Необычные дизайны
Как отмечает издание The Verge, когда дело доходит до противостояния человека и машины в настольных играх, последние нередко принимают неожиданные для противника решения. К примеру, в 2016 г. во время второй партии в го в матче против южнокорейского профессионала Ли Седоля (Lee Sedol) специализированная программа AlphaGo (разработана Google) сделала ход (37 по счету), который своей нелогичностью ввел оппонента в ступор, даже заставив того взять тайм-аут, но в итоге помог ИИ выиграть.
Чипы, спроектированные нейросетью Google, конечно, не способны шокировать представителей индустрии своим необычным дизайном, но, тем не менее, выглядят достаточно необычно. Если специалист-человек расставляет компоненты аккуратно и упорядоченно, то по итогам работы машины они оказываются как будто хаотично разбросаны по поверхности кристалла. Однако же внешняя неупорядоченность, согласно выводам исследователей Google, на итоговых результатах работы негативно не сказывается, скорее наоборот.
Cognitive Architecture
Самое главное отличие мыслящих машин от простых нейросетей — наличие настоящего Контекста. «Андрей сел в кресло и задумался, он не знал с чего начать статью»: кто такой «он» мы понимаем из контекста, это область нашего мозга (кратковременная память), которая хранит маленькую модель мира. Когда вы только сели читать книгу, мозг создает новый пустой контекст, который быстро наполняется объектами из долгосрочной памяти: кресло, в нем сидит задумчивый человек. Сформировав контекст, мозг автоматически начинает его обрабатывать:
-
тестирует образ на полноту, что-то при этом дорисовывает или требует уточнить (у нас возникает непреодолимое желание уточнить цвет кресла);
-
ищет новую важную информацию в образе, сравнивая его с блоками в долговременной памяти;
-
прогнозирует, что будет дальше.
То же самое происходит, когда мы заходим в комнату: в голове формируется контекст, только уже на основании визуальной информации: вот кот, он в состоянии покоя, значит опасности нет
Мозг может хранить в краткосрочной памяти сразу несколько контекстов, и наше внимание переключается между ними в зависимости от внешних раздражителей: читаем книгу, тут слышим дребезг посуды и переключаемся на комнату, затем возвращаемся к книге. Если внимание минут 5 не переключалось на контекст, то он удаляется или частично перетекает в среднесрочную память
Вы можете сказать, что нейронная сеть с памятью RNN также владеет контекстом, ведь ее внутреннее состояние меняется в зависимости от поступающих на вход данных. В теории да, можно создать огромную сеть, которая на выходе будет выдавать правильные решения и чутко реагировать на изменения окружающего мира, но это будет крайне неэффективное решение с вычислительной точки зрения по сравнению с «традиционными» алгоритмами. Даже наш мозг выделил под контекст отдельную память. Так же возникают серьезные проблемы с отладкой решения: нейросеть можно только протестировать и попробовать дообучить, так и не постигнув суть ошибки.
Когнитивные архитектуры были созданы, чтобы повторить способность человека мыслить, соответственно у них есть:
-
Кратковременная память для хранения контекстов.
-
Долговременная память, она же База знаний: ее объекты используются для наполнения контекста. Это может быть как обычная реляционная СУБД с описанием связей между объектами, так и нейронная сеть. В некоторых реализациях оперативная и долговременная память объединены.
-
Восприятие: способность наполнять контекст по данным с камеры, микрофона и прочих сенсоров, не без помощи нейросетей, конечно.
-
Модуль анализа контекста и принятия решений.
-
Способность обучаться: информации об окружающем мире слишком много, чтобы набить ее в базу руками. Не все архитектуры подразумевают самообучение машины.
За последние 40 лет было создано несколько сотен реализаций когнитивных архитектур (Обзор), но если выглянуть в окно, то становится очевидным, что ни одна из них не достигла возможностей человека: они уже могут поболтать сами с собой, но улицы до сих пор подметают не роботы. Давайте разберем некоторые их ошибки и построим правильное решение.
События, конференции и сообщества
- The AI Conference — Ежегодное мероприятие, на котором встречаются ведущие исследователи ИИ.
- Applied Artificial Intelligence Conference — Венчурная компания Bootstrap Labs.
- Events.ai — Центр для проведения мероприятий и конференций AI/ML/DL.
- Nucl.ai — Игровие ИИ конференция и курсы.
