Гонка вооружений

Появление столь мощного и вирального продукта, как ChatGPT‑3.5 и GPT‑4, запустило «гонку вооружений» в сфере технологий. Например, в 2023 году Google вывел на рынок сервис Bard. В его основе лежит усовершенствованная языковая модель PaLM 2. Изначально разработка «владела» только английским языком, но впоследствии стала полиглотом – сейчас способна работать на русском, японском, китайском и других языках. По функционалу сравнима с ChatGPT, но ее запуск не был столь успешным – на одной из публичных демонстраций система выдала неверную информацию.

Свою модель запустил и другой технологический гигант – Microsoft. Впрочем, его разработка, Bing AI, работает на базе технологий OpenAI, так как последняя предлагает открытое для коммерческого использования решение. К тому же Microsoft – один из ее инвесторов. Еще одну систему запустили бывшие сотрудники OpenAI – брат и сестра Даниэла и Дарио Амодеи. Последний занимал пост вице-президента OpenAI по исследованиям. В 2021 году, еще до того, как американская компания выпустила свой знаменитый продукт, они ушли и основали стартап Anthropic, а спустя два года выпустили  чат-бота под названием Claude. Они наравне с бывшими руководителями в 2023 году подняли крупнейшие инвестиционные раунды в своем сегменте. Amazon в ноябре 2023 года объявил о запуске своего бизнес-чат-бота под названием Q. Чат-бот основан на 17-летнем опыте работы с веб-сервисами Amazon и предназначен для помощи сотрудникам в таких вопросах, как оптимизация задач и коммуникаций, создание сообщений в блогах, обобщение контента, а также написание и анализ кода.

В «забеге» участвуют не только американские компании. Китайский технологический гигант Baidu в 2023 году запустил  бота Ernie Bot. Как и его главному конкуренту ChatGPT, пользователи могут задавать ему любые вопросы. Он поможет подготовить анализ рынка, предложит маркетинговые слоганы, обобщит документы и многое другое. Не отстают и российские разработчики: это во многом продиктовано потребностями аудитории. Например, многие отечественные компании (а также специалисты) опасаются за конфиденциальность данных при работе с зарубежными сервисами. На момент написания книги официально использовать американский ChatGPT в России нельзя. Для регистрации в сервисе потребуется иностранный номер телефона, но не у каждого он есть, а получить его трудоемко. Когда я осознал эту проблему, то решил создать своеобразную «прослойку» и запустил на основе СhatGPT чат-бота в Телеграме  – Нейрокота. Помимо ChatGPT, он использует Whisper – нейронную сеть, которая преобразовывает речь из аудио в текст (также создана разработчиками OpenAI). Благодаря Whisper Нейрокот воспринимает и расшифровывает голосовые сообщения. То есть ему можно надиктовать текст, и он его расшифрует. Сначала мы разработали бота с помощью зерокодинга (позволяет создавать продукты с помощью готовых шаблонов, инструментов моделирования и графического интерфейса без написания кода). Но когда количество пользователей превысило 10 000 человек, мы с командой решили усилить сервис и переписать его на языке высокого уровня. Сейчас у него сложная бэкенд-инфраструктура. В основном его просят поискать ответы на вопросы, написать письмо и пр.

Из крупных российских разработок можно отметить YandexGPT. Эту нейросеть в мае 2023 года запустила компания «Яндекс». В июле 2023 года она стала доступна бизнесу. С ее помощью можно генерировать и структурировать тексты, а также создавать собственных виртуальных ассистентов. 27 июня в «Яндексе» сообщили, что нейросеть может подключаться к сети и тезисно пересказывать актуальные статьи из интернета. Это отличает ее от американского конкурента, который на момент написания этой книги не мог подключаться к сети без дополнительных плагинов (расширений). Уже в сентябре 2023 года холдинг представил новую версию языковой модели YaGPT 2, в осенью 2024 года компания представила YandexGPT 4, адаптированную для решения бизнес-задач с использованием подхода с рассуждениями. По сравнению с предыдущей она более универсальна и способна решать больше задач, улучшилось и качество ее ответов. Для обучения YandexGPT использовались данные из книг, журналов, газет и других открытых источников из интернета.

