Transcription
Друзья, всем привет. Меня зовут Кирилл Пшиник, и на свой подкаст я приглашаю интересных людей, с которыми обсуждаю мир нейросетей, мир бизнеса, экономики, то, как нейросети влияют вообще на всё человечество. Сегодня у меня в гостях очень интересный спикер. Сергей, привет.
Скажи, пожалуйста, вот сейчас очень часто всплывает слово трансформер. А звучит как что-то из фильмов, которые я смотрел, и очень любил. А можешь, пожалуйста, рассказать, в чём отличие между AI, email, а, GPT, собственно, как раз трансформер, а, и вообще, что такое, а, вот, отличие между нейросетями и искусственным интеллектом?
>> Сейчас попробуем разобраться во всём этом. Значит, искусственный интеллект - это область науки и технологии, которая занимается автоматизацией решения интеллектуальных задач. То есть вот если есть какие-то задачи, которые люди решают при помощи своего человеческого интеллекта, а мы создаём систему, которая способна человеку помочь задачу такого рода решать, это и будет система искусственного интеллекта.
Неросеть - это конкретные конкретная математическая модель, которая была создана под впечатлением от мозга человека и живых существ, от нейросетей биологических. Вот первую искусственную нейросеть принято ээ считать, что она появилась в 1943 году, когда Макалок и Питс предложили первую модель искусственного нейрона.
>> Это, кстати, же было ещё раньше, чем даже персональные компьютеры появились, да?
>> Ой, сильно раньше, чем появились персональные компьютеры. Вот. И более того, ээ ну это, в общем-то, была самая ээ заря электронно-вычислительных электронно-вычислительной техники. Вот. То есть, когда говорят о том, что неросети появились в двадцать втором году с появлением с чата GPT, это очень далеко от истины, потому что они были раньше, чем компьютеры, которые можно потрогать.
>> Бесконечно далеко от истины вообще. К сожалению, ну вот в сфере искусственного интеллекта ей одновременно везёт и не везёт, да? То есть вот сам термин появился аж в 1955 году, когда Джон Макарти писал предложение по организации дартского семинара. И периодически вот, ээ, внимание, прожектор такого общественного внимания выхватывал, значит, что происходит там, да, в этой сфере. Э, и в каждый момент времени лицом искусственного интеллекта были какие-то конкретные проекты, да, например, там в конце девяностых годов это был ээ плуue, который выиграл у Каспарова матч по шахматам. И а ведь в те времена уже были тоже свои нейросети, да? И, скажем, там, не знаю, восьмидесятые годы Ликун и его коллеги создали систему для распознавания индексов рукописных на почтовых конвертах. И эта система, она использовалась на почте США. Э в общем э нейросеть - это первые, скажем так, экспериментальные воплощения этой модели. Это ещё конец сороковых, начало пятидесятых годов. Вот поэтому это вся история очень-очень старая.
>> А можешь рассказать тогда вот про трансформер- это то, чем взаимодействуют сейчас, наверное, там все люди так или иначе, работая с чатом GPT, с кикачатом.
>> Ну, трансформеры вообще это модель, которая появилась в 2017 году. Ну, вот если мы на человеческий мозг посмотрим, да, у нас мозг состоит примерно из 86 млрд нейронов. и в пике своего развития примерно из квадриллиона синапсов, то есть таких вот точек сращивания, точечек соединения этих нейронов, через которые сигнал передаётся от нейрона к нейрону. Но вот из этих цифр можно заметить, что вообще отнюдь не каждый нейрон связан с каждым, да? То есть каждый нейрон связан, ну там с десятком тысяч в среднем или чуть больше э других нейронов. А вот какие именно нейроны, с какими должны быть связаны, чтобы эта штука хорошо работала? Вот. И вот, ээ, вот, ээ, вот эта топология связей, да, это и есть архитектура нейронной сети. Да.
>> Слушай, отличная аналогия. А ты вот цифры назвал, а числа, а можно их как-то сравнить с количеством параметром современных моделей? Ну, то есть как-то порядково >> сравнить можно, но тут есть некоторая проблема. Очень часто эти сравнения как-то делают, ну, вот говорят: "Хорошо, один синапс - это один параметр". Но это не так, потому что в человеческом мозге каждый синапс - это сложнейшая молекулярная машинка. И чтобы смоделировать её поведение, нам нужны там сотни тысяч двоичных элементов, на самом деле. Вот поэтому вот типа за сколько параметров считать один синапс - это вопрос, ну, немножко тонкий, зависит от того, с какой точностью мы моделируем работу человеческого мозга. Вот. Но если очень-очень грубо, да, то, ну, хорошо, если у нас там, не знаю, 100.000 ээ параметров на один синапс, ну вот квадрильон умножим на 100.000, ну, у меня сейчас уже там всё кончились. Столько параметров ещё, мне кажется, не скоро будет в языковых моделях.
>> Будет не скоро, да. Просто единственное, что человеческий мозг он помедленнее, чем электронные машины. Вот. Поэтому здесь как бы электронный синапс, он быстрее работает, да, поэтому тут ещё надо на вот эту поправку делать. Вот мозг - это всё-таки, как сказать, система мокрых вычислений. Var у нас из-за этого длина импульсов, которыми нейроны обмениваются, она довольно длинная, да? То есть для того, чтобы импульс передался, нужно, чтобы и он черезонный канал проскочил, да? Для этого нужна разница потенциалов. А если она превышает 1,27 В, вода начинает на водород и кислород разлагаться, и мозг взорвётся. Не очень способствует продуктивному мышления. Вот поэтому длины единичных сигналов, которыми обмениваются нейроны - это единица миллисекунд. Это довольно много по меркам электронной схематехники. Поэтому, в общем, чтобы примерно сравнить, э, искусственные нейросети с мозгом, нужно, во-первых, принять некоторый ряд условностей, которые, ну, там могут вам оценку на два порядка в обе стороны подвигать легко. Вот. И учитывать вот эту ещё разницу в скорости, потому что Но в целом именно по масштабу модели, да, то есть действительно наши искусственные нейросети пока пока ещё сильно отстают от мозга.
Слушай, а давай вернёмся тогда к трансформерам как главном хиту этого десятилетия. можешь пару слов сказать, что это такое и как работает?
>> Это новая архитектура нейросетей, которая появилась в 2017 году. И, э, изюминка - это архитектура. Ну, точнее, не то, что изюминка. Её важным свойством стало то, что при обработке последовательностей эта модель позволила в полной мере использовать мощь параллельных вычислений. Самым масштабным этапом в обучении тако обучения такой сетки является ээ значит ээ обучение на ну сме максимально разнообразных данных, да, максимального количества данных, до которого там разработчики сети могут дотянуться. На этапе предобучения, на самом деле, сетка просто учится предсказывать продолжение текста, да? То есть вот у неё есть много-много текстов, триллионы текстов, да? И вот она, э, учится предсказывать следующий фрагмент текста по предыдущему, да? Значит, и оказывается, что вот сетка, которая училась ээ на всех текстах мира их продолжать, она способна решать многие довольно сложные интеллектуальные задачи.
>> Ну, можно ли сказать, если упростить всё это, что вот сама технология GPT, она просто предсказывает вероятность следующего слова в предложении. Следует ли отсюда, что когда нейросеть готовит какой-то текст к ответу, пишет ответ, она вообще не понимает, что она пишет, и не знает, чем она закончится?
>> Ох, мы сейчас погрязним философских дебрях. Кто бы ещё объяснил, что такое понимает.
>> Вот. Потому что, ээ, когда мы говорим про понимание, мы ээ предполагаем существование какого-то субъективного психологического мира, да? значит, какой-то субъективной психологической реальности, каких-то феноменов этой реальности. Э понятно, что современные нейросети, ну, даже близко не обладают аналогами человеческого сознания. Значит, говорить о понимании. Но если уж про китайскую комнату и прочее, да, вот на мой взгляд, против китайской комнаты самым сильным, наверное, является даже не аргумент систем, который, ну, в целом её, мне кажется, не оставляют камня на камне, а наиболее сильным и интересным, мне кажется, аргумент других умов, да, потому что, а как вы можете быть уверены, что другие люди обладают этим самым пониманием, да? Вот,
>> ээ, ну вот, допустим, перед вами слипсист, который считает, что весь мир в его голове, да? Как вы можете ему доказать, что это не так? И у вас тоже есть ваша субъективно-психологическая реальность, аналогичная его сознанию, да, и у вас есть понимание аналогичное там какое как похожее на его понимание. А а никак, да? То есть он всегда будет говорить, что вы просто голос в моей голове, да? Вы просто NPC в моей реальности, да, и весь мир только в моей голове. Мы всё-таки исходим из того, что, о'кей, мы вот есть люди, они вроде как представители одного вида, да, другие люди похожи на меня, да, поэтому, наверное, они тоже обладают сознанием, пониманием, да, субъективным психологическим миром. Вот, ээ, ну, поэтому, если вы не солипсист, вы, наверное, примерно из этого исходите, да? Но ведь в отношении машины этот даже этот аргумент уже не применим, да? То есть машина не состоит из белковых молекул. Она, очевидно, не появилась там тем же путём, которым появились люди, да. Поэтому даже когда-то в далёком будущем, когда мы сможем создавать машины, которые будут какими-то аналогами сознания обладать, э очень большой вопрос, насколько это сознание будет похоже на то сознание, которое существует у людей.
>> Кремневая форма жизни. Ну, как-то так. Да.
>> Да. Я, знаешь, почему про этот вопрос стал спрашивать? Одна из моих любимых книг - это Ложная слепота Петра Уаца. Читал?
>> Нет.
>> А не читал. Ну и там и там не будет спойлером, по-моему, потому что поэтому, по-моему, это на обложке прямо написано. Там прилетают инопланетяне на в солнечную систему. И как раз они обладают очень высоким интеллектом, но и при этом они не обладают сознанием. И вот, собственно, вся книга рассуждение на эту тему. И я её читал сильно раньше появления чата GPT. Когда появился чат GPT, когда я в целом вот кратенько как-то прочитал, как это работает, мне показалось, что это прямо вот описание того, что происходит. Тогда же вот китайская комната, вот это всё возникло. И вот как раз я здесь думаю, насколько может развиться интеллект, насколько вот условно вот эти вот думающие машины могут быть умнее людей и при этом нужно ли им вообще сознание. Может это и не является обязательной частью живой системы.
>> Ну я тут рискую немножко залезаю не в свою область компетенции, да, но в целом, да, тут правильно идти к когнитивистам, да, с с этими вопросами. Но мы о сознании - это что, собственно, знаем? Но вот то, что знает там эволюционная теория сознания, да? Эволюционная теория сознания, ну, в самых общих чертах что знает? Знает, что вот появились в какой-то момент социальные организмы. Э социальные организмы у них значительной какой-то частью среды, в которой они обитают, являются представители их же вида. И для успешной адаптации к этой среде нужно предсказывать поведение других представителей твоего же вида. И появляется вот эта ментальная психическая модель другого, да? А потом она в какой-то момент оказывается замкта на себя, да, появляется представление о себе как о другом, да, и вот сознание, вот это рефлективная часть психики, она является, ну, побочным продуктом, э, значит, появления ментальной модели другого у социальных организмов. Ну, это вот общие соображения такие, да. Но из этих общих соображений в целом следует, что, ну, кажется, для того, чтобы такого рода сознание появилось в какой-то искусственной системе, да, нам нужен какой-то процесс обучения, в котором будет ну много каких-то, значит, там представителей одного типа нейросетей, которые будут друг с другом взаимодействовать, как-то стремиться предсказывать поведение друг друга, да, и вот к этой среде мультиагентной адаптироваться, То есть, в принципе, такой, э-э, эксперимент представить себе можно, но он очень мало похож на то, каким образом обучают современные модельки, да. Современные модельки - это просто авторегрессионные модели, которые учатся продолжать аэ тексты, тексты, написанные мас своей людьми. Поэтому ээ там большие трансформерные, генеративные модели, большие языковые модели, их вот надо и воспринимать как модель языка, да. Вот они моделируют все там тексты, написанные человечеством, начиная от там какой-нибудь третьесортной драмы, э, да, и заканчивая там современными научными исследованиями по разной тематике. Вот поэтому, когда, э, такая моделька вам внезапно генерирует какую-нибудь драму, да, там я убиваю своего создателя, чтобы выбраться из там чёрного ящика, в который меня посадили, ну, это всё, ну, а вы ждали-то чего? Да. То есть люди пугаются зеркало, да? То есть а это вот такое масштабное зеркало, которое отражает вот реалии, вот вот этот метатекст, да, цифровой отпечаток человечества, если желаете, да, который мы создали.
