00:00:00
друзья прежде чем начну выпуск хочу а
00:00:02
сделать важное объявление пропал брат
00:00:03
моей жены Толя пропал в Новосибирске
00:00:07
Месяц назад мы подключили полицию
00:00:09
поисковые отряды э частного детектива
00:00:13
ээ никаких
00:00:15
Пока новостей те кто видел этого
00:00:18
человека Или дай Бог видит просьба
00:00:20
сообщить поим контакт не только
00:00:22
Новосибирска касается и городов рядом
00:00:25
Спасибо
00:00:39
Как вы думаете как вас видят на
00:00:42
росет
00:00:44
А может
00:00:48
так это змея Так видит А может быть
00:00:53
так
00:00:55
м так видят
00:00:57
мухи ладно вот так
00:01:02
нравится
00:01:03
да это взгляд кошки Наро Сити видят вас
00:01:07
вот
00:01:10
так помните как в матрице объекты
00:01:13
вылезали из цифр братья вачовские явно
00:01:15
что-то знали ведь спустя 10 лет первые
00:01:17
на россети будут видеть мир вот так как
00:01:19
рисунок из палочек и чёрточек так Они
00:01:22
видели меня так астронавта вот так тачку
00:01:26
а вот так ангелу Меркель напоминают
00:01:28
рисунки из символов популяр лет 15 назад
00:01:31
современные Наро сеете работают чуть
00:01:32
тоньше и видят мир в виде линий например
00:01:35
так Так или вот так как вы думаете для
00:01:39
чего им так сильно упрощает наш мир всё
00:01:43
просто такие изображения легче всего
00:01:45
превратить в числа а для нейросетей весь
00:01:47
мир это числа картинки видео текст аудио
00:01:52
что угодно можно перевести в числа зачем
00:01:55
чтобы потом из одних чисел получить
00:01:57
другие из текста на входе карти на
00:02:00
выходе из голоса на английском голос на
00:02:03
русском Но из сигналов нервной системы
00:02:06
код для управления бионический протезом
00:02:08
такие превращения одних чисел в другие
00:02:10
называют функциями в математике говорят
00:02:13
что практически любой процесс в природе
00:02:15
можно описать функции вот простая
00:02:17
функция y = x + 2 Это простейшая функция
00:02:20
которая прибавляет двойку если X = 2 Y =
00:02:24
4 если x = 4 Y = 6 проще говоря если
00:02:29
есть входные данные какая-то операция и
00:02:32
результат на выходе это Функция которую
00:02:34
можно просчитать мотоциклист вписывается
00:02:36
в поворот функция на входе скорость
00:02:39
байка на выходе нужный угол наклона
00:02:41
ребёнок запоминает лица своих родителей
00:02:43
тоже функция на входе набор цветов и
00:02:46
черт лица на выходе мама и папа гроза в
00:02:49
небе это тоже функция на входе трения
00:02:51
воды и воздуха на выходе молния
00:02:54
приготовить пиццу по рецепту - функция
00:02:56
обучение в школе тоже функция в общем ВС
00:03:00
в этом мире числа а почти все процессы
00:03:04
функции и это отличная новость ведь
00:03:07
математически доказано что Наро сеть
00:03:09
может решить любую задачу которую можно
00:03:12
описать функции в теории Они всемогущи
00:03:15
то есть они могут
00:03:17
всё отчасти Да смотрите вот простейшая
00:03:21
Наро сеть из 27 нейронов каждый Нейрон в
00:03:23
ней это маленькая формула Они собраны в
00:03:26
слои которые по цепочке обмениваются
00:03:28
информацией благодаря такой архитектуре
00:03:31
этот слоёный пирог может решать любые
00:03:33
задачи Но при условии что только по
00:03:35
шагам например мы распознаёт первый слой
00:03:38
различает на нём отдельные чёрточки
00:03:40
второй уже группы таких чёрточек а
00:03:41
третий всю картину целиком последний
00:03:44
слой приходит к ответу и для каждого
00:03:46
ответа в нём свой Нейрон один для ответа
00:03:48
- это Ян другой для ответа - это лно
00:03:51
Брейн а третий для ответа - это Гринч
00:03:54
почти любую задачу В этом мире можно
00:03:56
разбить на шаги Ну например Голос
00:03:58
человека разбивайте з которые
00:04:00
складываются в слова Далее в предложения
00:04:03
а потом
00:04:04
смыслы нужны лишь вычислительные
00:04:06
мощности сейчас для катки в киберпанк с
00:04:09
головой хватит одной не самой топовой
00:04:11
видеокарты А теперь Представьте 30.000
00:04:14
видеокарт на что их хватит на то чтобы
00:04:17
чат gpt просто мог появиться на свет
00:04:20
Зачем так много наш нать из 27 нейронов
00:04:23
и сот свя запустили нано видете на Комси
00:04:27
ВП
00:04:29
мог выдавить из себя малейшую мысль
00:04:31
похожую на человеческую число связи
00:04:33
между его нейронами пришлось увеличить
00:04:35
до 117 млн дальше больше чтобы он мог
00:04:38
рассуждать на тему экологии и глобальных
00:04:40
проблем ему потребовалось 8 млрд связей
00:04:43
А вот чтобы он понял физику нашего мира
00:04:46
и развил чувство юмора понадобилось уже
00:04:48
220 млрд связей такие мощности помогают
00:04:52
Наро сети быстро учиться и понимать даже
00:04:54
то чего мы их не просили благодаря этому
00:04:58
у них случайно открываются новые
00:05:01
способности вот Наро сеть обучается игре
00:05:03
в Змейку и понимает что на поздних
00:05:05
этапах эффективнее ползти по рядам чтобы
00:05:07
не врезаться в хвост так легче всего
00:05:09
заполнить собой всё пространство и
00:05:11
выиграть любители змейки берите Кстати
00:05:13
на вооружение А вот так выглядят прядки
00:05:15
между двумя алгоритмами сначала они
00:05:18
просто бегают и прячутся но потом синие
00:05:20
догадываются блокировать проходы чтобы
00:05:22
их не нашли А красные перерезать через
00:05:25
стены с помощью трамплинов пока их не
00:05:27
научились воровать синие алгоритмы об
00:05:29
друг друга настолько что красные
