.

«Мы все еще очень далеки от того, чтобы человек мог сообщить компьютеру о требованиях к произвольной сложной компьютерной программе и автоматически закодировать её», — сказал он.

Чтобы давать компьютеру инструкции на естественном языке, разработчикам по-прежнему нужно понимать некоторые концепции логики и функций. Без опыта в программировании, без основ это невозможно, говорят эксперты.