GPT-4 — самая продвинутая на данный момент модель искусственного интеллекта. Ее можно использовать для широкого спектра задач, в том числе для поиска актуальной информации с указанием ее источников

Спустя четыре месяца после выпуска языковой модели GPT-4 ее разработчик, компания OpenAI, объявил, что система станет доступной для встраивания в разные приложения.

Сначала воспользоваться моделью ИИ смогут избранные разработчики сервисов, но в дальнейшем ее откроют для всех желающих через API (аппаратно-программный интерфейс).

Однако GPT-4 уже доступна всем обычным пользователям, которые могут опробовать ее возможности. «РБК Тренды» объясняют, в чем преимущества системы и как получить к ней доступ.

Что такое GPT-4

GPT-4 (Generative Pre-trained Transformer 4) — это большая мультимодальная модель ИИ, которая способна обрабатывать запросы в виде картинок и текста, а затем выдавать текстовые ответы. OpenAI представила ее в марте 2023 года. GPT-4 работает на «уровне человека» в различных профессиональных и академических тестах, утверждают разработчики модели. В среднем она набирает в этих тестах 88% и более.

GPT-4 обучали, используя программы состязательного тестирования, а также ChatGPT, что привело к улучшению ее управляемости. Модель по сравнению с предшественником GPT-3.5 на 82% реже отвечает на запросы о запрещенном контенте и на 40% чаще генерирует корректные ответы. «Разница проявляется, когда сложность задачи достигает достаточного порога, — GPT-4 более надежен, креативен и способен обрабатывать гораздо более тонкие инструкции, чем GPT-3.5», — заявляет OpenAI. Кроме того, в запросе к нейросети теперь можно задавать стиль ответа, а также назначать ей роль.

Тем не менее модель по-прежнему «галлюцинирует» и иногда ошибается в суждениях. В одном примере чат-бот назвал Элвиса Пресли «сыном актера».

GPT-4 способна суммировать текст (Фото: openai.com)

Несмотря на это, в мае исследователи Microsoft выпустили документ под названием «Искры общего искусственного интеллекта: ранние эксперименты с GPT-4». Они заявили, что GPT-4 демонстрирует ранние признаки ОИИ (AGI, общего искусственного интеллекта), то есть его возможности находятся на уровне человека или даже превышают его.

Возможности GPT-4
По сравнению со своими предшественниками GPT-4 обладает целым рядом преимуществ:

— мультимодальностью. Нейросеть принимает запросы в виде текстов, изображений и видео, а также способна работать с документами, на которых есть текст с фото, диаграммы или скриншоты. При этом она научилась решать более сложные задачи, в том числе химические или математические. Все ответы GPT-4 выдает на естественном языке, в виде программного кода, формул и т.д.;

GPT-4 может анализировать графики (Фото: datacamp.com)

— точностью работы с изображениями. ИИ распознает картинки так же точно, как и текстовую информацию, опознает их содержимое и видит детали. Например, GPT-4 можно спросить, что смешного в конкретном меме, и модель объяснит суть шутки;

— большим объемом памяти. Нейросеть запоминает гораздо больше контекста (до 25 тыс. слов). Это позволяет вести с ней длинные диалоги, ссылаясь на контекст;
возможностью играть разные роли. Автор запроса может попросить нейросеть выступить в качестве редактора текста или разработчика мобильного приложения. От роли будет зависеть стиль ответа GPT-4. Также стало проще моделировать запросы к ней. Кроме того, нейросеть теперь знает различные языковые диалекты.

Как пользоваться GPT-4 в России

На сайте ChatGPT доступ к последней версии с GPT-4 можно получить только при наличии платной подписки. Однако существуют обходные пути, которые позволяют опробовать языковую модель даже тем, кто никогда не использовал ChatGPT.

«Умный» поисковик Microsoft Bing

Bing от Microsoft — это поисковик со встроенным чат-ботом на базе GPT-4, который адаптировали для поиска в интернете. В нем можно вести диалог, писать код, генерировать картинки, а сами чаты можно экспортировать в различных форматах. Кроме того, при генерации ответов модель дает ссылки на источники, что удобно для проверки этой информации.

Поисковик доступен в России, но, чтобы пользоваться им, потребуется VPN. Чтобы включить чат-бот Bing от Microsoft, нужно:

— установить последнюю версию браузера Microsoft Edge;
— включить VPN (Hola VPN, Browsec или другой);
— в настройках аккаунта Microsoft изменить регион (выбрать США или другую страну);
— на сайте Bing.com или в приложении войти в свой аккаунт Microsoft и перейти в раздел «Чат»;
— выбрать режим работы: творческий, сбалансированный или точный.

