Вам не кажется: сегодняшний ИИ стал лучше, и на это есть причина
Мы наблюдаем тихую революцию: такие модели, как ChatGPT, Gemini и Claude, за последние месяцы стали значительно точнее и полезнее. Это результат сочетания человеческих знаний, интеграции внешних инструментов и механизмов самоконтроля, хотя системы по-прежнему далеки от совершенства.
Согласно отчету, опубликованному в минувшие выходные в «Уолл-стрит джорнал», системы искусственного интеллекта за последний год стали значительно надежнее и полезнее, несмотря на то что их технологическая база все еще страдает от известных ограничений, таких как «галлюцинации» и неточности. По словам экспертов, это улучшение обусловлено не одним крупным прорывом, а сочетанием нескольких ключевых изменений в подходе к разработке.
Отчет основывается, среди прочего, на утечке кода системы Claude от компании Anthropic, которая раскрыла часть методов, используемых за кулисами. Хотя код не позволяет воссоздать систему, он дал возможность заглянуть в то, как ведущие компании, такие как OpenAI, Google и другие, превратили свои модели в более практичные инструменты для повседневной работы.
Одной из главных причин улучшения стало расширение знаний и способности моделей обновляться. В прошлом языковые модели обучались в основном на базе существующей информации из сети — книг, сайтов и публичного контента. Сегодня компании платят экспертам в различных областях за создание высококачественного и особо точного контента для обучения ИИ.
Как человеческие знания меняют ИИ?
Тысячи экспертов в таких областях, как медицина, финансы и технологии, участвуют сегодня в процессе обучения больших моделей. Они пишут сложные ответы, проверяют результаты и помогают оттачивать точность систем. Этот процесс позволяет моделям лучше справляться со сложными вопросами и сокращать количество ошибок.
Кроме того, современные системы ИИ не полагаются только на свои внутренние знания. Они умеют «искать» актуальную информацию с помощью поисковых систем, таких как Google, и интегрировать обновленные данные в режиме реального времени. Согласно опубликованным данным, современные модели демонстрируют снижение фактических ошибок на десятки процентов по сравнению с предыдущими версиями.
Тем не менее компании все еще пытаются справиться с центральной проблемой: склонностью моделей «выдумывать» ответы, когда у них нет информации. Одно из решений заключается в том, чтобы заставить систему признавать свои ограничения и заявлять, когда она не уверена.
Не только «угадывать»
Еще одно улучшение связано со способностью систем ИИ использовать внешние инструменты. В прошлом модели пытались «угадывать» ответы даже в таких областях, как математика или программирование. Сегодня они умеют запускать вычислительные программы, писать код или использовать внешние компьютеры для достижения точного результата.
Исследователи отмечают, что речь идет о сочетании двух миров: с одной стороны — вероятностные модели, с другой — точные вычислительные системы. Таким образом, вместо того чтобы полагаться только на прогнозирование слов, системы используют более жесткие и надежные инструменты. Кроме того, утекший код раскрыл, что продвинутые системы включают механизмы памяти для управления диалогом, а также способны распознавать состояния фрустрации пользователя — например, через идентификацию оскорбительной лексики.
Одним из наиболее значимых событий стала способность систем ИИ проверять самих себя. Вместо того чтобы давать мгновенный ответ, система выполняет внутренний процесс «размышления»: разложение проблемы на этапы и повторную проверку результата. В некоторых случаях используется несколько моделей одновременно.
Одна модель генерирует ответ, а другая его проверяет. Только если между системами есть согласие, результат считается надежным. Этот подход, который иногда называют «советом моделей», ведет к сокращению ошибок и улучшению качества результатов.
Несмотря на прогресс, эксперты подчеркивают, что речь не идет об искусственном интеллекте, который мыслит как человек. Улучшение происходит за счет умного сочетания знаний, инструментов и существующих технологий, а не за счет глубокого понимания или истинного сознания. В конечном счете системы ИИ даже сегодня не идеальны, но они уже достаточно хороши для выполнения реальных задач — это результат сложной инженерной работы, объединяющей преимущества людей и передовые вычислительные возможности.