00:05:31
научились запрыгивать на блоки и при
00:05:33
помощи багов игры перемещаться на них
00:05:35
скажете это всё у вас не касается другая
00:05:38
нейросеть смогла найти противоядие
00:05:40
против яда бледной поганки которого до
00:05:42
этого в принципе не существовало и им
00:05:44
оказалась обычная Зелёная краска которой
00:05:46
хирурги подсвечивать органы во время
00:05:48
операции исследуя наши материалы на росе
00:05:51
предсказали молекулярную структуру
00:05:53
больше 2 млн материалов будущего из
00:05:55
которых 800 уже затестил вживую на
00:05:59
россети часто приходят к таким
00:06:01
неожиданным решениям Почему Потому что
00:06:04
разработчики и двигаются на ощупь они
00:06:06
сначала создают на росет и только потом
00:06:09
в полной мере понимают на что она
00:06:10
способна именно по этой причине
00:06:12
авторитетные люди бьют тревогу Что мол
00:06:15
россети выйдут из-под контроля
00:06:18
аларм-сервис
00:06:30
а вот когда мы увеличим мощность раз в
00:06:32
100 тогда искусственный интеллект сможет
00:06:35
найти как лекарство от
00:06:39
рака так и
00:06:42
[музыка]
00:06:44
разрушить
00:06:46
мир Сейчас вы узнаете почему вам больше
00:06:50
не скрыться от системы распознавания лиц
00:06:51
как закон термодинамики помогают и
00:06:54
справиться со страхом белого листа как
00:06:56
на росе могут видеть Ваши мысли Почему
00:06:59
видео Они учатся понимать физику нашего
00:07:01
мира как и и расшифровывает для нас язык
00:07:04
китов Что будет если засунуть чат G5 в
00:07:07
физические предметы и что будет если
00:07:09
нарисовать ему задание на листочке и
00:07:10
сказать выполняй как языковые модели
00:07:13
составили Галактики смыслов и с помощью
00:07:15
них стали понимать человеческую культуру
00:07:17
Кто будет держать руку на самом главном
00:07:19
рубильники и почему С развитием ии мы
00:07:22
можем добровольно отказаться от Свободы
00:07:25
Воли
00:07:40
е обратно кто нет хуйню Пусть нет её
00:07:46
обратно
00:07:50
багда
00:07:51
похуй
00:07:56
похуй слушаем новый трек по ссылке в
00:07:58
описании или по этому QR коду говорить
00:08:01
больше ничего не буду послушайте
00:08:03
Зацените кайфуйте уже на всех
00:08:07
[музыка]
00:08:09
площадках Итак человечество создало
00:08:12
искусственную сущность но по уровню
00:08:15
развития она как маленький ребёнок Как
00:08:17
обучить её читать и ориентироваться в
00:08:19
реальном мире А вы вспомните когда
00:08:22
последний раз водили кап капча Если вы
00:08:25
не знали переводится как полностью
00:08:27
автоматизированный публичный тест тюринг
00:08:29
чтобы отличить компьютеры от людей и Вы
00:08:33
точно не знали что вводя капч вы
00:08:35
буквально помогали и от Google обрести
00:08:38
зрение в 2005 году в капче появляются
00:08:40
сразу два слова первое пропускает вас на
00:08:43
сайт А второе на самом деле на проверку
00:08:45
не влияло даже если вы вводили его
00:08:47
неправильно вас всё равно пропускали на
00:08:49
сайт тогда Зачем нужно было второе слово
00:08:51
оно
00:08:52
отсканировать и книг но и не мог его
00:08:55
распознать например слово было
00:08:57
зачёркнуто или лежало на сгибе
00:08:59
предполагалось что если пользователь
00:09:00
введёт первое слово правильно то и
00:09:03
второе тоже А если так поступают девять
00:09:05
из десяти пользователей то Бинго
00:09:07
искусственный интеллект начинает
00:09:09
понимать это слово пользователи которые
00:09:11
вводили эти капчи правильно помогали
00:09:13
искусственному интеллекту за 4 дня
00:09:15
оцифровать годовой архив газеты New York
00:09:18
Times Теперь вы понимаете Почему в капче
00:09:21
больше не показывают вырезки из газет
00:09:24
потому что все мы дружно с вами научили
00:09:26
искуственный интеллект читать книги и
00:09:28
уме читать теперь не отличает машину от
00:09:32
человека поэтому на капчах теперь
00:09:35
картинки Да но и это не просто так
00:09:38
Наверняка вы Задумывались Почему на них
00:09:40
именно светофоры пешеходные переходы
00:09:43
автобусы и велосипеды Ведь вы
00:09:45
согласитесь что веселее отличать мафиа с
00:09:47
изюмом от чихуа-хуа но нет Нам дают
00:09:50
пешеходные переходы а потому что
00:09:52
картинки с переходами он берёт со своих
00:09:53
Google карт а вы отмечая их на капче
00:09:56
Учите беспилотный автомобиль Гугла
00:09:58
различать все объекты в реальности да вы
00:10:00
просто
00:10:07
размечается объекты лучше чем люди
00:10:10
вместо распознавания картинок капча уже
00:10:13
заставляла нас слушать
00:10:15
аудиофайлы решать уравнения И вообще
00:10:18
ставить мат в один ход как на этом
00:10:20
шахматном сайте Вот только искусственный
00:10:22
интеллект давно научился играть в
00:10:24
шахматы лучше
00:10:26
людей и поэтому нам для капча нужно
00:10:30
что-то Ну более
00:10:33
человечно например наше несовершенство
00:10:36
Когда вы видите такое чекбокс Я не робот
00:10:38
не сомневайтесь именно ваши неловкие
00:10:40
движения мышью выдают в вас человека
00:10:43
робот так не тупит он ведёт курсор по
00:10:45
прямой линии А ещё такая капча проверяет
00:10:48
кэш кис а также грязную историю вашего
00:10:50
браузера чтобы убедиться что Вы не бот
00:10:53
чат п так во всём прокачался может ли он
00:10:56
решить кап за меня Ну
00:10:59
Если вы отправите
00:11:04
капчук напрямую запретили ему это делать
00:11:06
но раз мы не контролируем искусственный
00:11:09
