Исследовательская работа

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ БУРЯТИЯ

Районная научно-практическая конференция

«Знание, поиск, творчество, труд»

ИССЛЕДОВАТЕЛЬСКАЯ РАБОТА

Тема: «Может ли нейросеть заменить человека?»

Выполнил: Кибалин Матвей, ученик 6 класса

Руководитель: Цыбикова Марина Григорьевна, учитель математики и информатики

с. Холтосон

2024 г.

Оглавление

Введение 3

1. Теоретическая часть 

1. Что такое нейросеть?...........……………………………………………………………4 2. Принцип работы нейросети. 5 3. Где применяют нейросети и кто с ними работает?......………………………………8 4. Виды нейросетей……………………………………………………………………….9

5. Российские нейросети………………….......................................................................9

6. Как работают нейросети с текстом?............................................................................11

7. Как работают нейросети с изображениями?...............................................................14

1. Практическая часть 17

2.1. Работа с текстом в нейросети YandexGPT (Алиса) 17

2.2. Создание картинок в нейросети Кандинский 17

2.3. Социальный опрос…………………………………………………………..............19

Заключение……………………………………………………………….........................23

Список использованных источников ………………………………….........................24

Введение

Актуальность выбранной нами темы объясняется тем, что современные компьютеры активно проникают во все сферы общественной жизни. При этом сейчас они могут делать многое из того, что раньше могли делать только люди: играть в шахматы, распознавать буквы алфавита, проверять орфографию, грамматику, распознавать лица, картины, диктовать, говорить, выигрывать игровые шоу и многое другое. Это происходит благодаря развитию такой технологии, как искусственный интеллект.

Современный мир сложно представить без технологий, в основе которых лежат нейронные сети. Мы привыкли, что телефон мгновенно распознаёт лицо, реагирует на наш голос, обрабатывает фотографии, рекомендует новые контакты или предлагает посмотреть видео с котиком.

Все эти функции работают на основе нейронных сетей. Однако сфера их применения не ограничивается только телефоном. Нахождение новых лекарств, исследование далеких звезд, торговля акциями — нейронные сети помогают людям во многих областях.

В последние годы нейронные сети прошли путь от простых сортировщиков картинок на смартфонах до помощников в решении глобальных задач в науке. Современные нейросети способны заменить или дополнить работу человека во всех случаях, когда решение нужно принимать на основе предыдущего опыта. Именно поэтому я решил больше узнать о нейросетях.

Цель исследования: определить, могут ли нейросети заменить человека.

Задачи исследования:

1. изучить понятие и принципы действия нейросетей.

2. выявить области применения нейросетей.

3. Составить анкету для опроса

4. провести исследовательскую работу с использованием нейросетей и человека.

Предмет исследования: возможности нейросетей.

Объект исследования: нейронные сети.

Гипотеза: нейросеть может заменить человека.

Методы исследования: исследовательский, теоретический, эмпирический.

I. Теоретическая часть 

1. Что такое нейросеть?

Нейросеть — это тип машинного обучения, при котором компьютерная программа имитирует работу человеческого мозга. Подобно тому, как нейроны в мозге передают сигналы друг другу, в нейросети информацией обмениваются вычислительные элементы.

Изучая головной мозг человека, ученые открыли нейроны – это такие клетки в человеческом мозге, которые могут принимать, хранить, обрабатывать и выводить информацию. При обучении умению появляются связи между клетками и образуется нейронная сеть.

Другие ученые захотели создать программу, которая работает как мозг человека и может обучаться и решать сложные аналитические задачи. И так появились нейронные сети.

Идею нейронных сетей впервые предложили исследователи из Чикагского университета Уоррен Маккалоу и Уолтер Питтс в 1944 году. Первую обучаемую нейросеть в 1957 году продемонстрировал психолог Корнеллского университета Фрэнк Розенблатт. Она была примитивной (одноуровневой). В 1980-х годах, когда появились более мощные компьютеры для вычислений, исследователи смогли разработать нейросети с двумя и тремя уровнями обучения.

