Читайте РБК без баннеров

Подписка отключает баннерную рекламу на сайтах РБК и обеспечивает его корректную работу

Всего 99₽ в месяц для 3-х устройств

Продлевается автоматически каждый месяц, но вы всегда сможете отписаться

Машина-Да Винчи: будет ли искусственный интеллект креативнее человека

Фото:Shutterstock
Фото: Shutterstock
Искусственный интеллект как оператор автоматизированных процессов уже не троп в фантастических произведениях, а реальность. Он также быстро учится выполнять творческую работу, традиционно считавшуюся уделом homo sapiens

Чем займется человек, если роботы вытеснят нас и в креативе? И стоит ли этого вообще бояться?

Новости об успехах роботов и искусственного интеллекта (ИИ) все больше похожи на сводки боевых потерь. Так, «Сбербанк» уже грозится сильно сократить юридические отделы за счет автоматических помощников, построенных на нейросетях. Совсем недавно МТС запустил на рынок робота-юриста, а в Китае еще в 2017 году начал работу онлайн-суд: цифровой судья заменил настоящих юристов и уже рассмотрел более трех миллионов дел, связанных с гражданским и авторским правом.

И если замене подвергаются работники даже такой интеллектуальной профессии, то о работе, не требующей аналитических навыков, и говорить нечего: «Яндекс» уже запустил собственного робота-почтальона, а Amazon больше года расширяет технологию доставки товаров дронами.

И все же автоматизация касается пока что конвейерного производства и рабочих мест, на которых выполняется спектр одних и тех же задач. Но что случится, когда цифровые сервисы не ограничатся играми с нейросетями, а станут активно использовать ИИ для работы с креативным контентом? Уготовано ли художникам, сценаристам и музыкантам место в музее?

Четвертый закон робототехники

Нейросети уже давно используются в анализе больших данных и гуманитарных науках: с помощью машин изучают рабство в Техасе в 1840-х, тематику творчества рэп-исполнителей и помогают в точном земледелии. Но когда речь заходит о производстве креативного продукта, задачи ИИ к аналитике не сводятся. Строго говоря, здесь существуют две группы задач: ассистировать деятелям творческих профессий в работе над произведением — брать на себя рутинные задачи и оставлять человеку больше времени на разработку общего концепта. Либо, собственно, творить произведение на основе загруженных данных. Оба направления стремительно развиваются.

Так, в 2018 году американский писатель Робин Слоун поделился опытом совместного творчества с нейросетью. Слоун работал так: писал часть предложения, а затем кликал на кнопку, чтобы нейросеть, построенная на открытой модели GPT-2, дописала предложение сама, используя контекст и загруженные в нее ранее данные. Предварительно Слоун собрал целый корпус текстов, который «скормил» нейросети: туда вошли романы Джона Стейнбека, Джоан Дидион и Филипа Дика, рассказы американских фантастов, интервью с разработчиками из Кремниевой долины и поэзия Джонни Кэша. Сам Слоун при этом не относится к технооптимистам и не думает, что ИИ когда-нибудь станет писать романы за людей. Это всего лишь инструмент — не замена человека.

«Если взвесить все «за» и «против», люди все равно предпочтут читать тексты, написанные человеком с настоящим жизненным опытом, который пишет о реальности человеческого существования», — считает Слоун.

Достойны упоминания еще несколько случаев сотворчества компьютера и писателя. Например, в 1993 году для романа «Только на этот раз» Скотт Френч создал специальную программу, чтобы сымитировать стиль популярного автора любовных романов Жаклин Сьюзан, а компания Botnik Studios экспериментировала с фанфиками по «Гарри Поттеру», написанными нейросетью.

Но сейчас ИИ помогает не только писателям. В 2016 году Sony запустила нейросеть-ассистент Flow Machines, которая способна предлагать музыкантам готовые аранжировки и мелодии, основываясь на уже написанной музыке. Еще в девяностые Дэвид Боуи помогал разрабатывать Verbasizer — рандомный генератор слов для песен. А художники уже давно используют алгоритмы нейросетей, чтобы исправлять дефекты в работах и применять готовые модели.

Но робот-ассистент — это одно. А как насчет робота-творца?

Портрет художника-алгоритма

Здесь тоже первыми среди роботов-производителей контента стали ИИ-художники, работы которых успели превратиться в отдельный жанр. Уже совсем скоро нейросети смогут «похоронить» традиционную для комикс-индустрии профессию колориста: бета-разработка программы Clip Studio от Celsys умеет автоматически накладывать цвета на черно-белый рисунок. Алгоритмом уже заинтересовались аниме-студии и издатели манга, а художник Жоао До Лаго, работавший, в частности, над аниме-сериалом Castlevania для Netflix, считает, что автоматическая колоризация освободит от уймы усилий художников, которым ранее приходилось тратить много времени на создание узнаваемого и в то же время уникального визуального стиля произведений.

Но роботы-художники шагнули дальше профессии колориста. В октябре 2018 года с молотка ушел первый портрет, написанный нейросетью: «Портрет Эдмонда Белами» был продан за 432 тыс. долларов — цена в десять раз превысила заявленную стоимость картины.

Фото: christies.com
Фото: christies.com

Не отстают и машины, генерирующие текст. В мае 2020 года OpenAI представила уже третью версию алгоритма генерации текстов GPT, которую обучили на 175 млрд параметров. Один из пользователей Reddit несколько недель назад получил доступ к GPT-3 и сгенерировал два рассказа — в стиле Нила Геймана и Терри Пратчетта. Журналист и медиаэксперт Александр Амзин перевел рассказ в «геймановском стиле», потому что «когда прочел его, стало по-настоящему страшно». По мнению Амзина, уже через несколько поколений алгоритм научится генерировать «вполне интересные тексты».

