Teller

↑ Так выглядела самая первая переписка с чат-ботом

В 1966 году в Массачусетском университете разработали программу ELIZA, которая могла реагировать на запросы человека. Эта языковая модель была сильно ограничена в своих ответах и умела лишь задавать наводящие вопросы или перефразировать уже сказанное 🤖

ELIZA работала по нескольким сценариям и могла имитировать поведение того или иного специалиста, например психотерапевта. В ходе бесед ученые пытались отладить работу программы и сделать так, чтобы ее ответы было трудно отличить от ответов реальных людей. Участники эксперимента довольно быстро привязались к цифровому собеседнику: стали делиться с ним личными проблемами и даже скрывать фрагменты переписки от ученых.

С тех пор многое изменилось. Нейросети стали мощнее, научились поддерживать разговор и даже оказывать психологическую поддержку. Но на деле люди все так же переживают «эффект „Элизы“»: привязываются к виртуальным друзьям, а некоторые даже влюбляются в них. Сегодня излить свои проблемы можно ChatGPT, а те, кто ищет более персонализированный подход, могут обратиться к сервису Replika, который за подписку предлагает пользователю виртуального друга-аватара.

Как человек полюбил ИИ и почему это выгодно корпорациям — читайте здесь.

Сегодня большинство электронных компонентов (от микрочипов до корпусов ноутбуков и телефонов) производится в Китае. Там к технологиям и новым изобретениям относятся иначе, чем на Западе, — без технопессимизма или слепой веры в прогресс. Ручной труд также остается одной из важных точек в рассуждениях азиатских философов → рассказали об этом в одном из материалов.

Однако еще 50–60 лет назад все было иначе. Американские компании сами разрабатывали и производили комплектующие 💻

Правда, на сборке они старались сэкономить, как и сейчас. Именно поэтому ручным трудом на производстве занимались преимущественно коренные американцы — например, народ навахо.

Собирали первые чипы и платы преимущественно женщины, ранее занимавшиеся традиционным шитьем. В 1994 году компания Intel решила увековечить этот исторический эпизод, заказав у художницы Марилу Шульц (тоже представительница навахо) ковер, повторяющий абстрактный вид микросхем.

Это не первая (и не последняя) работа Шульц, в которой художница рассуждает о связи ручного труда и цифровых систем. С одной стороны, она показывает рукотворность любых гаджетов, с другой — людей, которые стоят за их появлением.

🖼: Марилу Шульц. Без названия. 2008

Еще на заре своего появления интернет породил собственный фольклор. Странные вебсайты, гуляющие по сети крипипасты, легендарные мемы и персонажи — все это могло бы составить потенциальную энциклопедию веба. И она постоянно пополняется. За производство контента теперь, правда, отвечают не только пользователи, но и нейросети 👨‍💻

На картинке изображен криптид Крангус, которого мы упоминали пару постов назад. Его представляют как человекоподобного монстра с шерстью и обезображенным лицом. Нейросети рисуют его примерно одинаково, но…

На самом деле Крангуса как персонажа (вымышленного и реального) никогда не существовало. ИИ сам его создал. И оказался довольно последовательным в воспроизведении его образа.

Выдуманные существа, мемы и шутки — реакция интернет-сообщества на все, что происходит вокруг. Какую роль в генерации цифрового фольклора играют пользователи и нейросети — читайте в свежем материале.

Нейросетевые изображения изначально содержат в себе парадокс: с одной стороны, они приближены к реальным образам, с другой — изобилуют артефактами и искажениями. Это во многом объясняется выборками данных, на которых обучаются сервисы: туда в основном попадают «усредненные» изображения 💻

О том, как они затем воспроизводятся нейросетями, для Teller Blog уже писал наш автор Иван Неткачев.

Неткачев не только исследователь, но и медиахудожник. Одна из его работ под названием Stopping Light во многом иллюстрирует тезисы опубликованного текста. Автор натренировал нейросеть на фотографиях реальных церквей, а затем — на изображениях церквей из GTA San Andreas. В конечном счете получилось генеративное видео, в котором реалистические образы сливаются с референсами из цифрового мира.

Иван предлагает детальнее взглянуть на принципы генерации изображений. Перед компаниями, которые тренируют ИИ, остро стоит вопрос нехватки данных. И работа Неткачева в этом контексте — предположение, как в будущем будут обучаться нейросети 🖥

Рано или поздно ИИ будет вынужден изучать не только тексты и изображения, созданные человеком, но и сгенерированные другим ИИ.

Давно установлено, что нейросети в своих ответах бывают пристрастны — подыгрывают определенным политическим взглядам, выдают на изображениях стереотипные образы и разделяют предубеждения к некоторым социальным группам и национальностям 🤖

Нейросети действительно предвзяты. Это объясняется тем, что их учат на больших массивах данных, в которых неизбежно встречаются расовые, политические и другие стереотипы. Так формируются байасы — убеждения и предрассудки, которыми руководствуется ИИ в своих ответах. И с этими проблемами инженеры нейросетей ведут постоянную борьбу.

Как происходит эта борьба — читайте в нашем тексте.

Так о втором альбоме Burial отзывался Марк Фишер в книге «Призраки моей жизни». Это сборник критических статей британского критика, посвященных, на первый взгляд, преимущественно музыке, а на деле — социальной, политической и экономической ситуации, в которой оказалось британское общество ☕️

О другой книге Фишера мы написали тут. А о коллажном подходе Burial, который определил то самое мрачное звучание (а также о других важных музыкантах и их творческом методе), сказали пару слов в другом материале.