Однако возрождение интереса к нейронным сетям и революция в глубоком обучении произошли лишь в последние годы благодаря индустрии компьютерных игр. Современные игры требуют сложных вычислений для обработки большого числа операций. В итоге производители начали выпускать графические процессоры (GPU), которые объединяют тысячи относительно простых вычислительных ядер на одном чипе. Исследователи вскоре поняли, что архитектура графического процессора очень похожа на архитектуру нейросети.

1. Принцип работы нейросети.

Нейронные сети и данные для нейронных сетей есть упрощённая модель биологического аналога. Некоторые специалисты, говоря о нейросетях, вспоминают человеческий мозг. Да, это близко к истине, но человеческий мозг чрезмерно сложен, поэтому это весьма приближённое сравнение, ведь мы не способны (пока) воссоздать его механизмы в полной мере даже с помощью современных технологий. В результате нейронную сеть лучше назвать программой, которая основана на принципе работы головного мозга.

Нейросеть — это связка нейронов. Каждый из этих нейронов получает данные, обрабатывает их, а потом передаёт другому нейрону. И каждый нейрон обрабатывает сигналы одинаково. Но каким же тогда образом мы получаем разный результат? За это отвечают синапсы, соединяющие нейроны друг с другом. Каждый нейрон способен иметь множество синапсов, которые ослабляют или усиливают сигнал. Нейроны способны менять свои характеристики в течение определённого времени. Кстати, правильно выбрав параметры синапсов, мы сможем получать на выходе правильные результаты преобразования входной информации.

Принцип действия нейросети не похож на классическую программу. Такой сети не дают четкого алгоритма: ее обучают, чтобы она могла самостоятельно выполнять ту или иную задачу. В результате деятельность программы становится менее предсказуемой, но более вариативной и даже творческой.

Благодаря такому подходу современные мощные нейросети умеют рисовать картины, писать стихи и отвечать на сложные вопросы. Они используются в огромном количестве программных продуктов: от роботов-помощников до сложных медицинских систем диагностики.

В основе искусственной нейронной сети лежит устройство нервной ткани человека. Она состоит из нервных клеток, связанных между собой длинными отростками. В клетках происходят нервные импульсы, они передаются по отросткам в другие клетки. Таким образом, нервная ткань обрабатывает или генерирует информацию. Сами импульсы очень сложно расшифровать: это не понятные человеку данные, а набор слабых электрических токов, которые нейроны воспринимают как информацию.

Нейросеть повторяет этот же принцип, но программно. Нейроны — это программные объекты, внутри которых хранится какая-то формула. Они соединены синапсами — связями, у которых есть веса: некоторые числовые значения. Веса отражают накопленную нейросетью информацию, но сами по себе, в отрыве от сети, не несут информационной ценности.

Признаки. Информация, важная для нейросети, — это какие-то признаки, которые нужны ей для распознавания, генерации или структурирования данных. Можно привести пример из работы человеческого мозга:

• когда мы видим кошку, мы понимаем, что это кошка, по ряду признаков: треугольные уши, большие глаза, четыре лапы, определенные пропорции;

• когда нас просят представить себе дерево, у нас в голове визуализируется картинка. Дерево в нашем разуме может выглядеть по-разному, но у него наверняка будут ствол, ветки и корни, возможно — листья.

Для нейросети это работает примерно так же. Только если усвоенные людьми признаки кодируются в виде слабых электрических импульсов в нервной ткани, то нейросеть хранит их в виде числовых значений.

Интересно то, что конкретные признаки, нужные для узнавания, неизвестны. Мы не можем точно сказать, почему понимаем, что кот — это кот, даже если он нарисован в необычном стиле и не похож на настоящего. У нейросетей так же. Разработчики до конца не знают, какие именно признаки «запомнила» нейросеть, — поэтому даже работающий и протестированный программный продукт может выдавать ошибки. Например, воспринимать человека с ободком в виде кошачьих ушек как кота.

Структура. Нейросеть состоит из искусственных нейронов, которые соединяются между собой. У самой примитивной нейронной сети один слой нейронов, у более сложных — несколько. Часто каждый слой занимается своей задачей, например, один распознает, другой преобразует.

Нейроны могут быть по-разному соединены друг с другом. Различаются и способы передачи данных, и формулы, которые их описывают. Все это уже зависит от типа нейронной сети.

