– 亚历山大·弗拉基米罗维奇（Alexander Vladimirovich），托国立应用数学与计算机科学学院如何评估像ChatGPT这样的神经网络？ 

– 我们都知道机器学习技术已经变得非常流行。这是一整类算法、方法和模型，可以解决一个人面临的几乎所有任务：从语音识别、图像、视频、人类行为到医学诊断。

所有这些都可以用不同的模型来完成，而神经网络只是其中一种工具。现在其实大量的解法和例子都是和神经网络相关的，所以挂在大家嘴边。

在过去的几年里，我们处在人类借助人工智能取得多项成果的时期，这些成果首次超过了人类取得的成果，例如在速度方面。因此，在医学诊断中，神经网络比人类专家更快地做出诊断。这绝对是一个突破。

– 最近，我们开始越来越多地听到关于创建各种内容的所谓“创造性”神经网络。这是否意味着人工智能正在走向具有创造力？ 

– 创造力不受明显的算法化影响，具有明显的批判性思维元素，是独特人类经验的概括。创造力意味着创造以前没有创造过的东西。如果没有人指明方向并设置任务，任何神经网络、模型和人工智能算法都无法做到这一点。 

机器学习的途径、方法和模型不可能具有创造性，但它们可以代替一个人为人工智能在创意产业领域制定一个精确任务的常规操作。或者在任何其他领域。

– 这样的预测类似于上个世纪关于机器人化的谈话：“现在会有机器人，它们将取代我们所有人”。没有什么替代品，这是劳动力市场的转变，将简单的常规和非创造性操作委托给人工智能。以前，委托给机器人，现在委托给算法和AI模型。 

即使是医学诊断，也是一种狭隘、高度专业化但常规的操作，可以由人工智能来完成。 

我再次强调，创造力是不可替代的。因此，在托国立，我们总是告诉学生，这是我们需要发展属于自己的东西，努力开发创造潜能，而常规的可以留给机器。最好学习如何创建、管理和训练这些机器系统，因为很明显它们每年都会被越来越多地使用。 

– 关于日常工作的有趣事实。几周前，配音和配音演员在意大利举行罢工。而罢工者的诉求之一就是在日常工作中使用人工智能，以减轻人们的负担。 

显然，人工智能是对人类的支持和帮助。看看创新技术推动了多少重要的研究。不正确地使用AI作为工具也存在明显的风险。你如何看待马斯克等科学家要求暂停重大人工智能项目的信？ 

– 我们以人工智能的形式获得力量，但与此同时，人工智能本身变得更加强大，可以超越某些界限，或者可以在道德标准不允许的地方使用。关于AI的使用有很多问题，但只有几个明确的答案。这就是为什么出现这样的信件并且在主题社区中存在激烈辩论的原因。

托国立也参与了这些讨论：关于使用AI的伦理、风险以及将机器积极引入日常生活和职业生活。这方面的东西很难预测，一般不可能给出准确的预测。在我看来，我们需要评估我们现在拥有的东西。评估并遵循规范，或在使用AI的情况下创建新规范。

文章来源：RIA Tomsk