Поскольку бот работает скорее как поисковый ассистент, для получения более подробного ответа нужно попросить его уточнить информацию. Также в чате есть вкладка «Создать», где есть шаблоны деловых писем, идей для блога и т.д., но она пока доступна только в режиме предпросмотра.

Чат-бот в Telegram

Опробовать возможности GPT-4 можно и в ChatGPT-ботах в Telegram. Плюс такого метода в том, что он не требует регистрации или дополнительных настроек, а сами боты работают бесплатно.

Примеры использования GPT-4

Редакция «РБК Трендов» опробовала возможности GPT-4, и вот что получилось.

— Опиши краткую историю открытий в физике за последние десять лет.

— Вот краткая история открытий в физике за последние десять лет:

В 2015 году были впервые обнаружены гравитационные волны — колебания пространства-времени, предсказанные Альбертом Эйнштейном в 1916 году. Они возникают при столкновении массивных объектов, таких как черные дыры или нейтронные звезды. Это открытие открыло новый способ «слышать» космос и изучать гравитацию и происхождение элементов.

В 2012 году был обнаружен бозон Хиггса — элементарная частица, которая объясняет, почему другие частицы имеют массу. Его существование было предсказано в 1964 году в рамках Стандартной модели физики элементарных частиц, но его поиск занял десятилетия и требовал использования Большого адронного коллайдера — самого мощного ускорителя частиц в мире.

В 2016 году была создана квантовая сверхпроводимость при комнатной температуре — явление, при котором материал не имеет сопротивления электрическому току. Ранее это явление наблюдалось только при очень низких температурах, близких к абсолютному нулю. Квантовая сверхпроводимость может иметь революционные последствия для энергетики, транспорта и вычислений.

В 2018 году была сделана первая фотография черной дыры — объекта с такой сильной гравитацией, что даже свет не может из него вырваться. Для этого потребовалось объединить данные с восьми радиотелескопов, расположенных по всему миру, и создать виртуальный телескоп размером с Землю. Фотография показала тень черной дыры на фоне излучения, которое она искривляет.

В 2020 году было обнаружено новое состояние материи — топологический изолятор. Это материал, который проводит электричество только по своей поверхности, а не по объему. Такие материалы могут иметь уникальные свойства, такие как квантовый эффект Холла или квантовый спиновый эффект. Они также могут быть полезны для создания квантовых компьютеров и других устройств.

— Сформируй топ из десяти самых популярных песен в мире, опираясь на данные поиска за последние пять лет.

— Вот топ из десяти самых популярных песен в мире, основанный на данных поиска за последние пять лет:

Shape of You — Ed Sheeran;

Despacito — Luis Fonsi и Daddy Yankee feat Justin Bieber;

Blinding Lights — The Weeknd;

Dance Monkey — Tones and I;

Old Town Road — Lil Nas X feat Billy Ray Cyrus;

Bad Guy — Billie Eilish;

Rockstar — Post Malone feat 21 Savage;

Someone You Loved — Lewis Capaldi;

Senorita — Shawn Mendes feat Camila Cabello;

Sunflower — Post Malone feat Swae Lee.

— Какими инструментами должен владеть цифровой художник в 2023 году?

— Цифровой художник в 2023 году должен владеть разными инструментами, которые помогают ему создавать качественные и оригинальные иллюстрации для разных целей и платформ. Вот некоторые из них:

Adobe Photoshop: это одна из самых популярных и мощных программ для редактирования и создания растровой графики. Она предлагает широкий выбор инструментов, фильтров, кистей и эффектов, которые позволяют художнику реализовать любую идею. Photoshop также поддерживает работу со слоями, масками, векторами и 3D-объектами. Однако Photoshop может быть сложным для новичков и требует высоких системных требований.

Vectornator: это бесплатное приложение для создания векторной графики на iPad, iPhone и Mac. Оно имеет интуитивный интерфейс, который адаптируется под разные устройства и поддерживает Apple Pencil. Vectornator позволяет художнику создавать логотипы, иконки, иллюстрации, макеты и другие векторные изображения с помощью разных инструментов, таких как карандаш, кисть, фигуры, текст и т.д. Vectornator также поддерживает импорт и экспорт файлов в разных форматах, включая SVG, PDF, PNG и AI.

