Главный по нейросетям в Сбере Сергей Марков — пожалуй, один из самых известных специалистов по искусственному интеллекту и машинному обучению в России. Это он стоит за сервисами GigaChat и Kandinsky, нейросетевым композитором SymFormer и другими ИИ-проектами Сбера. Мы поговорили с ним об истории и будущем нейросетей.
Представляем первую часть беседы — о всемирной ИИ-революции, которая затронет абсолютно все сферы нашей жизни, и в эпицентре которой мы сегодня оказались.
Расшифровка видео
0:00
все эти инструменты являются способами усиления человеческого
0:06
интеллекта в конечном счёте всё равно замысел находится в голове
0:11
[музыка] человека Люди культуры давно такие инструменты
0:18
применяли Моцарт один из тех кто практиковал вот музыкальную игру в
0:24
Косте тот же самый Есенин писал слова бросал кубики в итоге получился такой
0:30
вот Нейро пепперштейн
0:35
[музыка]
0:46
прежде чем мы начнём пара слов о том что вы сейчас увидите это очередная серия
0:52
проекта шаги придуманного лаборатории культура МФТИ тема этого проекта тель то
0:59
есть всё что лежит на стыке технологии и культуры границы этого понятия пока очерчены недостаточно чётко но надеюсь
1:05
сегодня нашей беседой мы сможем их уточнить Меня зовут Алексей бутырин я научный сотрудник политехнического музея
1:12
и сегодня мы находимся в стенах его фондо хранилища а беседовать Сегодня мы будем с Сергеем марковым специалистом в
1:18
области искусственного интеллекта и машинного обучения человеком при участии которого были созданы такие проекты как
1:24
rpt 3 рудали кандински и чат Сергей если
1:29
можно сказать то сверх цель проекта шаги – это объяснить не только то Чем является тех ульту но и то чем она может
1:36
быть нам с вами важна и полезна конечно же в этом разрезе нельзя не поговорить о нейросетях Я знаю что вы помимо того что
1:43
являетесь практикующим специалистом Вы ещё и популяризатор этого направления исследований и в связи с этим я хотел бы
1:49
спросить вас Как вы считаете то что сегодня нейросети берут на себя часть
1:55
функций которые традиционно считались творческими и присущими только чело это в конечном счёте обогащает культуру
2:03
или же наоборот при этом не возникает никаких новых смыслов новой ценности Я думаю что безусловно обогащает И вообще
2:10
говоря дистанция как бы между культурой и технологиями она очень короткая если
2:16
мы посмотрим на множество современных видов искусства например то мы обнаружим что в их основе лежат технологии которые
2:23
в своё время тоже современникам казались Ну чем-то таким Что бросает вызов
2:28
существующим практика Да допустим в X веке Многие художники протестовали
2:34
против появления фотографии и рассматривали фотографию как что-то что должно каким-то образом нанести ущерб
2:41
изобразительному искусству Да но вот сейчас спустя там более чем столетия мы видим что фотография вполне успешно
2:48
сосуществует с другими видами искусства и фотоаппарат стал мощным инструментом в руках творцов скажем так поэтому
2:56
технологии в конечном счёте это то что раздвигает возможности человека расширяет их и раздвигает границы Да
3:04
творческая компонента изготовления каких-то предметов культуры она не
3:09
уменьшилась а скорее расширилась просто потому что человек оснащённый инструментами может создавать больше
3:14
создавать более совершенные образцы разнообразные и так далее Я думаю здесь можно предложить и контраргумент так
3:20
всегда машина подразумевалось как средство именно для того чтобы освободить человеку время для творчества и вот сегодня мы сталкиваемся с тем что
3:27
наоборот какая-то часть ручного труда особено требующего хорошей моторики рук всё ещё остаётся за людьми А вот как раз
3:33
чем-то творческим вроде сочинения музыки рисования картин вдруг начинают заниматься машины не отличается ли
3:39
ситуация от того что было раньше я думаю что здесь нет принципиального отличия машина Как раз на себя берёт вот
3:44
рутинные элементы этого творчества да на самом деле в творческой работе довольно много рутины и Наверное каждый кто писал
3:52