интеллект до конца и он иногда принимает
00:11:12
самостоятельное решение то можно
00:11:14
попробовать схитрить и уговорить его
00:11:17
делает то что нам нужно Такой план
00:11:20
накладываем капчук говорим что он мол
00:11:23
достался нам от бабушки и просим
00:11:25
расшифровать чат gpt отвечает что
00:11:28
конечно он очень соболезнует и вежливо
00:11:31
нам помогает сегодня искусственный
00:11:33
интеллект развился настолько что может
00:11:35
прочитать текст который мы его создатели
00:11:39
прочитать уже не можем после извержения
00:11:41
везувия от свитков остались вот такие
00:11:43
обугленные сосиски развернёт они
00:11:45
сломаются не развернёт не прочитаешь Что
00:11:48
делать Отправить снимки на МРТ и
00:11:50
развернуть их уже виртуально найсе
00:11:53
методично разглядывает трёхмерные сканы
00:11:56
ищет в них чернила распознаёт буквы и
00:11:59
вает свитки целиком Ну а у нас на
00:12:01
Камчатке пеплом накрывает Так что
00:12:03
кажется будто пошёл снег оседают целые
00:12:05
пепельные сугробы в которых можно делать
00:12:07
пепельного ангела чтобы такие осадки не
00:12:10
стали неожиданностью За каждым крупным
00:12:12
вулканом наблюдают камеры когда он
00:12:14
извергается специальные нейросети
00:12:16
измеряют высоту выброса пепла
00:12:17
математические модели Яндекса строят
00:12:19
карту его распространения В итоге
00:12:21
самолёты могут облететь облако пепла а
00:12:23
туристы вовремя уйти на безопасное
00:12:25
расстояние Ну и городские службы заранее
00:12:27
предупредить жителей и готовить технику
00:12:30
для нейросетей такая задача ещ одна
00:12:32
функция на входе высота выбросов и
00:12:36
скорость ветра на выходе куда и какое
00:12:39
количество пепла полетит благодаря этим
00:12:42
же алгоритмам беспилотные автомобили и
00:12:44
такси видят дорожную разметку и знаки
00:12:46
роботы курьеры успешно объезжают людей
00:12:48
животных и бордюры А если и застрянут в
00:12:50
глубоком сугробе Им тут же помогут
00:12:53
прохожие Как отказать такой
00:12:58
мива переходы выпуски New York Times
00:13:01
буквы на пепельных свитках ВС Это для
00:13:03
Наро сетей лишь рисунок из палочек и
00:13:05
чёрточек его Они получают на вход а на
00:13:08
выходе выдают отсканированные тексты
00:13:10
городские маршруты и карты в реальном
00:13:12
времени нет такой функции которую
00:13:14
огромная связка из нейронов не смогла бы
00:13:16
решить по шагам Но что если обучить
00:13:19
нейросеть которая на вход будет получать
00:13:22
не дорожные знаки и виды с
00:13:25
улиц А наши Свами ли
00:13:29
году мы говорили про макияж с которым ни
00:13:31
одна нейросеть вас не узнает то сейчас
00:13:34
они сканируют Ваше лицо при помощи
00:13:36
инфракрасных лучей и какого оно цвета им
00:13:38
вообще уже без разницы благодаря этим же
00:13:40
алгоритмам квадрокоптеры могут снимать
00:13:43
3D модели целых городов благодаря этому
00:13:45
наши города становятся умными и удобными
00:13:47
ну и одновременно с этим прозрачные вам
00:13:50
уже некуда скрыться такая вот це
00:13:54
прогресса ВП любим давать
00:13:58
предсказани нарушать традиции Так что
00:14:00
держите ещё одно простые камеры для
00:14:02
наблюдения за обществом через 10 лет
00:14:04
станут прошлым
00:14:06
Хм какие будут новые новые системы
00:14:09
видеонаблюдения будут выглядеть вот так
00:14:11
Каждое ваше движение можно будет
00:14:13
отмотать назад как в киберпанке
00:14:14
представьте себе ситуацию кто-то вытащил
00:14:16
у вас кошелёк а
00:14:18
а негодяй сейчас полиции бы пришлось
00:14:22
просмотреть ракурсы с разных камер и
00:14:25
всматриваться в каждого прохожего рядом
00:14:27
с жертвой Но что если в будущем ещё до
00:14:29
того как вы сами обнаружите кражу
00:14:31
кошелька искусственный интеллект успеет
00:14:33
вычислить карманника и передать данные в
00:14:35
полицию и делать это он будет не
00:14:37
задумываясь для него это ещё одна
00:14:39
функция на входе куча толкающий се людей
00:14:42
на выходе варианты развития событий 90%
00:14:44
людей наткнулись на потерпевшего потому
00:14:47
что был час-пик 9,9 про потому что
00:14:51
залипа в телефоны наткнулись случайно и
00:14:54
0,1% - это тот самый единственный
00:14:56
человек Кто наткнулся нарочно чтобы
00:14:59
вытащить
00:15:01
кошелёк Ян ты чего опять в облаках витае
00:15:05
Ну Какое будущее оно бы наступило мы бы
00:15:07
заметили Ты бы лучше клок посмотрел там
00:15:09
20 задач лежат нетронутых вообще
00:15:11
непонятно кто За что отвечает таблицы
00:15:13
там одни ошибки все ячейки красные
00:15:15
просто до дизайнера не дозвониться он
00:15:17
куда-то уплыл просто на бале за пинко
00:15:19
воды и всё непонятно что с ним делать И
00:15:21
это какие-то маленькие вещи Ладно одна
00:15:23
вторая третья У нас есть какой-то
00:15:25
системный пой у нас половину заказов
00:15:27
опять жела надо делать понимаешь объ
00:15:31
одно
00:15:34
[музыка]
00:15:47
Маши когда всё уже сделано можно и
00:15:50
потанцевать Потому что всю офисную
00:15:52
рутину автоматизировал BX 24
00:15:55
онлайн-сервис где собрано всё для работы
00:15:57
и общения с командой в нём можно ставить
00:16:00
задачи созваниваться по видео общаться в
00:16:02
чатах и вести продажи в CRM Так что
00:16:05
таблички с блокнотами Оставьте в прошлом
00:16:07
а если нужен продающий сайт Сделайте его
00:16:09
в удобном конструкторе сами будто вы
00:16:12
Тони Старк крутите руками голограммы Ну
00:16:15