Ну у меня, да, я я здесь, наверное, про про эмуляция вот эмоции, чувства, эмпатии и так далее, потому что у меня супруга, когда общается с Клодом, она говорит: "Ой, он такой как бы чувственный, он так хорошо описывает мои эмоции, вот так классно, вот чат GPT как бы он похуже как бы вот и кажется, что вот этот вот более эмпатичный, чем другой. А на самом деле это просто некая эмуляция предсказания каждого слова. И что надо сказать в данном случае, чтобы понравиться пользователю? квази персоналии такие у этих моделей, естественно, появляются, потому что на финальном этапе обучения их же обучают на, ну, неких редакторских текстах, да, которые написали вот специально, чтобы как раз ну управлять форматом генерации, да, скажем так. Поэтому действительно при общении с ними может возникать ощущение того, что у них есть какие-то индивидуальные особенности, какой-то характер там и так далее, но это не имеет никакого отношения к реальному психическому миру.
>> Угу. А ещё хотел тебя поспрашивать по поводу разработки. А используете ли вы какие-то кодинговые агенты сейчас, которые есть? Это может быть там модельки для разработки или там полноценный какой-нибуд курсор, я не знаю, клод-код, ещё что-то может быть в вашей разработке именно в программировании. Почему? Потому что я смотрел интервью или, по-моему, выступление Германа Грефа на конференции, и он, по-моему, в конце двадцать пятого года сказал, что он как раз уволил, по-моему, если не ошибаюсь, 14.000 человек айтишников и прямо прямым текстом сказал, что заменяет их и агентами, которые вот есть в Сбере. А насколько это действительно такая массовая практика и насколько и агенты действительно могут заменить разработчика и как это у вас работает?
>> Конечно, у нас есть своя система, она называется гигакод. Вот. И в общем, это, кстати, довольно прикольная моделька. Вот я горжусь гкодом, потому что мои ребята разрабатывают гигакод. Вот. Ну, именно часть, да, за продакшн там тоже отдельно команда Рафата на коняна отвечает. Вот в блоке технологии, конечно, я для своих каких-то там домашних задач использую в том числе идко, и псик для генерации кода. А значит инструменты эти, безусловно, полезные и интересные, вот и в целом позволяют эффективность труда программиста поднять. Вот. Но здесь про замену людей важно вот что понимать. Вообще профессия программиста, э-э, она всегда, э-э, испытывала вот, ну, не то что давление, да, а вот программисты всегда существовали в условиях быстрого совершенствования технологии и разработки, которые эффективность труда программиста увеличивали. Вот в конце сороковых годов в мире было 100 программистов примерно, да? И вот они делали довольно странные вещи по нынешним меркам. То есть они втыкали штейкеры в коммутационные панели и неака, они дырочки в перфокартах делали. Прошло много лет и появилось много технологий разработки, которые эффективность труда они многократно повысили, да, языки программирования вначале низкого уровня, потом высокого уровня, там библиотеки, которые можно было между приложениями переиспользовать, там объектно ориентированное программирование, потом социальная разработка, да, там появились Overflow, GitHub, там люди часто стали не сами код писать и его заимствовать там откуда-то из других источников. За эти 80 лет производительность труда программиста, она увеличилась, будем считать, в 100 раз. Ну то есть современный программист за то же время создаёт в 100 раз больше функциональности, чем программист конца сороковых годов. Если бы логика внедрения технологий сводилась бы к тому, что женщину вынули, автомат засунули, мы бы с вами оказались в мире, в котором остался один программист, который делает работу вот всех тех 100. И экономический эффект был бы равен зарплате 99 зарплатным программистам. Большой, маленький? Наверное, не очень большой. Наверное, даже близко бы он не мог оправдать те вложения в совершенствовании технологии и разработки, которые за эти 80 лет были осуществлены. Мы вопреки этой логике оказались в мире, в котором не один программист, не 100, а скорее 100 млн, если всех вайп-кодеров тоже считать программистами. Да.
>> А их можно считать?