- oh.hai.ai — Конференция по ИИ.
-
AI With The Best — От переводчика: Ещё одна конференция про ИИ.
- Amsterdam — Сообщество и события.
- Bangalore — Сообщество и события.
- Berlin — Сообщество и события.
- Bucharest — Сообщество и события.
- Budapest — Сообщество и события.
- City.ai — Сообщество и события.
- Hamburg — Сообщество и события.
- Hongkong — Сообщество и события.
- London — Сообщество и события.
- Madrid — Сообщество и события.
- Milan — Сообщество и события.
- New York — Сообщество и события.
- Krakow — Сообщество и события.
- Oslo — Сообщество и события.
- Tallinn — Сообщество и события.
- Tirana — Сообщество и события.
- Seattle — Сообщество и события.
- Singapore — Сообщество и события.
- Sofia — Сообщество и события.
- Stockholm — Сообщество и события.
- Valletta — Сообщество и события.
Ближайшее будущее искусственного интеллекта
Тревор Сэндс, исследователь ИИ из Lockheed Martin, дает оптимистичные прогнозы. Он считает, что в ближайшее 5-15 лет в этой сфере будет несколько прорывов. Сэндс не исключает, что большая часть новаторских решений будет исходить от корпорации Google.
Однако Тревор Сэндс утверждает, что вряд ли когда-нибудь удастся создать ИИ, который достигнет человеческого уровня. Причина в том, что мозг человека наделен большой пластичностью и более 86 миллиардами нейронов. Ему легко заниматься разными сферами деятельности, быстро переключаться между ними. Тогда как ИИ обеспечен лишь несколькими тысячами или миллионом искусственных нейронов. Даже если будут проводиться активные работы по усовершенствованию технологий, компьютеры с ИИ все равно не смогут составить конкуренцию человеческому разуму.
Как обучить искусственный интеллект
Искусственный мозг работает не так, как человеческий. Человеческий адаптируется к новым условиям и задачам. А машинный может сбиться, даже если условия меняются совсем чуть-чуть. Автор полагает, что современному ИИ не хватает гибкости.
Но как сделать ИИ гибким? Лучший способ — дать ему право решать проблемы самому. Так считает Джейн Ван, исследователь лондонского центра DeepMind. Задача учёных — не только натаскивать ИИ на конкретные задачи, но и научить решать эти задачи новыми, нестандартными способами, которые предложит сама система.
Как это можно сделать? Уилл Хевен выделяет два подхода к созданию автоматических алгоритмов обучения. Первый, не сговариваясь, придумали в двух центрах — DeepMind и OpenAI. Суть в использовании рекуррентных нейронных сетей. Их активация аналогична активации нейронов в голове — нейросети, подобно мозгу, начинают самостоятельно создавать алгоритмы. Они учатся самостоятельно. И некоторые из них уже работают лучше, чем те, что созданы человеком.
Второй подход придумала Челси Финн и её коллеги из Калифорнийского университета в Беркли. Его назвали метаобучением. В нём используются два Machine-Learning-процесса, один из которых вложен в другой. Как это работает: первый процесс обучается на готовых данных, затем внешняя модель изучает полученные им навыки — например, умение идентифицировать изображения — и определяет, как можно улучшить его производительность.
Автор проводит параллель: представьте школьного инспектора, который руководит учителями. Каждый предлагает ему разные методы обучения. Инспектор проверяет, какие методы больше помогают в обучении, утверждает их или вносит свои коррективы.
«Если мы даём ИИ возможность создавать себя, надо позволить ему создавать собственные школы и учебники», — говорит Уилл Дуглас Хевен.
Пытаться добиться успеха — бесполезно
Вернёмся к системе POET, о которой сказали в начале статьи. По словам Руй Вана, в её основе лежит парадокс.
«Если вы хотите, чтобы она решила конкретную проблему, у вас ничего не выйдет. Если нет изначальных ожиданий — шансов на успех больше. Мы получаем удивительные результаты от совершенно случайных процессов. Повторить их специально просто не получится», — комментирует разработчик.
POET выбирает хаотичные, неочевидные пути к успеху. Но они работают. Агенты самостоятельно решают проблемы, после этого становятся сильнее, умнее и получают новые знания. И, главное, этот процесс бесконечен — он будет идти постоянно.
