Що таке генеративний ШІ?

ШІ, яким ви вже користувалися, сортував речі. Генеративний ШІ їх створює

Упродовж двадцяти років ШІ в повсякденному житті був непомітним і займався класифікацією. Спам-фільтр вирішував, спам це чи ні. Фотододаток визначав, чиє обличчя на знімку. Банк вирішував, шахрайство це чи ні. Рекомендаційна система ранжувала, що показати далі. Кожна з цих задач бере щось наявне і ставить на нього мітку чи оцінку. Що таке ШІ розглядає цю ширшу родину.

Генеративний ШІ розвертає напрям. Замість того щоб узяти зображення і видати "кіт", він бере "кіт на підвіконні в сутінках" і видає зображення. Замість того щоб оцінити лист, він його пише. Модель вивчила закономірності мільйонів прикладів достатньо добре, щоб створити новий, який їм відповідає.

Саме це розвертання і є всією причиною, чому технологія дійшла до широкої публіки. Класифікація це функція всередині чужого продукту. Генерація це самостійний продукт: вводиш запит, отримуєш річ. ChatGPT запустили 30 листопада 2022 року, і вже в січні 2023 року він досяг приблизно 100 мільйонів місячних активних користувачів, через два місяці після запуску, за даними аналізу UBS, про який повідомив Reuters 1 лютого 2023 року, і на той момент це був найшвидший споживчий застосунок, що досяг такої позначки, бо вперше саме результат роботи моделі і був суттю продукту.

Далі не було рівномірного струмка. Хронологія релізів моделей фіксує 41 значний запуск від того дня, і 31 з них припав на 2025 і 2026 роки. Помаранчевий позначає модель з режимом міркування або сімейство, що постачається з таким режимом; затінена ділянка починається з o1-preview.

Кожна генеративна модель вивчає, як виглядає правдоподібний приклад, а тоді створює його

Кожну генеративну модель навчають по суті однаково: показують їй величезну кількість прикладів і навчають розпізнавати, як виглядає правдоподібний приклад. Далі, під час використання, її просять створити новий зразок, що відповідає закономірності та запиту.

Для тексту модель вчиться прогнозувати наступний токен і генерує відповідь по одному токену за раз. Що таке LLM це повний виклад теми. Для зображень і відео домінує підхід дифузії: модель вчиться прибирати шум із картинки маленькими кроками, а під час генерації починає з чистого шуму і прибирає його крок за кроком, поки текстовий опис спрямовує те, що з'являється. Рецепт, який використовує більшість моделей зображень, це стаття Denoising Diffusion Probabilistic Models 2020 року авторства Ho, Jain і Abbeel; підхід, який вона витіснила, генеративні змагальні мережі, з'явився завдяки Goodfellow та ін. у 2014 році. Генератори музики здебільшого запозичують один із цих двох підходів.

Наслідок, який варто запам'ятати: усі вони видають те, що відповідає закономірності, а не те, що правдиве. Текстова модель видасть цитату, яка має форму цитати. Модель зображень видасть руку, що відповідає закономірності рук, іноді з шістьма пальцями. Плавність і помилки походять з одного й того самого джерела, і що таке галюцинація ШІ детально розглядає текстовий варіант.

Чотири види контенту, чотири типи моделей, одне вікно

У 2022 році генеративний ШІ означав текст і окремо зображення. До 2026 року один чат-продукт спрямовує запити до чотирьох видів генераторів, і модель за кожним з них інша.

Рішення продукту в основі цього полягає в тому, що ці види контенту тарифікують по-різному, бо їхня генерація коштує по-різному. Текстова відповідь коштує частку центу. Зображення це окремий лічильник. Відео та музика найдорожчі рядки і належать найвищому плану.

Генерація зображень не входить у план Starter, становить 100 на місяць у Pro і 500 на місяць у Powerhouse, а генерація відео та музики це функції Powerhouse, за даними як працюють кредити Whizi. Розрив між текстовою відповіддю і відеокліпом це розрив між генерацією 500 токенів і генерацією кількох секунд кадрів, і ціноутворення слідує за обчислювальними витратами.

Для чого добре підходить генеративний ШІ і де його чесна межа

Він добре справляється з чорновими варіантами будь-чого із відомою формою: лист, короткий виклад, функція, фото товару, фонова доріжка. Він добре справляється з перетворенням, беручи наявну річ і видаючи ту саму річ в іншій формі: перекладену, скорочену, переписану для іншого читача, у новому стилі. І він добре справляється з обсягом, створюючи двадцять варіантів там, де людина створила б два.

Він слабкий, за самою побудовою, у трьох речах. Факти, яких йому не надали, бо він генерує те, що відповідає закономірності, а не те, що є правдою. Точність у рідкісних випадках: шостий палець, код, що компілюється, але робить не те. І судження про те, чи хороший результат, яке залишається за людиною, що зробила запит. Гід як користуватися ШІ це практичний варіант роботи в межах цих обмежень.

Правило прийняття рішення: генеративний ШІ це правильний інструмент, коли ви можете розпізнати хороший результат швидше, ніж могли б його створити. Якщо ви не можете відрізнити хороший результат від поганого, це поки що не той інструмент для цього завдання.

Генеративний ШІ це напрям машинного навчання, яке є напрямом ШІ

Штучний інтелект це загальний термін: будь-яке програмне забезпечення, що робить щось, назване розумним, якби це робила людина. Машинне навчання це метод, який використовує більшість сучасного ШІ: вивчення правил з даних замість запрограмованих правил. Генеративний ШІ це напрям машинного навчання, результат якого це новий контент. Велика мовна модель це генеративна модель для тексту. Чат-бот це застосунок, побудований навколо неї. Кожен з них є підмножиною попереднього, і глосарій ШІ містить повний перелік термінів в одному місці.

Практичний висновок: коли продукт каже, що "використовує ШІ", запитайте, який саме тип. Якщо він сортує, ранжує чи прогнозує, це старий тип, і, ймовірно, він добре працює. Якщо він генерує, це новий тип, і його результат потребує перевірки людиною.