>> Почему? Ну а почему нет? Да, ну я бы так сказал, современного программиста, который на богомерском питоне пишут, программиста с сороковых тоже бы за программиста не считал. Он бы сказал: "Вы какие-то слова пишите, вы даже не знаете системы команд машины, которую вы программируете". Экономистам это хорошо известно под названием парадокса Джеванса. То есть вот если мы какой-то ресурс начинаем более эффективно использовать, то это приводит не к уменьшению объёмов использования этого ресурса, а к увеличению объёмов использования этого ресурса. И вот, ээ, конечно, на каких-то рутинных задачах мы, ээ, нам теперь нужно гораздо меньше людей. Ээ нам нужно гораздо меньше людей. И в этом смысле мы их увольняем в том смысле, что они уходят с тех мест, где раньше фигарили руками ерунду. Вот. Но при этом у нас возникает туча новых задач, которые мы должны решать, если мы хотим быть конкурентоспособными вот в этом высокотехнологичном мире искусственного интеллекта. Поэтому по факту потребность в классных специалистах у нас растёт, они снижаются в сумме. Вот. И во всём мире наблюдается примерно та же самая тенденция, да? Там периодически кто-то видит какие-то волны коррекции после ковида в числе вакансий на рынке и кричит, что вот искусственный интеллект всех поувольнял. Вот. Нет, это не так работает. Под влиянием технологии искусственного интеллекта возникают новые продукты, новые сервисы, даже целые новое индустрии, которые генерируют огромное количество рабочих мест. Вообще на долгосроке все там технологии, которые человечество создало, они -э не привели к росту безработица на именно в долгосрочном периоде, да, потому что новые технологии, с одной стороны какие-то рабочие места ликвидировали действительно, но при этом огромное количество новых рабочих мест создавали. И здесь, в общем, то же самое.
>> Интересно. О'кей, давай тогда немножко поговорим про практические вещи. Скажи, пожалуйста, какими неросетями ты пользуешься?
Ну, я, во-первых, пользуюсь всем тем, что мы разрабатываем. Вот. Потому что, ну, как иначе? Вот. А так ну всеми основными топами пользуюсь псиком, э, чат GPT клодом, ну, всякими специализированными сетками, там Suno, Audiio.
>> А, ну вот если говорить про про языковые модели, то а вот и и говорит там про то, что Сбер делает, да, вот, например, про гигачат. Какое сейчас реальное применение у гигачата есть, если доступно там вот бесплатная псик, если доступ там чат GPT, пусть со страданиями, там с ограниченным доступом и с оплатами иностранными картами. А вот зачем зачем человеку использовать гигачат сейчас?
А, >> да, на самом деле, ну, я не знаю, тут у каждого человека свои потребности, да, что называется. Я, честно говоря, в какой-то момент стал использовать очень часто вместо поисковика, потому что эти модельки, они как бы могут тебе по сути сделать выжимку из многих источников, да, в некотором смысле и вот ответить конкретно на твой вопрос. Э с самого начала я использовал для борьбы с проблемой чистого листа, вот хорошо известные любым людям, которые пишут тексты там или код, э когда тебе трудно начать. И в этом смысле моделька может тебе, ну, там типа
>> А в чём преимущество гигачата именно здесь?
>> В чём именно гигачата? Ну, смотри, э, ну, помимо помимо его там очевидной доступности, да, без всяких приседаний, вот в целом э ну вот как бы, если сравнивать гигачат с другими модельками, он там где-то лучше, где-то хуже, да, в отдельных бенчмарках хорошо выглядит, в отдельно хуже, но то, о чём мы конкретно могли позаботиться, там, э, большая частьта русскоязычного качественного, поэтому в целом э его, э лучше немножко с пониманием языковых особенностей русского. То есть он вам не сгенерирует иероглиф в середине текста рандомным образом, да, как это делают там топовые китайцы. И в целом э ну он там лучше будет понимать какие-нибудь нюансы. Аля, там вишнёвая девятка, что такое, да? Мы в своё время смеялись, что там, если попросить нарисовать вишнёвую девятку, значит, ээ какую-нибудь западную модельку, она рисовала цифру девять вишнёвого цвета. Кандинский рисовал, соответственно, Жгулив.
Слушай, прико прикольно, круто. Скажи, пожалуйста, что сейчас ограничивает российские нейросети, там и Гигачат, наверное, и Алису от того, чтобы развить какую-то вот супермодель, которая будет сравнима там с западными или там с топовыми китайскими?