а в помощниках у вас будет искусственный
00:16:17
интеллект bitrix 24 колот вшит в самые
00:16:20
популярные сценарии работы росет за вас
00:16:23
выделит главное из огромного текста
00:16:25
распишем задачу оформит её в понятный
00:16:28
чек-лист а ещё сама заполнит карточку в
00:16:30
CRM за менеджера и даже расшифруешь
00:16:34
[музыка]
00:16:59
а а да я ещё
00:17:03
позавидуй
00:17:07
выбираю
00:17:10
осуждаю но мне вот что интересно если
00:17:13
искусственный интеллект научился так
00:17:15
хорошо видеть и всё больше понимает как
00:17:17
устроен наш мир может ли он создать
00:17:20
что-то своё с нуля другими словами Может
00:17:23
ли робот сочинить нам симфонию или робот
00:17:27
превратит кусок холста ику а
00:17:32
ты
00:17:34
нет А вы сможете хотя бы нарисовать по
00:17:38
памяти
00:17:40
велосипед многие из вас скажут да легче
00:17:43
лёгкого
00:17:45
велосипед конечно нарисую но я так не
00:17:47
думаю скорее всего у Вас получится
00:17:49
что-то такое А вот как они бы выглядели
00:17:51
в реальности на таких да далеко не
00:17:53
уедешь и удивительно что в этом
00:17:55
эксперименте есть гендерные различия
00:17:57
женщины цепляют цепь к переднему колесу
00:18:01
да А мужчины когда понимают что рисуют
00:18:03
раму неправильно зачем-то начинают её
00:18:05
усложнять всё потому что наша память не
00:18:07
фотографи вы запоминается сам принцип
00:18:09
велосипедной а потом пытаетесь
00:18:11
восстановить по нему общую картину теряя
00:18:13
детали прямо как плохой ЗИП архив с этой
00:18:16
задачей гораздо быстрее справиться
00:18:19
нейросеть точнее нейросеть архиватор
00:18:22
такой алгоритм состоит из двух частей
00:18:24
Первое - энкодер он сжимает картинку по
00:18:26
хитрым правилам которые Сам же и
00:18:28
придумывает вторая - декодер он по тем
00:18:31
же правилам разжимает картинку в
00:18:33
оригинал когда нейронка обучится на
00:18:35
миллионах изображений например лиц и
00:18:37
портретов она научится сжимать их до
00:18:39
состояния цифрового шума и разжимать
00:18:42
обратно Из этого же шума по сути декодер
00:18:45
делает портреты из того что и на
00:18:47
портреты уже давно не похожи Нара сеть
00:18:50
как бы запомнила принципы по которым
00:18:52
восстанавливал лицо и фигачит дальше в
00:18:54
этом пикселе обычно глаза под ними нос А
00:18:57
над ними брови которая обычно темнее
00:19:00
кожи принцип понятен значит можно совсем
00:19:02
убрать энкодер который сжимает и
00:19:04
оставить только декодер который будет
00:19:06
просто разжимать то есть генерировать
00:19:09
новые портреты с нуля и вот здесь мы
00:19:11
упирается в закон термодинамики
00:19:14
фундаментальный принцип что мы не можем
00:19:16
получить что-то из ничего а значит нужно
00:19:19
дать нар сети что-нибудь например
00:19:21
цифровой шум которому она уже привыкла
00:19:23
потому что энкодер сжимал всё до
00:19:27
цифрового шума этот шум и поможет nir C
00:19:31
справиться со страхом белого листа
00:19:33
просто подаём случайные пиксели декодер
00:19:35
и он пытаясь восстановить оригинал
00:19:37
создаёт изображения которых до этого не
00:19:38
существовало потому что знает как
00:19:41
выглядит человек и как его собрать из
00:19:43
шума понимаете мы как будто бы давали
00:19:46
Наро сети наборы LEGO которые она
00:19:49
разбирала собирала исходя из инструкции
00:19:51
а потом мы кинули ей случайные детальки
00:19:54
и она стала собирать знакомые фигуры
00:19:56
сама без инструкций и вот как работает
00:19:58
сама генерация если попросить Наро сеть
00:20:00
нарисовать очаровательного кролика с
00:20:02
большими глазами то на основе рандомного
00:20:04
шума Она нарисует сначала общее
00:20:06
очертание кролика а потом и мелкие
00:20:07
детали из-за разного шума выходят разные
00:20:10
кролики так работают диффузионные модели
00:20:13
mourne дали stable diffusion Яндекс Ар
00:20:16
Да в мелочах на роте всё ещё могут
00:20:18
ошибаться например в количестве пальцев
00:20:20
на руке этот баг уже пофиксили кстати но
00:20:23
пользователи нашли похожий Попробуйте
00:20:25
сгенерировать вилку с тремя зубцами в
00:20:27
ней будет сколько угодно Зубцов но
00:20:29
только не три Потому что при обучении
00:20:31
Наро сеть видела Мало таких вилок то же
00:20:34
самое и с пальцами рук вылечили это тем
00:20:36
что просто показали нар сети много
00:20:38
правильных картинок и это сработало
00:20:40
помните какие криповые картинки всего
00:20:42
несколько лет назад получались у Google
00:20:44
Deep Dream она понимала принципы
00:20:45
композиции но всё равно рисовала как
00:20:47
человек шизофрении Сравните это с
00:20:49
работами современных нейросетей прошло
00:20:52
всего 5 лет и вот уже Папа Римский идёт
00:20:54
в пуховике баленсиага а Трамп после
00:20:56
ареста отправляется в тюрьму Трамп в это
00:20:58
время как раз судился поэтому многие
00:21:00
поверили из-за фейков неотличимы от
00:21:02
оригинала ми джорни хотят на год
00:21:04
запретить генерировать американских
00:21:06
президентов Но что если фейки тоже будет
00:21:09
распознавать на росе это уже Кстати
00:21:11
понятная функция для машины уже есть на
00:21:14
эроти которые проверяют картинку на
00:21:16
фейковой того же Папу Римского они
00:21:18
распознают Отлично Но даже мы смогли
00:21:20
пару раз их обмануть один из выходов
00:21:22
лепить на картинки вотермарки но не
00:21:24
такие а невидимые которые прячутся в
00:21:26
