в кубическом световом году мороженого не представляется возможным, так как уместить столько мороженого в один объем просто невозможно.
Перспективы
За прошедшее десятилетие машинное обучение добилось невероятных успехов, к числу которых относится и ChatGPT. Распознавание изображений, перевод устной речи в текст, перевод с одного языка на другой – в каждой из этих областей успех был достигнут совершенно внезапно, так что задачи превратились из практически невыполнимых во вполне выполнимые.
Однако результаты никогда не бывают безупречными. Что-то отлично работает только в 95 % случаев, и, как бы мы ни старались, все равно остаются 5 % неудач. Иногда это означает полный провал. Однако существуют задачи, для которых 95 % успеха – это достаточно хорошо. Возможно, причина в том, что не существует «правильного» ответа. Или в том, что кто-то пытается выявить возможности, часть из которых человек – или алгоритм – затем использует и адаптирует.
Примечательно, что нейронная сеть с несколькими сотнями миллиардов параметров, генерирующая текст по токенам, способна делать то же самое, что и ChatGPT. Учитывая этот невероятный – и неожиданный – успех, можно подумать, что если просто обучить сеть достаточному количеству вещей, то она сможет делать что угодно. Однако это так не работает. Фундаментальные знания о машинных вычислениях – и особенно концепция вычислительной несводимости – ясно дают понять, что это невозможно. Самое важное мы уже видели, наблюдая за развитием машинного обучения. Прорыв, подобный ChatGPT, случится еще раз. И он будет еще мощнее. В будущем такие механизмы не будут останавливаться перед тем, что раньше считалось невозможным.
Да, ChatGPT продолжит помогать людям писать тексты, вносить предложения и генерировать сырой текст для различных целей. Однако, когда дело касается вещей, которые задумываются как идеальные, оказывается, что машинное обучение (как, собственно, и люди) здесь не подходит.
Пример этого мы видели выше. ChatGPT отлично справляется с человеческими запросами, которые не требуют «правильного ответа». Но когда нужен четкий и конкретный ответ, чат-бот теряется. И все же существует отличный способ решить эту проблему: подключить ChatGPT к Wolfram|Alpha и всем его «суперспособностям» в области вычисляемых знаний.
Внутри Wolfram|Alpha все превращается в вычислительный язык и в точный код Wolfram Language, который на каком-то уровне является идеальным. Тем не менее важно заметить, что ChatGPT не обязан его генерировать. Он продолжит генерировать естественный язык, а затем Wolfram|Alpha сможет перевести этот естественный язык в точный язык Wolfram Language.
В каком-то смысле можно утверждать, что ChatGPT никогда «по-настоящему не понимает» вещей; он просто «знает», как производить полезное. В случае с Wolfram|Alpha ситуация немного другая. Дело в том, что, как только Wolfram|Alpha преобразует что-то в Wolfram Language, он получает полное, точное и формальное представление, на основе которого можно выполнять надежные вычисления. Излишне говорить, что существует множество вещей, для которых у нас нет формальных вычислительных представлений, хотя мы все равно можем говорить о них (пусть, возможно, и неточно) на естественном языке. И для этого у нас есть ChatGPT, обладающий весьма впечатляющими возможностями.
Но, подобно людям, ChatGPT иногда нуждается в более формальной и точной помощи. Однако ему не обязательно быть «формальным и точным», сообщая нам, чего он хочет, потому что Wolfram|Alpha может общаться с ним на родном языке ChatGPT – естественном языке. А Wolfram|Alpha позаботится о «формальности и точности» при переходе на свой родной язык – Wolfram Language. Подобная структура обладает большим потенциалом.
Этот потенциал заметен не только на уровне типичных чат-ботов или приложений для генерации текста. Он распространяется и на такие вещи, как наука о данных, моделирование и симуляция, анализ данных и так далее. В каком-то смысле это прямой способ получить лучшее из обоих миров – «человеческого» мира ChatGPT и мира точных вычислений Wolfram Language.
А что, если ChatGPT выучит Wolfram Language? В каком-то смысле это возможно, и, более того, это уже началось. В конце концов, я думаю, в будущем ChatGPT будет работать непосредственно в Wolfram Language. Это интересная и уникальная ситуация, когда благодаря полномасштабному вычислительному языку Wolfram Language ИИ сможет говорить о многих вещах вычислительными терминами.