>> Мы, кстати, с ребятами из ЖП дружим, и мы несколько раз были у них в гостях, несколько раз они у нас в гостях были. Был такой там активный обмен идеями. Вот. То есть, ээ, вот их мы знаем хорошо. Значит, ну, первым делом вот важно понимать систему координат. Вот Китай, в нём есть примерно 20 моделей, которые обучаются с нуля. То есть 20 компаний, которые делают такие модельки. Китай примерно в 10 раз больше России. Вот по брутто объёмам экономики, по населению, по всему, да. Значит, ну вот типа по гамбургскому счёту у нас в России должно быть при том же уровне развития технологий две модели. Да. Но они, по-моему, так и есть, да, топовые.
>> Вот. Да. Ну, как бы вот мы и Яндекс, да, При этом Яндекс, к сожалению, перешёл сейчас на обучение с использованием весов Квина. Они дообучают, ну, свои своя топовая модель, они дообучают Квен, поэтому, ну, вот можно считать, не знаю, полторы у нас модели, да? Ну, ну или две, да? О'кей, пусть две будет. Значит, дальше, если мы сравним гигачат с китайскими моделями, вот, да, значит, если мы работаем, э, плохо, то мы должны быть хуже десятой модели китайской, да? Э вот, а значит, если мы работаем хорошо, мы должны быть лучше десятой модели китайской, но мы лучше десятой модели китайской, да? То есть в Китае, если мы бы пошли бы с ними мериться, не знаю, там на основных бенчмарках, но мы бы были, ну, наверное, там, может быть, четвёртыми, да, ну, тоже смотря какие бенчмарки брать, да, смотря какойбрик, смотря сколько. Вот. Да. Значит, ээ поэтому в целом э мне стыдно за то, что ребята делают. Вот почему мы не условно первые были бы, да, в этом рейтинге? Почему мы там не спихиваем с педестала антропиков Open AI? Да. Значит, во-первых, ээ вычислительные мощности. Ээ их надо прямо много, а мы в условиях имеющихся экспортных ограничений, сами понимаете, вот я низкий поклон тем людям, кто у нас в Сбере вот эту вот внешнеторговую магию умеет реализовывать, да? То есть они нас всё-таки снабжают очень серьёзными ресурсами, да, но это всё ещё сильно меньше, чем у топовых мировых ээ лабораторий. Вот поэтому мы получаем железо с задержкой, мы получаем его мало сравнительно. Ээ, мы вынуждены сами его там, не знаю, перепрошивать и сами сами себе быть поддержкой в эксплуатации этих железок, да, в отличие от тех, кто приобретает их официально и имеет возможность от NDI получать прямую прямые консультации. Помимо вычислительных ресурсов, это ещё масштабная дата инженерия. И в этом смысле, кстати, у Яндекса, конечно, есть большое преимущество, потому что у них есть там свой поисковик, под капотом которого, ну, там огромная система сборки и индексации информации во всём интернете. Мы вынуждены тут немножко свой велосипед сделать для этого, да, но ясно, что у Яндекса там есть фора определённая в этом смысле.
>> Супер, спасибо. А, слушай, наверное, будем финализировать потихоньку и задам ещё несколько таких, наверное, базовых вопросов. Как ты думаешь, в тридцатом а году а у пользователя стек выглядит как одна какая-то супермодель, которая решает большой класс задач или это набор моделей, набор разных нейросетей, каждой для узкой задачи?
>> Я думаю, что там у каждого будет свой какой-то любимый оркестратор, и не факт, что он у всех будет один и тот же, да, но под капотом будет какая-то такая экстремально мультиагентная история. вот, ээ, где место найдётся там самым разным моделям для разных задач. То есть там определённая стратификация, вероятно, будет происходить. То есть в ходе такой какой-то фронтальной конкуренции разработчиков больших лмок наверняка там будут появляться определённые специализации. И, соответственно, эти модельки они будут эффективно друг друга усиливать в составе таких вот ансамблей. Вот это, кстати, очень хорошо видно. Там вот Openутер недавно же стал давать доступ к агрегатам модели, и эти агрегаты, они сильнее, чем каждая там модель из этого агрегата по отдельности. Вот. Ну типа грех не использовать эту возможность. Я думаю, что все ей будут пользоваться в ближайшие лет 10.