там достаточно длинные тексты знает как трудно написать первую фразу Да как трудно из многих вариантов выбрать
3:59
наилучший Вот и Ну на самом деле когда-то мы там писали при помощи ручек
4:05
бумаги да вот сегодня Каждый из нас использует компьютер да в котором встроен текстовый процессор который
4:12
может искать ошибки в вашем тексте вот может ускорять ввод скажем так да Ну вот
4:20
сейчас машина становятся умнее Да машины могут предложить вам там много вариантов продолжения текста Да могут дать советы
4:26
по стилистике этого текста даже написать за вас там несколько абзацев Но что это
4:31
означает Да это означает на самом деле что у людей высвобождается определённое
4:37
время которые они могут использовать например для шлифовки этого итогового текста Ну и в конечном счёте всё равно
4:44
замысел Он находится в голове человека если посмотреть на те инструменты
4:50
искусственного интеллекта которые были созданы за последние много десятилетий
4:55
то Ну довольно чётко можно проследить здесь следование такой вот программе обозначено ещё дугласом ангель Бартом в
5:02
шестьдесят втором году если мне не изменяет память о том что в общем-то все эти инструменты являются способо
5:07
усиления человеческого интеллекта Да и сегодня человек снабжён там поисковой
5:13
машиной интернетом да во всей его красе сейчас и генеративными сетями Да
5:21
вот такой усовершенствованный улучшенный Человек Да он по своим возможностям по своей производительности труда конечно
5:28
существенно превосходит челове ного всего этого полная автоматизация каких-то процессов она тоже происходит
5:34
Да если мы посмотрим там историю с Ну не знаю там жаккардом ткацким станком да до
5:42
этого узоры Значит каждый из них создавался
5:47
вручную ками которые тратили полжизни на создание этих
5:53
узоров едино момент когда появилась соответствующая технология оза Ну
5:59
некоторые навыки людей оказались обесцененная же не сократило творческое пространство
6:07
расширило его да то есть как только появилась машина способная воспроизводить ткани со сложными узорами
6:12
Да но тут же и хотелки очень быстро начали расти да то есть люди стали хотеть больше разнообразия и всё более
6:19
сложные узоры и так далее и так далее На мой взгляд самый такой хороший пример это программирование в котором
6:25
производительность труда росла Ну вот по мере сдвига парадигм быст когда-то люди
6:31
пробивали дырочки в перфокартах да Для того чтобы написать программы другой
6:37
момент времени писали на бланках машинный Код Да снабжая его там
6:42
комментариями на естественном языке потом появились языки низкого уровня язык ассемблера потом появились языки
6:49
высокого уровня и всякий раз новая технология она сокращ затраты на
6:56
создание программного кода на реализацию самой функциональности Ну и на первый взгляд что должно было бы произойти Ну
7:04
наверное если размышлять наивно программистов должно становиться
7:10
было всё меньше и меньше для того чтобы решить те же задачи Теперь нужно было потратить меньше рабочего времени Но
7:16
эффект был Прямо противоположным как мы знаем да снижение трудозатрат оно привело к расширению области применения
7:22
программной инженерии и важно понимать что технология – это никогда не игра с нулевой суммой это всегда создание новых
7:31
сервисов новых в принципе продуктов Да которые до этого до появления
7:36
соответствующих технологий просто об их существовании нельзя было и помыслить благодаря вычислительной технике возникли целые новые индустрии Да
7:42
сегодня в кармане каждого почти человека есть смартфон вычислительной мощности
7:48
которого превосходят всё то что было у национального космического агентства
7:53
США когда человека отправляли на луну Да но мы этим вычислительным мощностям находим очень полезные применения да там
7:59
не знаю пуля птиц свиней или что-нибудь в этом духе Ну тоже баллистика в некотором роде Вот и конечно здесь
8:07
появилась целая огромная отрасль Да компьютерных игр Да которая которой
8:13
задействованы не только it специалисты в ней задействованные маркетологи менеджеры бухгалтеры И множество