Кроме того, компания встроила нейросеть в работу одного из своих флагманских продуктов – виртуального голосового помощника Алисы. Благодаря YandexGPT Алиса научилась писать тексты и предлагать идеи. Она также встроена в приложение для генерации изображений «Шедеврум». Сервис генерирует изображения на основе текстового описания. Скажем, вам нужен пост для социальной сети, но нет подходящей картинки. Достаточно написать модели пару слов, чтобы она создала несколько интересных изображений. Более того, у компании есть отдельная нейросеть YaART, к которой обращаются «Шедеврум» и YandexGPT, когда необходимо сгенерировать изображение. Аналогичным образом поступает DALL-E в ChatGPT.

«Шедеврум», DALL-E – не единственные модели, которые преобразовывают тексты в изображения. Есть целое направление нейронок – они называются диффузными. Такие сети состоят условно из двух нейронок: первая воспринимает и обрабатывает текст, а вторая на основе текста генерирует изображение. Достойную конкуренцию американским моделям составляет и разработка «Сбера» GigaChat. Он способен отвечать на ответы, поддерживать беседу, писать код и генерировать изображения. Наверное, главное преимущество этой разработки, скажем, перед ChatGPT, в том, что она обучена на русских материалах, а значит, генерирует более качественные ответы на русском языке. На базе GigaChat разработчики могут создавать собственные ИИ-приложения.

Подобные модели начали разрабатывать в середине 2010-х годов. Одним из первопроходцев стала команда OpenAI. В 2019 году она выпустила DALL-E, способную создавать изображения на основе текстовых описаний. Разработка финансировалась из гранта Microsoft на сумму 1 млрд долларов США. В основу модели легла нейросеть по обработке естественного языка GPT‑3. Для широкой аудитории DALL-Eстала доступна через два года – в январе 2021 года. А в апреле 2022 года появилась  ее улучшенная версия – DALL-E2.

В ноябре 2021 года команда разработчиков Sber AI создала аналогичную нейросеть, которая обрабатывает запросы на русском языке. Проект получил название ruDALL-E, но отношения к оригинальному DALL-E не имеет: российские специалисты обучали нейросеть с нуля. Разработчики заявляют, что процесс обучения ruDALL-E стал самой большой вычислительной задачей в России.

В мае 2022 года нейросеть Imagen, генерирующую изображения, выпустилGoogle. На официальном сайте продукта разработчик утверждает, что Imagen превосходит DALL-E по точности изображений и соответствию картинки техническому заданию.

Основное ограничение всех вышеперечисленных нейронных сетей в том, что они работают на серверах компаний-разработчиков, поэтому бизнес не может использовать ни ChatGPT, ни YandexGPT или GigaChat на своих серверах. Поэтому активно развиваются и различные Open Source языковые модели, доступные в виде коробочных решений, которые могут быть развернуты на вычислительных мощностях бизнеса. Одна из самых мощных Open Source языковых моделей – нейросеть Mistral, разработанная французскими разработчиками.

Среди генеративных нейросетей для создания изображений в том же 2022 году свою модель Stable Diffusion выпустила компания Stability AI. Это модель с открытым исходным кодом, которую может скачать любой желающий и запустить на своем компьютере. Любопытно, что именно эта компания могла стать той, подстегнувшей Альтмана и его компанию быстрее выпускать свой текстовый сервис. Дело в том, что буму, который произвел ChatGPT осенью 2022 года, предшествовал другой – тот, что возник вокруг Stable Diffusion. С его помощью можно было сгенерировать любое изображение на основе краткого описания за пару секунд. До этого никто не мог себе такое и представить! Среднестатистическому пользователю, который глубоко не погружался в мир искусства, казалось, что подобные работы могут создавать только художники с гигантским опытом и талантом.

Возможно, вы пропустили тот бум и даже никогда не слышали о Stable Diffusion. Впрочем, если вы живете в России и используете социальные сети, гарантирую, что вы соприкасались с этой нейросетью. По данным компании, летом 2022 года решение применяли  более 200 000 разработчиков. И одной из команд была российская – из компании Prisma Labs, основанной в 2016 году бывшим менеджером по продукту в Mail.ru Group Алексеем Моисеенковым вместе с партнерами.

