Мир глазами машины

Я художник, я так вижу

Нашумевшие портреты были созданы московским дизайнером Кириллом Соловьёвым с помощью весьма продвинутой нейросети Midjourney, генерирующей изображения на основе текстовых запросов. Пробным шаром стали шесть портретов, сейчас их уже более ста, и число постоянно растёт, так как автору проекта поступают тысячи запросов со всех уголков страны. Одни работы вызывают у пользователей полнейший восторг, другие — резкую критику. Так, Тамбов предстал в образе стильного полуоборотня, Екатеринбург — мускулистый кузнец, а Краснодар — толстый пьяница с бутылкой вина. Естественно, жителям этого города такой облик пришёлся не по душе. Норильск, кстати, нейросеть изобразила в образе мальчугана. Как пояснил автор, возраст персонажа во многом зависел от даты основания города, а окружение и внешний вид генерировались на основе исторических данных. Как бы там ни было, все работы отличаются невероятно продуманной детализацией, первоклассным стилем и атмосферностью. Сложно поверить, что их создавал ИИ. Тем не менее это в основном работа машины, однако потребовалось немало и человеческих усилий. Для того чтобы подстроить программу для получения картинок подобного рода, нужно обладать неплохими знаниями в области программирования и иметь чувство стиля. В общем, без человеческого вмешательства — правильной постановки задач, корректировки и «допиливания» полученного результата — нейросеть не сможет выдавать на–гора шедевр за шедевром.

В этом автор статьи убедился на практике — не удержался и поработал с той самой Midjourney. Идея была незамысловатой — сделать изображение герба Норильска в стиле World of Warcraft. Сами картинки получились весьма впечатляющими, но нейросеть категорически отказывалась помещать в лапы медведя гигантский ключ от города, заменяя его то оружием, то гаечным ключом, то ключом Соломона. А вот образ сурового норильского металлурга программа выдала сразу. В общем, чтобы грамотно пользоваться подобной нейросетью, придётся потратить немало времени на изучение всех тонкостей работы с программным обеспечением.

Вокруг нас

Большинство норильчан о нейросетях услышали не так уж давно и весьма смутно их себе представляют. А между тем этот элемент ИИ совершенно незаметно уже давно и плотно вошёл в нашу жизнь. Одни из них полезны, а другие, скорее, вредят. Например, за всплывающие ссылки контекстной рекламы отвечает нейросеть–шпион, анализирующая ваши индивидуальные запросы и подсовывающая рекламные баннеры, которые могут вас заинтересовать. Более крупная система в целом отслеживает запросы из конкретного региона или даже страны и поднимает в топ те новости, на которые вы точно обратите внимание. Впрочем, машины, способные анализировать, существуют не только в виртуальном пространстве. Некоторые из них давно прописались у вас дома. Например, умные колонки, роботы–пылесосы, холодильник с генеративной системой закупки продуктов и функцией анализа калорийности.

ИИ с машинным обучением действуют и в городской среде. Например, система «Паутина» норильского ГИБДД — это нейронная сеть, способная распознавать цвет, марку и номер машины, а заодно определять, совершает ли водитель правонарушение. А вскоре Норильск будет интегрирован и в другую глобальную сеть, отвечающую за контроль правонарушений, которая будет распознавать лица, анализировать поведение человека и определять, не опасен ли он для общества. Государево око за полярным кругом должно заработать на полную мощь к 2025 году.

Самым продвинутым пользователем электронных нейронных сетей в Норильске, безусловно, является «Норникель». На предприятиях тестируются и автоматические беспилотники для наблюдения за хвостохранилищами, и роботы маркшейдеры. Вовсю работают автоматические буровые с машинным зрением. А на большинстве рудников уже несколько лет существуют операционные центры, где специально обученная нейронная сеть–планировщик не только отслеживает ход работ на всех горизонтах в режиме реального времени, но и планирует новые. Так что ИИ незаметно становится неотъемлемой частью нашей жизни.

В основе всего

Нейросеть в машинном обучении — это математическая модель, которая работает по принципу нейронной сети живого организма, которая передаёт сигнал от мозга к другим органам и полностью регулирует жизнедеятельность. Но в отличие от неё компьютерная нейросеть учится решать только ту задачу, которую ей ставит человек. Например, умные голосовые помощники, такие как Алиса в Яндекс Станции, учатся отвечать на вопросы человека и поддерживать с ним разговор.

Области применения подобной системы весьма обширны — от беспилотных автомобилей и аналитических выкладок с предсказаниями до создания абстрактных картин и написания курсовых.

Основная идея в работе с нейросетью — заставить машину решать задачу, присущую человеку. При этом система опирается на те же принципы, что и человек. Например, если необходима функция распознавания лиц, то сеть должна иметь машинное зрение. ИИ будет проводить анализ и сличение внешних данных, как это бы делал человек (форма носа, размер глаз и т. д.).

Машинные нейронные сети, хоть и самообучаемы, изначально опираются на некий базовый опыт. И в первую очередь система способна решать задачи, которые уже кем–то были решены. Например, ИИ может изучить ситуацию на дороге и построить короткий маршрут из точки А в точку Б, но не сможет принять решение проехать через дворы, срезав парочку сложных перекрёстков, так как опирается именно на знания об автомобильных дорогах.

Главная проблема нейросети в том, что изначально она похожа на щенка и во многом её развитие зависит от того, какой опыт она получает. Вот похвалил ты собаку за то, что она нагадила на ковёр, и всё — будь готов постоянно убирать за ней. Так же и с ИИ — сказал плохое слово, и теперь система воспринимает это как норму. Поэтому с любой нейросетью работает целая команда экспертов, фильтруя её опыт. Особенно это касается тех сетей, которые обучаются за счёт массового пользователя. Наибольшей популярностью пользуются нейронные сети, генерирующие изображения, в результате чего на данный момент они развиваются семимильными шагами. Если раньше они были способны только на довольно простенькие трюки, типа автоматического наложения пары–тройки фильтров на существующее изображение или весьма относительную стилизацию фотографии под картину, написанную маслом, то теперь встречаются по–настоящему мощные программы, способные генерировать полноценные произведения искусства высочайшего качества. Система запоминает, какого типа генерация по заданным тегам больше всего понравилась пользователю, и использует её чаще.

Вкалывают роботы

В прошлом году многие преподаватели столкнулись с неожиданной проблемой — продуманные студенты стали перепоручать написание своих курсовых и даже дипломных работ специальной нейросети, генерирующей тексты. Сначала это вызвало серьёзное беспокойство, но потом педагоги поостыли. Оказалось, что на данный момент без активного вмешательства человека и последующей кропотливой редакции ИИ может написать материал максимум на три с минусом. Так что существенно облегчить жизнь студента система неспособна, она только упростит написание. А чтобы довести полученный результат до ума, всё равно придётся покорпеть над выданным текстом. Не исключено, что сил и времени будет затрачено даже больше, чем при самостоятельном написании работы. Кроме того, сейчас рассматривается вопрос о том, чтобы бить обманщиков их же оружием, а именно натравить на любителей делегировать свои обязанности высоким технологиям специальную нейросеть, которая способна определить, что текст написан машиной.

Классификация нейронных сетей обусловлена задачами, с которыми они работают:

– многослойные нейронные сети, или перцептроны, обрабатывают числовые данные;

– свёрточные — работают с изображениями;

– рекуррентные — собирают и обрабатывают информацию, которая меняется с течением времени;

– генеративные — создают контент: тексты, изображения.