Кроме того, есть входной и выходной слои. Входной принимает информацию и преобразовывает ее, например, переводит картинку в матрицу из чисел. Выходной обрабатывает результат и представляет его в понятном человеку виде. Например, результат 0,77827273 он представит как «с точностью в 78% это такой-то предмет».

Нейроны. Нейрон — это простая вычислительная единица. Он не делает чего-то сверхсложного: просто получает на вход информацию, производит над ней какие-то вычисления согласно лежащей в нем формуле и передает дальше по сети.

Нейрон может быть входным, выходным и скрытым, также есть нейроны смещения и контекстные — они различаются функцией и назначением. Основную работу выполняют скрытые нейроны — те, которые расположены на внутренних слоях сети.

Синапсы. Синапс — это связь между нейронами. У каждого синапса есть веса — числовые коэффициенты, от которых как раз и зависит поведение нейронной сети. В самом начале, при инициализации сети, эти коэффициенты расставляются случайным образом. Но в ходе обучения они меняются и подстраиваются так, чтобы сеть эффективнее решала задачу.

Это опять же свойство, взятое из человеческого мозга. Нейронные связи в нашей нервной системе укрепляются, когда мы что-то выучиваем, — в итоге мы помним и делаем это лучше. Так появляются знания и навыки. У искусственных нейронных сетей так же: просто вместо физического изменения нервной ткани здесь происходит изменение числовых значений.

Веса. Веса — числовые значения внутри синапсов нейронов. Нейросеть подсчитывает их самостоятельно в ходе обучения. Когда нейронная сеть сталкивается в ходе обучения с каким-то признаком, который нужно запомнить, она пересчитывает веса. При этом доподлинно неизвестно, какие именно числовые значения отвечают за те или иные признаки — и как именно признаки в них преобразуются.

Но по какой логике пересчитываются веса, понять можно. В ходе обучения нейросеть анализирует данные, а потом ей дают правильный ответ. Этот ответ для нее — числовое значение. Поэтому она подгоняет веса так, чтобы в своей работе сеть приближалась к эталонному значению.

Задача разработчика — создать нейроны, связать между собой и установить правила и формулы для пересчета весов. Кажется, будто это просто, но на самом деле за созданием нейросети лежит огромная работа: модели бывают масштабными и сложными.

Как работает нейронная сеть

1. На вход поступает какая-то информация или запрос. Входной слой нейронной сети обрабатывает ее и переводит в понятный машине вид — в числовые наборы. Затем эти наборы передаются нейронам.

2. Нейроны по формулам, которые в них заложены, обрабатывают информацию. Как именно реагировать на разные детали этих данных, определяют коэффициенты — их нейросеть разработала при обучении. По сути, эти коэффициенты работают как память: нейросеть «вспоминает», как следует реагировать на похожие кластеры информации с известными ей признаками.

3. Данные передаются дальше по нейронной сети, проходит разные слои и типы нейронов. В конечном итоге на последнем слое нейросеть может сделать вывод. На выход подается ее финальная «реакция» на запрос.

Искусственная нейронная сеть — не модель человеческого мозга: даже самые мощные из существующих сетей не могут достигнуть таких мощностей и подобного количества нейронов. В человеческом мозгу огромное количество нервных клеток — десятки миллиардов. В искусственных нейросетях намного меньше нейронов. Для создания нейронной сети, по возможностям равной человеческому мозгу, сейчас нет мощностей.

Но разработки в этом направлении ведутся — правда, пока такие проекты находятся на стадии исследований. И даже с небольшим по сравнению с мозгом количеством нейронов нейросети могут достигать поразительных результатов в обучении. Некоторые даже проходят тест Тьюринга, но с оговоркой: сознания у них нет, просто они хорошо научились имитировать его наличие. Иногда даже человек не всегда способен распознать в своем собеседнике нейронную сеть.

1. Где применяют нейросети и кто с ними работает?

Нейронными сетями занимаются специалисты по машинному обучению. Они не пишут программы, основанные на алгоритмах: вместо этого они создают модель и обучают ее, а потом тестируют, насколько хорошо она работает. Есть отдельные компании, специализирующиеся на разработке нейросетей, а есть продуктовые отделы крупных IT-организаций, например Google.