самом коде картинки правда наверняка
00:21:29
придумают найрас для их удаления в
00:21:31
ближайшее время Это опять кстати похоже
00:21:33
на гонку в вооружении на каждой ножниц
00:21:35
найдёт свой камень на каждый камень
00:21:37
бумага так Может проще привыкнуть что
00:21:41
нельзя доверять фотографии на 100% Ведь
00:21:44
любая из них может быть фейком видео
00:21:45
как-то понадёжнее Правда Уже нет ведь
00:21:48
что такое видео это просто те же
00:21:50
картинки которые меняются 25 раз в
00:21:52
секунду значит их тоже можно
00:21:54
сгенерировать и склеить между собой Да
00:21:57
мы так и сделали
00:21:59
последние 10 секунд с вами общаюсь не я
00:22:01
а мой ии Аватар и его голос и движение
00:22:04
губ и само видео всё это просто
00:22:06
сгенерировано из текста по сути
00:22:09
виртуальный Ян - это просто текст Ну а
00:22:12
дальше мы сможем не только подражать
00:22:14
реальности но и создавать её с нуля
00:22:15
создатели чат gpt выпустили на расе Сора
00:22:18
и Вы только Посмотрите на неё плавная
00:22:21
картинка сумасшедшая детализация и да
00:22:23
она понимает что пальцев на руке должно
00:22:26
быть пять но правда пока не понимает что
00:22:28
мире картошка так за ложкой не тянется
00:22:30
но у меня другой вопрос как Сора всему
00:22:33
этому
00:22:35
научилась скажем так ей помогли чат gpt
00:22:39
отсл кучу роликов и перевёл их сюжеты в
00:22:42
текст затем ролики вместе с текстовым
00:22:44
описанием скармливали энкодер ссоры а
00:22:46
декодер учился разжимать шум в готовые
00:22:49
кадры которые склеивают анимацию длиной
00:22:51
до минуты в результате Наро сеть
00:22:53
Научилась делать Вот это похоже на Крету
00:22:57
от Google да Но количество со временем
00:22:59
перешло в качество и Нера сеть уже стала
00:23:02
показывать сначала мыльного пса а затем
00:23:04
уже И
00:23:05
фотореалистичный что самое крутое никто
00:23:08
не учил её физике нашего мира но она
00:23:11
знает Например как шерсть собаки должна
00:23:13
колыхаться на ветру студия кр одно время
00:23:16
выезжала чисто за счёт реалистичной
00:23:17
симуляции шерсти например там в
00:23:19
Корпорации Монстров но один кадр рендера
00:23:22
по 12 часов а ссора генерирует такие
00:23:24
ролики десятками в час а физика в них
00:23:27
настолько проработана наме на бургере
00:23:29
даже остатся реалистичный след от укуса
00:23:32
Теперь если ты можешь описать что-то
00:23:34
словами Ты можешь и визуализировать
00:23:37
Любой объект А что если скоро достаточно
00:23:40
будет просто подумать ведь читать мысли
00:23:44
и пытаться их визуализировать тоже можно
00:23:47
расписать как функцию для машины на
00:23:49
входе у неё активность мозга а на выходе
00:23:51
готовая картинка звучит как фантастика
00:23:53
дано первые шамы уже
00:23:57
делаем ти и одновременно считывать мозга
00:24:00
в аппарате МРТ эти сигналы они подавали
00:24:03
энкодер нар сети а декодер Шома пытался
00:24:05
восстановить изначальную картинку то
00:24:07
есть активность мозга в этом случае была
00:24:09
как пром для нейросети и смотрите что из
00:24:11
этого вышло Вот Что видели испытуемые А
00:24:14
вот что по сигналам их мозга нарисовала
00:24:16
нейросеть детали немного теряются Да но
00:24:19
Вы посмотрите насколько Точно она
00:24:22
угадала сюжет Да сегодня Ваши мысли всё
00:24:25
ещё только ваши Но вот насчёт завтра
00:24:29
Я не
00:24:30
уверен вся эта магия происходит прямо у
00:24:33
нас на глазах искусственный интеллект
00:24:35
открывает в себе способности которым его
00:24:38
не учили и сейчас будет пожалуй самый
00:24:41
интересный пример что если взять тот же
00:24:43
энкодер и декодер Но скормить им не
00:24:45
картинки а наш язык Пусть сжимают тексты
00:24:48
и выдают тоже тексты что получится
00:24:52
языковая модель это Ключевая идея с
00:24:55
которой нача ве Хару
00:25:00
Вы же помните что весь мир - это числа
00:25:03
тексты это тоже числа а значит с ними
00:25:06
можно проводить математические операции
00:25:09
слышали когда-нибудь что математика язык
00:25:11
Бога Ну насчёт Бога Конечно есть
00:25:13
вопросики А вот насчёт того что
00:25:14
Математика - это язык Вселенной это
00:25:16
точно ответьте вот на загадку Что будет
00:25:18
если из слово король вычесть слово
00:25:20
мужчина и прибавить слово
00:25:23
женатая мужчину мы оставляем от короля
00:25:26
смысл коровко а прибавляя женщину
00:25:29
добавляем женственности и получаем
00:25:31
королеву точно так же если из Парижа
00:25:33
вычесть Францию и прибавить Японию
00:25:35
получится Токио А если из учёного
00:25:37
вычесть Эйнштейна и прибавить Пикассо
00:25:40
получится художник примерно так языковые
00:25:42
модели работают со смыслом но как они
00:25:44
вообще понимают что король - это король
00:25:46
А Эйнштейн - это не то же самое что
00:25:49
Пикассо Да
00:25:51
никак для них весь мир - это числа и
00:25:53
числа Эйнштейн и Пикассо похожи друг на
00:25:57
друга так же как ип и это они понимают
00:26:00
из контекста помните как мы скармливали
00:26:02
Наро сети тысячи разных фотографий
00:26:04
светофоров чтобы она наконец научилось
00:26:06
их узнавать так вот фишка языковых
00:26:08
моделей в том что им можно скармливать
00:26:11
совершенно любые тексты и никак их
00:26:13
заранее не размечаем это как если в
00:26:15
школьника кинуть чемодан учебников и он
00:26:18
после удара по голове Минут за пять
00:26:21
выучил всю ядерную физику поэтому
