В настоящее время искусственный интеллект демонстрирует существенное превосходство над человеком в задачах, требующих соблюдения строгих алгоритмов и обработки огромных массивов информации. К примеру, системы ИИ достигают высокой точности (95%) при распознавании характерных признаков на медицинских изображениях для диагностики рака кожи, а также демонстрируют выдающиеся результаты в играх (AlphaGo, AlphaZero) и прогнозировании структуры белков (AlphaFold). достигаетAlphaFold позволила решить 50-летнюю задачу биологии, что стало основанием для присуждения исследователям из DeepMind в 2024 году Нобелевской премии. Кроме того, ИИ успешно применяется для выявления дефектов на производствах с точностью до 99.9% и решении других подобных задач. решилСовременные языковые модели (LLM) способны обрабатывать и анализировать информацию из миллионов источников за считанные секунды – процесс, физически недоступный человеку. Эти модели обладают обширными знаниями и постоянно совершенствуют свои навыки. получилиВ 2024 году исследователи из DeepMind были удостоены Нобелевской премии за решение полувековой задачи в области биологии с помощью AlphaFold.
Искусственный интеллект демонстрирует превосходство над человеком по скорости и нередко по качеству выполнения повторяющихся операций: автоматический перевод, расшифровка речи, создание типового кода, ответы на вопросы и подготовка документов в различных сферах деятельности. Недавние исследования указывают на то, что в научной сфере, хотя искусственный интеллект пока не достиг уровня человеческого интеллекта, он уже становится ценным инструментом для ученых, помогая не только справляться с рутинными задачами, но и генерировать новые идеи, писать код для экспериментов и решать другие вопросы.
Почему AI все еще не вытеснил писателей и программистов
Что касается программистов, то, по моему мнению, ситуация аналогична тому, что наблюдается в науке и других областях интеллектуальной деятельности: во-первых, современные большие языковые модели (LLM) пока не обладают когнитивными способностями лучших специалистов (они имеют свои сильные стороны, такие как неутомимость и обширные знания, но пока уступают по уровню «сырого» интеллекта), а во-вторых, еще не решены вопросы глубокого понимания контекста и планирования на длительный период. Тем не менее, есть основания полагать, что это может измениться в ближайшем будущем: разработка AI-агентов стала приоритетным направлением исследований в 2025 году, современные тесты оценивают способность LLM самостоятельно решать задачи с долгосрочной перспективой.
В качестве примера можно привести последние версии Claude, которые уже способны самостоятельно справляться с задачами, требующими от опытных программистов около часа работы; однако стоит отметить, что это происходит не всегда и лишь в половине случаев – необходимость проверки и преодоление склонности к галлюцинациям для больших языковых моделей (LLM) остается актуальной.
Если говорить о писателях, то, помимо вышеперечисленных факторов, важно учитывать отсутствие у машин телесного опыта и социального контекста, присущих людям. Эти аспекты являются неотъемлемой частью человеческого опыта, на котором в основном базируется творчество писателей, и здесь люди сохранят преимущество перед AI-моделями еще долгое время, поскольку последние по-прежнему ограничены текстовым интерфейсом, основанным на токенах.
Вопрос о том, почему искусственный интеллект пока не превзошел человека, несмотря на схожую нейросетевую структуру
Прежде всего следует подчеркнуть, что указанное сходство носит весьма условный характер и быстро теряет свою актуальность. И естественные, и искусственные нейросети системы базируются на принципе коннекционизма: объединение простых элементов позволяет создать сложную систему; при этом архитектура искусственных нейронов в нейронных сетях довольно точно воспроизводит принципы работы отдельных нейронов в человеческом мозге. Тем не менее, далее начинаются существенные различия: человеческий мозг не способен к обучению с помощью градиентного спуска, как это происходит в нейросетях, он содержит множество циклов обратной связи, отсутствующих в нейросетях, а биологические алгоритмы обучения и их целевые функции изучены лишь для отдельных нейронов, поскольку мозг представляет собой чрезвычайно сложную систему.
Поэтому не удивительно, что большие языковые модели (LLM) и другие искусственные интеллект-модели еще долгое время будут демонстрировать свои сильные и слабые стороны в сравнении с человеческими возможностями. Данное явление известно как jagged frontier: в определенных задачах LLM уже превосходят людей, а в других совершают ошибки, которые кажутся нам нелогичными. Интересно будет наблюдать за изменениями после появления общедоступных роботов, способных взаимодействовать с физическим миром – эта задача оказалась весьма сложной, но прогресс достигнут.
Навыки, свойственные только человеку:
- Способность к сопереживанию и развитие эмоционального интеллекта в процессе общения между людьми, концепция теории разума
- Проявление физической сноровки в условиях непредсказуемой обстановки, включая координацию движений и точность мелкой моторики
- Лидерство и вдохновение других людей
- Бессознательное восприятие социальных правил и умение интерпретировать невербальные сигналы
- Способность к подлинной заботе и состраданию
- Использование юмора, требующего глубокого понимания ситуации
- и множество незначительных деталей, в которых современные большие языковые модели показывают явную некомпетентность; не стоит даже вспоминать о проблемах с написанием слова strawberry, но если вы попробуете предложить LLM сочинить стихи с соблюдением размера и рифмы (будь то русский или английский язык), то столкнетесь с очень сложной задачей из-за особенностей токенизации. Тем не менее, в остальном LLM можно назвать весьма талантливыми стихосложителями.
Как минимизировать риск потери работы вследствие развития искусственного интеллекта?
Рекомендуется уделять особое внимание развитию метанавыков: критическому мышлению, эмоциональному интеллекту и навыкам межличностного общения. Стремитесь стать тем самым «человеком в контуре» (human in the loop): специалистом, который управляет и контролирует системы искусственного интеллекта. Например, разработчикамя бы посоветовал освоить программирование с использованием инструментов на базе ИИ, а не отказываться от них: возможно, процесс разработки программного обеспечения переходит на новый уровень, где человеку все реже приходится непосредственно работать с кодом, однако это не означает, что квалифицированные разработчики станут ненужными. Я полагаю, что полная замена людей в этой сфере произойдет только тогда, когда автоматизация коснется всех остальных профессий, и от этого мы уже не сможем себя защитить.
Формируйте профессиональную компетентность в сферах, где необходимы решения, основанные на опыте и моральных принципах: разработка долгосрочных стратегий, принятие этически обоснованных решений, креативное управление проектами. Направьте ресурсы на постоянное повышение квалификации и сохраняйте готовность к освоению новых технологий. Умение непрерывно приобретать знания и совершенствоваться приобретает все большее значение по сравнению с углубленными знаниями и умениями в конкретной сфере деятельности, и эта тенденция будет только усиливаться. Мне сложно представить, каким образом будет организована человеческая деятельность через десятилетие — однако я полагаю, что она продолжит существовать.
