Технолого-экономическое образование: достижения, инновации, перспективы

Секция 1. Актуальные проблемы, перспективы развития и инновационные подходы в технологическом образовании 81 с текстом, затем – на втором этапе, пытаются внести смысл, учат отвечать на вопросы. Начитают работу с формирования модели языка. Революция в этой области произошла в середине нулевых годов. Идея создания подобных моделей заклю- чается в том, что при создании этой модели анализируется, какие слова встре- чаются рядом друг с другом. Такой прием привел к тому, что нейронная сеть научилась ловить эти закономерности. Таким образом она обучается и будет оценивать вероятности появления фокусных слов для контекста слова. Преиму- щества таких моделей в том, что они позволили эффективно работать с тек- стами. В частности помогают находить связи между словами, даже если они не встречались вместе ранее. Эти модели переводят слова в числа. На данном этапе модель учится строить фрагменты текста в соответствии с правилами языка. Но в ней нет модели мира. На втором этапе систему уже учили правильно отвечать на вопросы (в пер- вом этапе – учили правильно конструировать текст). Что же представляет собой обучение модели для ответов на вопросы? Обу- чение состоит из следующих этапов: 1 этап. Обучение «чата» на вопросах/ответах написанных экспертами. Чат учиться давать ответы на различные вопросы. 2 этап. Чат отвечает на вопросы (по 4 ответа на вопрос), а эксперты ранжи- руют ответы по качеству. «Чат» обучается давать более подходящие человеку ответы. Это ресурсоёмкие этапы. 3 этап. Обучается модель, которая анализирует качество ответов. В дальней- шем она используется для дообучения «чата». В 1950 году Алан Тьюринг опубликовал статью «Вычислительные машины и интеллект» в философском журнале «Mind» Идея Тьюринга состоит в следую- щем: человек-оператор при общении с двумя невидимыми собеседниками (ма- шиной и человеком) если не сможет определить, кто с ним общается человек или машина по ту сторону компьютера, то машина успешно прошла тест, т.е. она успешно имитирует общение человека [1]. В современном мире тест Тьюринга нашел применение в различных обла- стях, на пример, в кибербезопасности и разработке чат-ботов; в образовании; в компьютерных технологиях; в интеллектуальных играх и др. Но в модели вопрос-ответ не заложена сама модель мира. Если попросить машину (Яндекс Шедеврум) нарисовать водяную мельницу, то получившаяся картина не существует в реальности и не будет работать. Модели искусственного интеллекта не содержат модели мира, у них нет знаний. Важно понимать, как генеративная нейросеть формирует ответ на вопрос. У нее сформированы некоторые связи, она обучена на определенных примерах и машина ответит на вопрос (точно или нет). Нейросеть формирует ответ на запрос следующим образом. Если запрос, передаваемый нейронной сети, присутствовал в обучающей выборке, то она точно ответит на вопрос. Если такого запроса не было, то сеть находит не- сколько близких запросов, которые были ей представлены при обучении