8:19
множество людей Да и в конечном счёте получилось что появление новой технологии скорее создало рабочие места
8:25
Да и открыло новые возможности в искусстве Ду что всё будет происходить
8:31
ровно так же Да сегодня в художественной фотографии людей занято гораздо больше чем в X веке было портретистов Вот
8:38
поэтому я думаю что здесь бояться прихода технологий не нужно потому что ну конечно они вносят некоторые
8:46
некоторое беспокойство заставляют людей Ну в принципе в их там уютном мирке думать о том что нужно делать что-то
8:52
новое учиться чему-то новому конечно это неизбежная такая проблема но с другой стороны это открывает совершенно новые
8:58
возможности для создания новых шедевров появления новых направлений в
9:03
искусстве и я думаю что Ну вот мне по крайней мере очень нравится относиться к
9:09
этому как к новым возможностям Сергей Раз уж мы затронули тему компьютерных игр и немножко заглянули в историю
9:15
программирования Я бы хотел чтобы вы коротко рассказали о том а когда вообще и кем был предложен сам термин машинное
9:21
обучение в каком контексте Ну вообще традиционно автором термина машинного обучения считает Артура сэмюэла автора
9:29
первой такой самообучающийся ну в таких частных
9:35
беседах специалистов задолго до того как они попали письменные источники прозвучали на каких-то конференциях Вот
9:42
и Если говорить вообще о таких самообучающийся устройствах то они появились ещё до того как появился сам
9:49
термин машинное обучение вот ну с некоторой долей допущения мы можем считать
9:55
гомеостаз Росс эшби таким устройством которое было способно каким-то
10:00
примитивным формам самообучения Ну а уж на границе сороковых и пятидесятых годов
10:06
было создано там несколько э таких больших проектов которые по всем современным критериям следовало бы
10:12
отнести к области машинного обучения вот ну и в конце концов в сорок девятом году выходит знаменитая книга дональда хебба
10:19
которая называется организация поведения и в ней в общем-то хеб там реализует
10:25
идеи там Павлова и торндайка значит и подсказывает специалистам из
10:32
области вычислительных технологий идею о том как можно обучать нейронные сети
10:38
знаменитый хе [музыка]
10:44
бовсуни пресинаптической и постсинаптического нейрона не превышает некоторого там промежутка то связь между
10:51
этими нейронами крепнет да проводимость увеличивается Вот и уже в начале
10:56
пятидесятых годов этот принцип использовался для симуляции работы таких
11:02
примитивных нейронных сетей вот поэтому получается что само машинное обучение
11:07
появилось немножко раньше чем появился сам термин э но тем не менее вот э такое
11:13
широкое обращение он действительно вошёл С лёгкой руки самла А вот кстати Раз уж
11:20
мы затронули тему больших языковых моделей плюс ещё Уже довольно много лет используются нейросети которые
11:26
генерируют изображение по запросу в целом уже у нас получается такая ситуация что контент произведённый уже
11:32
не людьми А нейросетями может начать попадать в обучающие выборки для следующих нейросетей и у нас не
11:38
получится ли такой какой-то продукт бесконечной вторичной переработки одного и того же который в конечном счёте может
11:43
как-то ну привести не знаю к вы ховаварт
11:50
Да они написаны Некоторое количество работ за последнее время Вот но мне
11:56
кажется что острота проблем немножко пере потому что Ну какую бы сеть Мы не взяли
12:02
ВС равно доля там контента созданного ней приходящийся на общий объём контента
12:08
это всё равно там проценты доли процентов даже в случае самых популярных нейросетей вот потом опять же то что
12:15
попадает в открытый доступ Это же не совсем голая генерация это результат отбора людьми но в целом Да представим
12:22
себе что вот у вас есть программа для проверки орфографии
12:27
ина в слове молоко ошибку находят Да а вот какие-то другие орфографические
12:33
ошибки не находят да В итоге у вас тексты написанные людьми там при помощи текстовых процессоров они будут
12:40
