Что такое генеративный ИИ?

ИИ, которым вы уже пользовались, сортировал вещи. Генеративный ИИ их создаёт

Двадцать лет ИИ в повседневной жизни был незаметен и занимался классификацией. Спам-фильтр решал, спам это или нет. Приложение для фото определяло, чьё это лицо. Банк решал, мошенничество это или нет. Рекомендательная система ранжировала, что показать дальше. Каждый из этих случаев берёт что-то существующее и присваивает ему метку или оценку. Что такое ИИ описывает это более широкое семейство.

Генеративный ИИ разворачивает направление. Вместо того чтобы взять изображение и выдать «кошка», он берёт «кошка на подоконнике в сумерках» и выдаёт изображение. Вместо того чтобы оценить письмо, он его пишет. Модель усвоила закономерности миллионов примеров достаточно хорошо, чтобы создать новый, который им соответствует.

Именно этот разворот и стал причиной того, что технология вышла к широкой публике. Классификация, это функция внутри чужого продукта. Генерация, это продукт сам по себе: вводишь запрос, получаешь результат. ChatGPT запустили 30 ноября 2022 года, и уже к январю 2023 года он достиг оценочных 100 миллионов активных пользователей в месяц, спустя два месяца после запуска, по данным анализа UBS, о котором сообщило Reuters 1 февраля 2023 года. На тот момент это было самое быстрорастущее потребительское приложение, потому что впервые именно результат работы модели и был смыслом продукта.

И это было не постепенное просачивание. Таймлайн релизов моделей фиксирует 41 крупный запуск с того дня, из которых 31 пришёлся на 2025 и 2026 годы. Оранжевым отмечена рассуждающая модель или семейство с режимом мышления; закрашенный участок начинается с o1-preview.

Каждая генеративная модель учится, как выглядит правдоподобный пример, а затем создаёт свой

По сути, все генеративные модели обучают одинаково: показывают ей огромное количество примеров и заставляют выучить, как выглядит правдоподобный пример. Затем, в момент использования, её просят создать новый образец, который соответствует шаблону и запросу.

Для текста модель учится предсказывать следующий токен и генерирует ответ по одному токену за раз. Что такое LLM объясняет это подробно. Для изображений и видео доминирующий подход, это диффузия: модель учится шаг за шагом убирать шум с картинки, а в момент генерации начинает с чистого шума и убирает его пошагово, пока текстовое описание направляет то, что появляется. Рецепт, который используют большинство моделей изображений, это статья 2020 года Denoising Diffusion Probabilistic Models авторов Ho, Jain и Abbeel; подход, который она вытеснила, генеративно-состязательные сети, восходит к работе Goodfellow и соавторов 2014 года. Генераторы музыки в основном заимствуют один из этих двух подходов.

Главный вывод, который стоит запомнить: все они выдают то, что подходит под шаблон, а не то, что правда. Текстовая модель сгенерирует цитату, которая выглядит как цитата. Модель изображений сгенерирует руку, которая соответствует шаблону рук, иногда с шестью пальцами. Беглость и ошибки происходят из одного и того же источника, и что такое галлюцинация ИИ подробно разбирает текстовую версию этого явления.

Четыре формата, четыре вида моделей, одно окно

В 2022 году генеративный ИИ означал текст и, отдельно, изображения. К 2026 году один чат-продукт направляет запросы к четырём видам генераторов, и модель за каждым из них разная.

В основе лежит решение продукта: эти форматы тарифицируются по-разному, потому что и стоят они по-разному в вычислениях. Текстовый ответ стоит долю цента. Изображение, это отдельный счётчик. Видео и музыка, самые дорогие строки, и они доступны только на старшем плане.

Генерация изображений не входит в тариф Starter, составляет 100 в месяц на Pro и 500 в месяц на Powerhouse, а генерация видео и музыки, это функции только Powerhouse, согласно тому, как устроены кредиты Whizi. Разрыв между текстовым ответом и видеоклипом, это разрыв между генерацией 500 токенов и генерацией нескольких секунд кадров, и цена следует за вычислительными затратами.

Для чего хорош генеративный ИИ и в чём его честная граница

Он хорош для черновиков всего, что имеет известную форму: письма, резюме, функции, товарного фото, фоновой мелодии. Он хорош в трансформации, то есть берёт нечто существующее и выдаёт это же в другой форме: переведённым, сокращённым, переписанным для другого читателя, в другом стиле. И он хорош в объёме, выдавая двадцать вариантов там, где человек сделал бы два.

Он слаб, по самой своей природе, в трёх вещах. В фактах, которые ему не дали, потому что он генерирует то, что подходит, а не то, что есть на самом деле. В точности мелких деталей: шестой палец, код, который компилируется, но делает не то. И в суждении о том, хорош ли результат, а это остаётся за человеком, который сделал запрос. Руководство о том, как пользоваться ИИ, это практическая версия работы в рамках этих ограничений.

Правило выбора: генеративный ИИ, это правильный инструмент, когда вы можете распознать хороший результат быстрее, чем можете его создать сами. Если вы не можете отличить хороший результат от плохого, значит для этой задачи он пока не подходит.

Генеративный ИИ, это ветвь машинного обучения, которое, в свою очередь, ветвь ИИ

Искусственный интеллект, это общий термин: любое ПО, которое делает то, что мы назвали бы разумным, если бы это делал человек. Машинное обучение, это метод, который использует большинство современного ИИ: он учит правила из данных, вместо того чтобы их программировать вручную. Генеративный ИИ, это ветвь машинного обучения, чей результат, это новый контент. Большая языковая модель, это генеративная модель для текста. Чат-бот, это приложение, обёрнутое вокруг неё. Каждое понятие, это подмножество предыдущего, и глоссарий терминов ИИ собирает все эти термины в одном месте.

Практический вывод: когда продукт говорит, что «использует ИИ», спросите, какой именно. Если он сортирует, ранжирует или предсказывает, это старый вид, и, как правило, он работает хорошо. Если он генерирует, это новый вид, и его результат нужно проверять человеку.