Искусственный интеллект не появился внезапно вместе с чат-ботами: человечество шло к нему две с половиной тысячи лет - от логики Аристотеля и механических калькуляторов до машины Тьюринга, ЭНИАКа и Дартмутской конференции 1956 года, где термин и родился
Я как человек гумманитарный, анти математический, яркий представитель семейства "вайбкодерских" никогда не вдумывался в сущность работы ИИ. Ну типа бахнул что-то голосовым или текстом в чат - оно всё делает
Но недавно решил копнуть глубже и обнаружил много интересностей, которые обязательно пригодятся в данной деятельности. Да и ну везде говорят про "искувственный интеллект", разве не интересно понять что это за шайтанская штукенция, которой пишешь что-то, а она выдаёт просто феноминальные результаты, не ведомые никогда человечеству?!
Да просто даже вернуться в СССР, ну человеку покажи телефон с чатом жпт, что ты стеклаянному кирпичу рассказываешь пару мыслей, а оно тебе любые знания мира выдаёт, переводит на любые языки, пишет письма, может разобраться в любом документе и подправить, засудить любого не угодного хомосапиенса + напишет код, при этом даже не обязательно разбираться в программирования
ДА ОН ОБОССЫТСЯ КИПЯТКОМ ПРЯМО НА ТОМ МЕСТЕ! За такое тогда все богатсва мира бы отдали))
Мы свидетели абсолютно невероятных событий и грех долбанный не обмазаться этими благами. Если не вникнуть - можно посмотреть пример что может быть при отвержении научного прогресса, как сейчас пенсионеры не могут с телефонами справятся и находятся в тупиковой ветке жизни
А, кстати, вы вкурсе вообще, что сам искувственный интеллект придумали не в Open AI (Chat GPT), не в Anthropic (Claude), и даже не в Deep Seek и тому подобных конторах......
История зарождения целой технологии началась с давних времён: тогда на землю прилетели инопланетяне и выдали египтянам секретные чертежи, которые нашли учёные в 1942 году. Это стало точкой отсчёта развития Ai !
😈 Хахаха, повелись?) Такой дичи не было. Рассказываю как было......
🟡 Глава 1. Пятьсот-лохматые года: можно ли механизировать мышление?
Изначально люди только начинали развиваться, и пытались для начала понять что значит "думать"
Жил-был такой товарищ Аристотель, ему яблоко на голову не падало, но пацанские цитаты из пабликов любил выстреливать. И вот что сказанул:
Все люди смертны;
Сократ - человек;
Значит, Сократ смертен.
☝😈☠🐺🐺🐺
Фактически формализировал понятие "логики". Да, сейчас это выглядит элементарно. Но тогда идея была невероятно важной: оказывается, правильное рассуждение можно представить как набор правил
Тааак-с, если рассуждение подчиняется правилам, то тогда возникает возбуждающая мысля: а нельзя ли заставить механизм выполнять эти правила вместо человека?
Через много веков товарищ Лейбниц мечтал примерно о том же. Споры с кентами его дико бесили, когда каждый остаётся при своём мнении, невозможно понять кто тут батя. И он хотел создать универсальный язык рассуждений, чтобы во время спора оппоненты могли посчитать баллы, выснив кто выходит победителем, а кто сосёт чупачупс
То есть интеллект постепенно начинает уходить от изотерических определений как нечто дарованное господом богом, а начинает восприниматься как процесс, который можно формализовать
🟡 Глава 2. Ошеломляющее открытие, создание первого компухтера
Прикол в том, что в XVII–XVIII веках уже были разного рода машинки, которые могли считать. Однако узким горлышком являлась однозадачность: если калькулятор делался для сложения - только для этого мог использоваться, а в случае потребности других функций, то надобно изменить сам механизм
Доброго молодца Бэббиджа выбесила постоянно пересборка механизма, если требуется что-то иное посчитать. И он задаётся глубокой мыслью: "А что, если создать устройство, которое сразу может выполнять разные функции?"
Примерно с 1834 года Бэббидж разрабатывал аналитическую машину. Она так и не была полностью построена (СДВГ никого не щадит), но её проект удивительно напоминает архитектуру компьютеров XX века. У неё были отдельные части для хранения данных, обработки, управления, ввода и вывода
Далее появляется шедевральная девица - Ада Лавлейс, она познакомилась с Бэббиджем в 1833 году, когда ей было семнадцать лет (кхм...)
