Վերջին ժամանակներում արհեստական բանականությունը՝ ԱԲ-ն, դարձել է ամենաքննարկվող թեմաներից մեկը․ ոմանք այն համարում են մարդկության փրկիչ, մյուսները՝ վտանգ։ Բայց ի՞նչ է իրականում արհեստական բանականությունը, և արդյոք ChatGPT-ին ամբողջ ԱԲ-ն է։ ԱԲ ոլորտի փորձագետ Արթուր Հակոբյանը պարզ ու հասկանալի կերպով բացատրում է՝ ի՞նչ է թաքնված այս մեծ բառի հետևում։

— Ի՞նչ ենք հասկանում արհեստական բանականություն ասելով։

— Սկզբում կարևոր է հասկանալ մի բան․ արհեստական բանականությունը շատ ավելի լայն հասկացություն է, քան ChatGPT-ին։
ChatGPT-ին և դրա նման համակարգերը կոչվում են LLM (Large Language Models)՝ մեծ լեզվական մոդելներ։ Դրանց հիմնական գործառույթն է հաջորդ բառը գուշակելը։

Այս մոդելները սովորում են համացանցում բաց հասանելի տվյալներից՝ գրքեր, հոդվածներ, ֆորումներ, քննարկումներ (օրինակ՝ Reddit)։ Դրանք կարդում են հսկայական քանակի տեքստ և փորձում հասկանալ՝ որ բառը որ բառից հետո է ամենահավանականը։

— Իսկ ինչպե՞ս են այդ մոդելները սովորում։

— Աշխատանքային մեթոդն այն է, որ ստեղծում է մեծ նեյրոնային ցանց ու նրա նեյրոնները այնպես է փոփոխվում, որ ստանալով տեքստի նախորդ բառերն ինքը գուշակում է հաջորդ բառը։ Սովորելու ժամանակ այն, օրինակ, վերցնում է գրքի առաջին երեք բառը և փորձում գուշակել չորրորդը։ Եթե սխալվում է, նեյրոնների կապերը փոփոխվում են այնքան ժամանակ, մինչև գուշակված բառը համընկնի իրական բառի հետ։

Քեզ պատասխանելիս էլ նույնն է անում․ կարդում է քո գրածը և իր կարդացած բոլոր տեքստերի հիման վրա ընտրում է ամենահավանական հաջորդ բառը, հետո հաջորդը, հետո՝ մյուսը։

— Շատերը կարծում են, որ ԱԲ-ն գերարագ է աշխատում։ Իրականում այդպե՞ս է։

— Այլ համակարգչային ծրագրերի հետ համեմատած այդքան էլ արագ չի աշխատում։ Հակառակը, արհեստական բանականության այս մոդելները դանդաղ են աշխատում, որովհետև շատ մեծ են, միլիարդավոր հաշվարկներ է գնում, բայց եթե համեմատենք մարդու ուղեղի աշխատանքի հետ, կարող ենք ասել, որ ավելի արագ է աշխատում։

Կա երկու մոդել մեկը, որ միանգամից պատասխան է տալիս, մյուսը՝ մտածող է, հաշվարկներ է անում, մարդու նման մտածում է ո՞նց է պատասխանելու։ Հնարավոր է մինչև հինգ րոպե մտածի պատասխանելուց առաջ, որը այդքան էլ արագ չի աշխատում։ Մարդու ուղեղի նման է աշխատում հեշտ հարցերին արագ է պատասխանում, իսկ դժվար հարցերի դեպքում մտածում է։

— Իսկ հայերեն լեզվի դեպքում ի՞նչ իրավիճակ է։ Չէ՞ որ տվյալները քիչ են, կամ լատինատառ հայերենով են գրված։

— Եթե համացանցում հայերեն տվյալ քիչ կա, այդ մոդելները սովորելու են այդ տվյալների վրա, բայց հիմա ահագին տվյալ կա ու այդքանը բավարար է, որ մոդելներ սովորեն, անգլերենի հետ համեմատած քիչ է բնականապար, բայց բավարար է։ Այստեղ խնդիրը նրանում է, եթե ինչ-որ խնդրի լուծում միան անգլերեն տվյալների մեջ է, ապա արդյո՞ք կարող է դրանք հայերեն թարգմանել և տալ, հիմա այս վերջին մոդելները  կարողանում են։

Քանի, որ տվյալների վրա է սովորում միանշանակ, եթե անորակ են տվյալները, ապա ինքն այդ տվյալներն է բերելու։

