Творчество часто определяется как способность выдвигать новые, оригинальные и ценные идеи. Креативность предполагает нестандартное мышление, неожиданные связи и создание решений, которые еще не встречались ранее. Это выражается в разработке инновационных алгоритмов, создании уникальных маркетинговых стратегий, выявлении новых возможностей для бизнеса или принципиально новых функций продукта. В статье разбираемся, почему GPT не сможет пока заменить человека.
Версии GPT
- GPT-1 (2018). Это была первая модель, доказавшая возможность использования архитектуры трансформеров для генерации текста нейронной сетью с гораздо большей масштабируемостью и эффективностью. Это создало задел на будущее.
- GPT-2 (2019). Модель превзошла свою предшественницу в 10 раз по объему обучающих текстовых данных и по размеру самой модели, т.е. по количеству параметров. Увеличение числа параметров привело к тому, что модель неожиданно самостоятельно научилась качественно новым навыкам — от написания длинных эссе со смыслом до решения сложных головоломок, требующих зачатков построения картины мира.
- GPT-3 (2020). Модель имела в 116 раз больше параметров: на этот раз 175 миллиардов. В готовом виде она весила невероятные 700 гигабайт. Набор обучающих данных GPT-3 также был модернизирован, хотя и не столь радикально. Он увеличился в 10 раз и составил 420 гигабайт. В него было помещено множество различных книг, страниц Википедии, сайтов и т.д. Модель обучалась переводу с других языков, арифметике, основам программирования, пошаговым рассуждениям и другому.
- GPT-3.5 (начало 2022 года). Эта версия была доработана на основе живой человеческой обратной связи. Модель технически не стала больше или умнее, но она научилась настраивать свои ответы так, чтобы люди получали от них максимальную пользу.
- GPT-4 (2023). Последняя итерация серии значительно улучшила возможности своих предшественников. Она обучена на большем наборе данных и имеет больший размер модели, что позволило повысить производительность при решении широкого круга задач. GPT-4 продемонстрировал значительные улучшения в понимании контекста, генерировании связных и контекстуально релевантных ответов, а также в более глубоком понимании мира.
Почему креативность искусственного интеллекта нельзя сравнивать с человеческой креативностью
Хотя модели GPT и другие системы искусственного интеллекта могут генерировать новые комбинации идей на основе паттернов, которые они увидели в обучающих данных, их так называемая креативность в корне отличается от человеческой. Вот несколько причин.
- Понимание. Системы ИИ не могут по-настоящему понять контент, который они генерируют. Они не понимают значения слов и предложений так, как это делает человек, не осознают мир и не обладают чувством собственного достоинства. Это ограничивает их способность выдвигать действительно оригинальные и значимые идеи.
- Контекст. ИИ не способен понимать и учитывать более широкий контекст, в котором работает. Он не знает о текущих событиях, культурных тенденциях или конкретных обстоятельствах жизни пользователя, с которым взаимодействуют, если эта информация не предоставлена им в явном виде.
- Целенаправленное творчество. Человек часто проявляет творческую активность ради достижения цели или выполнения задачи. Системы ИИ, наоборот, генерируют контент на основе статистических закономерностей, не имея ни цели, ни направления.
- Эмоции и эстетика. Многие формы человеческого творчества связаны с эмоциями и эстетикой — областями, в которых ИИ в настоящее время ограничен. ИИ не обладает чувствами, и хотя его можно обучить генерировать контент, который человек считает эстетически приятным, нейросети не обладают собственным эстетическим чувством.
Хотя ИИ добился впечатляющих успехов во многих областях и будет продолжать совершенствоваться в ближайшие годы, вряд ли в обозримом будущем он сможет полностью повторить творческие способности человека. ИИ станет инструментом, который дополнит творческие способности человека, но не заменит их.
Грамотность в области ИИ
Важно отметить, что даже в тех профессиях, где грамотность в области ИИ не является ключевой, базовое понимание все равно может быть полезным. Понимание основ ИИ и машинного обучения, включая их возможности и ограничения, будет становиться все более важным для многих профессий. Это не обязательно означает, что нужно стать промт-инженером (о котором вы можете прочитать нашу статью), но, скорее, означает наличие достаточных знаний для эффективного использования нейросетей и продуктивной работы со специалистами в области ИИ.