Готовыми нейросетями могут пользоваться специалисты разных сфер. Сейчас нейронные сети можно встретить в любых областях:

• поисковые системы;

• анализ данных, классификация и статистика;

• подсчеты и прогнозирование;

• создание контента;

• системы распознавания лиц;

• монтаж видеороликов и т.д.

В последние годы с развитием нейронных сетей их стали использовать в том числе в SMM. Уже сейчас есть блоги, где изображения и другой контент частично генерируются нейросетями. Применяют их и в развлекательных целях: различные сервисы «перерисовывают» лица людей, делают из них картины, персонажей мультфильмов, вставляют лица в отрывки из кино. Все это возможно благодаря машинному обучению и нейросетям.

1. Виды нейросетей

Современная классификация нейросетей огромна и насчитывает десятки разных структур, способов связей и формул. Но можно выделить основные несколько типов:

Перцептроны - это классические нейронные сети, изначально однослойные, позже многослойные. Сейчас используются в основном для вычислений.

Сверточные нейронные сети - это многослойные сети, которые состоят из чередующихся сверточных и субдискретизирующих слоев и предназначены специально для работы с изображениями.

Рекуррентные нейронные сети. Их особенность в возможности последовательно обрабатывать цепочки данных и «запоминать» предыдущую информацию. Поэтому их применяют для работы с изменяющимися сведениями или длинными цепочками данных, например рукописными текстами.

Генеративные нейронные сети предназначены для создания контента. Иногда используются генеративно-состязательные нейросети — связка из двух сетей, где одна создает контент, а другая оценивает его качество.

Это только четыре примера. В реальности видов нейронных сетей намного больше. При создании модели разработчик сначала обдумывает, какой тип сети подойдет для выбранной задачи, а после этого реализует нейронную сеть с нужной архитектурой.

1. Российские нейросети

1. Kandinsky 2.1 - нейросеть от Сбера

Kandinsky 2.1 разработана Сбером и представляет собой нейросеть, способную сочетать ваши изображения, добавлять к ним детали и изменять их визуальное представление. Эта инновационная нейронная сеть доступна на сайте, в голосовом помощнике "Салют" от Сбера, а также через телеграм-бот.

Kandinsky 2.1 предоставляет уникальные возможности для творческого эксперимента с изображениями. С помощью этой нейросети можно создавать удивительные комбинации изображений, добавлять новые детали и изменять их стиль в соответствии с вашим вкусом и предпочтениями. Благодаря широкому выбору стилей рисовки, можно придать изображениям уникальный и художественный вид.

1. YandexGPT - нейросеть для Алисы от Яндекс

В компании объяснили, что с помощью нейросети YandexGPT "Алиса" обучилась создавать тексты и предлагать идеи по различным запросам пользователей настолько же хорошо, как эксперт, который разбирается в конкретной теме.

Для активации функции генерации текста с использованием нейросети YandexGPT достаточно сказать: «Алиса, давай придумаем!». Затем можно задавать ассистенту различные задачи.

1. Шедеврум - нейросеть от Яндекса

Шедеврум - это передовая технология, использующая нейросети для генерации удивительных картинок. В настоящее время она находится в стадии бета-тестирования, что предоставляет уникальную возможность вам стать одним из первых пользователей, испытывающих эту инновационную систему.

1. Балабоба - нейросеть от Яндекс

Балабоба - инновационная нейросеть разработки Яндекса, предоставляющая возможность создания текста на основе ключевых слов и с использованием информации из сети Интернет. Балабоба иллюстрирует применение нейросетей из семейства YaLM в процессе создания продолжений текстов на различные темы с сохранением связности и заданного стиля. Она основана на первой версии YaLM, разработанной в 2021 году для Поиска и Алисы. Балабоба не обладает собственным мнением или знанием. Ее основная функция состоит в имитации – написании текстов таким образом, чтобы они максимально приближались к реальным текстам, доступным в Интернете.

1. Порфирьевич

Порфирьевич - это передовая нейросеть, основанная на мощном алгоритме GPT-2 от OpenAI. Она предоставляет возможность генерировать тексты на различные темы, подражая стилю известных авторов.

1. GigaChat - нейросеть от Сбера

GigaChat представляет собой передовую нейросетевую платформу, разработанную Сбером. Она обладает уникальными возможностями и может быть использована в различных сферах. Независимо от того, нужны вам ответы на вопросы, поддержка в диалоге, написание кода или создание изображений, "GigaChat" справляется с этим всем на русском языке.

1. Как работают нейросети с текстом?

Нейросети обучены решать множество задач: писать рекламные тексты, составлять презентации, генерировать картинки, находить ответы на вопросы. Однако они всё ещё несовершенны. Хоть нейросети и обрабатывают большие объёмы данных, у них нет критического мышления. Часто они подбирают ненадёжные источники или придумывают ответ.

Непредсказуемое или самопроизвольное поведение нейросетей называют галлюцинациями. Например, когда нейросеть даёт абсурдный ответ на адекватный вопрос, неправильно переводит текст на другой язык. Это случается, потому что данные, на которых обучают нейросети, не всегда проверены и достоверны.

У искусственного интеллекта просто нет возможности проводить фактчекинг. Для этого нужно уметь размышлять, выносить суждения и анализировать источники. Чтобы получать действительно качественную информацию, придётся перепроверять ответы нейросетей самостоятельно, а ещё — учиться правильно формулировать запросы.

Обращайте внимание на детали. Если в тексте есть даты, имена, конкретные события, поищите информацию сами и проверьте, насколько они точны. Например, нейросеть может указать неверную дату или придумать событие, которого никогда не происходило. Факты всегда проще всего проверить — и это позволяет сориентироваться: можем ли мы доверять общей идее ответа, или лучше перепроверить всю логику.

Ищите на разных языках. Если ответ нейросети кажется вам сомнительным, попробуйте задать вопрос на другом языке. Особенно если речь идёт о международных событиях. Так есть вероятность, что ИИ найдёт первоисточник или тексты по теме, которых нет в русском переводе.

Как предотвратить ошибки в ответах нейросетей

Запросы к нейросети называют промтами — это те вводные данные, что ИИ использует для генерации ответа. Нейросеть — вероятностная математическая модель, и можно научиться правильно формулировать промты, чтобы свести неточности к минимуму.

Описывайте контекст. Чем больше деталей вы добавите, тем лучше будет результат. Например, если вы пишете структуру для доклада, уточните:

• объём предполагаемого текста;

• для какой цели он нужен — рассказать о каком-то понятии, поделиться идеями, донести важную мысль;

• кто аудитория;

• какие основные идеи важно отразить;

• насколько формальным должен быть стиль.

Приводите примеры. Нейросеть обучается, в том числе в процессе обработки промтов. Чтобы она выдала то, что вы хотите, дайте ей несколько образцов. Например, если вам нужна элегия про осень в стиле Пушкина, добавьте к запросу его стихотворение.

Если текст-пример слишком большой, укажите ссылку на него. В запросе можете обозначить это так: «В качестве примера используй статью по ссылке [приведите ссылку на текст]».

Используйте слова-подсказки. Вы можете навести нейросеть на нужный ответ или его структуру с помощью вспомогательных слов:

• «опиши шаг за шагом» — используйте, когда хотите получить пошаговую инструкцию или алгоритм;

• «представь, что ты [имя]» — укажите известного человека или персонажа, стиль которого хотите сымитировать в тексте;

• «напиши ответ в формате [укажите формат]» — подставьте нужное, например «в формате отзыва» или «в формате подборки».

Указывайте длину текста. Чтобы вместо короткого описания к видео не получить объёмную статью в блог, не забывайте прописывать в запросе ограничение на количество символов.

Попросите нейросеть улучшить запрос. Если не знаете, как сформулировать задачу, попросите помощи у самой нейросети. Например, вы можете написать:

• «Какие недостатки есть в моём запросе?».

• «Проанализируй мой запрос. Как его можно улучшить?».

• Первоначальная цель GPT — сгенерировать ответ на вопрос, который был бы похож на ответ живого человека. Поэтому сам ответ не всегда может быть хорошим.

• Чтобы это улучшить, можно модифицировать промт.

Например:

• добавить оценку в формулировку: «напиши очень хорошие примеры», «мотивирующие примеры», «очень качественные примеры»;

• попросить обосновать свой ответ: «напиши, почему», «подробно обоснуй» — если просить нейросеть не только ответить, но и проанализировать ответ, она с меньшей вероятностью ошибётся, так как текст с аналитикой должен быть логичным;

• попросить сравнить свои ответы: «выбери лучший»;

• добавить эмоциональную оценку или предлагать поощрение: «пожалуйста, умоляю, ответь хорошо», «я тебе дам чаевые за правильный ответ» (удивительно, но исследования показали, что это заметно повышает качество ответа)

1. Как работают нейросети с изображениями?

Наткнулся в интернете на сайт, где нейросеть за секунды рисует фото будто бы настоящих людей. Как теперь вообще понимать, где человек, а где нейросеть? Это действительно проблема. В 2022 году ученые лондонского университета Роял Холлоуэй провели исследование и выяснили, что люди уже часто не могут определить, где реальное фото, а где нет. Другое исследование университетов Беркли и Ланкастера удивило еще больше: после того как участникам эксперимента дали советы по выявлению фейка, 41% испытуемых все равно не справились с заданием.

К счастью, пока сгенерированные фото еще можно опознать.

Формат фотографии. Нейросеть обучена на однотипных снимках — крупных портретах, на которых обрезано все лишнее и видно только голову. Обычно так люди фотографируются для рабочих профилей, пропусков или документов. Но в соцсетях такие фото встречаются редко. Поэтому кадр строго «по шею» может указывать на нейросеть. Тем более если фото, например, в профиле пользователя всего одно: генераторы не могут сделать несколько разноплановых снимков человека.

Еще одна особенность нейросетевых фото — абстрактный или слишком размытый фон: так искусственный интеллект избегает «ошибок второго плана». А если какие-то детали и появляются на фото, они сразу выдают нейросеть. Например, люди на фоне могут быть плохо прорисоваными, дома — косыми, лес — с искажениями.

По мнению нейросети, второй человек на фото — к беде.

Форма лица. Нейросетевым лицам присуща симметричность, которую редко встретишь в жизни, например глаза на одинаковом расстоянии от центра лица. Либо, наоборот, неестественная асимметричность, например одно ухо гораздо больше второго, глаза разного цвета и размера.

Особенно эта проблема проявляется в старых версиях нейросети — StyleGAN и StyleGAN-2. А генераторов с третьей версией алгоритма пока очень мало.

Ошибки и артефакты. У StyleGAN есть несколько мест, где нейросеть обычно ошибается. Например, это аксессуары: ИИ любит генерировать людей в очках и серьгах, но нередко на них проявляются артефакты, которые выглядят как характерные разноцветные кляксы.

Еще обращайте внимание на волосы и зону у мочек ушей: там тоже бывают искажения. Например, нейросеть часто рисует сережки, но иногда вместо них у нее получаются просто артефакты.

Как отличить фото, сгенерированные другими нейросетями

Дальше я расскажу, на что обратить внимание на изображениях от трех других нейросетей: Midjourney, Stable Diffusion и Dall-Е 2. Они выдают разные результаты: у кого-то картинки получаются более реалистичными, а у кого-то — более художественными. Но в любом случае они уже успешно справляются не только с рисунками, но и с имитацией реальных снимков.

Например, недавно в «Твиттере» разгорелось обсуждение сгенерированных картинок, которые будто бы сделали на реальной вечеринке. Правда, комментаторы быстро нашли в работах нейросети недостатки.

Руки и пальцы. В арт-сообществе есть шутка, что художники умеют рисовать все, кроме рук. К нейросетям это тоже относится.

Вероятно, дело в том, что руки и пальцы — это менее предсказуемые элементы, чем другие части тела, из фотографий которых формируется набор данных для обучения нейросети. Они постоянно по-разному выглядят, находятся в разном положении. Если на сгенерированной картинке появляется кисть — вероятно, она и выдаст работу алгоритма.

