Эссе о разработке игр, мышлении и книгах

Заметки об ИИ в 2024: Генеративная база знаний en ru

Продолжаю заметки об ИИ на конец 2024 года.

Сегодня хочу поговорить о подрывной технологии, на которой стоят современные достижения в области ИИ. Или о концепции, или о мета-технологии — как вам будет удобнее.

Скорее всего вы не встречали в интернетах описанную далее логику (за исключением введения про подрывные технологии) — у технарей и математиков может слегка подгореть из-за упрощения и срезания углов. Но это та призма, через которую я смотрю на отрасль, сужу о возможном и маловозможном в ней и так далее. Мой блог — мои правила — мои термины :-D

В общем имейте в виду — это мой личный взгляд, не общепринятый.

Подрывные технологии

Этот термин довольно известен, например, про него есть статья на википедии. Во многом про них же пишет Тима О’Рейли в книге WTF?, обзор которой я уже делал.

Поэтому много расписывать про эту концепцию не буду.

Утрируя, подрывная технология меняет правила игры на рынке, а не даёт преимущества в рамках установившихся правил. Соответственно, появление подрывной технологии создаёт новые рынки и убивает старые. Хорошим примером подрывной технологии будет цифровая фотография, «убившая» Kodak и плёночный масс-маркет.

Выделять технологии, благодаря которым ИИ подрывает всё вокруг можно по-разному.

Например, можно сказать, что их несколько: эмбединги (на самом деле были давно), глубокое обучение нейронок (тоже было давно), сами нейронки (были уже в 50-ых), большие вычислительные на кластера, новые архитектуры нейронок (выберите свою любимую), LLM чаты, etc.

Или, можно сказать, что ИИ и есть подрывная технология. Но это слишком абстрактно — никто не может сказать, что такое ИИ, что конкретно оно может и как конкретно его можно применять.

Я, следуя мнению Тима О’Рейли, считаю, что подрывные технологии не атомарны. Наоборот, подрывная технология появляется как удачная комбинация нескольких уже известных атомарных технологий и концепций, которые совместно демонстрируют сильные эмерджентные свойства. Со временем эти свойства выделяются в отдельную концепцию, которая может менять технологии под собой.

Например, не так важно как именно делаются цифровые фотографии, как важны лёгкость их редактирования и передачи. Или не так важно каким образом определяется положение водителей в Uber, как возможность управлять заказами на основе их положения в реальном времени.

Когда появляется подрывная подобная технология, она не сразу становится заметна. Можно сказать, человечество не сразу её осознаёт как целостную концепцию. На мой взгляд осознание происходит постфактум и все говорят «да, это же очевидно, я всегда это говорил».

Для инженеров первые версии технологии будут просто интересным сочетанием боянных штук. Инженеры либо пропустят цельную картину либо выделяет какой-нибудь частный случай. Как пример такого специфичного термина я бы привёл Large Language Models — пары лет не прошло как потребовалось расширять концепцию на мультимодальность.

Для бизнеса, и маркетологов в частности, важнее воспользоваться преимуществом и продать побыстрее, чем разбираться на чём основан их продукт. Примером такого подхода я бы назвал термин «Исуственный Интеллект», из которого за последние 50 лет стабильно вылазят разного уровня технологии, как только становятся достаточно взрослыми, чтобы видеть их границы: экспертные системы, распознавание изображений, логическое программирование, etc.

Хочешь чтобы было сделано хорошо — сделай это сам, поэтому я взял на себя смелость придумать хороший термин под новую технологию.

Generative Knowledge Base

На мой взгляд, подрывная технология — это новый тип баз данных, основаный на статистике и хранящий семантику вместо реальных целостных данных.

Я пообщался с ChatGPT, чтобы придумать крутое название для этой технологии и сеть предложила Generative Knowledge BaseGKB. На мой взгляд суть ухвачена довольно чётко, поэтому далее буду придерживаться этого термина, а для краткости буду использовать эту аббревиатуру.

GKB обладает следующими свойствами:

  • Хранение информации с потерями — хранит статистический образ информации, а не саму информацию.
  • Автоматическое выявление и хранение семантических связей между частями информации.
  • Извлечение информации как вероятностного дополнения запроса. Не обязательно самого вероятного, но обычно «достаточно вероятного». В случае чатов это буквальное продолжение диалога. В случае каких-нибудь графических трансфоормеров и прочих штук — нужно немного копнуть, но суть остаётся та же. Например, перенос стиля изображения — это дополнение оригинального изображения стилем другого. То есть я говорю скорее не о прогматическом дополнении, а о семантическом.
  • Возможность корректировки вероятности формы ответа. Самый простой пример — чаты. Дообучая LLM на примерах диалогов, мы получаем базу данных, которая отвечает продолжением диалога, но ничто не мешает добучить ту же LLM продолжать монолог, дополнять запрос его переводом на другой язык и так далее. Это свойство под вопросом, в следующем разделе я ещё останавлюсь на наём.

Cвойства GKB vs свойства её реализаций

Важно разделять свойства GKB и свойства её конкретных реализаций.

Для примера давайте посмотрим на технологию классических реляционных баз данных. Они написаны на разных языках, дают разные гарантии сохранности данных, конкурентности, по-разному соотносятся с CAP-теоремой, имеют разные профили производительности и так далее. Но концептуально обладают общими базовыми свойствами: реляционной алгеброй, транзакциями, представлением в виде отдельных сервисов, etc. Именно на этих свойствах, а не на особенностях их реализации, сейчас и стоит большая часть нашего IT мира.