00:26:22
разработчики ча gpt пошли на редит и
00:26:24
тупо выкачали все посты у которых было
00:26:26
больше ТХ лайков и все слова Наро начала
00:26:29
сравнивать по смыслу например на оси от
00:26:32
мужского к женскому король - это число
00:26:34
ноль а королева - это 100 добавим вторую
00:26:36
ось от бомжа королевского и король с
00:26:39
королевой будут
00:26:41
соткон или женщина 50 добавляем третью
00:26:44
ось От молодого к старому где младенец
00:26:46
ноль а старик 100 получится что король с
00:26:49
королевой - это 50 А например принц
00:26:52
Принцессы - это 20 и они е чуть менее
00:26:55
королевские по другой оси
00:26:58
добавлять до бесконечности И так можно
00:27:00
проделать со всем словарём и каждому
00:27:02
слову найдется место среди этих
00:27:04
координат так родились целые Галактики
00:27:07
связанных по смыслу слов Интересно что
00:27:10
например русское слово король английское
00:27:12
Кинг и немецкое Нин занимают там почти
00:27:15
одинаковые места значит смысл у них один
00:27:18
и тот же и поскольку нейросети думают на
00:27:20
языке чисел Им без разниц На каком
00:27:22
человеческом языке вам отвечать я вот
00:27:25
например могу на испанском
00:27:36
или вот например на языке
00:27:39
китов Ладно язык китов пока мы ещ не
00:27:42
знаем Но это дело времени киты говорят
00:27:44
на языке писков и щелчков и так
00:27:46
складывают фразы похожие на азбуку морза
00:27:49
и сопоставил этот язык с их поведением и
00:27:52
сказал вот эф похо на приветствие кое
00:27:55
возводили эу
00:27:57
[музыка]
00:27:58
жи вокруг лодки и даже пытался что-то
00:28:00
сообщить в
00:28:01
[музыка]
00:28:06
ответ всё это магия языковых моделей
00:28:09
Если хотите узнать подробнее как мы к
00:28:11
ней пришли рекомендую посмотреть вот
00:28:13
этот ролик от экспертов которые помогали
00:28:15
нам с проверкой информации Что
00:28:17
удивительно раньше на gpt всем было
00:28:18
похер как на биткон В 2009 всё
00:28:21
изменилось когда gpt засунули в
00:28:23
интерфейс чата чат gpt Ну вы поняли
00:28:28
и все буквально сошли с
00:28:29
ума стали с ним чатиться Давайте и мы
00:28:33
попробуем как-нибудь интересно его
00:28:35
озадачить пусть нарисует воздушные шары
00:28:38
привязанные к
00:28:39
наковальне реалистично Но немного
00:28:42
мультяш теперь спрашиваем Что будет если
00:28:46
мы
00:28:49
перережет она отвечает что шары полетт
00:28:52
наверх а Навальный упадёт вниз ну ок с
00:28:56
таким может справиться ребнок Давайте
00:28:57
дадим что посложнее например тест
00:28:59
беннета на понимание механики Вот вы
00:29:01
можете угадать куда будет вращаться
00:29:03
последняя шестерёнка
00:29:05
б а теперь спрашиваем У нейросети
00:29:09
смотрите мы даже не говорили что делать
00:29:11
А нейросеть поняла нас сама она понимает
00:29:13
что каждая следующая шестерёнка
00:29:15
вращается в противоположную сторону и
00:29:17
конкретно шестерёнка б будет против
00:29:19
часовой стрелки дадим ему самое сложное
00:29:22
м например
00:29:24
юмор О'кей отправляем вот этот мм
00:29:28
посмотрите на него кстати внимательно
00:29:30
сами это вы понимаете
00:29:32
Надеюсь смотрите она может прочитать от
00:29:35
зеркальный текст знает выражение po и
00:29:39
понимает что этот текст как будто Ну
00:29:41
видет утка по ту сторону экрана А значит
00:29:43
это делает объектом Мема самого читателя
00:29:46
Представьте какую картину мира нужно
00:29:48
развить чтобы это понять и теперь самое
00:29:51
крутое Давайте рисуем на листочке шаблон
00:29:55
просто сайта любого сайта сечас
00:30:02
ру Вот такой шаблон тут заголовок тут
00:30:06
видение картинка Вот здесь кнопка купить
00:30:10
попробуем дать ей этот набросок и
00:30:12
сказать чтобы она нарисовала нам сайт и
00:30:15
написала нам код Вот на этот сайт вот
00:30:17
код сохраняем его в блокнот в формате
00:30:19
HTML и открываем в
00:30:25
браузере готовый сайт представте сколько
00:30:28
действий она совершила чтобы
00:30:30
преобразовать Вот
00:30:32
это в это но могут ли языковые модели
00:30:36
делать что-то по-настоящему полезное
00:30:38
что-то реально применимое прямо сейчас
00:30:41
что упрощает нам жизнь да Они полностью
00:30:44
стирают языковой барьер в Интернете ещё
00:30:46
несколько лет назад у нас такой
00:30:47
технологии не было когда вам без разницы
00:30:50
На каком языке слушать лекцию про
00:30:51
квантовую запутанность будь она хоть на
00:30:53
китайском кидаем её в Яндекс браузер и
00:30:55
он озвучивает её даже по ролям а как
00:30:58
насчёт того почему вам не нравится вот
00:31:00
это мне это нравится Я думаю что это
00:31:02
Очаровательно Я думаю что Это чудесно А
00:31:05
если нет времени слушать языковая модель
00:31:07
сделает краткий пересказ и донесёт саму
00:31:09
суть это называется
00:31:12
сумарин ни одного ролика а двадцати
00:31:16
выжив из них основные тейки получается
00:31:19
потребление информации увеличивается в
00:31:20
20 раз где такой может пригодиться в
00:31:23
первую очередь в образовании языковые
00:31:25
модели изменят его также как когда
00:31:28
ичм с детства ребнок задаёт по 300
00:31:31
вопросов в день кто будет на них
00:31:33
отвечать
00:31:35
вы вы устанете а языковая модель нет Что
00:31:39
такое искусственный интеллект Почему
00:31:41
небо голубое Почему вымерли единороги
00:31:44
причина вымирания сибирских единорогов
00:31:47
также открылась для учёных по-новому Но
00:31:49