— Շատ է խոսվում այն մասին, որ ԱԲ-ն սխալներ է անում։ Ինչո՞ւ է դա տեղի ունենում։

— Արհեստական բանականությունը կարող է տալ սխալ պատասխաններ, երբեմն տարբեր պատճառներից ելնելով, առաջինն իր հալուցինացիաներն են, որ չգիտի ինչ է պատասխանելու ու անիմաստ խոսում է։ Երկրորդը, որ համացանցում շատ սխալ տվյալ կա, որով ինքը օգտվում է։

Եթե հարցը մաթեմատիկական կամ ֆիզիկական է, մեծ հավանականությամբ սխալ չի լինի, իսկ եթե չի կարող լուծել խնդիրը, ժամանակակից մոդելները սովորաբար ասում են, որ չեն կարող պատասխանել։

Մյուս խնդիրն այն է, որ կան բազմաթիվ կեղծ կամ ոչ գիտական ոլորտներ, որոնց մասին էլ առկա է մեծ քանակությամբ տեղեկատվություն՝ ենթադրությունների ու գուշակությունների վրա հիմնված։ Օրինակ՝ հորոսկոպի մասին այն կարող է պատասխանել այնպես, կարծես մասնագետ լինի այդ ոլորտում։ Բայց, եթե խորքային հարց տաս, կասի, որ հորոսկոպը կեղծ գիտություն է, և գիտական հիմք չունի։

— Մարդկանց ամենամեծ վախերից մեկն անձնական տվյալների հետ է կապված։ ԱԲ-ն հիշու՞մ է դրանք։

— Ոչ։ Արհեստական բանականությունը չի սովորում միայն մեկ մարդու տվյալների վրա։ Այն ուսուցանված է շատ մեծ քանակությամբ ընդհանուր տվյալների հիման վրա և գործում է որպես մեկ ընդհանուր մոդել, որը բոլորին նույն կերպ է պատասխանում։

Կարևոր է հասկանալ՝ ինչպես է այն սովորում։ Այն չի հիշում և չի պահպանում մարդկանց անձնական տվյալները։ Օրինակ՝ եթե ինչ-որ մեկը գրի իր հաշվեհամարի կոդը կամ այլ անձնական տեղեկություն, այդ տվյալը չի պահպանվում և չի փոխանցվում ուրիշներին։ Մոդելները ստեղծված են շատ զգույշ մեխանիզմներով, որպեսզի չսովորեն և չհիշեն անձնական ինֆորմացիա, այլ աշխատեն միայն ընդհանրացված, ոչ անձնական տվյալների հիման վրա։

— Շատերն ասում են, թե ԱԲ-ն նոր բան է։ Իրականում այդպե՞ս է։

— Արհեստական բանականությունը շուտվանից է եղել, բայց դարձել է կիրառելի երբ որ նոր համակարգչային հզորություններն ուժեղացել են, որ կարողանան աշխատացնել այդ ալգորիթմները, ամենահայտնիները, օրինակ՝ հեռախոսները ճանաչում էին Face ID,  ԱԲ է՝ դեմքը ճանաչում է, կամ նկար որ տալիս էինք և տառերով տեքստն էինք պահանջում քոփի անելու համար, դա էլ ԱԲ-ի հին մոդելներից է։

Հիմա արդեն ամեն ինչի մեջ է օգտագործվում արհեստական բանականություն։

— Ինչո՞ւ վերջին տարիներին ԱԲ-ն այսքան արագ հայտնի դարձավ։

— Կարելի է ասել հայտնի դարձավ երկու պատճառով, մեկը որ մասսայական դարձավ և բոլորը հնարավորություն ունեցան օգտվելու, մինչ այդ հասանելի չէր, երկրորդն էլ, որ մարդիկ չէին հավատում, որ մոդելը մեծացնելով, տվյալներ շատացնելով կուժեղանա մոդելը, բայց պարզվեց այդպես է՝ ինչքան տվյալները շատացնում ես, այնքան խելոք է դառնում, դրա համար հիմա շատ արագ է զարգանում։

Հիմա անգամ եկել են այն կետին, որ էլ չի ուժեղանում, պետք է նոր բացահայտում, թե ո՞նց փոփոխեն մոդելը, ոչ թե չափերը մեծացնեն, այլ կառուցվածքը։

Ինչ վերաբերում է ապագային՝ դժվար է հստակ կանխատեսել, բայց ակնհայտ է, որ մեծ փոփոխություններ են սպասվում։ Մոտ ապագայում զարգացումը, հավանաբար, կգնա տնտեսական ուղղությամբ՝ արհեստական բանականությունն ավելի գործնական դարձնելու համար։ Կստեղծվեն նոր ԱԲ-ներ, որոնք իրական աշխատանքներ կկատարեն և որոշ ոլորտներում կփոխարինեն մարդկանց աշխատանքին։