Тренировочная среда, сгенерированная системой, (Ei) и бот, который её преодолевает (Ai). Развитие популяции парных сред и ботов. Иллюстрация: Uber AI Labs
Обучение на основе учебного плана (синим цветом) не может воспроизвести исполнение POET (красный цвет) в разнообразных сложных средах, изобретённых POET. Иллюстрация: Uber AI Labs
Клун и Ван считают, что это серьёзное открытие. Сейчас они пытаются выяснить, поможет ли оно в создании новых, действительно умных систем. И хотят понять, можно ли двигаться к ОИИ без определённой стратегии.
Есть ещё одна важная вещь — не стоит забывать о рисках. Автор задаётся вопросом, сможем ли мы контролировать рост ИИ. Некоторые собеседники не видят угроз — восстание машин остаётся в мире фэнтези.
Тем не менее Джейн Ван из DeepMind считает, что автономность риск всё же несёт: «Мы хотим дать ИИ свободу. Но надо помнить, что он может выйти из-под контроля. Это и страшно, и захватывающе одновременно».
Зачем изучать технологию ИИ
Перспектива
Искусственный интеллект – технология не только настоящего, но и будущего, и у специалистов в этой сфере не будет проблем с трудоустройством в ближайшие несколько десятков лет. В эту область уже сейчас привлекаются огромные инвестиции, а значит, не будет проблем и с оплатой труда работников, занимающихся разработкой, изготовлением и внедрением технологий ИИ.
Вклад в науку и культуру
Искусственный интеллект и создание интеллектуальных программ и устройств – та область, в которой постоянно совершаются новые открытия. Занимаясь искусственным интеллектом, учёные и инженеры находятся на переднем крае мировой науки, продвигают человечество вперёд. Кроме того, развитие искусственного интеллекта и внедрение его в нашу жизнь порождает множество этико-философских вопросов, для разрешения которых нужен уже не машинный, а человеческий разум, способный к творческому мышлению.
Творчество
В сфере создания ИИ очень востребованы не только разработчики программного обеспечения, но и люди с креативным мышлением, способные придумывать и продвигать новые идеи
Чтобы работать в этой сфере, важно уметь нестандартно мыслить. Отдельное перспективное направление, которым может заняться творческий человек – обучение машины созданию произведений искусства
Уже сегодня компьютеры рисуют картины, пишут музыку и стихи. В недалёком будущем, возможно, они возьмут на себя создание книг, кино и мультфильмов.
Освоение новых навыков
Чтобы работать в области искусственного интеллекта, необходимо хорошее знание математики и основ программирования. Для изучения ИИ наиболее важны два раздела математики – линейная алгебра и теория вероятности. Самый востребованный язык программирования в этой сфере – Python, потом идут R и Lua. Пригодится также знание английского языка – самые современные научные данные, статьи, отчёты о достижениях и экспериментах, как правило, публикуются на английском.
Для успешной работы в области ИИ необходимо критическое мышление, умение тщательно проверять любую гипотезу, сопоставлять все данные, анализировать любую задачу с разных сторон. Понадобятся и хорошие коммуникативные навыки – работа над проектами ИИ происходит в большой команде, в сотрудничестве с коллегами и специалистами из смежных областей.
Доступность
Приступить к изучению технологию искусственного интеллекта на начальном уровне вполне можно самостоятельно, с изучения соответствующей литературы.
Книги, в доступной форме рассказывающие о машинном обучении и технологиях ИИ:
- Педро Домингос «Верховный алгоритм»;
- Хенрик Бринк, Джозеф Ричардс, Марк Феверолф «Машинное обучение»;
- Георгий Кухарев, Екатерина Каменская, Юрий Матвеев, Надежда Щеголева «Методы обработки и распознавания изображений лиц в задачах биометрии»;
- Петер Флах «Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных».
Познакомиться с основами создания алгоритмов для искусственного интеллекта можно на кружках робототехники в школе или центре детского творчества. Кроме того, можно найти бесплатные онлайн-курсы и открытые лекции в интернете о машинном интеллекте.
Технологии машинного обучения и искусственного интеллекта – одна из самых интересных и перспективных областей, изучение которой полезно школьникам не только с математическим, но и с гуманитарным складом ума. Это поможет им приобрести новые навыки, расширит список возможных профессий и позволит внести вклад в развитие научно-технического прогресса.
