[00:01] генеративного ИИ, который меня больше всего интересует, — это то, как он демонстрирует сходства искусственного интеллекта с человеческим и существенные различия между ними.  То, как искусственный интеллект извлекает различные смысловые слои
[00:16] из фрагмента текста, кажется очень человечным, но тот факт, что он не знает, сколько букв «р» в слове «клубника», кажется совершенно нечеловеческим.  Для того чтобы создать изображение на основе текстовой подсказки, модель должна уметь понимать
[00:29] смысл текста.  Возможно, нам нужна отдельная модель, способная понимать текст. Принцип работы текстовой или языковой модели действительно очень продуман.  По сути, он проходит несколько итераций, в ходе которых его семантическое понимание текста
[00:44] становится все более и более тонким.  Например, как и в первой итерации, система может понять, что слово «синий» стоит перед словом «лодка», а это значит, что лодка синяя.  Затем, после нескольких итераций, система может понять, что человек, упомянутый
[00:58] в начале текстового запроса, на самом деле находится на лодке, а упомянутые позже волны неспокойные, и именно это вызывает качку лодки.  А затем, к двадцатой итерации, система понимает, что текст был написан как готический ужастик с
[01:11] нашем случае на выходе получается, по сути, длинная последовательность значений, представляющая все эти различные смыслы.  Эта последовательность значений обычно называется вектором, потому что её можно рассматривать как точку в этом
[01:26] сверхмногомерном пространстве семантического значения.  Ранее я говорил, что понять, как работают эти модели, может быть невозможно, и думаю, это В некоторой степени, вы можете проанализировать эти векторы, представляющие
[01:40] смысл запроса, и обнаружить, что определенное значение может отражать лингвистическое понятие пола.  Таким образом, если это значение увеличивается, то подсказка становится семантически более женственной.  Возможно, это несколько векторов,
[01:56] представляющих разные части задания.  Но в целом очень сложно понять, что именно семантически представляют собой эти различные значения, или направления, если хотите, в этом сверхмногомерном пространстве .  Но это всё равно как-то работает
[02:10] обучать ИИ имитировать человеческий интеллект, потому что тогда нам придётся подавлять все эти человеческие слабости, такие как предвзятость и галлюцинации.  Искусственный интеллект был обучен играть в го, просматривая
[02:26] предыдущие матчи с участием людей.  А когда в итоге оно одержало победу над человеком, оно в итоге оно одержало победу над человеком, оно в основном повторяло ходы человека.  Но решающий ход, что весьма интересно, был таким, какого раньше никто из людей не видел
[02:39] .  А когда ИИ переобучали, не видя ни одной игры с участием людей, а играя только сам с собой, он научился обыгрывать людей быстрее и убедительнее, используя ходы, которых раньше никто не видел, что одновременно и завораживает, и
[02:55] before, which is both fascinating and terrifying.