содержать с большей вероятностью те ошибки которые не находят распространённые системы поиска
12:47
орфографии и распределение ошибок будет не таким естественным не таким как люди
12:53
допускают Эти ошибки Да вот уже смещённым да благодаря применению этого алгоритма ведь эти же Кстати перекосы
13:00
они могут наблюдаться И в довольно чувствительных сферах там представленность не знаю людей там с различными взглядами относящихся к
13:06
различным там раци расам и нациям и здесь мы как раз возвращаемся наверное на тему влияния машинного обучения и его
13:13
продуктов на культуру например мне кажется сегодня довольно остро уже стоит проблема того что людям уже сложно
13:19
отличать продукты творчества нейросетей от того что создано другими людьми и вот есть ли какие-то технические способы
13:26
решения этой проблемы А если она не решаема то как это изменит на ваш взгляд нашу культуру Ну в целом здесь это
13:33
вопрос во многом такого снаряда и брони Да потому что те модели которые призваны отличать сгенерированный контент от не
13:40
сгенерированного они основаны в конечном счёте примерно на тех же нестихи которые и генерируют контент Да поэтому Всё
13:47
зависит от размера вашей модели Да от её ёмкости
13:52
от её возможностей и оказывается что конечно в общем случае проблема выглядит
13:58
пло но и в целом последний отчёт показывают что ну каких-то дешёвых
14:03
простых способов отличее неринге нери в общем-то нет в целом проблема различных
14:10
смещений в обучающих выборках она на самом деле важная и действительно она
14:16
может создавать серьёзные проблемы допустим в ещё в десятые годы Джой болам вини из
14:24
лаборатории Медиа лаборатории mit провела анализ популярных тогда систем
14:30
распознавания лиц и Выяснилось что лица женщин распознаются хуже чем лица мужчин
14:37
а лица светлокожие
14:45
между лицами там светлокожие [музыка]
14:52
пунктов больше пунктов и
14:57
последстви в общем-то чепуха до тех пор пока мы не начинаем массовом порядке применять эти алгоритмы в наших
15:03
повседневных сервисах Вот а если мы начинаем их применять то это естественно
15:08
создаёт почву для Ну таких такого системного угнетения Да
15:15
своеобразного системного неравенства то есть оказывается что многие сервисы они оказываются какой-то группе людей вот
15:23
хуже доступны Да скажем там не знаю система автоматической регистрации в аэропортах да Ну вот пожалуйста мы
15:30
своими руками создали систему которая продуцирует неравенство Да и конечно у
15:35
людей тоже есть предрассудки Да но когда вы создаёте массовый алгоритм для массовых процессов вы тем самым
15:41
тиражируется этот предрассудок на большое количество людей Да ещё есть такой культурный Аспект что люди
15:48
почему-то склонны больше доверять решениям принятым машиной наоборот Есть такое устоявшееся мнение что машина
15:53
непредвзято машина всегда объективна она лишена каких-то вот этих человеческих вещей это же быть не так безусловно Ну я
16:01
бы сказал что здесь существует иной раз и в другую сторону перекос Да скажем Если вы попросите людей оценивать
16:08
картины созданные машиной и картины созданные человеком то люди скорее склонны присушить баллы людям вот значит
16:17
и картинки созданные машинами если человек знает что эта картина создана машинами то в среднем
16:22
люди меньше ценят такого рода продукты в ряде других случаев наоборот
16:28
существует такое мнение что вот машина безошибочно Она же считается механической точностью при этом Ну
16:34
действительно из внимания людей ускользает тот факт что обучением этих систем занимаются люди да данные могут
16:41
содержать дефекты могут содержать самые разные перекосы Вот в конце концов и в
16:47
процессе обучения могут быть допущены какие-то ошибки вот и я бы сказал что
16:54
это действительно очень острая проблема потому что у на нету развитых механизмов
16:59
для борьбы с такого рода проблемами Ну например
17:05
хороший такой хорошая демонстрации этой ситуации это судебный процесс в ходе
17:11
которого работники почтовой службы Великобритании на протяжении там больше чем 10 лет пытались доказать что им
