Ирина Никулина – Цифровая муза. Как творить и зарабатывать с ИИ (страница 4)
Первыми работами были сгенерированные картинки из нейросети «Лексика», которые использовались в создании обложек для книг, как иллюстрации для учебников и художественной литературы, а также были созданы наклейки в стиле аниме и напечатаны майки с картинками, сгенерированными через ИИ.
Сейчас Ирина является блогером, который пишет на разные темы, все ее тексты иллюстрирует ИИ.
Ирина сертифицированный специалист по растровой графике и обучалась нейросетями в онлайн-школе. См. рис. 10.
Глава 1: Краткая история творческих ИИ
Искусственный интеллект или ИИ – это Искусственный разум в самом широком смысле – это комплекс инструментов, позволяющих решать задачи уровня человеческого интеллекта и реализованных машинами, в частности компьютерными системами. В этой книге мы будем рассматривать в основном ИИ, помогающие творческим специалистам: дизайнерам, копирайтерам, писателям, художникам, музыкантам.
Эволюция ИИ: от идей до глобального явления
Всю историю развития нейросетей можно разделить на три основных этапа:
Предыстория. Зарождение идей (1950-е – 2010-е гг)
В 1950-м году Алан Тьюринг опубликовал статью «Вычислительные машины и разум», в которой предложил знаменитый «Тест Тьюринга» для проверки способности машины самостоятельно мыслить. Это была интеллектуальная основа для всего последующего развития ИИ, хотя на тот момент технологии не позволяли создать быстродействующий и «думающий» компьютер.
1950-60-е: в это время было появление первых нейросетей (перцептрон Франка Розенблатта) и рождение самого понятия «искусственный интеллект».
В нем был один слой искусственных нейронов (именно такую однослойную модель сейчас называют «перцептроном Розенблатта»). Его задачей была Бинарная классификация (например, «да/нет»).
Входные данные (признаки) умножаются на веса и суммируются.
Сумма проходит через пороговую функцию активации (ступенчатую), которая выдает результат: 1 или 0.
Обучение: простой алгоритм обучения с учителем. Веса корректируются, если перцептрон ошибся на обучающем примере.
Ограничение (главный недостаток): может решать только задачи, которые являются линейно разделимыми (их можно разделить гиперплоскостью). Например, не может решить задачу «исключающее ИЛИ».
Историческое значение: перцептрон стал первой рабочей моделью обучаемой нейронной сети, заложив основы для всего направления развития ИИ. Его ограничения, описанные Марвином Минским, на десятилетия замедлили развитие области, пока не появились многослойные сети (многослойные перцептроны).
1980-2000-е: в это время произошло развитие более сложных архитектур нейросетей (рекуррентные сети, LSTM). Однако недостаток данных и вычислительной мощности не позволял создать что-то масштабное (такое, как сейчас).
2017 год: в это время был совершен ключевой прорыв. Исследователи из Google представили обществу архитектуру Transformer. Это была настоящая революция в ИИ! Transformer отлично справлялся с обработкой последовательностей (таких, например, как текст) и мог обучаться намного быстрее и эффективнее старых моделей. Это основа всех современных больших языковых моделей, включая ChatGPT.
История Чат GPT
Эра больших языковых моделей была с 2018 по 2020 гг. Компания OpenAI стала пионером в применении архитектуры Transformer, созданной специалистами Google, для разработки гигантских моделей нейросетей.
GPT (2018). Первая версия GPT была создана в 2018 году и называлась Generative Pre-trained Transformer. В основе лежала работа с текстом и анализ данных из сети Интернет. Модель показала, что предварительное обучение на огромных массивах текста из интернета позволяет ей хорошо генерировать связный текст.
GPT-2 (2019). Вскоре появилась более мощная модель. Ее способность генерировать реальные тексты сначала напугала самих создателей, и они отказались от немедленного публичного релиза, опасаясь злоупотребления своей нейросети. Позже модель все же была открыта.