От случайности к прорыву
В статье для журнала Past and Present Бенджамин Линдквист, ассистент-профессор MIT, анализирует эволюцию искусственного интеллекта. Он утверждает, что современные генеративные модели, известные своими галлюцинациями, являются прямыми наследниками ранних экспериментов инженеров, которые намеренно внедряли случайность в алгоритмы. Целью было не просто решение задач, а имитация человеческого творческого мышления, способного на неожиданные инсайты.
Философия «упорядоченного хаоса»
Ключевую роль сыграл инженер Bell Labs Джон Пирс. В 1950-х годах он предложил парадоксальную идею: математика полезна в искусстве не для создания порядка, а для его разрушения. Добавление вычислительной случайности позволяло избегать клише и генерировать иррегулярные, но порой гениальные решения. Нейронные сети рассматривались как способ заглянуть в «черный ящик» разума, где ошибки и странные ассоциации являются частью процесса познания.
Символический ИИ против Нейросетей
Долгое время доминировал символический ИИ, основанный на жестких правилах и логике. Нейросети, напротив, опирались на вероятности. Их возрождение произошло лишь с появлением больших данных и вычислительных мощностей интернета. В 2012 году нейросети начали превосходить статистические методы машинного обучения, что заложило фундамент для современной эры генеративного ИИ.
| Параметр | Ранние нейросети (1950-80-е) | Современный ИИ (LLM) |
|---|---|---|
| Основная цель | Имитация креативности и «продуктивных ошибок» | Максимальная точность и предсказуемость |
| Отношение к случайности | Инструмент для прорыва и новизны | Источник «галлюцинаций», требующий подавления |
| Контекст использования | Лабораторные исследования, когнитивная наука | Коммерческие продукты, юридическая ответственность |
| Ключевые фигуры | Джон Пирс, Фрэнк Розенблатт | OpenAI, Anthropic, Google DeepMind |
Цена контроля: «сглаживание» странности
Линдквист отмечает, что сегодня компании вроде OpenAI и Anthropic активно подавляют «странность» своих моделей из-за юридических и финансовых рисков. Однако исторический анализ показывает, что между креативностью и предсказуемостью существует неизбежный компромисс. Попытки полностью устранить галлюцинации могут лишить ИИ способности к нестандартному мышлению, которое изначально и было заложено в архитектуру этих систем.
Источник: MIT News AI ↗