Autodesk Sketchbook: это профессиональное приложение для рисования и скетчинга на разных устройствах, включая Windows, Mac, Android и iOS. Оно имеет простой и удобный интерфейс, который не отвлекает от творческого процесса. Autodesk Sketchbook предоставляет художнику доступ более чем к 190 кистям, которые имитируют разные материалы и техники рисования. Также в приложении есть инструменты для работы с перспективой, симметрией, градиентами и т.д. Autodesk Sketchbook поддерживает работу со слоями, масками, режимами наложения и другими функциями растровой графики.

Обновлено 14.07.2023
Мария Решетникова

Как работают искусственный интеллект, машинное и глубокое обучение

Что значат эти понятия, в чем разница между ними, и в каких случаях уместно применять каждое?

Об авторе: Андрей Беляев, технический директор (CTO) исследовательской компании Neurodata Lab.

Умные дома, самоуправляемые автомобили, роботы-помощники… Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

В чем разница между этими названиями?

Все задачи, которые может решать человек или компьютер, можно условно разделить на две категории: рутинные и нерутинные.

К рутинным задачам можно отнести те, где достаточно просто найти универсальный путь решения: например, сложение чисел или измерение температуры воздуха.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

Получается, что машинное обучение — это обучение ИИ

Искусственный интеллект — это название не какого-то отдельного алгоритма, но скорее группы методов, которыми пользуются для решения различного рода задач. Алгоритмы, которые используют подходы с обучением, являются лишь одной из подгрупп всего того множества алгоритмов, что принято называть искусственным интеллектом.

Машинное обучение — это подход, при котором алгоритм «учится» решать задачу. Один из самых простых примеров алгоритма, использующего машинное обучение, это классификация фотографий на те, где изображены кошки и те, где есть собаки:

Допустим, есть несколько тысяч фотографий кошек и несколько тысяч — собак. Эти данные можно загрузить в алгоритм и заставить его «учиться» отличать кошек от собак, «ругая» за ошибки в классификации и «поощряя» за правильные ответы. В зависимости от количества и качества вводных данных, а также от сложности используемого алгоритма после некоторого количества итераций с «наказанием» и «поощрением», получается обученный алгоритм, которой с разным качеством умеет отличать кошек и собак.

Применяя методы машинного обучения, эти же алгоритмы можно «натренировать» и для выполнения более сложных задач — таких как поиск людей на кадре, определение пола и возраста человека и т.д.

Такие алгоритмы можно научить решать задачи любой сложности?

В теории — да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример — автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

Однако научить автомобиль принимать решения в чрезвычайных ситуациях гораздо сложнее: проблема в том, что и самому человеку трудно понять, как именно надо поступать в том или ином экстренном случае. Поэтому человек не может показать алгоритмам примеры хорошего и плохого поведения для таких случаев.

А что насчет глубокого обучения? Чем оно отличается от машинного?

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и «ругают» его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Нейронные сети? Как те, что в мозгу у человека?

Такое сравнение действительно часто используется. Нейронная сеть — это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или структуры нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов — например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую искусственную нейронную сеть.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

Некоторое количество идей, используемых в нейросетях, разработчики почерпнули из знаний об устройстве человеческого мозга. Одни из самых частых задач для нейросетей — это задачи, связанные с работой с изображениями. Для таких задач используют специальный тип нейросетей, внутри которых есть так называемые сверточные слои.

Если говорить упрощенно, смысл этой сверточной нейронной сети в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

А как происходит процесс обучения?

Процесс обучения алгоритма во многом напоминает процесс обучения человека. Как мы совершаем ошибки и учимся на них (например, что не стоит засовывать руку в кипящую воду), так и алгоритмы, использующие машинное обучение, совершают ошибки, за что получают штраф.

Как работает нейросеть? В качестве примера можно рассмотреть процесс обучения нейросети распознаванию лиц. Чтобы корректно обучить любую нейросеть, нужно сделать две вещи: собрать достаточное количество данных и определить, за что мы будем ее штрафовать. Применительно к этой задаче необходимо собрать несколько десятков фотографий лиц для каждого из людей, которых надо определить, и штрафовать нейросеть за то, что предсказанный ею человек не совпадает с человеком на фотографии.

Что значит «поощрять» и «штрафовать» нейросеть?

С математической точки зрения нейросеть — это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица — это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети — это когда мы ее просто не штрафуем.

График зависимости между длительностью обучения (горизонтальная ось) и конечной ошибкой (вертикальная ось). Чем дольше мы учим нейросеть, тем меньше ошибка.

Во всех примерах вы рассказываете про конкретные задачи. А можно ли нейросеть научить думать, как человек?

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Обновлено 29.09.2020