А пару лет назад построенная совместно «Яндексом» и «Кинопоиском» нейросеть написала довольно пугающий рассказ на основе произведений Николая Гоголя. Тот же самый алгоритм еще в 2016 году написал альбом «Нейронная оборона», опираясь на мелодию и лирику легендарной группы Егора Летова.

И все же у развития нейросетей есть существенное ограничение. Оно связано с вычислительными мощностями. Исследователи из Массачусетского технологического института проанализировали более тысячи научных публикаций на тему глубокого обучения. Особенное внимание уделили таким применениям технологии, как классификация изображений, обнаружение объектов, ответы на вопросы, распознавание именованных сущностей и машинный перевод. Для каждой публикации оценили количество вычислительных операций и объем мощностей, необходимых для создания модели определенной точности. Оказалось, что даже при значительном увеличении вычислительных мощностей точность современных моделей возрастает незначительно, а большее увеличение мощностей потребовало бы огромных сумм и серьезной нагрузки на экологию.

Авторские правки: кому принадлежат права на творчество ИИ Фото:Franki Chamaki / Unsplash

Ждать ли нам сценариев от писателей-роботов и картин «кисти» цифровых художников? Судя по всему, пока что это — очень отдаленная перспектива, реализация которой напрямую связана со способностью технологических компаний обеспечить ресурсы для новых самообучающихся систем. И хотя роботы уже способны на высоком уровне генерировать «формульные» (то есть, основанные на готовой сюжетной схеме) рассказы, их творчество все еще подчинено замыслу человека за клавиатурой.

Если же и представить себе роботов будущего, которые, как в романах Виктора Пелевина, создают собственные тексты, то можно предположить, что в этом случае авторство просто перейдет «уровнем» выше: гонорары станут получать не машины, а работающие с ними люди или целые компании. Именно так сейчас происходит с ИИ-художниками. До подлинного же творческого начала в машинах еще далеко.

«Деятелям искусства пока рано менять работу»

Комментирует Павел Осиненко, старший преподаватель Центра по научным и инженерным вычислительным технологиям для задач с большими массивами данных Сколтеха CDISE:

Любой вопрос из разряда «сможет ли ИИ заменить человека в том-то и том-то?» так или иначе сводится к вопросу: «Обладает ли естественный (человеческий) интеллект некой неалгоритмической природой, которую принципиально нельзя реализовать в вычислительном устройстве?». «Реализовать» — в смысле воспроизведения функции, идентичной таковой у естественного интеллекта.

Вопрос может показаться несколько далеким от науки и технологий и, скорее, близким к философии, но так или иначе любая цепочка аргументации приведет именно к нему. Поэтому принимая по нему ту или иную точку зрения, мы придем к выводу, что либо человек незаменим принципиально в той или иной области, либо любая функция естественного интеллекта принципиально воспроизводима в вычислительном устройстве.

Наше понимание работы мозга постоянно совершенствуется, и только за последние десятилетия достигнут огромный прогресс. Скажем, мы стали лучше понимать то, как синаптические соединения формируют некоторые ассоциации. Активно развивается направление моделирования мозга: например, Blue Brain Project не так давно анонсировал симуляцию фрагмента крысиного «серого вещества».

Гипотеза: может ли у искусственного интеллекта появиться сознание

А некоторые заходят так далеко, что считают всю Вселенную результатом вычислений. Такую точку зрения выражали Илон Маск и физики Стивен Вольфрам, Макс Тегмарк. Действительно, чем можно объяснить такой небывалый успех именно вычислительной математики в описании и преобразовании мира? Конечно, эти рассуждения, по крайней мере на сегодняшний день, носят философский характер. Я лично не верю в существование некоего невычислимого элемента человеческого сознания, в связи с чем считаю, что принципиально любая функция естественного интеллекта, какой бы высокоуровневой или, если хотите, высокодуховной она ни была, переносима на цифровой носитель. Вопрос тут, скорее, в масштабировании и сложности.

И тут мы подходим к следующей проблеме. Существуют более-менее строго выведенные, фундаментальные пределы того, какие из вычислений в принципе реализуемы во Вселенной. Тут можно упомянуть, скажем, предел Бекенштайна. Теоретически, конечно, пределы вычислений существуют. Но они настолько консервативны, что с практической точки зрения вряд ли помешают когда-то смоделировать, скажем, человеческий мозг. Более релевантны некоторые технические пределы. Например, плотность транзисторов в процессоре. Закон Мура хоронили уже не раз, но пока, видимо, рано. В то же время Google недавно подтвердил достижение квантового превосходства, что станет существенной вехой в развитии квантовых компьютеров.

Да, вычисления с глубокими нейросетями являются тяжеловесными, и иногда исследователи делают акцент скорее на росте вычислительных ресурсов, нежели на оптимизации алгоритмов. Любопытно отметить следующее: обучение с подкреплением, авангард машинного, кажется, является очень хорошим «кандидатом» на применение квантовых компьютеров, а слова о «пределе машинного обучения» скорее всего не стоит воспринимать слишком буквально.

В заключение, отвечая на вопрос: «Так пора ли деятелям искусства искать новую работу?», я бы сказал: «Об этом можно задуматься на досуге, но в ближайшие десятилетия можно, видимо, не напрягаться».

Следующий материал: