გენერაციული AI არის ხელოვნური ინტელექტის კატეგორია, რომელიც ქმნის ახალ კონტენტს — ტექსტს, სურათებს, ხმას, ვიდეოს ან პროგრამულ კოდს — და არა უბრალოდ ახარისხებს, აფასებს ან წინასწარმეტყველებს არსებული მონაცემების საფუძველზე. როცა ვინმე ChatGPT-ში ან Midjourney-ში მოთხოვნას (პრომფტს) წერს და პასუხად ორიგინალურ აბზაცს ან სურათს იღებს — სწორედ ეს არის გენერაციული AI მოქმედებაში.
რა განასხვავებს მას “გენერაციულად”
2020-იან წლებამდე შექმნილი AI სისტემების უმეტესობა ის იყო, რასაც მკვლევრები დისკრიმინაციულს უწოდებენ: სპამის ფილტრი წყვეტს, არის თუ არა წერილი უსარგებლო, თაღლითობის საწინააღმდეგო მოდელი აფასებს ტრანზაქციის რისკიანობას, რეკომენდაციების სისტემა ალაგებს პროდუქტებს, რომლებიც შეიძლება შეიძინოთ. ეს სისტემები ახარისხებენ ან წინასწარმეტყველებენ უკვე ნანახი შაბლონების მიხედვით — ისინი არაფერს ქმნიან ახლიდან.
გენერაციული AI განსხვავებულია. ის აგებულია მანქანური სწავლების მოდელებზე, რომლებიც წვრთნილია იმდენად კარგად ისწავლონ მონაცემთა ნაკრების სტატისტიკური სტრუქტურა, რომ შეძლონ იმ სტრუქტურის შესაბამისი სავსებით ახალი მაგალითების გენერირება. მოდელი, რომელიც მილიონობით კატის ფოტოზეა გაწვრთნილი, არა მხოლოდ სწავლობს კატის ამოცნობას — გენერაციული მოდელი სწავლობს, რა ხდის კატას კატისებრად, იმდენად ზუსტად, რომ შეძლოს დამაჯერებელი ახალი, აქამდე არარსებული სურათის შექმნა. იგივე პრინციპი მუშაობს ტექსტის, კოდისა და ხმის შემთხვევაშიც. ტექსტზე მომუშავე ამგვარ სისტემებს ხშირად უფრო ფართოდ დიდ ენობრივ მოდელებსაც უწოდებენ.
როგორ მუშაობს ეს სინამდვილეში
დღევანდელი ტექსტის მაგენერირებელი სისტემების უმეტესობა, მათ შორის ChatGPT და Claude, აგებულია ნეირონული ქსელის არქიტექტურაზე, რომელსაც ტრანსფორმერი ჰქვია და 2017 წელს Google-ის მკვლევრებმა შემოგვთავაზეს. ტრანსფორმერი მთელ ტექსტს ერთდროულად ამუშავებს და აფასებს, რამდენად მჭიდროდ უკავშირდება თითოეული სიტყვა ყველა დანარჩენს — ამის საფუძველზე კი წინასწარმეტყველებს შემდეგ სავარაუდო სიტყვას, შემდეგ კიდევ ერთს და ასე შემდეგ, ტოკენ-ტოკენ. უზარმაზარ ტექსტურ მასივზე გაწვრთნის შემდეგ ის საკმაოდ კარგად ართმევს თავს პრომფტის გაგრძელებას თანმიმდევრული, რელევანტური პასუხის სახით.
სურათების გენერატორები ჩვეულებრივ სხვაგვარად მუშაობენ — მათში გამოიყენება ეგრეთწოდებული დიფუზიის მოდელი. წვრთნისას სისტემას ასწავლიან უკუაქციონ პროცესს, რომლის დროსაც სურათს ეტაპობრივად შემთხვევითი „ხმაური“ ემატება, სანამ ის სრულ ქაოსს არ დაემსგავსება — შემდეგ კი მოდელი ისწავლის, საწყისი ქაოსური სურათიდან ნაბიჯ-ნაბიჯ „გაასუფთაოს“ და ტექსტურ აღწერას შესატყვისი, თანმიმდევრული სურათი მიიღოს. უფრო ძველი მეთოდი — მეტოქე გენერაციული ქსელი (GAN) — ორ ნეირონულ ქსელს ერთმანეთს უპირისპირებს: ერთი ქმნის ყალბს, მეორე კი ცდილობს მის ამოცნობას — სანამ ყალბი საკმარისად დამაჯერებელი არ გახდება; დღეს ის სურათების გენერაციაში დიფუზიის მოდელებზე ნაკლებად გავრცელებულია, თუმცა 2010-იან წლებში მნიშვნელოვან როლს თამაშობდა.
ყველა ამ შემთხვევაში მოდელი არ პოულობს შენახულ პასუხს და არ აკოპირებს კონკრეტულ მაგალითს თავისი სავარჯიშო მონაცემებიდან. ის ქმნის სიტყვების, პიქსელების ან ხმის ახალ თანმიმდევრობას, რომელიც სტატისტიკურად წააგავს იმას, რაც ისწავლა. სწორედ ამიტომ შეუძლიათ ამ სისტემებს დამაჯერებლად ჟღერადი, მაგრამ არასწორი ინფორმაციის გამოცემა — კარგად დოკუმენტირებული ნაკლი, რომელსაც ჰალუცინაცია ჰქვია — რადგან მოდელი ორიენტირებულია სავარაუდო, დამაჯერებელ პასუხზე და არა გადამოწმებულ ჭეშმარიტებაზე.
რატომ აქვს მნიშვნელობა
გენერაციულმა AI-მ შეცვალა ის, რასაც ადამიანები კომპიუტერისგან ელოდებიან. აქამდე ტექნიკა მხოლოდ ითვლიდა, ალაგებდა ან ადარებდა მონაცემებს — ახლა კი პროგრამას შეუძლია მოთხოვნის მიხედვით მოამზადოს მემორანდუმი, გამოასწოროს კოდის ხარვეზი, თარგმნოს დოკუმენტი ან შექმნას მარტივი ილუსტრაცია. მას შემდეგ, რაც ChatGPT 2022 წლის ნოემბერში საჯაროდ გაუშვეს, გენერაციული ხელსაწყოები კვლევითი დემონსტრაციებიდან ყოველდღიურ პროდუქტებში გადავიდა: ტექსტური რედაქტორები, დიზაინის პროგრამები, კოდირების გარემოები და მომხმარებელთა მხარდაჭერის სისტემები ნაგულისხმევად აერთიანებენ გენერაციის ფუნქციებს.
ამ ცვლილებას რეალური ფასიც ახლავს. ამ მოდელების გაშვება — განსაკუთრებით ისეთი მასშტაბით, რომელსაც ასობით მილიონი მომხმარებელი იყენებს — გაცილებით მეტ გამოთვლით სიმძლავრეს მოითხოვს, ვიდრე ძველი AI სისტემები, რაც პირდაპირი მიზეზია იმისა, რომ მონაცემთა ცენტრების მშენებლობა მთელ მსოფლიოში დაჩქარდა; Meta-ს ლუიზიანაში გაფართოებული AI მონაცემთა ცენტრი ამ პროცესის ერთ-ერთი ბოლოდროინდელი მაგალითია. გენერაციული AI ასევე აჩენს გადაუწყვეტელ სამართლებრივ საკითხებს — ვის ეკუთვნის მოდელის მიერ შექმნილი კონტენტი, როცა მოდელი საავტორო უფლებებით დაცულ მასალაზეა გაწვრთნილი — და პრაქტიკულ საკითხებსაც, როგორიცაა შედეგების გადამოწმების საჭიროება მათზე დაყრდნობამდე.
ხშირად დასმული კითხვები
გენერაციული AI იგივეა, რაც AGI? არა. AGI გულისხმობს ჰიპოთეტურ სისტემას, რომელსაც ადამიანის დონის მსჯელობის უნარი ექნება ნებისმიერ ამოცანაში. გენერაციული AI კი აღწერს დღევანდელ, შაბლონებზე დაფუძნებულ კონტენტის შემქმნელ ხელსაწყოებს, რომლებიც ისე არ მსჯელობენ, როგორც ადამიანი, თუნდაც მათი პასუხი მდინარე ჟღერდეს.
“ესმის” თუ არა გენერაციულ AI მოდელს, რასაც ქმნის? არა ისე, როგორც ადამიანს. მან ისწავლა სტატისტიკური კავშირები სიტყვებს, პიქსელებსა თუ ხმებს შორის სავარჯიშო მონაცემებიდან და ქმნის შედეგს, რომელიც ამ ნასწავლ შაბლონებს შეესაბამება — მას არ გააჩნია დამოუკიდებელი ცოდნა იმის შესახებ, არის თუ არა კონკრეტული მტკიცება ჭეშმარიტი.
შემიძლია თუ არა გენერაციული AI ხელსაწყოს მიერ შექმნილი შედეგის კომერციულად გამოყენება? ეს დამოკიდებულია კონკრეტული ხელსაწყოს მომსახურების პირობებზე და საავტორო უფლებების კანონმდებლობაზე, რომელიც ქვეყნების მიხედვით განსხვავდება და ჯერ არ არის საბოლოოდ ჩამოყალიბებული — კომერციულ გამოყენებამდე შეამოწმეთ კონკრეტული პლატფორმის სალიცენზიო პირობები.
რით განსხვავდება გენერაციული AI მანქანური სწავლებისგან? მანქანური სწავლება უფრო ფართო სფეროა, რომელიც მოიცავს ნებისმიერ სისტემას, რომელიც მონაცემებიდან სწავლობს; გენერაციული AI კი მანქანური სწავლების ქვესფეროა, რომელიც კონკრეტულად ახალი კონტენტის შექმნაზეა ორიენტირებული, ხოლო არა არსებული მონაცემების კლასიფიკაციაზე ან პროგნოზირებაზე.
წყაროები: IBM — What is Generative AI?, Wikipedia — Generative artificial intelligence, Coursera — What Is Generative AI?