Год нейросетей

С полной уверенностью можно сказать, что 2022-й был годом генеративных нейронных сетей. Они существовали и раньше, но теперь мы действительно увидели их потенциал, в том числе и буквально, – в виде различных изображений, созданных искусственным интеллектом. О возможностях нейросетей в реализации заказов на художественные полотна мы подробно рассказали в четвертом номере журнала. Обобщим, чего они еще достигли за прошедший год.

Теперь нейросети умеют не только делать статические изображения, но и короткие видеоролики. Компания Runway, например, занимающаяся разработкой софта для работы с видео и имеющая прямое отношение к нейронной сети Stable Diffusion для генерации картинок, показала кусочки видео, сгенерированные по описанию.

Успехи технологических гигантов

Google создал нейросеть, способную создавать 3D-модели по текстовому описанию на основе своей сети Imagen.

Конечно, не могла остаться в стороне и компания Apple. В недавно выложенной на Arxiv работе они описывают систему по имени GAUDI.

В отличие упомянутых ранее продуктов, GAUDI строит по описанию полновесную трехмерную сцену. Учитывая слухи о разработках компании в области AR/VR, то к будущим VR-очкам должен быть создан и необходимый софт для создания гигантского количества 3D-контента.

Microsoft планирует добавить DALL-E в свой пакет Office, таким образом картинки, сгенерированные нейросетями, скоро могут появиться в каждой PowerPoint-презентации.

А вот это действительно качественный скачок для продукта, который позволит практически каждому офисному сотруднику работать с передовыми инструментами и создавать для своих презентаций изображения на высоком художественном уровне.

В помощь креативным профессиям

Но не только технологические гиганты могут использовать такие инструменты. Сервис CALA, именующий себя The world's first fashion and Lifestyle operating system, добавил к своей платформе разработки модной одежды возможности DALL-E. Дизайнеры теперь также смогут создавать формы и текстуры одежды по описанию. Столь радикальные изменения не могли не вызвать появление современных луддитов.

Джейсон Аллен, художник, использующий нейросеть от Midjourney для создания своих произведений искусства, занял первое место на конкурсе изобразительного искусства ярмарки штата Колорадо. Свою картину он назвал "Театр пространственной оперы". Сам Аллен считает, что победил честно, поскольку текстовое описание задавал именно он. Мужчина несколько недель создавал запросы, чтобы в итоге получить желаемый результат.

К тому же свою работу Аллен редактировал в различных программах. Но остальных участников конкурса, впрочем и просто художников с разных концов света, это событие заставило насторожиться. Один из комментариев к событию звучит так: "Мы наблюдаем, как смерть изобразительного искусства разворачивается прямо на наших глазах: если творческие люди не защищены от машин, то даже высококвалифицированные рабочие места находятся под угрозой ненужности. Что же будет тогда?".

Нейросети показывают прекрасные результаты не только в области генерирования изображений. Компания Alphabet DeepMind создала инструмент ИИ Dramatron, который может помочь создавать основы сценариев фильмов и отдельных сцен, – так называемый инструмент "совместного написания", который может генерировать описания персонажей, сюжетные моменты, описания локаций и диалоги. Идея заключается в том, что сценаристы-люди смогут скомпилировать, отредактировать и переписать то, что придумает Dramatron, в правильный сценарий. Систему протестировали на реальных сценаристах, и они вынесли вердикт, что хороший сценарий целиком система не напишет, но подкинуть интересные идеи, касающиеся сюжета или персонажей, вполне способна, позволяя также быстро протестировать разные сюжетные линии. Так что, помимо дизайнеров и художников, стоит и сценаристам озаботиться будущим своей профессии.

Интересный метод генерации музыки придумали разработчики Сет Форсгрен и Хайк Мартирос на основе нейросети Stable Diffusion. Нейросеть генерирует спектрограммы новых песен как обычные картинки, на основе текстового описания, например "саксофонное соло в стиле джаз" или "праздничный лоу-фай бит". Треки, сгенерированные ИИ, могут зацикливаться и плавно сменять друг друга благодаря интерполяции и сглаживанию границ между спектрограммами.

Самый способный ученик

Самые впечатляющие новости пришли о создании чат бота ChatGPT, построенного на текстовой сети GPT3.5 компании OpenAI. Бот был представлен 1 декабря, но пользователи до сих пор не раскрыли всех возможностей сервиса. Сервис может давать экспертные оценки, помогать в отладке программного кода, создавать рационы питания и строить политические прогнозы.

Приведу особо интересный случай, когда бота попросили представить из себя операционную систему Linux и бот стал имитировать командную строку Linux – показывать структуру директорий, создавать файлы, компилировать программы на Python и выполнять их, делать имитацию системных команд ping и curl и многое другое.

ChatGPT серьезно встревожил американских учителей, потому что он справляется лучше большинства учеников с решением многих типичных школьных задач. Но особо впечатляющим оказался пример уже из вузовских заданий: профессор микробиологии составил тест из десяти задач, которые, как он рассчитывал, требуют как глубокого понимания предмета, так и способности уместно применять вычисления, даже когда явно вопроса про них нет. Оказалось, что ChatGPT прошел тест на 95%, сильно лучше среднего студента.
Можно резюмировать, что развитие подобных сервисов позволит создать настоящие экспертные системы, которые не просто хранят данные, а содержат именно знания в различных областях. Подобные продукты будут полноценными ассистентами и помощниками человека в различных предметных областях. Они обладают практически всеми знаниями человечества, представляя советы разном виде – от текста и изображений до видео или музыки.

Эксперт редакции журнала "Системы безопасности"