Атомарные технологии под GKB сейчас вполне конкретные (нейронки, специализированные видеокарты), но концептуально технология могла бы быть построена и на других составляющих. Например, на голосовании 100500 человек, или на генетическом программировании поверх квантовых компьютеров. Просто так эволюционно сложилось, что в нашем конкретном случае эту базу собрали на нейронках. Эти альтернативные реализации имели бы другие наборы второстепенных преимуществ и недостатков, но для их успеха как подрывной технологии потребовался бы тот же набор базовых свойств.

Поэтому я постарался разделить базовые свойства GKB (описны выше) и свойства специфичные для текущих реализаций. Вот некоторые из последних.

Текстовые интерфейсы (LLM). Наблюдая за текущими трендами, можно подумать что LLM победили и скоро всё будет большими языковыми моделями с мультимодальностью. Я так не считаю. GKB концептуально не ограничены текстом — запросы можно строить на информации любой формы. Просто текстовый интерфейс самый удобный для нашей цивилизации (на текущий момент), так как мы цивилизация текстов. Если вдруг у нас появятся массовые мозговые импланты, может оказаться, что более удобный интерфейс — образный. А если бы эту технологию придумали какие-нибудь глубоководные светящиеся кальмары, то у них основным режимом общения мог бы быть визуальный.

Сжатие информации в векторную форму (эмбеддинги). На мой взгляд это типичная особенность реализации. Беспорно удобная и полезна, но нет гарантии, что эмбединги останутся в явном виде — может появиться альтернативное железо на каких-нибудть полях или квантовой запутанности в котором нельзя будет снять данные с промежуточных слоёв без разрушения целостности базы.

Добавление/модификация информации через обучение с градиентным спуском — также артефакт текущей реализации. Альтернативой мог бы стать, например, какой-нибудь эволюционный отбор. Правда я не возьмусь утверждать, что у нас есть реальная альтернатива (хотя эволюционный отбор мне симпатичнее на порядок). Возможно, градиентный спуск — это действительно самый оптимальый способ оптимизации моделей. Но это всё ещё деталь реализации, мы можем добавлять информацию и другими способами, просто они будут очень неэффективными.

Возможность корректировки вероятности формы ответа. Это свойство я записал и в базовые и в дополнительные свойства, так как до конца не уверен насколько оно зависит от особенностей иплементации. Очевидно, что на текущий момент это чистое следствие использование нейронных сетей как базы для GKB, но пропадёт ли оно или останется, если мы перейдём на другие технологии, например, на эволюционные алгоритмы?

Смотрим на движуху вокруг ИИ через призму GKB

Если мы приглядимся ко всем прикладным продуктом, за которыми стоит современный ИИ, то увидим, что какие-бы сети они не использовали, концепция взаимодействия продукта с ними одна и та же:

  • У нас есть база знаний человечества в какой-то области какого-то качества.
  • Мы можем отправить что-то в неё и получить вероятностное дополнение запроса.
  • Дополнение может быть неправильным, поэтому мы его проверяем, дублируем запросы, ранжируем ответы и занимаемся всеми возможными штуками, которые позволяют обходить проблемы вероятностных ответов.
  • Всё это сверху и снизу обёрнуто классическими программными компонентами, которые конвертируют данные в/из GKB, проверяют их, применяют к чему-то и так далее.

На текущий момент я не слышал о каком-либо концептуально другом подходе к использованию нейронок. Даже на детекцию объектов (нейронками) можно смотреть как на генерацию статистического дополнения к картинке.

Соответственно:

  • Если кто-то работает над улучшением базовых свойств GKB — к этому следует присмотреться — есть перспектива и вероятность успеха.
  • Если кто-то работает над добавлением в нейронки свойств не специфичных для GKB — либо это rocket science, либо провальное мероприятие. Подобный rocket science в большинстве случаев тоже закончится провалом. Например, если кто-то хочет добиться 100% корректных ответов, то это наш случай.
  • Если кто-то пытается использовать нейронки как GKB — скорее всего люди понимают что делают и у них есть шанс на успех.
  • Если кто-то пытается использовать нейронки не как GKB, например создать сильный ИИ или «автономного работника» только на нейронках, без обвеса (например, масштабируя нейронку и данные) — скорее всего люди не понимают что делают и у них ничего не получится. Или они осмысленно лгут.

На всякий случай отмечу, что Copilot и прочие ассистенты подпадают под третий пункт, а не под четвёртый. По сути — они база знаний, обёрнутая традиционным софтом, который и делает ассистентов удобными и полезными. Copilot — не автономный работник, а инструмент для программиста. Это причина, почему некоторые люди не могут извлечь пользы от асистентов — они пытаются взаимодействовать с ними как с людьми, а не как с вероятностной базой знаний.

GKB и сильный искусственный интеллект

Если кратко, то человек — далеко не только база знаний, но и набор логики поверх неё. Огромный набор логики, как постепенно выясняется.

Соответственно, рассчитывать на то, что какая-нибудь GPT-10 обретёт сознание не стоит. Во всяком случае, для этого потребуется сильная архитектурная надстройка над GPT и я бы в таком случае использовал новое название :-D

Generative Knowledge Base может быть важным куском/модулем для создания сильного ИИ, но всего лишь одним из множества.

Часть из этого множества у нас может быть уже под рукой: разного рода математика и логика, исчисление предикатов, логическое/символьное/функциональное/императивное программирование, традиционные базы данных, семантические сети, тысячи написанных утилит, etc.

Но мы пока не знаем каких ещё модулей не хватает и, тем более, как их объединить в целое. Поэтому до сильного ИИ ещё может пройти довольно много времени.

А вот до его «маркетинговых симулякров» может быть не так далеко.

Возможно одну из будущих заметок я посвящу сильному ИИ и его не очень сильным аналогам.