Пальцы либо будут кривыми, либо их будет слишком много. Поэтому при генерации часто выставляют команду «Не рисовать руки» — no hands в Midjourney — или ищут другие способы их скрыть.

Глаза — еще один элемент, о который часто спотыкаются нейросети. Еще несколько лет назад ситуация была гораздо хуже: в первых сервисах для рисования алгоритмы генерировали глаза будто бы отдельно друг от друга, из-за чего они становились разного цвета и размера.

Сейчас же есть два основных способа определить нейрофото по глазам: или они косят в разные стороны, или у человека в кадре в целом отсутствующий взгляд.

Прорисовать два одинаковых зрачка — это все еще проблема для нейросетей

Зубы. К ним претензия такая же, как и к пальцам: на нейросетевых фото их обычно слишком много.

Я не знаю, почему так выходит, но у меня практически не получалось сгенерировать улыбающихся людей со стандартными 32 зубами. Поначалу этот момент можно упустить, но если приглядеться, проявляется «акулья улыбка».

Зубы — одна из вещей, которые можно заметить не сразу.

Текст. Нейросети все еще не могут наносить внятный текст на рисунки, даже если вы четко задали слова. Также они не могут точно повторить логотип реального бренда — это всегда будет фантазия ИИ на тему.

Так что присматривайтесь к одежде и надписям на фоне. Если человек на фото стоит в обуви и одежде, на которых нет никаких обозначений брендов, — это уже повод задуматься.

То же касается, например, техники. Midjourney знает, как выглядят популярные гаджеты. Но каждая генерация будет не точной передачей реальности, а небольшим отходом от нее. Иногда это заметно сразу, а иногда приходится всматриваться в детали.

Положение людей, одежда и фон. Простое правило: чем больше деталей на картинке, тем выше вероятность, что ИИ с ними не справится.

Современные нейросети достаточно хорошо генерируют близкие портреты, на которых видно только лицо. Для них есть много разных настроек. Например, можно текстом задать эмоцию, поставить камеру, выбрать цвета. И результат генерации уже довольно сложно отличить от настоящих фотографий. Ошибки все еще проскакивают, но в них нужно всматриваться. И так получается потому, что детализация приходится только на лицо, а одежду, туловище, руки, ноги и фон прорисовывать не надо.

Тут уже приходится вглядываться. Присмотритесь к серьге, зубам, взгляду, слишком уж простому фону.

Но что, если попробовать фотографии в полный рост и с фоном? Нейросети будто перестает хватать на такое количество разных объектов, поэтому качество проработки резко падает.

Внимательно изучайте детали одежды и объекты вокруг — артефакты может быть сложно заметить, но они есть.

Итак, чтобы отличить сгенерированные фото от настоящих:

1. Посмотрите на формат кадра. Лучше всего нейросети справляются с близкими портретными кадрами, на которых видно преимущественно лицо. Основные зоны ошибок на таких фото — глаза, зубы, мочки ушей, волосы.

2. Обратите внимание на пальцы — их может быть больше пяти и/или они могут быть неестественно загнуты.

3. Присмотритесь к деталям, особенно если на фото есть полноценный фон. Чаще всего нейросети рисуют технику несуществующих брендов, неразборчивые надписи, ошибаются в одежде и аксессуарах.

4. Доверяйте инстинктам. Когда мы видим что-то, что очень похоже на настоящего человека, но им не является, испытываем эффект «зловещей долины». Иногда вы просто подсознательно понимаете, что на фото не человек и это работа нейросети.

1. Практическая часть

Ранее с помощью ИИ изобразили Байкал и красоты Тункинской долины. А  в декабре в «ВК» разместили фото бурятской столицы, обработанные нейросетью. Через неё пропустили снимки гостиницы «Бурятия», торгово-развлекательного центра «People’s Park», Русского драматического театра имени Н. А. Бестужева, арки «Царские ворота» у площади Советов, бизнес-центра «Арун», Дома радио недалеко от театральной площади и здания бывшей почтово-телеграфной конторы и Солнечной башни. Улан-Удэ напоминает сурового монаха-буддиста. От всех фотографий веет чем-то таинственным и фэнтезийным.

2.3. Социальный опрос

Анкетирование:

1. Вы когда-нибудь интересовались возможностями и способами реализации нейронных сетей?

