Киевский врач Говсеев заявил, что украинкам необходимо рожать по восемь детей

Сотрудники ТЦК в Киеве похитили двух священнослужителей Тульчинской епархии УПЦ

У талибов сегодня важная дата - 5 лет назад, 15 августа 2021 г., пал Кабул. Наступление, начатое 1 мая того же года, закончилось абсолютным триумфом. Исламская Республика Афганистан прекратила свое существование, а на её место пришел Исламский Эмират.

Вообще, пять лет - это серьёзный срок, и талибы в этом плане доказали свою способность удерживать власть. Другой вопрос, что власть эта - не совсем полная. Потому что есть "Вилаят Хорасан"* - афганский филиал Исламского Государства*, есть Панджшерское сопротивление, а с недавних пор еще есть и мятеж в Бадахшане, поднятый полевым командиром Мавлави Джуммахоном Фатехом.

Причем сразу нужно оговориться, что Бадахшан - это самая северо-восточная, самая труднодоступная и самая сложная с точки зрения географических условий афганская провинция. Более того, в Бадахшане в той или иной степени присутствуют все три вышеупомянутые силы.

Что еще очень важно, Бадахшан - это регион преимущественно таджикский. Причем часть таджиков - это потомки тех, кто бежал в начале 20-х годов из советской Средней Азии, что формирует очень специфический локальный менталитет, где концепция "таджикского мира" зачастую превалирует над общеафганскими нарративами, тем более, что последние вступают в системное противоречие с тем фактом, что "Талибан" в своей основе так и остался пуштунской организацией.

Теперь о самом мятеже. Фатех, который сам является этническим таджиком - это очень серьезный персонаж, который в свое время много сделал для усиления контроля "Талибана" над провинцией, получив, во-первых, директиву на суннитизацию Бадахшана, где присутствует довольно большая исмаилитская община, и во-вторых, почти неограниченный мандат на применение любых инструментов, включая физическое устранение ненадёжных элементов.

Всё это - на фоне уничтожения маковых полей (что уже приводило к массовым протестам) и попыток Кабула изменить этноконфессиональный баланс путем переселения в Бадахшан пуштунов, мигрирующих из Пакистана.

А вот что касается непосредственных триггеров, подтолкнувших бывшего ставленника "Талибана" к мятежу против своих хозяев, то здесь наложились сразу несколько факторов - от "спора хозяйствующих субъектов", в рамках которого Фатех попытался отодвинуть от золотодобычи пуштунские кланы, до вбросов на тему того, что Кабул, уже давно воспринимавший Фатеха как человека, который отыграл свою роль и сам превратился в элемент нестабильности, готовит его физическую ликвидацию.

В данный момент в Бадахшане идут бои между регулярными силами "Талибана", отправленными на подавление мятежа, и бойцами, лояльными Фатеху. Численность последних - это отдельный вопрос. Называются самые разные цифры, в очень условном коридоре от 2,5 до 5 тыс. боевиков.

При этом главная угроза, стоящая перед Кабулом - это не сам Фатех, а то, что гипотетическая потеря контроля над провинцией может быть воспринята целым рядом командиров как кризис власти. А учитывая, что такие движения, как "Талибан", могут иметь какую угодно репутацию, но не имеют права выглядеть слабыми, всё еще локальные боевые действия в Бадахшане могут запустить очень опасную цепочку событий с трудно прогнозируемыми последствиями".

* террористические организации, запрещенные в России

Компьютеры давно научились выполнять задачи, которые раньше требовали обязательного присутствия человека: писать связные тексты, распознавать изображения, отвечать на вопросы и находить закономерности в огромных массивах данных. Вместе с новыми возможностями в повседневную речь вошли привычные человеческие глаголы. Машины теперь "думают", "читают", "пишут", "учатся" и "понимают". Историки вычислительной техники проследили, как подобная лексика закреплялась с 1950-х годов, и пришли к выводу, что слова нередко приписывают компьютерам больше человеческих свойств, чем следует из принципов их работы.

Проблема возникла задолго до современных нейросетей. Уже в середине XX века специалисты описывали вычислительные процессы словами, которые прежде относились почти исключительно к людям. Для инженера слово "обучение" могло обозначать вполне конкретную процедуру: программа применяет заданные правила, сравнивает результаты и чаще выбирает действия, которые раньше приводили к успеху. Человек без технической подготовки вкладывает в обучение гораздо более широкий смысл: приобретение опыта, понимание нового, исправление ошибок и изменение собственных представлений.

Разница между двумя значениями постепенно размывалась. Исследователи называют такой приём стратегической двусмысленностью. Один термин остаётся технически понятным специалистам, но одновременно вызывает у широкой аудитории ассоциации с человеческим мышлением. Намеренная манипуляция при этом не обязательна. Короткое слово просто удобнее длинного объяснения алгоритма, а со временем метафора начинает восприниматься почти буквально.

Показательный пример появился ещё в работах одного из основателей кибернетики Норберта Винера. Учёный говорил об обучении компьютеров, когда машина меняла поведение по заданным правилам и добивалась более успешного результата. Коллеги понимали технический смысл формулировки. За пределами профессионального сообщества слово неизбежно напоминало человеческое обучение со всеми связанными с ним знаниями, памятью и опытом.

Современный искусственный интеллект усилил старую языковую проблему. Языковая модель "пишет" ответ, генератор изображений "рисует", поисковая система "понимает" запрос, а новая модель якобы "рассуждает" перед выдачей результата. Формулировки удобны, но каждый глагол переносит на программу часть смысла, связанного с сознательным действием человека.