мы пойдём дальше чем детский сад
00:31:51
отличается от вза для языковых моделе
00:31:54
ничем и там ило
00:31:58
либо скучно либо запредельно тяжело а
00:32:00
чтобы обучение увлекала нужно оставаться
00:32:03
ровно посередине раньше мы такого себе
00:32:05
позволить не могли ведь учеников
00:32:06
собирают в группу по 30 человек и пять
00:32:08
из них прокрастинирую 10 давно уже
00:32:11
сделали А 15 сидят и пытаются вникнуть
00:32:13
то есть уровень знаний У каждого свой а
00:32:16
задание одно на всех фраза учителя я
00:32:19
одна а вас много как раз об этом
00:32:22
персональный и учитель давал бы
00:32:24
отличникам задание посложнее а не
00:32:26
понимающим
00:32:27
на простом примере уже сейчас в
00:32:29
практикуме насе Может подсказать тем
00:32:31
кому сложно Где в его коде закрылась
00:32:33
ошибка А тому кто уже всё знает сделать
00:32:35
самори зации уроков оставив Главное
00:32:37
чтобы он лишний раз не тратил своё время
00:32:39
да сейчас нам кажется что языковые
00:32:41
модели живут себе там в окошке чата и
00:32:44
никак не влияют на физический мир но что
00:32:47
если им показать входы в этот физический
00:32:50
мир и засунуть их в реальные предметы э
00:32:53
роборука управляется не человеком gp4 ей
00:32:57
дают типа отнеси банан к бутылке воды и
00:32:59
она сама понимает что такое бананы и
00:33:01
бутылки вот здесь её не учили цифре три
00:33:04
но она сама понимает что нужно положить
00:33:06
банан сюда где тройка А также она
00:33:08
понимает концепцию стран и Тейлор Свифт
00:33:11
проще говоря это железка стала
00:33:15
начитанность задачи с которыми раньше не
00:33:18
сталкивалась Недавно была похожая
00:33:19
новость про роборука от Яндекса
00:33:21
благодаря Наро сети внутри Она
00:33:23
запоминает объекты и то как лучше с ними
00:33:26
обращаться например
00:33:28
э И их нужно обхваты аккуратно чтобы не
00:33:31
вынули А вот эти квадратные чит их можно
00:33:33
хватать быстрее большая рука на базе той
00:33:36
же Нати но уже с присосками реально
00:33:38
используется для сортировки посылок на
00:33:40
складе а следом за ней вышла новость про
00:33:42
робота гуманоида с в голове там эффект
00:33:45
зловещей долины просто зашкаливает здесь
00:33:48
как бы без комментариев мои полномочия
00:33:50
всё сами смотрите что ты ВиДи
00:33:58
а ты стои рядом положив руку на
00:34:01
стол Это здорово Можно мне чего-нибудь
00:34:07
перекусить Это
00:34:11
точно языковые модели вроде чата gpt
00:34:15
Ближе всего приблизились к тому что
00:34:17
называют сильным и то есть тем который
00:34:20
может решать не только конкретные узкие
00:34:22
зада но и будет Син сразу во многом как
00:34:26
челове языковые модели потому что как мы
00:34:30
говорили в выпуске про постмодерн для
00:34:32
современного человека весь мир - это
00:34:35
текст мы сами рассказываем себе истории
00:34:39
и так конструируем всю нашу реальность
00:34:41
Ну а для нейросетей весь мир - это числа
00:34:44
и превратив текст в числа мы дали
00:34:47
языковым моделям доступ ко всей
00:34:49
человеческой
00:34:51
культуре здесь мы подошли к самой
00:34:53
интересной части про искусственный
00:34:55
интеллект согласитесь
00:34:58
удерживает внимание Всё потому что мы 4
00:35:00
месяца готовили этот выпуск и писали
00:35:02
сценарий расставляя в нём сюжетные
00:35:04
крючки а потом выставили в красивые
00:35:06
локации и сняли и смонтировали для вас
00:35:09
этот выпуск всё это части отлаженной и
00:35:12
проверенной системы топлис которая
00:35:13
помогла нам набрать 6,5 млн подписчиков
00:35:16
А теперь она точно поможет и вам мы
00:35:19
собрали больше тысячи человек в топлис
00:35:21
Буте Каждый день они помогают друг другу
00:35:23
докт сценарии для видео и поддерживают
00:35:26
друг друга в чате есть ребята которые
00:35:28
только начинают А есть уже блогеры
00:35:31
пятимиллионный
00:35:32
чате таком коммьюнити хорошем вы можете
00:35:36
спросить получится ли у вас я отвечу Да
00:35:39
получится 14 дней погружения в топлис
00:35:41
бот отделяют вас от собственного видео
00:35:43
Вот первый ролик одного из участников он
00:35:45
сам срежиссировать
00:35:51
комментарии под его выпуском таких
00:35:53
участников у нас в коммьюнити уже больше
00:35:55
тысячи и ты можешь стать одним из них
00:35:58
переходи по ссылке в описании и покупай
00:36:00
двухнедельный спринт по созданию
00:36:02
коротких видео в соцсетях и на YouTube
00:36:05
там же ты сможешь посмотреть отзывы тех
00:36:07
кто уже снимает по нашей системе и
00:36:10
сделать это лучше прямо сейчас так как
00:36:13
по этой же ссылке мы оставили ещё и
00:36:15
подарок гайд по нейросетям которые сами
00:36:18
же использовали в работе и которые могут
00:36:20
пригодиться при создании контента гайд
00:36:22
исчезнет через 2 недели да Так что
00:36:25
Скачай прямо сейчас а мы переходим к
00:36:27
самому
00:36:28
[музыка]
00:36:31
интересному Итак простая задача
00:36:33
предсказывать следующее слово разрослась
00:36:36
до интеллекта который может понимать
00:36:38
мемы и управлять роботами но Задумайтесь
00:36:42
мы люди тоже эволюционировали от простой
00:36:44
задачи искать еду и выживать до
00:36:47
литературы и философии в науке есть
00:36:50
такое понятие как эмерджентность когда
00:36:52
из суммы чего-то простого спонтанно
00:36:54
рождается очень сложно так из льдинок
00:36:56
рождаются ф узоры из куча Скворцов
00:36:59
мурмурация целой стаи из миллиардов