17:19
начисляются несуществующие недостачи Вот то есть оказывалось что большое
17:24
количество людей работавших на почте знат было фактически в том что значит они рахили
17:32
фонды почтовой службы и большое количество людей лишилось работы кто-то попал за решётку вроде бы даже есть один
17:40
доказанный случай самоубийства много браков было из-за этого разрушено и
17:45
много лет Ну компания доказывала что всё всё хорошо Это же машины машины не
17:51
ошибаются Вот и только после длительного разбирательства в судах удалось доказать
17:56
что действительно програмное обеспечение дефект и начислялись
18:02
несуществующие штрафы Вот и Ну тут такой такая проблема её обычно называют
18:08
проблемой цифрового тайного суда потому что многие решения алгоритмов Сегодня в
18:14
нашем обществе они по силе влияние на жизнь человека сопоставимо с вердикта суда Вот Но если в суде у вас есть право
18:21
на доступ к доказательствам собранных против вас право на состязательный судебный процесс на фирори
18:28
так далее то в условиях Когда например там банк отказал вам в кредите или когда при приёме на работу ваша анкета была
18:35
отвергнута каким-то алгоритмом вы ничего не можете по сути сделать потому что алгоритм
18:41
является коммерческой тайной компании данные тоже Да
18:46
и здесь конечно Ещё предстоит много создать механизмов общественных для того
18:52
чтобы такого рода пробле решать есть массовая турат машинами нас убить или
18:58
превратить в живые батарейки а бояться на самом деле стоит абсолютно беспристрастный к нам машин которые просто из-за несовершенства не дадут нам
19:05
устроиться на работу выдать нам кредит или как-то ещё мелочами Но вот сильно осложнять нашу жизнь конечно это всё на
19:12
самом деле разновидности технологических рисков и э там любой не знаю Автопилот
19:18
или систему которая управляет э медицинским оборудованием или система которая управляет производственным
19:24
оборудованием конечно её эксплуатация связана с определёнными рисками и должны создаваться грамотные инструменты для
19:30
управления этими рисками их снижения вот Ну вот здесь Ещё предстоит много работы
19:36
потому что за счёт быстрого технологического прогресса иной раз эти инструменты управления рисками не
19:43
поспевают за развитием самих технологий кстати вот вы рассказали историю про
19:48
сравнение картин созданных машиной и человеком в том случае люди знали Да где чьё творчество мне сразу вспомнился один
19:55
Пример из истории опять же в контексте того Где мы сейчас с вами находимся вот на этой вычислительной машине не
20:01
конкретно на этой на такой же математик Рудольф Зарипов ещё в семидесятые годы создавал машино генерируемые музыку и Он
20:07
проводил Слепое тестирование на Советском радио давались в эфир мелодии созданные машиной и мелодии написанные
20:14
мало известными живыми композиторами и естественно люди должны были присылать свою реакцию большинство из них отмечало
20:20
что машинная музыка всё-таки пока недостаточно совершенна она какая-то механистическая ей не хватает Души в ней часто повторяются там однотипные мотивы
20:28
но когда Зарипов стал разбирать эти ответы он понял что такие комментарии люди чаще давали про мелодии написанные
20:33
людьми А вот как раз машинную музыку многие характеризовали как живую оригинальную В общем даже на Технической
20:41
базе пятидесятилетней давности оказывается Вот такой обман можно было произвести я вот так задумываюсь иногда
20:46
А нужно ли нам действительно сегодня или так уж ли много нам сегодня нужно именно контента оригинального созданного людьми
20:52
может быть большинство из нас вполне будет удовлетворять такой вот быстро получаемой так сказать культур продукт
20:58
быстрого приготовления Вот какой-нибудь нейросети я думаю что здесь люди просто
21:03
очень часто тоже находится в плену наверное
21:09
тех медийных образов которые создаёт технология на самом деле алгоритмической
21:16
композиции лет гораздо больше чем современным вычислительным машинам и
21:22
я не знаю тот же самый Моцарт изобрёл Ну как кстати он не единственный но один из