Более точное описание показывает другой процесс. Языковая модель получает входные данные и вычисляет наиболее подходящее продолжение с учётом закономерностей, усвоенных во время обучения. Генератор изображений преобразует текстовый запрос в набор внутренних представлений и поэтапно создаёт картинку, соответствующую заданному описанию. Высокое качество результата не требует предполагать человеческий способ мышления.

Разница особенно хорошо заметна на генераторах изображений. Пользователь может попросить нарисовать собаку верхом на пони во время парада бейсбольной команды New York Mets и получить сцену, близкую к задуманной. Сам результат действительно сложен: система должна связать несколько объектов, понять их взаимное расположение, учесть контекст парада и собрать все элементы в единое изображение.

Исследователи предлагают называть подобный результат техническим достижением, а не автоматически приравнивать генерацию к человеческому творчеству. Человек создаёт произведения под влиянием биографии, эмоций, намерений, воспоминаний и культурного опыта. Генеративная модель работает с математическими представлениями и статистическими закономерностями в данных. Одинаковый конечный формат, например текст или изображение, не делает внутренние процессы одинаковыми.

Та же проблема появляется при оценке интеллектуальных возможностей нейросетей. Для проверки моделей используют стандартизированные наборы задач, среди которых MMLU, тест на понимание языка по множеству дисциплин, и более новый "Последний экзамен человечества". Системам предлагают вопросы из разных областей и подсчитывают долю правильных ответов.

Высокий балл часто превращается в утверждение, что модель "знает", "понимает" или "рассуждает" на определённом уровне. Сам тест фиксирует гораздо более конкретный результат: насколько часто система выбирает или формирует правильный ответ в заданном наборе задач. Такая проверка позволяет сравнивать модели между собой, но сама по себе не доказывает наличие человеческого понимания.

Человеческое знание включает больше, чем способность правильно ответить на экзаменационный вопрос. Люди связывают новую информацию с прежним опытом, пересматривают убеждения, оценивают последствия решений и применяют знания в ситуациях, которые сильно отличаются от учебного задания. Компьютерный тест не измеряет весь комплекс этих процессов.

С чтением возникает похожая разница. Программа способна обработать стихотворение, определить тему, найти рифму, разобрать структуру и подготовить подробный анализ. Человек может читать то же произведение ради другого человека, который его написал. На восприятие влияют биография автора, историческая эпоха, переживания, интонация и понимание причин, по которым текст появился.

Если оценивать письмо, чтение и творчество только по конечному результату, различия постепенно исчезают из разговора. Нейросеть выдала связный абзац, значит "написала". Ответила правильно, значит "знает". Решила сложную задачу, значит "поняла". Слова незаметно превращают вычислительный инструмент в предполагаемого соперника человека и одновременно упрощают представление о самих человеческих способностях.

История вычислительной техники показывает, что споры о роли компьютеров раньше охватывали гораздо больше областей. В середине XX века обсуждать возможности и границы машин пытались инженеры, математики, психологи, историки и специалисты по литературе. У общества ещё не было готового ответа, какие решения можно доверять компьютерам, кто должен контролировать вычислительные системы и какое место техника должна занимать в повседневной жизни.

Современные системы сделали старые вопросы заметно острее. Алгоритмы и математические методы требуют точных определений, тогда как повседневный язык допускает несколько значений одного слова. Специалист может использовать термин в узком профессиональном смысле, а человек со стороны прочитает ту же фразу совсем иначе.

Поэтому формулировки напрямую влияют на восприятие возможностей ИИ. Слово "обучение" может обозначать математическую настройку параметров модели, но в обычной речи связано с приобретением знаний человеком. "Понимание" может означать успешную обработку запроса, хотя для людей включает осмысление содержания и контекста. "Мышление" нередко используют для обозначения последовательности вычислительных операций, хотя человеческое мышление связано с гораздо более широким набором когнитивных процессов.

Авторы исследования не предлагают принижать возможности современных моделей. Они предлагают точнее называть наблюдаемые действия. Нейросеть генерирует текст, классифицирует данные, выбирает ответы, строит изображения и выполняет инструкции. Такой язык позволяет обсуждать реальные способности систем без автоматического переноса на компьютер свойств человеческого сознания.

Сэм Альтман заявил, что двух лет обучения в колледже ему было достаточно и современному миру, возможно, уже не требуется традиционная 4-летняя программа. Выступая перед участниками технологической стажировки на конференции Internapalooza, глава OpenAI назвал проведённые им 2 года в Стэнфорде "точно правильным количеством времени" и сказал, что дальнейшее обучение давало бы резко уменьшающуюся отдачу.

При этом он отметил ценность колледжа как места для общения, самостоятельной жизни и работы над проектами.

Контекст этих слов особенно важен: аудитория Альтмана состояла из студентов, а ИИ одновременно сокращает именно те начальные позиции, через которые выпускники обычно начинают карьеру. Ранее сообщалось о снижении числа летних стажировок в технологической отрасли, а исследование в Швейцарии выявило сокращение вакансий для начинающих специалистов по мере автоматизации задач, которые раньше выполняли младшие сотрудники. Сам Альтман описал ещё более радикальный сценарий, заявив, что с большим количеством токенов ИИ и почти ничем больше можно в одиночку создать целый стартап.