В декабре 2018 года Prisma Labs запустила приложение Lensa для обработки портретных фото и селфи при помощи алгоритмов машинного обучения. Сервис позиционировали как «моментальный Photoshop», как писал  TechCrunch. Среди прочего он позволял отбеливать зубы, подкрашивать брови, выравнивать кожу, восстанавливать искаженные пропорции лица или менять фон на заднем плане. На создание приложения ушло  около полугода. Первые несколько лет оно не вызывало бурного восторга, но за следующие четыре года ее скачали 22,2 млн человек. И это не так впечатляет, как количество скачиваний в одном только ноябре 2022 года: тогда приложение загрузили 1,6 млн раз, что на 631  % больше, чем в октябре. СМИ связывали бум с обновлением Lensa: в том же месяце команда добавила новую функцию под названием Magic Avatars на основе искусственного интеллекта, а именно: разработки Stable Duffision. Она позволяет пользователям загрузить 10–20 собственных фотографий, на базе которых ИИ генерирует несколько новых портретов в разных стилях. За несколько дней после обновления Lensa стало самым скачиваемым приложением в AppStore в сегменте «Фото и видео». Социальные сети, включая Facebook и Instagram , заполонили портреты пользователей в образах космонавтов, элегантных джентльменов и сказочных фей. Причем приложение оказалось популярным не только в российском сегменте интернета. По данным Sensor Tower, в топ стран, где оно стало наиболее популярным, вошли также США и Бразилия. На последнюю пришлась треть ноябрьских скачиваний, а рост месяц к месяцу в этой стране превысил 20 000  %.

В кратчайшие сроки Stability AI благодаря виральности своей разработки стала одной из самых популярных компаний Кремниевой долины, а ее основатель Эмад Мостак – одной из самых влиятельных фигур в технологической сфере. Бывший сотрудник компании, который устроился в нее после двух десятков лет работы в Adobe, называл Мостака самым большим визионером, которого когда-либо видел. В мае Белый дом назвал  Stability AI, наряду с Microsoft и NVIDIA, одним из семи лидеров в разработке ИИ, которые будут привлечены к сотрудничеству в рамках фундаментальной федеральной инициативы  по безопасности искусственного интеллекта. Мостак ужинал с основателем Amazon Джеффом Безосом и даже общался с соучредителем Google Сергей Брином. Последний, как пишут СМИ, редко показывается на публике, но посетил одну из вечеринок Мостака в Сан-Франциско. Впрочем, позже оказалось , что Мостак подтасовал часть фактов своей биографии и успеху его стартапа во многом способствовала откровенная ложь. Но это уже другая история.

Если вернуться к нейросетям, способным преобразовывать текст в изображение, то сейчас самым популярным сервисом можно назвать Midjourney. В 2022 году о нем, кажется, говорил весь интернет. Казалось поразительным, что всего за несколько секунд модель создавала изображения, неотличимые от работ цифровых художников. Впрочем, это отмечали и художники – и в некоторых сгенерированных работах узнавали свои. Например, в январе 2023 года на компанию подали иски  несколько иллюстраторов: они обвиняли компанию в нарушении интеллектуальных прав. Они предполагали, что создатели модели использовали их работы при ее обучении. Похожие иски художники подали и на конкурирующую Stability AI.

Midjourney в 2022 году основал ученый и предприниматель Дэвид Хольц – 33-летний выпускник факультета прикладной математики Университета Северной Каролины в Чапел-Хилл. В студенчестве Хольц успел поработать в Институте Макса Планка, где изучал алгоритмы нейровизуализации и разрабатывал карту мозга крысы на клеточном уровне, и даже в исследовательском центре NASA, где занимался технологией LiDAR (обнаружение и определение дальности с помощью света используется в том числе в камерах iPhone для лучшей фокусировки на объекте).

Надо сказать, что за время после выпуска нейросеть Midjourney претерпела серьезные изменения. Я сам попробовал ее в ноябре 2022 года и помню, что испытал разочарование. Сервис генерировал довольно непонятные картинки, которые мало чем походили на реальные объекты из жизни. Впоследствии команда совершила качественный скачок – и быстро! Сейчас я постоянно использую этот сервис, в частности для нужд компании – генерации рекламных баннеров и др.