Революция ИИ: от экспертных систем к большим языковым моделям

Три зимы и три весны ИИ

История ИИ — история чередующихся периодов оптимизма и разочарования. Первый оптимизм (1950-е–60-е): Маккарти, Минский, Симон обещали создать думающие машины за 20 лет. «Зима ИИ» 1970-х: сложность задач оказалась недооцененной. Второй оптимизм (1980-е): экспертные системы. Вторая зима (конец 1980-х): экспертные системы слишком дороги и хрупки.

Третий оптимизм — нынешний — основан на трёх факторах: большие данные, вычислительная мощь (GPU), глубокое обучение. Нейронные сети, вдохновлённые мозгом, заброшенные в 1960-х, возродились в 2010-х с потрясающими результатами.

AlphaGo (2016) победил чемпиона мира в Го — игре, считавшейся недостижимой для машин. GPT-3 (2020) генерировал текст, неотличимый от человеческого. GPT-4 (2023) сдал медицинский, юридический, MВА экзамены. Это качественный скачок.

Большие языковые модели: что это?

LLM (Large Language Models) — нейронные сети, обученные на триллионах слов текста предсказывать следующий токен. Это не «понимание» в философском смысле — это статистическая компрессия огромного корпуса человеческого знания.

Что они могут: переводить, резюмировать, генерировать код, отвечать на вопросы, вести диалог, писать эссе. Что они не могут: надёжно отличать факт от выдумки («галлюцинации»), долгосрочное планирование, физическое взаимодействие с миром, подлинное понимание.

«Трансформерная» архитектура (Attention is All You Need, Google, 2017) — технологическая основа GPT. «Механизм внимания» позволяет модели «обращать внимание» на разные части входного текста — это ключевое инновационное решение.

Вопрос для размышления: LLM «галлюцинируют» — уверенно сообщают неверное. Как ваша организация интегрирует ИИ-инструменты с сохранением критической проверки информации?