Прежде всего — вопросами прикладного применения искусственного интеллекта (далее — ИИ) в креативных индустриях. Поскольку у нас работает много людей с очень высоким уровнем экспертизы в области дизайна, иллюстрации и так далее, ИИ можно применять для рабочих процессов — если есть запрос их усовершенствовать. Очевидно, что такое применение ломает производственные цепочки: раньше какие-то процессы занимали очень много времени, теперь — радикально меньше. Скажем, объём иллюстраций, который делался в течение года, с помощью ИИ создаётся за несколько минут. В конечном итоге, всё в этой связи сильно меняется, не только непосредственное производство контента, но и его экономическая, бизнес-составляющая. Кому-то надо этим заниматься — вот мы и занимаемся.

Не совсем. Нейросеть — это технология, созданная на базе математической формулы, причём достаточно старой. Как только появились необходимые вычислительные мощности, появилась и возможность эту технологию реализовать. До этого тоже можно было, но очень долго и потому бессмысленно. Что же касается искусственного интеллекта, то, в принципе, сам этот термин — немного журналистский. Всякий раз актуальную технологию норовят обозвать «искусственным интеллектом».

От искусственного интеллекта, каким его описывала научная фантастика, мы ещё очень далеки. Если говорить об устройстве, имитирующем работу нейронов в человеческом мозге — да, нейросеть работает сходным образом. Но по объёму операций мы пока и близко не подошли к мозгу, хотя механизм его работы очевиден. А если размышлять в спекулятивном контексте — создали мы искусственный разум или нет? — то это вопрос веры: можно верить и в то, что создали, и в то, что не создали. И оба ответа будут верными.

С точки зрения биологии — ничего не создали, а что до остального… Почему человека пугает ChatGPT? Потому что у нас, как у популяции, есть некий опыт общения с другими людьми в чате. И когда ты общаешься в чате с машиной, не чувствуя особой разницы, то, по сути, сам решаешь, живое оно или неживое. В этом вся хитрость. Тот, кто более впечатлителен и более склонен к, скажем так, мистическому мышлению, может расценить поведение ИИ в чате как проявление чего-то живого. Потому что оно похоже на что-то живое.

Они недостаточно умные. Колонки, а не люди. В свое время и эппловскую Siri называли ИИ… На современном уровне это вообще ерунда, та же «Алиса» намного продвинутее. Но тут дело в том, что они пока еще не настолько очеловечены, чтобы это пугало. То есть на уровне устного общения мы подсознательно чувствуем разницу, понимаем, что это машина, и нам от этого спокойнее. Те, кто занимается разработкой голосовых чатов, специально делают так, чтобы это отличалось от живого человека. А на уровне текста разницу почувствовать не получается! Нет интонационных моментов, пауз… И мы не видим разницы между человеком и машиной. Это и пугает.

При этом физически мы имеем дело всего лишь с неким комплексом программного обеспечения, работающим на определённой вычислительной мощности. Это просто программный код, который делает что-либо. Если говорить про технологию GPT, на которой построено большинство актуальных чатов, то это очень старая технология; она использовалась ещё для мобильной связи — помните систему набора текста T9? У неё на уровне концепции очень простой алгоритм (хотя на уровне реализации непростой): на вход даётся несколько символов, и чат пытается предсказать, какой символ должен идти дальше. Это проще всего понять на человеке: если мы услышим начало фразы «Пейте, дети, молоко», то на автомате додумаем: «будете здоровы». Чтобы получить это окончание фразы, нам потребовался «раздражитель» в виде начала фразы на входе и набор знаний и опыта. Если человек не знал фразу целиком, то он придумает какое-то другое продолжение.

Вот и технология GPT работает схожим образом. Исходя из этого, можно объяснить и то, почему GPT может говорить неправду: потому что он создан, чтобы продолжать текст. В формате диалога, к примеру…

История в другом. Эта технология создана, чтобы отвечать на вопросы в любом случае. И если готового ответа нет, система впадает в своего рода панику, ведь она обязана ответить, это её основная цель. Дальше — вопрос подстройки.

