Развитие прогресса приближает те времена, когда искусственный интеллект сможет писать картины, генерировать сценарии для голливудских фильмов. Пока что все эти действия ИИ проводит только по указанию человека. И вряд ли искусственный разум сможет вытеснить человека из сферы творчества в ближайшее время.
ИИ пока далек от человеческого интеллекта, однако попытки приблизить технологии к творческим возможностям людей не прекращаются. Для этого развиваются технологии генеративного ИИ (Generative Artificial Intelligence). Исследователи не теряют надежды обучить ИИ творческим способностям, ведь в работе писателя, художника или аниматора рутины хватает.
Под генеративным ИИ, согласно Gartner, понимается метод машинного обучения, при котором нейросеть изучает массив данных (фотографии, видео или текст) и на основе анализа создает собственный контент. Аналитики Gartner называют генеративный ИИ в числе стратегических технологических трендов 2022 года. К 2025 году Gartner ожидает, что на генеративный ИИ будет приходиться 10% всех производимых данных, тогда как сегодня его доля не превышает 1%.
Пожалуй, впервые масштабная генерация текста стала доступна в 90-х годах. Речь идет о подсказках при наборе СМС на клавиатуре телефона. Однако применение искусственного интеллекта в процессе генерации текста началась сравнительно недавно.
В 2018 году американская компания OpenAI создала первый алгоритм обработки естественного языка GPT (Generative Pre-trained Transformer). Алгоритм работает по принципу автодополнения: вы вводите начало текста, а программа генерирует наиболее вероятное его продолжение.
По словам профессора Santa Fe Institute, главы AI-подразделения Google Маргарет Митчелл, развитие генеративного ИИ стало возможным благодаря новым технологиям. «Особенно в этом процессе помогает использование суперкомпьютеров и огромных объемов данных. С помощью Интернета ИИ имеет доступ к огромному количеству созданных человеком текста и изображений», – сказала она.
В настоящее время доступно третье поколение GPT. В отличие от GPT-2 количество используемых параметров увеличилось более чем в 100 раз: с 1,5 до 175 млрд. Обучение модели происходило на суперкомпьютере Microsoft Azure AI. По состоянию на сентябрь 2020 года GPT-3 была самой крупной и продвинутой языковой моделью в мире. Правда, ориентирована она на решение задач на английском языке.
Однако русский язык более сложен с точки зрения структуры. Первое качественное и масштабное решение для генерации текста на русском языке представил «Сбер» на AI Journey – 2020. Речь идет о русскоязычной нейросети ruGPT-3. ruGPT-3 (Generative Pre-trained Transformer) может создавать очень сложные, осмысленные тексты по одному запросу на «человеческом» языке. Среди возможностей RuGPT-3 – создание текстов любой направленности: от новостей до пародий, от технической документации до романов. RuGPT-3 умеет исправлять грамматические ошибки, поддерживать диалог и писать программный код.
В 2020 году на момент
премьеры количество ее параметров достигало 760 млрд. В январе 2022 года была
представлена обновленная версия решения с 1,3 млрд параметрами.
«Этот количественный рост означает качественное улучшение «интеллекта» системы, ее способности решать новые задачи на уровне, сопоставимом с человеческим, или выше его. Но вычислительные мощности нашего суперкомпьютера «Кристофари» позволяют нам ставить еще более амбициозные цели, так что 1,3 млрд параметров – это только начало».
В 2021 году компания «Яндекс» представила в России сервис «Балабоба», в основе которого – нейросеть семейства YaLM. «Балабоба» умеет генерировать тексты на любую тему и в разных форматах.
Как рассказали CDO2DAY в «Яндексе», совсем недавно в открытом доступе опубликована самая большая (по крайней мере, на тот момент) двуязычная языковая модель YaLM 100B. Чуть позже ее облегченную версию применили для двуязычной версии «Балабобы».
«Многие новые продукты в мире создаются с различным использованием нейросетей, эта область активно развивается. Их разработка — довольно дорогое в плане необходимых ресурсов удовольствие, поэтому практически всегда их создают и с практической пользой, для использования непосредственно в продукте. Практических применений таких нейросетей уже сейчас масса. С их помощью можно автоматизировать работу человека, а некоторые задачи даже делать лучше. В целом, речь идет обо всех задачах, входящих в пул обработки естественного языка. Примеры задач: генерация рекламных текстов (баннеров, SMM, e-mail рассылок и пушей), голосовые ассистенты и чат-боты, SEO-оптимизация на различных площадках, помощь в сфере продаж и многое другое. В Яндексе мы развиваем и активно применяем в продукте YaLM — семейство языковых моделей. YaLM используется, например, в Алисе (с помощью генеративных нейросетей Алиса лучше поддерживает беседу), генерируют карточки быстрых ответов в Поиске и помогают тематической сортировке в Кью. Совсем недавно мы выложили в открытый доступ самую большую (по крайней мере, на тот момент) двуязычную языковую модель YaLM 100B, а чуть позже — применили ее облегченную версию для двуязычной версии Балабобы. Мы постоянно работаем над обучением наших моделей».
Текст, благодаря развитию ИИ, стал базой для создания другого медиаконтента. По заданным словосочетаниям создаются картины. И глобальные лидеры в сфере генерации изображений – нейросети Midjourney и DALL-E. Midjourney создавалась в независимой лаборатории. Открытое бета-тестирование нейросети началось в июле 2022 года. Уже сейчас Midjourney, помимо отличных результатов по генерации изображений, активно продвигается в качестве инструмента для программной разработки и экспериментов.
