Как изменилось наше восприятие времени с развитием ИИ?

Привет, мир! Когда вы отправляете запрос в нейросеть, вы получаете ответ буквально за несколько секунд. А на генерацию изображения по вашему промпту может уйти меньше времени, чем на загрузку существующего изображения или фотографии в интернете. Первый выпуск подкаста «Первый искусственный» я посвящаю теме скорости работы нейросетей и интернета. И это будет особенно актуально для тех, кто застал Dial-up модемы с их очень медленным интернетом. Когда запрос от поисковой системы мы ждали гораздо дольше, чем сейчас ждем ответ от нейросети.

Идея для первого выпуска подкаста назрела довольно давно. Но на сегодня появился дополнительный повод поговорить о скорости работы нейросетей и интернета. И это новая технология, которую представила компания OpenAI с ее продуктом Deep Research, который сейчас доступен для про-юзеров. Кстати, буквально вчера Сэм Альтман сообщил о том, что эта технология будет доступна для плюс-юзеров и даже для бесплатных с 10 и 2 запросами соответственно.

Для тех, кто не слышал, Deep Research — это технология, которую представила OpenAI для глубокого изучения какой-либо темы. Либо написания научной работы, диссертации и так далее. Deep Research использует модель o3, специально разработанную OpenAI для анализа и синтеза информации. Суть в том, что по одному запросу нейросетей для начала сама себе пишет план действий. Понимает, какая информация у нее есть, какой недостаточно, что нужно сверить, а что посчитать. Как все это оформить в единый документ и какого объема он должен быть. Контекстное окно у этой технологии, конечно, тоже гораздо больше. А самое важное, что относится к теме нашего выпуска подкаста, это то, что ответ занимает от 10 до 30 или иногда 60 минут.

И здесь я хочу плавно перейти к тому, что для меня, как для человека из того поколения, который пользовался Dial-up модемами, и за 10, 30 или 60 минут мог просто только прогрузить одну страницу в интернете, мне только на заре становления GPT-3.5 было бы достаточно этого времени для того, чтобы получить ответ на свой запрос. Но OpenAI сразу задали очень высокую планку по скорости ответа. Да, были вопросы к качеству, но тем не менее результат поражал. Можно было задавать уже запросы как в поисковик или получить какой-то готовый результат.

Например, таким образом я без знаний программирования написал Python script, который парсил нужную мне информацию. Да, я не придумал парсинг страниц. До этого я пользовался Google таблицами, которые через формулу вытягивали определенные данные с сайтов. Но там были свои ограничения, и я спросил GPT, а что я могу еще сделать. Он мне предложил сделать парсер на Python, а потом мне предложил написать код для него. Я разобрался с тем, как его запустить, и получил те данные, которые мне были нужны. То есть для меня это была уже невероятная технология. И если бы на генерацию ответа ей требовалось не минута, а один час, она бы меня впечатляла не меньше.

Потому что воспоминания из моего детства выглядят примерно так. Я подключался к интернету вот с таким звуком. И открывал заранее сохраненный HTML файл с Rambler. Для того, чтобы не прогружать заново поисковую страницу. Я писал запрос и через какое-то время получал ответ от поисковика. Потом я в новых вкладках открывал те сайты, которые потенциально мне были интересны, на которых должна была быть та информация, которую я ищу. И в некоторых случаях я даже уходил спать. То есть процесс загрузки был настолько долгий, а я всего лишь хотел получить результат из поисковой выдачи. Про загрузку картинок или музыки тот момент вообще можно было забыть.

Итак, что же такое Dial-up Modem? Для тех, кто родился в эпоху Wi-Fi, опять же, это может прозвучать как описание артефакта из музея. Представьте себе, чтобы подключиться к интернету, вам нужно было использовать обычную телефонную линию. Ваш компьютер издавал целую симфонию писков, тресков и шипения, пока устанавливалось соединение. Это было похоже на попытку связаться с внеземной цивилизацией с помощью азбуки Морзе. И, о чудо, если соединение установилось, а это случалось далеко не всегда, мы получали доступ к всемирной паутине.

В начале 2000-х годов максимальная скорость Dial-up соединений составляла 56 кбит в секунду. Реальная скорость у большинства пользователей редко превышала 14 кбит в секунду. А, в лучших случаях 33. Да, конечно, потом скорости становились повыше, и я уже качал какие-то песни на свой mp3-плеер. Но тогда это все равно было удивительно. Я мог скачать реферат за 20 минут, немного поправить его в Word, распечатать и получить хорошую оценку.

То есть для меня в то время эта технология была такая же, как сейчас GPT для нынешних учеников и студентов. А до того, как появилась возможность скачать реферат в интернете, нужно было идти в библиотеку и собирать все эти знания из отдельных книг, читать, переписывать, систематизировать и выдавать в единую работу. Сейчас же за подписку за 200 долларов в месяц у людей есть возможность написать несколько дипломных работ и десятикратно, а может быть и больше, окупить стоимость этой подписки. Вся информация будет найдена, структурирована, переработана, указаны источники и, возможно, она будет сделана более глубоко, чем это сделал бы человек.