21:28
тех кто практиковал вот музыкальную игру в кости да давайте возьмём несколько
21:33
коротких музыкальных фрагментов будем бросать Кости и вот в той последовательности в которой э диктуют
21:40
нам кости будем эти фрагменты играть да что генератор случайных чисел фактически по сути да по сути так и есть и Ну на
21:48
самом деле если посмотреть более широко на современную композицию Ведь в ней существуют определённые каноны А каноны
21:54
это есть не что иное как тоже алгоритмические закономерности между там различными нотами аккордами
22:04
тональностей каноны задолго до того как стало создавать вычислительную технику Да современный свод законов например Это
22:11
ведь тоже набор алгоритмов Да в соответствии с которыми принимаются решения и тоже самое Мы наблюдаем в
22:19
современной музыкальной композиции Ну если не брать уж такие направления в
22:25
которых композиторы Любой но Случайность вроде
22:31
атори ВС равно везде надо всем Давлет канон и тоже само можно сказать про
22:36
поэзию и про другие виды и про изобразительное искусство вот поэтому Если говорить о
22:44
человеческом творчестве оно тоже Ну В некоторой степени алгоритми Зро Вот и
22:49
здесь опять же любой композитор
22:56
котоно для каких-нибудь мероприятий и так далее тоже не сильно много тратит
23:02
времени на Творческий поиск да Значит у него есть там простые подходы которые позволяют создавать множество таких
23:08
композиций э с низкими трудозатратами с другой стороны ээ алгоритмическую
23:15
композицию можно использовать опять же не для того чтобы создавать Ну вот массовый продукт такой который
23:21
действительно Ну в ряде случаев нам не нужно чтобы музыка была там какой-то
23:28
слишком оригинальный Да вот иной раз можно использовать наоборот технологию
23:33
для создания высочайших вершин творчества потому что благодаря технологии мы можем например ну
23:40
рассмотреть гораздо больше вариантов темы Да и тот же
23:45
композитор вместо того чтобы сочинить там 10-20 вариантов основной темы своего
23:52
произведение может получить алгоритмы генерацию не знаю тысячи таких вариантов Да из этих отобрать наиболее удачный
23:59
потом ещё внести в него какие-то улучшения изменения Да и таким образом создать шедевр который раньше
24:05
композиторы создать не могли Да и в этом смысле я вот здесь призываю смотреть на
24:11
вот не только на возможности Ну как бы увеличения количества создаваемого контента за счёт
24:17
автоматизации Но и на возможности улучшения его качества благодаря таким умным творческим
24:23
помощником который у человека есть вот действительно это вещь которая может
24:29
человеку помочь в творческом поиске И надо сказать что люди культуры они давно такие
24:35
инструменты применяли Ну например тот же самый Есенин тоже использовал игральные кости Да при сочинении своих стихов э
24:43
писал слова бросал кубики Вот и дальше использовал их как источники вдохновения
24:51
Да сегодняшние генеративные алгоритмы они гораздо совершеннее чем такие простые подходы вот и конечно они
24:58
открывают новые возможности перед творческими людьми мы с вами обсудили много примеров того как технологии
25:05
используются в искусстве но в связи с этим хочется спросить а Должны ли это быть всегда какие-то импровизации
25:11
эксперименты может быть этому вообще стоит учить людей может быть в школу стоит вводить что-то связанное с тех
25:17
культурой как раз вот именно в контексте машинного обучения искусственного интеллекта Да это очень хороший вопрос
25:23
опять же здесь вая историческая перспектива Каким
25:30
образом в прошлом те или иные технологии которые стали потом основой для направлени в искусстве проникали в это
25:37
искусство очень часто это происходило через ну Таких вот людей амбассадоров Да
25:43
технологий Ну вот например пионеры кино Да в начале X
25:49
века опробовали новую технологию для создания создания
25:56
каких-то художественных произведений и их путь был непростым
26:02
тенистым многие люди протестовали против проникновения
26:08
новых технологий в искусство и в общем-то