Вся концепция Wolfram Language заключается в том, чтобы представлять обыденные вещи в виде вычислений. Обычные языки программирования помогают ставить перед компьютерами точные задачи. Wolfram Language – в качестве полномасштабного вычислительного языка – представляет собой нечто гораздо большее. По сути, он задуман как язык, на котором и люди, и компьютеры смогут мыслить путем вычислений.
Много столетий назад, когда математические обозначения только появились, они упростили математическое мышление. Их изобретение вскоре привело к появлению алгебры, математического исчисления и в итоге других математических наук. Цель Wolfram Language – сделать что-то подобное для вычислительного мышления, но теперь не только для людей, и открыть все неизвестные дисциплины, которые могут быть открыты вычислительной парадигмой.
Мне самому Wolfram Language принес много пользы именно в качестве «языка для мышления». Было невероятно занимательно наблюдать, как за последние несколько десятилетий мы добились такого количества результатов именно благодаря тому, что люди мыслили путем вычислений с помощью Wolfram Language. Так что же насчет ChatGPT? То же самое может произойти и с ChatGPT, однако я пока не знаю, как именно это будет работать. Но речь не о том, чтобы ChatGPT научился выполнять вычисления, которые уже умеет делать Wolfram Language. Речь о том, чтобы ChatGPT научился использовать Wolfram Language так, как это делают люди. Чтобы ChatGPT придумал аналог «творческих эссе», но написанных уже не на естественном, а на вычислительном языке.
Я давно обдумываю концепцию компьютерных текстов, написанных людьми, но сочетающих в себе как естественный, так и компьютерный язык. Вопрос заключается в том, сможет ли ChatGPT написать эти тексты – и сможет ли он использовать Wolfram Language, чтобы обеспечить содержательное общение не только с людьми, но и с компьютерами. Существует потенциально интересный цикл обратной связи, включающий в себя фактическое выполнение кода Wolfram Language. Но решающим моментом является то, что богатство и технологичность «идей», представленных кодом Wolfram Language, в отличие от обычного языка программирования, ближе к тому, с чем ChatGPT волшебным образом сумел разобраться на естественном языке.
Другими словами, Wolfram Language, как и естественный язык, является достаточно выразительным, чтобы на нем можно было задавать промпты для ChatGPT. Да, Wolfram Language можно запускать непосредственно на компьютере. Но в качестве промпта ChatGPT есть возможность его использовать для «выражения идеи», историю которой нужно продолжить. Он способен описывать некую вычислительную структуру, оставляя на долю ChatGPT обдумывать то, что можно сказать в вычислительном отношении об этой структуре, которая – согласно информации, полученной благодаря людям, – была бы им интересна.
Неожиданный успех ChatGPT открыл перед нами множество захватывающих перспектив. И сейчас у нас есть возможность наделить ChatGPT сверхспособностями в области вычисляемых знаний с помощью Wolfram|Alpha. Таким образом, он может не просто выдавать реалистичный результат, подобный тому, что мог бы сделать человек, а использовать вычисления и знания, которые есть у Wolfram|Alpha и Wolfram Language.
Дополнительные ресурсы
Стивен Вольфрам, «Машинное обучение для учащихся средних школ».
Краткое введение в основные понятия машинного обучения:
wolfr.am/ML-for-middle-schoolers.
Этьен Бернард, «Введение в машинное обучение».
Руководство по современному машинному обучению с напечатанным работоспособным кодом:
wolfr.am/IML-book; онлайн-версия: wolfr.am/IML.
Wolfram Machine Learning.
Возможности машинного обучения в Wolfram Language:
wolfr.am/core-ML.
Machine Learning at Wolfram U.
Интерактивные занятия и курсы по машинному обучению на разных уровнях:
wolfr.am/ML-courses.
Стивен Вольфрам, How Should We Talk to AIs?
Краткое эссе 2015 года об общении с ИИ на естественном и вычислительном языке:
wolfr.am/talk-AI.
Wolfram Language:
wolfram.com/language.
Wolfram|Alpha:
wolframalpha.com.
Онлайн-ссылка на все ресурсы:
wolfr.am/ChatGPT-resources.
Над книгой работали
Руководитель редакционной группы Светлана Мотылькова
Шеф-редактор Ксения Свешникова
Ответственный редактор Ксения Борисова
Литературный редактор Дарья Балтрушайтис
Креативный директор Яна Паламарчук
Арт-директор Антон Героев
Дизайн