Улучшаем качество текста
Поисковые системы анализируют, насколько качественный текст и подходит ли он для целевой аудитории. Чем лучше показатели, тем выше позиция в Google.
Как искусственный интеллект улучшает качество текстов? Так, программа Text Optimizer определяет ключевые слова на странице, которые оцениваются поисковыми системами, а также выявляет дополнительные ключевые слова.
Кроме того, Text Optimizer помогает разработать контент-план, учитывая SEO-оптимизацию. Например, так я выясняла, что интересует пользователей в сфере криптовалюты:
Искусственный интеллект часто используется для создания финансовых отчетов, описания продуктов, анализа прибыли и убытков. Эти задачи помогут решить трендовые программы Quill и Yseop.
Например, так создает текст ПО Yseop, на основании данных из Excel:
Кроме того, важно оценить качество готового текста и понять, как его улучшить. Инструмент Atomic Reach анализирует статью, используя 23-балльную систему
Искусственный интеллект позволяет подготовить текст на таком уровне, который будет созвучен интересу аудитории.
Наконец, мало подготовить сообщение. Его нужно персонализировать для клиентов. Ведь не все посетители сайта реагируют на одинаковый призыв к действию. Значит, создать правильную веб-страницу — задача не из легких.
Искусственный интеллект помогает отследить интерес пользователя, чтобы персонализировать ресурс. В частности, такой инструмент, как Personyze, анализирует демографические данные посетителей сайта, историю онлайн-активности — представляя динамичные лендинги. Также Personyze проделывает A/B тестирование и фиксирует действия пользователей.
Где скачать Шерлока?
Выгляните в окно еще раз: улицу подметают дворники? Значит пока нигде. Создание Сильного искусственного интеллекта — это огромная работа, особенно в части наполнения Базы знаний и механизмов Восприятия, но ничего невыполнимого я здесь не вижу.
Какую задачу вы бы поручили Шерлоку в первую очередь? Я бы начал со специализации «Учитель иностранных языков», на это есть несколько причин:
-
это не требует мелкой моторики (рук), а обработка видеоряда минимальная (посмотреть, как двигаются губы студента), соответственно нагрузка на процессоры существенно снижается;
-
пока мы учим Шерлока быть учителем, его база наполняется многими полезными смыслами, одновременно мы учим говорить его на всех языках. Кстати, научиться говорить ему бы сильно помог мой проект Yarrow, который позволит создать огромную обучающую выборку для речевых нейросетей на сотне языках;
-
учитель в планшете точно никого не убьет;
-
такой учитель существенно повысит качество образования, т.к. фактически это персональный и очень дешевый репетитор, который подстраивается под темпы обучения каждого ребенка и имеет бесконечное терпение.
Что будут делать люди, когда роботы захватят все профессии? Более образованные найдут, чем себя занять. Еще не помешала бы государственная программа «Каждой семье по роботу»: ночью он работает на заводе, днем варит вам суп дома. Что-то такое в истории уже было…
P.S. Супер-компьютер Watson никак не связан с Доктором Ватсоном.
Проблемы использования искусственного интеллекта
При внедрении систем ИИ специалисты сталкиваются с рядом сложностей:
- «Умные» технологии доступны лишь крупным компаниям или министерствам, которые могут позволить себе вложить большие суммы и получить от этого отдачу только через несколько лет. Так, на развитие программы «Цифровая экономика», которая включает в себя технологии с искусственным интеллектом, Минкомсвязи закладывало 1,118 трлн. рублей.
- После закупки робототехники или «умных» программ наступает этап их интеграции в бизнес, где возникают проблемы с кадрами. В 2020 году наблюдается дефицит специалистов, способных выполнить все необходимые надстройки ИИ для их внедрения в бизнес.
- До сих пор остается непонятным, кто должен отвечать за возникающие инциденты при работе с ИИ – создатели или те, кто его использует.
- Для обучения и успешной работы большинства ИИ требуются массивы информации. Вместе с этим возникает проблема конфиденциальности данных. Созданные ИИ-проекты не всегда обеспечены необходимым уровнем безопасности для сохранности данных.
Google «геймифицирует» проектирование процессоров
Специалисты Google обучили искусственный интеллект (ИИ) разрабатывать дизайн микросхем. Статью, посвященную данной теме, исследовательское подразделение корпорации Google Research опубликовало в авторитетном научном журнале Nature.