Она увидела демонстрационную часть его машины и очень заинтересовалась идеей механического вычисления. Спустя 10 годиков итальянский инженер Луиджи Менабреа написал на французском статью, объясняющую АНАЛитическую машину. Лавлейс перевела её на английский, и зафигарила собственные примечания, которые оказались примерно ВТРОЕ длиннее исходной статьи!!!!! Любят девушки всё усложнять, да??? (девушки, это шутка, без обид)
И вот тут нахрен вскрывается самое интереснейшее - Ада понимает: "Если музыку, текст или другие вещи представить символами, машина сможет манипулировать и ими" 🤯🤯
Получается компухтер, который пытался сбацать Бэббидж это не устройство, считающее циферки, а универсальная машина для обработки символов
А интеллект кстати тоже во многом состоит из символов: слова =} понятия =} связи =} выводы
Но оставалась махонькая проблема - машины ещё почти не существовало..... 🤫🤫🤫
🟡 Глава 3. Математики творят вещи, Алан Тьюринг долбит гранит науки
В начале XX века математики переживают кризис, пытаются понять: можно ли создать набор формальных правил, с помощью которых в принципе можно доказать любую математическую истину?
Именно из этой довольно абстрактной проблемы рождается фундамент современной информатики. Находится такой чувачёк как Алан Тьюринг
В 1936 году он описывает мысленную машину, в которой есть:
лента с символами, устройство, которое читает символ, набор правил, возможность записывать новый символ и двигаться дальше
Но сударь Тьюринг показывает, что такая конструкция способна описывать практически любой процесс, основанный на четкой последовательности правил и шагов для решения задачи
Выходит огромное количество разных интеллектуальных процедур можно представить как последовательность очень простых операций. Из этого в конечном счёте вырастает программирование
🟡 Глава 4. Война творит ужасное и прекрасное
Вторая мировая, у фашистов появляется невероятно крутая для тех времён машина Enigma, которая кодирует пропущенный через неё текст. А он в свою очередь используется для ударов по объектам антигитлеровской коолиции
Особенность Энигмы в пипец каком запаренном механизме, например, оператор соединил проводом:
"A" и "M". При нажатии на "A" - есть шанс, что машина выберет "M". "M" отправляется дальше внутрь роторов
Допустим, роторы превратили её в "T". На обратном пути буква снова проходит через ту же панель. Если, например, "T" соединена с "G", то наружу выйдет уже "G"
Итог:
Нажата "A" =} панель сделала "M" =} роторы что-то изменили =} получилось "T" =} панель сделала "G" =} загорелась "G"
При каждом нажатии крутились механизмы внутри машины, постоянно вылетало что-то новое. А сами шифры менялись ЕЖЕДНЕВНО!
3 × 10¹¹⁴ - вот столько примерно было вариантов для разгадки, которые нужно было декодировать за 24 часа. Приколдэс?
ВНИМАНИЕ, 3 × 10¹¹⁴ - это невообразимо огромное число, которое в миллиарды миллиардов раз превышает количество атомов в нашей известной вселенной (их всего около 10⁸⁰)
Чтобы понять его масштаб, представьте единицу с 114 нулями. В математической языковой системе оно называется 300 ундециллионов (!не инцелов!) или 300 сепдециллиардов (в длинной шкале)
Представляете тяготу задачи? Союзники собирают ЛУЧШИЕ умы по своим странам, они бьются, чтобы расшифровать эту фигню, и ничего не выходит
Затем криптоаналитики начали искать структурные слабости. У Enigma был отражатель, благодаря ему одна и та же машина могла шифровать, и расшифровывать
Соответственно при наличии текста Алан Тьюринг с Гордоном Уэлчманом пытаются понять какие машины могли его породить, и создают Bombe
Вместо того чтобы расшифровывать весь текст каждым возможным ключом, Bombe позволяла отбрасывать огромные классы невозможных вариантов
Ещё незадолго до войны благодаря трудам Мариана Реевского, Ежи Ружицкого, Генрика Зыгальского - Польша передала свои результаты методов анализа Энигмы британцам и французам
В сумме это всё дало возможнось декодировать послания с Энигмы. Интересно то, что нельзя было дать понять немцам о взломе их системы. Иначе они б всё изменили в миг. По этому расшифрованную инфу использовали только для самых важных операций
После окончания войны, в 1950 году Тьюринг публикует знаменитую работу "Вычислительная техника и интеллект". Предлагает практический критерий, который позже назовут тестом Тьюринга: если человек разговаривает через текстовый интерфейс и не способен определить, разговаривает он с человеком или машиной, можно считать это серьёзным свидетельством машинного интеллекта
Чат-боты возникают в истории ИИ почти раньше самого ИИ 😁😁
