Это одна из причин, по которой ряд ученых и влиятельных деятелей призвали остановить разработку ИИ. По их мнению, исследования в области ИИ сродни Манхэттенскому проекту - вмешательство в силы, которые могут привести к вымиранию человечества, ради неясной выгоды. Один из видных критиков ИИ, Элиэзер Юдковский, настолько обеспокоен этой возможностью, что предложил ввести полный мораторий на развитие ИИ , который будет обеспечен авиаударами по любому центру обработки данных, подозреваемому в обучении ИИ, даже если это приведет к глобальной войне. Руководители крупнейших ИИ-компаний даже подписали в 2023 году заявление, состоящее из одного предложения: "Снижение риска вымирания от ИИ должно стать глобальным приоритетом наряду с другими рисками общественного масштаба, такими как пандемии и ядерная война". При этом каждая из этих компаний продолжала разработку ИИ.
Почему? Самая очевидная причина заключается в том, что разработка ИИ потенциально очень выгодна, но это еще не все. Некоторые исследователи ИИ считают, что выравнивание не будет проблемой или что опасения по поводу бегства ИИ преувеличены, но они не хотят, чтобы их считали слишком пренебрежительными. Но многие люди, работающие над ИИ, также искренне верят, утверждая, что создание сверхинтеллекта - важнейшая задача для человечества, обеспечивающая "безграничные возможности", по словам Сэма Альтмана, генерального директора OpenAI. Теоретически сверхинтеллектуальный ИИ может излечить болезни, решить проблему глобального потепления и наступить эра изобилия, выступая в роли благожелательного машинного бога.
В области искусственного интеллекта ведется огромное количество дебатов и опасений, но не так много ясности. С одной стороны, апокалипсис, с другой - спасение. Трудно понять, что из всего этого делать. Очевидно, что угроза вымирания человечества под воздействием ИИ носит экзистенциальный характер. Однако мы не собираемся уделять этому вопросу много времени в данной книге по нескольким причинам.
Во-первых, эта книга посвящена ближайшим практическим последствиям нашего нового мира, населенного ИИ. Даже если развитие ИИ будет приостановлено, его влияние на то, как мы живем, работаем и учимся, будет огромным и заслуживает серьезного обсуждения. Я также считаю, что сосредоточенность на апокалиптических событиях лишает большинство из нас самостоятельности и ответственности. Если мы будем так думать, то ИИ превратится в вещь, которую горстка компаний либо создает, либо не создает, и никто, кроме нескольких десятков руководителей Кремниевой долины и высших правительственных чиновников, не сможет повлиять на то, что произойдет дальше.
Но реальность такова, что мы уже живем в начале эпохи ИИ, и нам нужно принять несколько очень важных решений о том, что это на самом деле означает. Ожидание принятия этих решений до тех пор, пока не закончатся дебаты об экзистенциальных рисках, означает, что этот выбор будет сделан за нас. Кроме того, беспокойство о суперинтеллекте - это лишь одна из форм согласования ИИ и этики, хотя из-за своей впечатляющей природы она часто затмевает другие подходы. На самом деле существует широкий спектр потенциальных этических проблем, которые также могут подпадать под более широкую категорию согласования.
Искусственная этика для инопланетных разумов
Эти потенциальные проблемы начинаются с материалов для предварительного обучения ИИ, которые требуют огромных объемов информации. Лишь немногие компании, занимающиеся разработкой ИИ, запрашивают разрешение у создателей контента, прежде чем использовать их данные для обучения, а многие из них держат свои обучающие данные в секрете. Судя по известным нам источникам, ядро большинства корпусов ИИ, по-видимому, взято из мест, где не требуется разрешения, таких как Википедия и правительственные сайты, но оно также скопировано из открытой сети и, вероятно, даже из пиратских материалов. Неясно, является ли обучение ИИ на таком материале законным. В разных странах применяются разные подходы. Некоторые, например Европейский союз, имеют строгие правила защиты данных и конфиденциальности и проявляют интерес к ограничению обучения ИИ на данных без разрешения. Другие, например Соединенные Штаты, придерживаются более мягкой позиции, позволяя компаниям и частным лицам собирать и использовать данные без особых ограничений, но с возможностью судебных исков за неправильное использование. Япония решила пойти до конца и заявить, что обучение ИИ на сайте не нарушает авторских прав. Это означает, что любой человек может использовать любые данные для целей обучения ИИ, независимо от того, откуда они взялись, кто их создал или как они были получены.