Нейронная сеть DALL-E создана благодаря инвестициям Microsoft, превышающими $1 млрд. Разработка длилась два года. Первая версия нейросети была доступна в январе 2021 года. Уже в апреле 2022 года состоялся анонс DALL-E-2. В конце сентября разработчики открыли доступ к нейросети без приглашений, но не во всех странах. Для генерации изображений пользователь может зарегистрироваться по номеру мобильного телефона и затем использовать ИИ для создания изображений.
Нейросеть обучается благодаря доступу в Интернет и используется для генерации картин дизайнерами, издателями и разработчиками ПО. Изображения, созданные второй версией DALL-E, даже были на обложке Cosmopolitan.
В России также создают аналогичные решения. Например, летом 2022 года «Cбер» представил модель генерации изображений Kandinsky. Это улучшенная версия мультимодальной нейросети ruDALL-E. Нейросети для создания изображения нужен текст на русском языке. Создание картинки происходит в три этапа. Сначала Kandinsky генерирует подходящие изображения, затем модель ruCLIP Large выбирает самые удачные, а после еще одна модель – Real-ESRGAN – увеличивает разрешение результата.
«Это самая большая на данный момент модель генерации изображений по текстовому описанию на русском языке, продолжение нейросетевого вычислительного проекта прошлого года ruDALL-E. Команды Sber AI и SberDevices смогли существенно улучшить качество работы базовой модели, дообучив ее на 179 млн изображений, снабженных текстовыми описаниями».
На основе текста нейросети научились генерировать и видео. Это сравнительно молодое направление. Например, в Китае в 2022 году была представлена нейросеть CogVideo. Для создания видео нужны лишь текстовые подсказки. Принцип ее работы схож с тем, что применяется в DALL-E-2. Нейросеть создает картинки, только с динамикой развития, достигая 32 кадров в секунду. Пока ИИ работает по сравнительно простым запросам: «лев, пьющий воду», «женщина верхом на лошади в море», «мужчина ест пиццу» и т. д.
Похожий проект по генерации видео развивает компания NVIDIA. Здесь, помимо текстового синопсиса, нужны контуры объектов. В результате нейросеть NVIDIA создает ультрареалистичное изображение, которое трудно отличить от съемок реального мира камерой.
Сделать видео можно и просто по картинке. Так, в августе 2022 года Google представил нейросеть Transframer для генерации коротких видео по единственному изображению. ИИ изучает картинку, определяет ключевые сегменты, на основе которых будут создаваться дополнительные визуальные формы.
В конце сентября команда инженеров по машинному обучению
Meta* представила систему Make-A-Video. Решение создает короткие видео по текстовому описанию. Кроме того, пользователи могут генерировать видео из статичных картинок. Make-A-Video дополняет другой инструмент Meta – генератор статичных изображений Make-A-Scene.
Видео создается в узнаваемом стиле, характерном для искусственного интеллекта – с размытыми очертаниями в стиле живописи.
Будущее генерации текста во многом зависит от инвестиций со стороны крупных компаний, считают ученые. Все существующие решения – это примеры использования генерации текстов в качестве дополнительного инструмента к навыкам человека. ИИ может помочь авторам контента в исследовании ключевых слов или, например, в выявлении тенденций, улучшении навыков письма.
Современные решения для генерации изображений получили качественный рывок буквально в этом году, отмечает Tech Lead of Flutter Development в Holland&Barrett Михаил Альфа. Он считает, что решения могут забрать часть рынка у дизайнеров самого низкого ценового диапазона. «Это крайне маленькая часть рынка, и глобально развитие ИИ в настоящее время существенного влияния не имеет», – отметил он.
Главный художник madhansart.сom Мадхан Кумар считает, что в далекой перспективе ИИ может серьезно повлиять на область изобразительного искусства. Он полагает, что ИИ может ускорить процесс написания картин. Это приведет к созданию еще большего количества предметов искусства. Мадхан Кумар спрогнозировал и появление автономных художников, которые полностью полагаются на ИИ в своем творчестве.
Но генерация текстов и картин с помощью ИИ пока что не стала прибыльным мероприятием. Монетизировать удается только создание видео. Во многом это заслуга голливудских студий и распространителей видеоконтента. Для фильмов нейросети генерируют фантастические сцены и быстрее человека проводят лицевую генерацию.
Однако ИИ вообще никогда не может творить самостоятельно. Его все время придется направлять, корректировать, дорабатывать руками. Значит, по-настоящему искусственный интеллект эффективным будет лишь в решении условных «рутинно-творческих» задач. Ведь нейросети не обладают свободой волей и многими другими признаками естественного мышления.
Генеративный ИИ естественным образом трансформируется в сервисы, помогающие создавать языково-визуальные образы по весьма общим формулировкам целей.
«Это позволит существенно сократить предвзятости в результатах по сравнению с созданным людьми с их недостатками и ограничениями по производительности и эрудированности. Но стать самостоятельным генеративный ИИ не сможет из-за прямой зависимости работы ИИ от управления со стороны человека».
Человека из творческого процесса искусственному интеллекту вытеснить не удастся, заключают эксперты. Ведь только человек может мыслить творчески и разрабатывать идеи, которые ИИ реализовать с нуля не под силу.
* Деятельность Meta Platform (Facebook, Instagram) в России запрещена.