🟡 Глава 5. Определение понятия "Искувственный интеллект"
Летом 1956 года небольшая группа математиков John McCarthy, Marvin Minsky, Claude Shannon, Allen Newell, Herbert Simon и других и учёных собирается в Dartmouth College
Кенты предполагают, что можно описать достаточно точно, чтобы машина могла воспроизвести такие вещи, как: обучение, язык, абстракция, решение задач, творчество
Господин McCarthy предлагает название сие чуду: Artificial Intelligence
Первые исследователи считали, что интеллект - правила, а их можно написать тысячи. Так появляется направление, которое сейчас называют symbolic AI
Всю систему они представляли примерно так: Факты+Правила+Логический вывод=Интеллект. Например: если у пациента температура + кашель + боль в груди =} возможно воспаление лёгких
Так зарождают экспертные системы. Кстати в 1970-80-х некоторые из них действительно оказываются очень полезными. У учёных срывает башню, возникает уверенность, что ещё немного, и мы напишем достаточно правил, чтобы получить полноценный интеллект
Но как так-то, долбанный сыр? Оказывается, что мир невозможно нормально описать миллионами если. Про кошку можно сказать: у неё четыре лапы, уши, шерсть. Но так у собаки так же. Кароче, человеческий мозг явно работает каким-то другим способом
🟡 Глава 6. Название не придумал, бошка уже болит писать текст
Параллельно существует другое направление. Исследователи изучают нейроны, которые получают сигналы от других нейронов и в зависимости от их силы реагируют
В 1943 году McCulloch и Pitts предлагают математическую модель искусственного нейрона. Позже Frank Rosenblatt создаёт перцептрон, эта идея становится почти противоположной классическому программированию
Как выглядит обычное программирование: человек фигарит правила, комьютер их выполняет, и выдаёт ответ
А машинное обучение: получает данные + правильные ответы, а затем алгоритм обучается. В результате машина сама находит правила
Вот это изменение возможно САМОЕ ВАЖНОЕ для понимания современного ИИ. Ему показали условно дохринилиард фотографий, объяснили, что там кошки, а отдельно отправили другие фотки, объяснив их отстутствие там. Попросили найти закономерность, вот по этому при отправке изображения он может распознать с высокой точностью что там находится. +- такая логика и на других сущностях, такие пироги :)
А ещё у ранних нейронных сетей была куча проблем: компухтеры слабые, данных мало, да и алгоритмы обучения никакущие. Некоторые задачи они принципиально решить не способны
А ожидания от ИИ оказываются намного выше реальных возможностей. Спонсирование прогресса сокращается, наступает AI winter (зима искусственного интеллекта). Причём таких зим было НЕСКОЛЬКО. Это важная часть истории, потому что нынешний ажиотаж вокруг ИИ - далеко не первый. Уже много раз человечество говорило: ааааа, мы близко к скайнету, AGI уже на пороге. А потом обнаруживало, что всё на самом деле гораздо сложнее
🟡 Глава 7.
Параллельно развивается ещё одна наука - статистика. Учёные от туда веками парили мозги по поводу наличия ограниченных наблюдей и вопросом: "Как от этого можем узнать о мире значительно больше?" Опросили 1к человек, а как выяснить мнения 100 млн??? Либо прочитали карточки 1к больных пациентов, то как тут можно предсказать заболевание у следующего???
Да, это близко походит на машинное обучение (ML), по этому постепенно фокус смещается на качество прогнозов на основе полученных данных
Возникают:
ветки решений;
Байесовские методы;
опорные векторные машины;
регрессия;
кластеризация;
машинное обучение
А потом случается интернет, и в сфере ИИ вообще всё становится похоже на сказку!!! Нейросетям для обучения нужны две вещи: вычисления и данные. До 1990-х и начала 2000-х и того, и другого было мало
А тут бааааам-с, интернет с гигантскими объёмами текста и изображений, с цифровых камер просто миллиарды фотографий, а потом смартфоны - с них ещё больше данных, облака - огромные дата-центры, GPU - дешёвые параллельные вычисления
Создаётся идеееальнейшая система для прорастания того направления, которого взращивали десятилетия, внезапно начинают работать старые идеи по ИИ!!!!!
Ещё одна важная дата по искувственному интеллекту - 2012 год. Было такое соревнование ImageNet, где компьютеру мозги парили: показывали фотку, а он должен был сказать шо там такое
И вот в 2012 году команда Алекса Крижевского, Ильи Суцкевера и Джеффри Хинтона показывает нейросеть AlexNet. Она резко превосходит предыдущие методы, причём работает на GPU. Для многих становится понятно, что Deep Learning ре-аль-но ра-бо-та-ет!!!