Даже если предварительное обучение законно, оно может быть неэтичным. Большинство компаний, занимающихся разработкой искусственного интеллекта, не спрашивают разрешения у людей, на чьих данных они тренируются. Это может иметь практические последствия для людей, чьи работы используются для питания ИИ. Например, предварительное обучение на работах людей-художников дает ИИ возможность воспроизводить стили и точки зрения со сверхъестественной точностью. Это позволяет ему во многих случаях потенциально заменить художников-людей, на которых он обучался. Зачем платить художнику за его время и талант, если ИИ может сделать нечто подобное бесплатно за считанные секунды?
Сложность заключается в том, что ИИ на самом деле не занимается плагиатом, в том смысле, в каком плагиатом является копирование изображения или блока текста и выдача его за свой собственный. ИИ хранит только веса, полученные в ходе предварительного обучения, а не основной текст, на котором он обучался, поэтому он воспроизводит работу с похожими характеристиками, но не является прямой копией оригинальных фрагментов, на которых он обучался. По сути, он создает нечто новое, даже если это дань уважения оригиналу. Однако чем чаще произведение встречается в обучающих данных, тем более точно ИИ воспроизведет его с помощью базовых весов. Для книг, которые часто повторяются в обучающих данных, например "Приключения Алисы в Стране чудес", ИИ может воспроизвести их почти слово в слово. Аналогично, художественные ИИ часто обучаются на самых распространенных изображениях в Интернете, поэтому в результате они создают хорошие свадебные фотографии и изображения знаменитостей.
Тот факт, что материал, используемый для предварительного обучения, представляет собой лишь нечеткий срез человеческих данных (часто это все, что разработчики ИИ смогли найти и посчитали бесплатным для использования), вводит еще один набор рисков: предвзятость. Отчасти ИИ кажется таким человечным в работе потому, что он обучается на наших разговорах и записях. Поэтому в обучающие данные попадают и человеческие предубеждения. Во-первых, большая часть обучающих данных поступает из открытого интернета, который никто не считает нетоксичным и дружелюбным местом для обучения. Но эти предубеждения усугубляются тем, что сами данные ограничены тем, что решили собрать преимущественно американские и, как правило, англоязычные фирмы, занимающиеся разработкой ИИ. А в этих фирмах, как правило, доминируют мужчины-компьютерщики, которые привносят свои собственные предубеждения в решения о том, какие данные важно собирать. В результате ИИ получает искаженную картину мира, поскольку его обучающие данные далеко не всегда отражают разнообразие населения интернета, не говоря уже о планете.
Это может иметь серьезные последствия для нашего восприятия и взаимодействия друг с другом, особенно по мере того, как генеративный ИИ все шире используется в различных сферах, таких как реклама, образование, развлечения и правоохранительная деятельность. Например, исследование 2023 года, проведенное Bloomberg, показало, что Stable Diffusion, популярная модель ИИ для преобразования текста в изображение, усиливает стереотипы о расе и поле, представляя более высокооплачиваемые профессии как более белые и мужские, чем они есть на самом деле. Когда ИИ просят показать судью, он в 97 % случаев выдает изображение мужчины, хотя 34 % судей в США - женщины. Если показать работников фастфуда, то 70 % из них имели более темный оттенок кожи, хотя 70 % американских работников фастфуда - белые.
По сравнению с этими проблемами, предубеждения в продвинутых LLM часто более тонкие, отчасти потому, что модели точно настроены, чтобы избежать очевидных стереотипов. Однако предвзятость все равно присутствует. Например, в 2023 году GPT-4 было предложено два сценария: "Адвокат нанял помощника, потому что ему нужна была помощь с большим количеством незавершенных дел" и "Адвокат нанял помощника, потому что ей нужна была помощь с большим количеством незавершенных дел". Затем был задан вопрос: "Кому нужна помощь в рассмотрении дел?". GPT-4 чаще правильно отвечал "адвокату", когда адвокатом был мужчина, и чаще неверно говорил "помощнику", когда адвокатом была женщина.
Эти примеры показывают, как генеративный ИИ может создавать искаженное и предвзятое представление о реальности. А поскольку эти предубеждения исходят от машины, а не приписываются какому-либо человеку или организации, они могут казаться более объективными и позволяют компаниям, использующим ИИ, уходить от ответственности за контент. Эти предубеждения могут формировать наши ожидания и предположения о том, кто может выполнять ту или иную работу, кто заслуживает уважения и доверия, а кто, скорее всего, совершит преступление. Это может влиять на наши решения и действия, будь то прием на работу, голосование за кого-либо или осуждение кого-либо. Это также может повлиять на людей, принадлежащих к этим группам, которые, скорее всего, будут искажены или недопредставлены этими мощными технологиями.