26:13
немногие из этих людей достигли успеха Но их пример вдохновил следующее
26:18
поколение Вот и наверное здесь очень важно наличие Таких
26:24
вот людей строящих мостики между миром технологиями искусст которые пробуют в
26:29
искусстве применять новые технологии делятся своими результатами с другими людьми вот
26:36
с другой стороны конечно в целом образование такое массовое
26:41
Просвещение Они здесь тоже могут способствовать исчезновению барьеров
26:47
которые существуют между технологическими методами и искусством вот ну и может быть здесь в какой-то
26:54
мере Бремя лежит и на тех кто сот сегодня технологии потенциально
26:59
применимые в искусстве Ну с тем чтобы продемонстрировать действительно те возможности которые новые технологии
27:06
предоставляют публике но надо сказать что сегодня вокруг генеративных моделей
27:11
конечно складывается уже такое сообщество Энтузиастов не так давно композитор Пётр Дранга э совместно с
27:19
моими ребятами сделал совместный творческий проект Большой где нейронная сеть ээ
27:27
работала дуэтом с ним причём вот в реальном времени импровизирую создавая темы которые
27:37
вплетают на мой взгляд очень интересный проект и действительно вдохновляющий потому что я вижу как там горят глаза и
27:44
у ребят которые работают с профессиональным талантливым композитором и как Петру тоже интересно
27:52
работать с теми людьми которые создают технологии которые дают какие-то новые
27:58
возможности в творчестве Поэтому вот мне кажется что э такой вот такие дуэты
28:04
между людьми технологии людьми искусства они вполне возможны здесь тем более что
28:11
ну часто барьеры Мы у себя в голове возводим на самом деле многие люди которые работают в области технологий не
28:18
чужд искусства и наоборот люди которые работают в области искусства большой интерес к области технологии проявляют
28:25
Ну вот пример другого такого сотрудничества это на совместный проект с Павлом пепперштейн где наша генеративная модель была дооб
28:33
ученая и произведениях там авторов которые предположительно по мнению
28:39
экспертов влияли на творчество Павла в итоге получился такой вот Нейро пепперштейн вот мы издали книгу в которой значит
28:47
половина рассказов была написана настоящим пепперштейн вторая половина виртуальным Вот и читателям предлагалось
28:54
угадать какие произведения написаны кем вот Ну вот мне кажется такие интересные
28:59
арт-проекты они тоже большое значение имеют потому что они создают Ну пример
29:05
да для других художников и творцов рассказывают иму возможности новых
29:11
технологий возможно их наводят на новые на мысли о новых способах применения
29:16
этих технологий в искусстве Сергей наверное потихоньку Подводя нашу беседу к завершению задам вопрос всё-таки
29:22
привязанный к месту где мы сейчас находимся Политехнический музей и в целом музей часто ассоциируется у
29:28
простого человека с местом Где хранятся предметы из прошлого у нас можно найти
29:33
множество примеров устаревших технологий инструменты для уже несуществующих профессий И конечно говоря о развитии
29:40
искусственного интеллекта нельзя не спросить что из сегодня востребованных сегодня существующих профессий скорее
29:47
всего уйдёт в прошлое или скажем так ну будет сильно сокращено по его надобности
29:52
именно в связи с развитием искусственного интеллекта Я думаю что очень сильно
29:58
конечно трансформируется индустрия создания текстов причём в первую очередь это будет касаться таких текстов
30:04
рутинного характера вроде там описаний товаров или там всяких разных SE
30:10
текстов и по сути дела здесь конечно изменения довольно большие такие вот
30:17
какие-нибудь не знаю сммщики тоже очень сильно на себе скорее всего ощутят
30:22
воздействие этого прогресса вот поэтому языковых моделей конечно в первую
30:28
очередь вот эти области будут трансформироваться Вот Но они опять же не будут там исчезать полностью скорее
30:34
всего то есть какое-то количество операций там будет полностью автоматизировано какое-то количество просто сильно сильному видоизменения