Сносит крышу всем и начинается огромная волна инвестиций. Google, Facebook, Microsoft, Baidu и другие начинают массово нанимать исследователей нейросетей
🟡 Глава 8. Логика текущих ИИ
Да, вроде круто, изображения уже получаются неплохо, но с языком сложнее из-за последовательности
Придумаем предложение:
Петя положил яблоко на стол, а потом съел его
Чтобы понять слово "его", нужно помнить, что происходило раньше. Создаются специальные нейросети: RNN, LSTM, GRU. Постепенно совершенствуются, появляются: машинный перевод, распознавание речи и другие системы. Но обучение всё ещё сложное и медленное
В 2017 году исследователи Google публикуют работу: "Attention Is All You Need" ("Внимание - это всё, что нужно тебе"), предлагают новую архитектуру - трансформер, с идеей внимания
Очень упрощу:
Когда модель обрабатывает слово, она может посмотреть на другие слова и решить: какие из них сейчас важнее всего?
Например: собаченция не стала есть мясо, потому что она была сыта. Чтобы понять "она", модель должна связать это слово с "собаченция". Трансформер умеет эффективно строить огромное количество таких связей, хорошо масштабируется и его можно обучать на огромном количестве компухтеров ОДНОВРЕМЕННО!!!!
А потом приходит идея заставить машину угадывать следующее слово (от сюда начинается путь к Chat GPT). То есть значит-ца берём часть интернета, рассказываем машине: "Франция - это государство в Западной ...". И просим угадать следующее слово. Она отвечает: "Европе."
Следующий пример, ещё, а теперь другой, бам-с, бам-с, бам-с, и кажется, что задача примитивная. Но чтобы очень хорошо предсказывать продолжение текста, модель постепенно должна усвоить огромное количество закономерностей: грамматику, стиль, факты, причинно-следственные связи, программирование, структуру диалогов, жанры текста, некоторые формы рассуждения
Так возникает Large (огромные) Language (языковые) Model (модели) - LLM. И только теперь появляются GPT и ChatGPT
Chat - чат, диалог для общения. GPT - Generative (генеративный) Pre-trained (предобученный) Transformer (трансформер). То есть ChatGPT - это ИИ, заранее обученный на большом объёме текста и способный генерировать ответы в форме диалога
Эта технология не создана Open Ai и другими конторами в 2022 году. За ней дофига лет развития логики, математики, вероятностей, нейробиологии, computer science, исследований AI, нейронных сетей, интернета, GPU, дата-центров
Всё это нас привело к удобному окошку "Написать чату жпт"
❗❗❗ На самом деле я кучу всего интересного не расписал, если будет много обратной связи - продолжу вещать в подобном формате. ОБЯЗАТЕЛЬНО ДЕЛИТЕСЬ СТАТЬЁЙ СО ВСЕМИ КОГО ЗНАЕТЕ!! :)))
А ещё мы помогаем компаниям обнаружить 1-3 самых дорогих по деньгам или времени сотрудников процессов, а потом их автоматизирую. Получается практичная оптимизация, которая окупается. Сайт:
У кого есть знакомые с микро, малого, среднего бизнеса - отправляйте им наш сайт. Потом скажут спасибо :)
Ну всё, всем удачи!
Хотите применить ИИ в своём бизнесе без магии и цирка?
Разберём ваши процессы и покажем, где ИИ и обычная автоматизация дадут измеримый эффект в деньгах
Частые вопросы
Правда, что искусственный интеллект придумали в OpenAI?
Нет. Сам термин появился в 1956 году на Дартмутской конференции, а идеи механизации мышления - от Аристотеля, механических калькуляторов, Бэббиджа и Ады Лавлейс. OpenAI и другие современные компании - это уже поздние главы истории
Что придумал Алан Тьюринг?
Тьюринг формализовал само понятие вычисления (машина Тьюринга), взломал «Энигму» во время войны и предложил тест, по которому до сих пор спорят, «мыслит» ли машина
Когда появились первые компьютеры?
В 1940-е годы: сначала электромеханические машины, затем ЭНИАК и другие ламповые компьютеры. Именно они сделали возможными эксперименты с «мыслящими» программами
Чем эта история полезна бизнесу сегодня?
Пониманием сути: ИИ - не магия, а долгая эволюция логики и вычислений. Поэтому внедрять его стоит трезво: в конкретные процессы с измеримым эффектом, а не «потому что модно»