Как выяснилось, алгоритмы справляются с этой задачей намного быстрее человека, а качество итогового продукта нередко превосходит результаты работы специалистов в данной области. К примеру, то, на что человеку потребуется несколько месяцев, у ИИ Google уходит менее шести часов.
В своей работе специалисты Google отмечают, что проектирование физического макета чипа, несмотря на наличие инструментов автоматизации, по-прежнему остается трудоемким и долгим, но все же крайне важным процессом.
С целью его оптимизации исследователи разработали ряд алгоритмов, которые подходят к генерации макета как к настольной игре. Если проводить аналогию с шахматами, то доска – это кремниевый кристалл чипа, фигуры – его компоненты (например, вычислительные ядра). В шахматах условием победы является мат – такая расстановка фигур на доске, когда один из королей находится под атакой и не может сделать безопасный ход. Для алгоритмов Google таким условием является расположение компонентов, обеспечивающее максимальную эффективность чипа (производительность и уровень энергопотребления).
Слева – дизайн, разработанный человеком, справа – машиной
Исследователи использовали подход глубинного обучения с подкреплением, «скормив» нейросети набор данных (датасет) из 10 тыс. проектов дизайна чипов различного качества, некоторые из них были сгенерированы случайным образом. Качество каждой схемы из датасета было оценено на основании показателей энергопотребления и суммарной длины проводников, соединяющих компоненты, размещенные на чипе. Именно эти показатели алгоритм Google использовал для того, чтобы отличать «хорошие» дизайны от «плохих» и генерировать собственные.
Третий тип ИИ: теория разума
Здесь нужно сделать небольшую остановку и назвать этот момент важным разрывом между машинами, которые у нас есть, и машинами, которые мы хотели бы строить в будущем. Тем не менее сперва стоит конкретнее очертить представления, которые придется создавать машинам.
Машины следующего, более продвинутого класса не только формируют представления мира, но и других агентов или сущностей мира. В психологии это называется «теория разума» — понимание того, что у людей, существ и предметов в мире могут быть мысли и эмоции, которые влияют на их собственное поведение.
Что-то можно взять из мозга и превратить в «нули и единицы», но точно не индивидуальности и нее ее развитие.
Это важно для того, как мы, люди, формируем общество, поскольку обеспечивает нам социальные взаимодействия
Без понимания мотивов и намерений друг друга и не принимая во внимание то, что кто-то еще знает обо мне или об окружающей среде, работать вместе в лучшем случае трудно, а в худшем — невозможно
Если системы ИИ действительно когда-нибудь будут бродить среди нас, они должны будут понимать, что мы думаем и чувствуем, хотя бы на уровне предположений. И соответственно подстраивать свое поведение.
В каких сферах применяется ИИ
Компьютерные игры
Искусственный интеллект используется для создания игровой Вселенной, он управляет ботами – персонажами, за которых не играют люди. С помощью ИИ создаются игровые стратегии.
Управление финансами
Программы и устройства успешно осуществляют бухгалтерские операции, ведут учёт и контроль, могут создавать прогнозы на основе имеющихся данных. Специальные программы ведут учёт расходов.
Анализ окружающей среды
Технологии искусственного интеллекта применяются для создания «умных домов». Контроль над всем, что происходит в доме – электричеством, отоплением, вентиляцией, работой бытовой техники осуществляет специальная программа. Роботы-пылесосы сканируют окружающее пространство, чтобы определить, нужно ли им приступать к работе.
Мобильные приложения
Программы для мобильных телефонов умеют распознавать лица, отслеживать наше месторасположение, следят за режимом сна и питания.
Транспорт
С помощью интеллектуальных устройств можно выстроить маршрут передвижения с учётом пробок, компьютер в современном автомобиле в определённых режимах отслеживает положение машины на дороге, контролирует скорость и мощность двигателя. Технология ИИ используется в автомобилях, способных передвигаться без участия человека.
Медиа
С помощью специальных программ можно планировать и публиковать материалы в интернете и соцсетях. Технологии ИИ подбирают контент в соответствии с интересами пользователя. В недалёком будущем компьютерные программы, вероятно, научатся создавать тексты на основе уже загруженных в интернет материалов.
HR
ИИ может анализировать резюме соискателей, распределять их на группы в зависимости от навыков и квалификации и даже определять, насколько работник подходит для той или иной должности.