— ԱԲ-ն կխլի՞ մարդկանց աշխատանքը։

— Արհեստական բանականությունը շատ ոլորտներում կարող է ավելի արդյունավետ լինել, քան միջին մարդը, բայց այս փուլում այն դեռ ամբողջությամբ չի խլում մարդկանց աշխատանքը։ Ավելի ճիշտ է ասել, որ այն փոխում է աշխատանքի ձևը, ոչ թե ամբողջությամբ վերացնում աշխատանքը։

— Ինչ բնապահպանական խնդիրներ կարող է առաջանալ ԱԲ-ն օգտագործումից:

— ԱԲ տվյալային կենտրոնները հիմնականում օգտագործում են քաղցրահամ ջուր՝ չիպերի հովացման համար։ Թեև դրանց օգտագործումը համաշխարհային մասշտաբով դեռ կազմում է համեմատաբար փոքր տոկոս, խնդիրը լոկալ բնույթ ունի։ Եթե տվյալային կենտրոնը տեղակայված է որևէ քաղաքի կամ բնակավայրի մոտ և օգտագործում է հենց այդ տարածքի ջրային պաշարները, դա կարող է հանգեցնել տեղական ջրի պակասի և ազդել բնակչության վրա։

Բացի այդ, տվյալային կենտրոնները սպառում են մեծ քանակությամբ էլեկտրաէներգիա։ Էլեկտրաէներգիայի արտադրությունը շատ դեպքերում կապված է շրջակա միջավայրի աղտոտման հետ, հատկապես եթե այն ստացվում է հանածո վառելիքից։ Արդյունքում կարող է աճել օդի աղտոտվածությունը և ավելանալ ջերմոցային գազերի արտանետումը, ինչը վնասում է էկոլոգիային։

— Իսկ դրական կողմերը որո՞նք են։

— Այս թեմայի շուրջ կա չափազանցություն երկու կողմերից էլ՝ թե՛ խիստ քննադատողների, թե՛ նրանց կողմից, ովքեր ԱԲ-ին գրեթե «աստվածացնում» են։

Իրականում արհեստական բանականության միջոցով մարդիկ կարող են օգտակար լինել իրենց համայնքին տարբեր ձևերով։ Ամենակարևորներից մեկն այն է, որ մարդիկ, ովքեր հոգեբանական աջակցության կարիք ունեն, սկսում են կիսվել ԱԲ-ի հետ։ Դա օգնում է կարգավորել հուզական վիճակը, հասկանալ՝ ինչ է տեղի ունենում մարդու ներսում, և շատ դեպքերում ստանալ խելամիտ, հանգստացնող բացատրություններ։

Բացի այդ, ԱԲ-ն մոտիվացնում է մարդկանց սովորել։ Եթե նախկինում որևէ ոլորտի մասին ընդհանուր պատկերացում ստանալու համար անհրաժեշտ էր կարդալ տասնյակ գրքեր, ապա այսօր կարելի է շատ ավելի կարճ ժամանակում ստանալ կառուցված և օգտակար տեղեկատվություն։ Դա օգնում է մարդկանց ավելի արագ զարգանալ և խելոքանալ։

Աշխարհում կան բազմաթիվ խնդիրներ, որոնց լուծումը բոլորիս համար օգտակար կլինի։ Եվ անկախ նրանից՝ դրանք կլուծի մարդը, թե արհեստական բանականությունը, օրինակ՝ բժշկության ոլորտում, եթե ԱԲ-ի շնորհիվ հնարավոր լինի ավելի արդյունավետ բուժել հիվանդություններ, դա միայն դրական արդյունք կլինի մարդկության համար։

Արթուրի խոսքով, արհեստական բանականությունը հրաշք չէ, բայց նաև սարսափ չէ։ Այն գործիք է, որը ճիշտ օգտագործելու դեպքում կարող է մեծ օգուտ տալ հասարակությանը։ Ինչպես ցանկացած տեխնոլոգիա՝ ամեն ինչ կախված է նրանից, ով և ինչ նպատակով է օգտագործում այն։

Ընդգծենք, որ Արթուր Հակոբյանը 5 տարի է, որ աշխատում է արհեստական բանականության ոլորտում, ներկայում զբաղվում է նոր դեղերի հայտնագործման ուղղությամբ։