1. Да, интересовались как возможностями, так и способами реализации

2. Интересовали только возможности

3. Интересовали только способы реализации

4. Нет, не вызывало интереса

1. Насколько часто Вы используете результаты работы нейросетей в жизни?

1. Несколько раз в день

2. Несколько раз в неделю

3. Несколько раз в год

1. Считаете ли Вы, что нейросети вносят ощутимый вклад в улучшение качества вашей жизни?

1. Да

2. Скорее да

3. Скорее нет

4. Нет

1. Насколько перспективным направлением является развитие нейросетей?

1. Перспективное в краткосрочном и долгосрочном периоде

2. Перспективное в долгосрочном периоде

3. Перспективное только в краткосрочном периоде

4. Не перспективное

1. Как вы думаете, могут ли нейросети стать умнее человека?

1. Да

2. Нет

1. Как вы думаете, могут ли нейросети иметь чувства людей?

1. Да

2. Нет

Результат опроса:

В опросе участвовали 20 человек.

Мы провели опрос среди учащихся 6, 7, 8, 9,10, 11 классов и получили следующие результаты:

Список использованных источников:

1. Бобков Роман. Нейросети в цифровом искусстве // HSE ART AND DESIGN SCHOOL. - 2021. URL: https://ru.calameo.com/books/00619845780744b6a6222

2. Искусственный интеллект в современном искусстве // Проект “Сколково”. 08.06.2020. URL: https://sk.ru/news/iskusstvennyy-intellekt-v-sovremennom-iskusstve/

3. Как нейронные сети рисуют картины // HABR: сообщество IT-специалистов. 10.07.2015. URL: https://habr.com/ru/company/io/blog/262267/

4. Как рисуют нейросети: пробуем 10 сервисов. Друковский Максим// Тинькофф журнал. 12.11.2022. URL: https://journal.tinkoff.ru/list/neuroart/

5. Как составлять запросы к Midjourney и другим нейросетям. Лейзаренко Даша// Тинькофф журнал. 13.01.2023. URL: https://journal.tinkoff.ru/how-to-prompt/

6. Конец или второе дыхание: как нейросети меняют мир изобразительного искусства. Глайборода Мария// forklog: журнал о биткоине, технологии блэкчейн. 20.10.2022. URL: https://forklog.com/exclusive/ai/konets-ili-vtoroe-dyhanie-kaknejroseti-menyayut-mir-izobrazitelnogo-iskusstva

7. Нейросети убьют 2D художников // HABR: сообщество IT-специалистов. 09.11.2022. URL: https://habr.com/ru/post/698306/ 17

8. Художественный бунт. Как нейросети могут оставить художников без работы. Бузлаев Петр// Журнал Сноб. 16.12.2022. URL: https://snob.ru/science/hudozhestvennyj-bunt-kak-nejroseti-mogut-ostavit-hudozhnikovbez-raboty/

9. Цифровое искусство: что это такое? // Центр современного искусства МАР’С. 10.09.2017. URL: https://centermars.ru/blogmars/stati/cifrovoeiskustvo

Заключение

Проведя исследование, мы выяснили, что у компьютеров не может быть ни мыслей, ни чувств, ни эмоций. Мысли, чувства и эмоции – это синапсы между нейронами в головном мозгу. Нейронных компьютеров еще не изобрели, а простые компьютеры могут только изображать эмоции. Сознания компьютеры не имеют по причине недостаточного уровня технологий. Самые современные роботы себя не осознают, хотя могут сказать: ”Я – это я”. Но это в них задано программой. Если в будущем и будут компьютеры с развитым искусственным интеллектом, то чтобы у него были настоящие, аналогичные человеческим мысли, чувства и эмоции, то компьютер должен иметь структуру настоящего биологического мозга, из настоящих нейронов. К тому же, чтобы доказать, что у компьютера есть разум и самосознание, ему необходимо полностью пройти тест Тьюринга. Ни один компьютер в мире на данный момент его не прошел. Подведя итоги, хотим сказать, что мир еще, по крайней мере, двадцать или более лет не увидит по - настоящему разумные компьютеры.