30:42
подвергнется Да и возникнет какая-то значит там область связанная с созданием там сверх качественного контента
30:48
Благодаря использованию технологии машинного обучения вот конечно профессии
30:55
там дизайнеров иллюстра они тоже терпят изменения Потому что
31:01
люди получат там Вот таких вот мощных помощников Да Таких вот очень
31:07
трудолюбивых но может быть как бы не самых талантливых Но зато очень трудолюбивых и не подверженных значит
31:14
там проблеме творческого кризиса и так далее кто-то кстати говорит что рядовые художники и авторы Таких вот текстов
31:20
могут переквалифицироваться запросов для
31:26
не быстро развивающееся направление Ну по сути дела Это специалисты по применению
31:33
Тех самых генеративных технологий которые мы сейчас развиваем важным направлением которое будет развиваться
31:38
Наверное это всё что связано с так называемой
31:46
гиперсомния
31:52
человека изображение под отдельно взятого человека срий ти игры которые
31:58
будут создаваться на лету и так далее И конечно очень востребованы будут
32:04
создатели таких систем Вот и вокруг вот этой индустрии
32:10
гиперсомния
32:17
с игровой индустрией Я очень надеюсь что оправдает такой прогноз а не
32:22
какой-нибудь апокалиптический Ну и наверное последний вопрос от меня сегодня он тоже связан с музеем
32:27
как правило когда мы принимаем свою коллекцию какие-то предметы это предмет уже вышедший из использования где-то
32:33
20-30 лет обычно проходит в среднем от момента прекращения эксплуатации до попадания вещи в музей но возможен и
32:39
другой подход когда наоборот вещи которые всё ещё используются мы вот уже сегодня в моменте выбираем для того
32:45
чтобы сохранить их для истории науки и техники и в связи с этим к Вам как к практику вопрос Как вы думаете вот что
32:51
уже сегодня можно или нужно сохранять для музея связанное Разумеется с машинным об искуственным интеллектом Ну
32:58
вообще мне кажется что тут культура машинного обучения она конечно гораздо
33:05
более цифрови Зро чем культура вычислений там 30-40 лет назад То есть у
33:10
нас всё меньше материальных артефактов Ну материальные артефакты Какие Ну в общем-то это те же самые примерно
33:16
компьютеры общего пользования которые используют и все остальные люди Да ну иногда там не знаю более мощные
33:22
тензорные процессоры Да примерно этим заканчивается весь список
33:27
это ль Вот другое дело что цифровых артефактов действительно много это и
33:34
какие-то датасеты какие-то модели Вот но надо сказать что и заряд цифровой эпохи
33:40
тоже была богата на такого рода артефакты и многие из них к сожалению не сохранились до наших дней да а то что
33:47
сохранилось это очень интересно сейчас например вот в своё время в институте
33:52
теоретической экспериментальной физики была создана первая Советская шахматная программа вот которая в своё время
33:59
сыграла с программой стэнфордского университета знаменитый матч по телеграфу и выиграла со счётом 31 вот до
34:06
нас дошли исходные коды вот в виде листингов и это очень интересный
34:11
артефакт потому что ну там много интересных комментариев да тогда вот у крон рода было развит этот подход
34:19
программирования в содержательных обозначениях вот там всякие смешные комментарии Таня не журись шлёп
34:27
и так далее вот Или например ну те же самые примеры
34:33
там раннего компьютерного творчества вроде там ну вот Кубрик например когда
34:39
он снимал космическую Одиссею он использовал там одну из систем синтеза речи созданной в и вот когда л 9000 поёт
34:49
песню де дези это на самом деле Син
34:54
рему такиа Они конечно очень интересны и мне кажется что в
35:00
принципе очень большое пространство деятельности для цифровых археологов будущего Да и в том числе для музея
35:07
будущего именно в плане сбора цифровых артефактов Ну вот как я вас услышал
35:13
учитывая те примеры которые вы назвали все вот эти артефакты в основном лежат Как раз на стыке технологий и культуры
35:19
Так что это нас возвращает наверное к теме нашей беседы и к понятию тех культа
35:24
так и есть так и есть N