А по поводу морали, этики и прочего — по умолчанию, конечно, ничего этого нет. Но производитель софта обычно его достраивает, чтобы это хотя бы выглядело как-то прилично: если нейросеть начнёт к экстремизму призывать, акции компании-разработчика резко подешевеют. Но вот Stable Diffusion — софт с открытым кодом, который можно редактировать; блок, отвечающий за цензуру, легко отключить, и тогда от ИИ можно ждать чего угодно.

Впрочем, многое уже происходит. Дипфейки, к которым мы привыкли — это тоже нейросетевая история. Сейчас можно воспроизводить голос по трём секундам записи: хочешь — песни петь будут твоим голосом, хочешь — любые речевые фрагменты записывать. И эти подделки непонятно как обнаружить: уровень качества такой, что мы не можем ни машинно, ни на уровне слуха определить, создано это нейросетью или человеком. Вот тут возникает вопрос: как всё это регулировать? Многие программы работают с открытым исходным кодом, любой может их установить, настроить, как нужно, создать контент… Тут вопрос не столько технологический, сколько, наверное, социальный, в плане договорённости людей: как они будут это воспринимать, как будут с этим работать? Как будет работать в этих условиях институт репутации, например? Что делать, если любой компромат в теории может быть создан на коленке школьником в его мобильном телефоне?

Да, технологии сегодня позволяют пиратить авторский стиль изображений, фотографий, текста, чего угодно. Мы можем обучить машину на образцах и создавать контент, который будет стилистически похож на них. Текст, сгенерированный в духе Толстого или Пушкина, получается очень похожим; человек, не знающий всего корпуса произведений того или иного автора, но знакомый с его творчеством, может с лёгкостью принят такой текст за чистую монету. Это реальность. И придумывание чего-то нового тоже отходит на второй план, потому что мы можем создавать уникальные вещи, смешивая в разных пропорциях разные стилистики, жанры, направления.

Ключевой момент в том, что процесс создания контента в случае ИИ очень прозрачен. Когда человек ходит по арт-галереям, смотрит на картины, и потом рисует своё — будут видны какие-то признаки влияний того или иного художника. Но мы всё-таки не можем это точно отследить: видел он некий источник, не видел… С машиной же мы всё понимаем чётко: сколько и каких картинок ей дали и какой результат получился на выходе.

У меня какое-то время назад было любимое развлечение: генерировать изображения в стиле художника-комиксиста Майка Миньолы. У него есть ученик-последователь Гэбриел Ба, они вместе работали. И когда мы просили нейросеть сгенерировать изображение в стиле Майка Миньолы, получалось изображение в стиле Гэбриела Ба! Процесс стал прозрачным, но как его документировать, неясно. Недавно был анонсирован софт Dall-E 3, и разработчики объявили, что убирают возможность генерации изображений в стилистике ныне живущих художников. Также не будет возможности генерации портретов живых людей. Исторических персонажей — можно, живущих ныне — нельзя.

Реальность поменялась, новые технологии, как правило, редко откатываются назад, и надо, чтобы студенты могли с этим спокойно работать. С Нового года в Школе запустится специальный курс от нашего юнита, плюс кое-что мы внедряем в существующие общевышкинские учебные программы. Не все студенты — и преподаватели — готовы к этому, но это нормально. У тех, кто занимается, к примеру, дизайном, теперь есть инструмент, который даёт им возможность, ни с кем не взаимодействуя, довольно быстро создать нужное количество иллюстраций, и это сильно облегчает работу.

В принципе, да. Причём если смотреть с точки зрения креативного производственного процесса, то впервые в истории появился инструмент, влияющий на производство на этапе придумывания. До этого у нас весь прогресс шёл в области финальной реализации, автоматизации: ткацкий станок, к примеру, возник, чтобы ткань производить быстрее. А теперь появилась возможность быстрее придумывать гораздо большее количество вариантов идеи. До этого мы были ограничены способностями нашего мозга, а они в рамках популяции плюс-минус одинаковы. И если раньше на процесс придумывания тратилось человеческое время, то теперь с помощью машины мы можем аутсорсить и ускорять этот процесс. Получается, что на самом первом этапе придумывания решения проблемы произошел невероятный, очень мощный скачок вперёд. И мы пока не знаем, к чему это приведёт.