В этом выпуске мы не будем выдаваться в вопросы этического характера или о том, как это повлияет на наши интеллектуальные способности. Здесь я говорю лишь о том, что скорость загрузки страниц, которая исчислялась минутами, меня вполне устраивала. И когда я только начал пользоваться GPT, и он мне выдавал готовый кусок кода за меньшее время, но он был написан специально для меня, мне это вызывало дикое недоверие. Я думал, что, возможно, индусы за полтора доллара в час генерят мне эти ответы. Но как тогда это получается настолько быстро?

То же самое с картинками в Midjourney. Они иногда были довольно одинаковыми. И вполне можно было представить, что просто заготовлена какая-то огромная база генерации. Но, тем не менее, ты меняешь промпт, что-то там изменяется. А сейчас можно выбрать конкретную область, в которой произойдут изменения. И вот тут мы подходим к самому интересному. Параллели между развитием интернета и развитием нейросетей поразительны.

С каждым годом скорость интернета росла в геометрической прогрессии. Dial-up сменился и DSL, а затем оптоволокном. Сегодня мы живем в эпоху, когда Илон Маск по спутниковому интернету дает скорость 100-200-300 мегабит в секунду. А по оптоволокну мы получаем гигабит. Это позволяет нам скачивать фильмы в высоком разрешении, буквально за секунды, проводить трансляции на тысячи человек. То, что раньше казалось фантастикой, стало обыденностью.

То же самое происходит с нейросетями. И вот это быстрое развитие технологий, эта невероятная скорость обработки информации, конечно же, меняет наше восприятие. Мы привыкаем к мгновенному результату. Мы ожидаем, что все будет работать быстро, эффективно, без задержек. Мы становимся нетерпеливыми. То, что раньше казалось нам чудом, сегодня воспринимается как должное.

Представьте себе реакцию человека из эпохи Dial-up. Если бы ему показали первые модели ИИ, которые выполняли одну простую задачу целую ночь, он бы, наверное, подумал, что это как минимум неэффективно. Зачем тратить столько времени на то, что можно сделать вручную гораздо быстрее? Но с другой стороны, я понимаю, зачем нужна была эта высокая планка скорости. Потому что, когда ты просишь нейросеть написать текст, с которым копирайтер управится в три раза быстрее, это может быть не очень эффективно и не очень впечатляюще.

Но когда за время написания одного текста копирайтером ты можешь получить 10 текстов, выбрать то, что тебе нравится больше, как-то комбинировать наиболее удачные абзацы, то это уже становится более дешевым источником получения контента. Но если вы все-таки хотите ощутить боль и страдания от использования ИИ, почувствовать, как ваш процессор греется, а память забита полностью, особенно это заметно на не самых мощных ПК, скачайте программу LM Studio. В нее можно загрузить множество моделей, которые работают с текстом, и она будет работать у вас оффлайн, без подключения к интернету, иногда даже без цензуры. Но самое главное, она полностью задействует именно мощности компьютера.

Я ей пользовался, например, в самолете. Без интернета у меня генерировался ответ. Но очень долго и без возможности делать параллельно какие-то другие задачи. У меня обычный M.2, 15-дюймовый MacBook Air. И ему было довольно тяжело генерировать даже какие-то простые тексты. Но у меня действительно было какое-то ностальгическое ощущение, когда я чувствую, как этот процесс происходит, что это действительно генерируется в мой ответ, а не кто-то мне его присылает уже заранее заготовленной.

Итак, что же мы имеем в итоге? Мы прошли долгий путь от писка Dial-up модемов до мгновенных ответов нейросетей. Возможно, глядя из 2000-х годов, кажется, что наша продуктивность должна была вырасти примерно в тысячи раз. Но мы все равно находимся в балансе. Получая новые инструменты, мы оптимизируем какие-то свои рабочие или личные процессы. То, что нам казалось раньше невозможным, сегодня стало реальностью.

И это только начало. Я уверен, что впереди нас ждут еще более удивительные открытия и еще более впечатляющие технологии. Сейчас уже в США выделили полтриллиона долларов на разведение искусственного интеллекта. Китай 100 миллиардов юаней. Поэтому гонка и все большая демократизация цены за каждый токен нас ожидает. Искусственный интеллект уже сейчас меняет нашу жизнь, меняет нашу работу, меняет наше общество. Мы еще не до конца осознаем все возможности, все перспективы, которые открывает перед нами эта новая эра. Но одно можно сказать наверняка: это будет захватывающее путешествие. И я рад, что мы можем отправиться в него вместе. Спасибо, что были со мной в этом выпуске подкаста "Первый искусственный". До новых встреч.