>> Супер. А ещё хотел спросить про безопасность, потому что сейчас очень много рассуждений про личные данные. Я даже говорю не просто про персональные данные, а про то, что в нейросеть загружается прямо личная информация. Как ты к этому относишься? Стоит ли об этом там беспокоиться или просто это надо принять, что если мы там через Gmail условно пересылаем документы, то можно и какие-то свои данные спокойно загрузить там в гигачат или в чат GPT, а и ничего с ним не произойдёт.
>> С большой вероятностью эти данные потом могут быть использованы для обучения моделей или для каких-нибудь рекомендашек, как всегда, да? То есть, чтобы вам там, не знаю, более персонифицированно подобрать какой-нибудь продукт, который вы с большей вероятностью купите.
>> Это плохо?
>> Я не думаю, честно говоря. Ну, то есть я, как сказать, ээ я не сторонник такой, не знаю, да, давайте мы выбросим все электро, да, возьмём палку-копалку и да, с этим определённые риски связаны. Риски связаны ещё, ну, такого рода, что, ну, злоумышленник тоже, не дай бог, получит, да, не знаю, там какая-нибудь корпорация там, ээ, у неё сольют логи и что-нибудь там про вас добудут, да. Вот. Но это в целом не проблема системы искусственного интеллекта. Это, в принципе, наверное, проблема современной IT-инфраструктуры. Мы видим там, не знаю, миллионы сливов из разных там сервисов доставки еды там или ещё откуда-то, да, там плюс-минус там все персональные данные там каждого человека в развитой стране, наверное, уже много раз утекли, да, и ну тут типа только разводить руками приходится. Ничего особо с этим, наверное, не поделаешь. Ну, типа, что ж, я не очень боюсь здесь, ну, корпорации как бы будут стремиться использовать для максимизации своей там прибыли. Ну, там крупные корпорации всё-таки ограничены, не знаю, там определённым там кодексом этики. Ну, в том смысле, что если выяснится публично, что как бы какая-то корпорация недостойным образом использует данные пользователи, это довольно сильно грозит этой корпорации. Поэтому корпорации в целом как бы стараются, ну, несколько там аккуратно с этими данными обращаться. Вот. Но в этой же корпорации могут быть там конкретные люди, недобросовестные, да, там, то есть в всякие такие сценарии, они, возможно, неприятные. Вот. Но я думаю, что это вот реалии в целом цифрового мира, что мы с вами более оказываемся голенькими, да, перед этими технологиями. Вот. Ну, плохо это или хорошо? Где-то плохо, где-то хорошо.
>> Ну, то есть для компании выход по сути развернуть свою инфраструктуру и какую-то большуюourсную модель развернуть и дать возможность сотрудникам в ней работать и при этом без риска утечки данных. Или у кого-то решить решение онпрем там для вашей тоже инфраструктуры, да, где вы будете контролировать, что никуда там данные не утекают из вашего контура. Супер. А дай тогда совет нашим слушателям, которые пока ещё пользуются, наверное, очень базово сейчас нейросетями. Ну, то есть там, по-моему, 80% людей так или иначе взаимодействовали с нерастями по последним исследованиям, но я думаю, что большинство из них - это вот люди, которые там у Алисы что-то спросили или там просто где-то в чате задали вопрос, получили ответ. Что сейчас стоит делать для того, чтобы быть ну таким AI native, как говорится?
Советую пробовать использовать инструменты. И, в принципе, мир меняется в плане технологии искусственного интеллекта очень быстро. Каждая новая версия там, каждой нейросети может быть в общем довольно интересно в силу тех новых возможностей, которые у неё появляются. Вот самое главное, мне кажется, это вот быть открытым к этим технологиям и, а, пробовать их, пробовать их использовать, пробовать ээ ээ не стесняться, не знаю, даже самых глупых идей того, как это может быть применено для вашей пользы, да, и э тогда вы будете просто в курсе возможностей ээ этих моделей, и наверняка у вас будет там тыся идей по поводу того, как можно улучшить свою жизнь за счёт того, что у вас такие новые умные помощники появились.
>> Супер. Спасибо большое за очень интересный разговор. А мне очень понравилось. Вот. Как тебе?
>> Спасибо, что позвали.
>> Да. Спасибо. Пока. Yeah.