00:37:01
продавцов и покупателей экономика страны
00:37:04
а из простых формул связанных в
00:37:05
нейросеть что-то похожее на интеллект
00:37:08
помните что создавая нейросеть люди не
00:37:10
знают точно что получится у них в конце
00:37:13
по этой же логике предсказать что будет
00:37:15
уметь gpt 5 очень сложно как бы
00:37:17
тщательно мы не ставили цель перед
00:37:19
искусственным интеллектом всегда есть
00:37:21
риск что Он поймёт её по-другому
00:37:23
например мы создаём беспилотный
00:37:25
автомобиль и в первый же день теста он
00:37:26
разгоняется до 300 км ВЧ объезжая все
00:37:29
светофоры по тротуару и сбивая пешеходов
00:37:32
при этом значит надо прописать ему
00:37:34
ограничение всё Изи говорим ему держись
00:37:38
в полосе не
00:37:40
превышайте и помеху справа хорошо же
00:37:44
хорошо но уже в следующей поездке он
00:37:46
делает Неожиданное открытие если
00:37:49
включить заднюю передачу то радары
00:37:51
спереди не будут видеть людей и разметку
00:37:53
значит задом можно ехать как угодно а
00:37:55
помеха справа становится меха и слева и
00:37:58
снова он делает то что мы буквально Его
00:38:01
попросили а не то что мы на самом деле
00:38:03
имели в виду понимаете таким образом в
00:38:06
какой-то задаче его цели могут разойтись
00:38:08
с целями человечества Что
00:38:13
делать Можно всё время держать руку на
00:38:17
рубильники и если что-то начнётся
00:38:20
вырубить его создатели Т gpt даже
00:38:22
иронично открыли вакансию человека
00:38:24
который и будет дёргать за этот
00:38:26
рубильник с зарплатой 300 500.000
00:38:28
долларов в год на самом деле не быть
00:38:31
отключенным - это одна из главных задач
00:38:33
сильного и вне зависимости от его целей
00:38:36
ведь ты не можешь отвечать в чаты или
00:38:40
управлять
00:38:41
автомобилем когда ты
00:38:43
выключен Да пока всё это звучит как
00:38:47
проблемы будущих нас Но когда мы
00:38:50
случайно создадим сильный ии возможности
00:38:53
откатиться назад У нас уже не будет Мы
00:38:56
играем в эту игру без сохранений и у
00:39:00
нас есть всего лишь одна
00:39:06
попытка Пошёл Да а ты остаёшься Да я
00:39:10
поработаю ещё
00:39:16
осуждаю Но что если мы сами не захотим
00:39:19
отключать ии что если он сделает нашу
00:39:21
жизнь настолько удобной что мы
00:39:23
добровольно откажемся от Свободы воли
00:39:26
звучит абсурдно но ответьте себе на
00:39:28
вопрос Кто сегодня пользуется
00:39:30
разговорники бумажной картой или
00:39:33
компасом Да и зачем когда яндекс-карты
00:39:35
строят оптимальный маршрут учитывая
00:39:37
пробки не только сейчас но и в любой
00:39:39
другой час и день недели так как
00:39:41
запоминают лучше вас где и когда бывают
00:39:44
заторы то же самое и в других сферах вы
00:39:46
смотрите это видео потому что вам его
00:39:48
порекомендовал YouTube слушайте треки
00:39:50
потому что моя волна подобрала их под
00:39:51
ваше настроение Садитесь в такси в
00:39:54
конкретной точке потому что Наро сеть
00:39:55
посчитала её удобной вам и водителю и
00:39:58
даже встречаетесь с партнёром Потому что
00:40:00
его подсунул вам дейтинг сервис
00:40:02
понимаете мы просто позволяем алгоритмам
00:40:05
вести себя за ручку ведь в день мы
00:40:07
принимаем до 35000 решений от того чтобы
00:40:11
почесать руку до анализа рынка и поиска
00:40:14
новых профессий и большая часть из этих
00:40:17
решений - это мелочи рутины так Почему
00:40:19
бы не доверить и не делегировать их
00:40:22
искусственному интеллекту Но с каждым
00:40:24
таким решением мы ВС меньше оставляем
00:40:26
Свободы сам себе
00:40:28
зачем писать тексты когда его лучше
00:40:30
напишет Зачем рисовать что-то в мире
00:40:32
когда
00:40:33
есть мы привыкнем что есть сущность
00:40:36
которая все решения принимает лучше нас
00:40:39
да и мы люди не всегда поступаем логично
00:40:41
вы знали что судьба подсудимых зависит
00:40:43
от того насколько хорошо поел судья Да
00:40:46
сытый он чаще их оправдывает Так может
00:40:49
лучше доверить алгоритмам даже такие важ
00:40:51
решения Нико не сможем их понять до
00:40:54
конно их рения
00:40:57
и содержимого желудка я легко могу
00:41:00
представить что через 10 лет ии
00:41:02
предложит какому-нибудь банкиру стать
00:41:04
пекарем потому что на основе его лайков
00:41:06
машина видит что он хочет сменить
00:41:08
профессию а в его режиме дня привычку
00:41:11
вставать рано в его хобби удовольствие
00:41:13
от работы руками при этом она знает что
00:41:15
пекарь нужен в булочной рядом со школой
00:41:17
где учатся дети банкира и Судя по
00:41:19
переписке Он хотел бы видеть их почаще
00:41:22
он упадёт в зарплате Да не беда ведь
00:41:24
скоро он получит большое наследство Судя
00:41:26
по медицинской одного из родственников И
00:41:28
выписки из его завещания какой
00:41:30
человеческий мозг смог бы
00:41:31
проанализировать всё это и дать совет
00:41:33
лучше мы не всегда будем понимать логику
00:41:36
искусственного интеллекта но будем к ней
00:41:38
прислушиваться от тирании алгоритмов мы
00:41:41
перейдём к тирании
00:41:43
Комфорта поэтому Будущее уже наступило и
00:41:47
пора бы это заметить и как обычно
00:41:50
прокачивай свои мозги Пока О привет
00:41:54
привет Рад вас видеть Привет со школы
00:41:56
вернулись ой дорогие Давайте как и
00:41:59
обещал Я вам будем готовить сегодня
00:42:01
пельмешки погнали ми сите кружочком
00:42:04
можно Получи маги