Медицина
Искусственный интеллект анализирует данные пациентов и выявляет связь между методами лечения и состоянием больного. В будущем планируется создать роботов, которые будут ставить диагноз на основе имеющихся симптомов, обращаясь к медицинской базе данных.
Тяжёлая промышленность
Роботы активно применяются в областях, где необходима постоянная концентрация на совершении одних и тех же рутинных действий. Самый высокий уровень внедрения машин с элементами искусственного интеллекта в производство на данный момент отмечен в Японии: на 10 000 сотрудников автомобильной промышленности там приходилось в 2014 году около 1500 роботов.
Что делать с нежелательными артефактами?
Еще одна тема взбудоражившая интернет — всякие автодополнения, которые выглядят некорректными прежде всего с моральной точки зрения:
Матерные комментарии
Действующие API ключи
GitHub Copilot regurgitates valid secrets | Hacker News
news.ycombinator.com
Чужие копирайты
На мой взгляд, здесь ответ очевиден, искусственный интеллект не отягощен моралью. Все что вы ему покажете (закоммитите) — все будет доступно широкой общественности. Будь то ваш персональный секрет, логин или пароль… Видимо, придется просто принять эту реальность и более тщательно все ревьюить, тем более это и раньше надо было делать. А что делать с уже утекшими секретами? Они больше не секреты. Заводите новые. Вы в ответе за пароли, которые вы приручили :).
Создание виртуальных личностей
Обычно нейросеть обрабатывает какой-то кадр по указанному примеру. Она генерирует новое изображение, сочетающее в себе свойства исходного кадра и стиля из образца. Что будет, если таким образом совместить два портрета разных людей? ИИ сгенерирует портрет несуществующего человека.
При помощи StyleGAN можно создавать убедительные портреты никогда не существовавших людей. Это идеальное подспорье для рекламной индустрии: больше не придется платить фотомоделям и судиться с ними из-за разногласий в контракте. Вы просто генерируете новое лицо любого пола, возраста и национальности.
https://youtube.com/watch?v=4spmAO1JIfc
В одних случаях имитация будет грубой, а в других — очень реалистичной. Распознать подделку поможет очень внимательное изучение картинки с увеличением. Обычно у сгенерированных изображений присутствуют артефакты в фоне или наблюдается эффект мозаичности. Например, у человека будут видны брекеты только на некоторых зубах или около уха вдруг окажется фрагмент дужки очков, хотя на снимке он без них.
Рассмотрим для примера сгенерированный портрет, использовавшийся злоумышленниками для создания фейкового аккаунта в LinkedIn. На первый взгляд, это профиль симпатичной девушки Кэти Джонс из Мичиганского университета… но что-то с ней не так!
Обратите внимание на глаза: они разного цвета. У людей встречается гетерохромия, но крайне редко: менее чем у 1% населения
А что у нее с ухом? Оно рассыпается на пиксели, словно его увеличили, забыв устранить артефакты JPEG. К тому же, сережка почему-то выглядит размыто, хотя она в зоне резкости. На левой щеке присутствуют следы ретуши, как будто случайно нажали Smudge tool в фотошопе. Вокруг отдельных прядей виден эффект свечения и повышения резкости, в то время как соседние сильно сглажены.
На самом деле все эти мелочи довольно трудно рассмотреть. Артефакты становятся видны при увеличении в 2 раза и более, причем анализировать нужно исходную фотографию, а не мелкую аватарку с превью. Поэтому на милое личико Кэти Джонс клюнули 52 человека, прежде чем LinkedIn заблокировал фейковый аккаунт. С начала года они появляются тысячами, и их все сложнее обнаружить.
Выводы:
С развитием нейросетей нового типа искусственный интеллект научился выполнять творческие задачи, которые до недавнего времени считались прерогативой людей. Результаты впечатляют и немного пугают открывающимися перспективами. Похоже, для отличия поддельных изображений и сымитированных текстов придется разрабатывать отдельные системы ИИ. Люди уже редко способны заметить подделку без тщательного анализа.
Вряд ли стоит опасаться того, что нейросети оставят без работы художников и дизайнеров. Скорее, они станут удобным подспорьем для быстрого выполнения рутинных задач, а сами профессии эволюционируют под влиянием новых инструментов.