Автори подкасту The Neuron Corey та Grant у новому епізоді вирішили пройтися назад по останніх чотирьох роках розвитку ШІ, зупиняючись кожні шість місяців і згадуючи, що тоді здавалося «немислимим».
Стартова точка проста і болюча: день запуску ChatGPT. Corey згадує, як попросив модель написати статтю, отримав посередній текст і миттєво вирішив, що мусить стати «найважчим до звільнення автором у видавництві». На той момент і якість письма, і можливі наслідки ШІ виглядали радше загрозою, ніж інструментом.
Від кращих відповідей до інструментів усередині моделі
Перші версії ChatGPT та GPT-4, про які згадують у випуску, були в основному про якість тексту: зробити відповіді більш зв'язними, корисними і такими, яким можна довіряти. Це був етап, коли головною «магією» здавалося просто те, що модель нарешті пише не гірше за середнього копірайтера.
У 2023 році фокус змістився на контекст і вбудовані інструменти. Моделі навчилися тримати в голові значно більше інформації, працювати з файлами, запускати Python та інші утиліти прямо в процесі міркування. З'явилося відчуття, що ви спілкуєтеся не лише з текстовим ботом, а з чимось на кшталт універсального робочого середовища.
Мультимодальність і голосовий режим
Наступний великий крок, який команда виділяє окремо, це мультимодальність: голос, зображення, відео. Чатбот перестав бути суто текстовим інтерфейсом і отримав можливість «бачити» та «чути».
На 38-й хвилині епізоду Corey робить ставку саме на voice mode як на один з найбільш недооцінених зламів. Як тільки ШІ переїхав у машину, кухню або окуляри, взаємодія перестала бути «сайтом, куди ви заходите». Модель опинилася поруч у повсякденних ситуаціях, а не лише в браузері.
Коли агенти нарешті стали агентами
Окрема віхa у розмові Corey та Grant це агенти. Ранній «автоматизаційний» ШІ вимагав, щоб ви заздалегідь збирали сценарій: прописували кроки, інтеграції, умови. Перелом, який вони відносять до кінця 2025 року, полягав у тому, що можна було просто сказати системі, що вам потрібно, а далі спостерігати, як вона самостійно переходить між інструментами і виконує завдання.
Corey окремо згадує момент, коли вперше побачив, як Code Interpreter пише код прямо перед ним: відкриває Python, будує інструмент для аналізу файлу і змінює його уявлення про те, що взагалі можуть такі системи. З цього моменту модель почала сприйматися не як «відповідач на питання», а як робочий шар поверх комп'ютера.
Безпека проти відкритості і «машинна праця на вимогу»
У блоці про безпеку Grant сперечається з популярною дихотомією «або безпечно, або відкрито». На його думку, завдання в іншому: будувати системи, які безпечні за своєю архітектурою і при цьому доступні широкому колу користувачів, а не замкнені в кількох лабораторіях.
Ще одна довгострокова ідея Grant це «machine labor on demand». Він припускає, що з часом люди можуть почати розподіляти обчислювальні ресурси і роботизовану працю так само, як зараз капітал: об'єднуватися, щоб створювати продукти і сервіси, а не сприймати себе виключно як найману робочу силу.
Від DeepSeek R1 до Transformer: що змінило відчуття від ШІ
У фінальній частині випуску команда проходиться по останньому зсуву це моделі, орієнтовані на міркування, і поява відкритих систем на кшталт DeepSeek R1. Ідея тут у тому, щоб витрачати більше обчислювальних ресурсів не на розмір моделі, а на глибину «думання» і робити цю можливість доступнішою поза кількома закритими компаніями.
Під усіма цими стрибками лежить одна технічна основа: стаття 2017 року «Attention Is All You Need», яка описала архітектуру Transformer. Саме вона зробила можливими сучасні великі моделі, а заодно і весь експеримент, через який Corey та Grant проходять у цьому епізоді.
Їхній підсумковий виклик слухачам простий: подивитися на те, як багато за чотири роки пройшло шлях від «неможливо» до «звичайний вівторок», і чесно запитати себе, який світ ми хочемо будувати далі, коли поруч з нами з'являється загального призначення машинна праця.
Джерело: The Neuron (https://www.theneurondaily.com/p/watch-ai-changed-more-in-4-years-than-you-remember)