Элиас простым языком объясняет исследования, стоящие за заголовками.
Вдохновила эта история? Преврати идею в собственное ИИ-искусство за секунды — бесплатный старт, без банковской карты.
Начать бесплатноВыбери компаньона и узнай его мнение об этой истории
OpenAI объявила, что её модели ИИ опровергли гипотезу экспоненциального времени (ETH), фундаментальную гипотезу в теории вычислительной сложности, предполагая, что некоторые вычислительно сложные проблемы могут быть решены более эффективно, чем считалось ранее. Это развитие, если оно будет независимо подтверждено, может иметь глубокие последствия для оптимизации алгоритмов в различных областях, включая те, что используются в генерации изображений и видео с помощью ИИ.
Заявление OpenAI сосредоточено на гипотезе экспоненциального времени (ETH), которая постулирует, что широкий класс вычислительных проблем, включая проблему булевой выполнимости (SAT), не может быть решён за субэкспоненциальное время относительно количества переменных. Проще говоря, ETH предполагает, что для определённых проблем время, необходимое для поиска решения, растёт невероятно быстро по мере увеличения размера проблемы, что делает их практически невозможными для решения за пределами определённого масштаба. Компания заявляет, что её модели ИИ нашли методы обхода этого ограничения, предлагая потенциальный путь к более быстрым решениям для проблем, ранее считавшихся неразрешимыми.
Для создателей, использующих ИИ для генерации изображений и видео, практические последствия опровергнутой ETH могут быть значительными. Многие процессы в ИИ-арте, от шагов диффузии в моделях «текст в изображение» до рендеринга сложных 3D-сцен, генерируемых ИИ, являются вычислительно интенсивными. Если благодаря этому прорыву могут быть разработаны более эффективные алгоритмы, художники могут увидеть прямое влияние на свои рабочие процессы.
Это может проявиться в заметно более быстром времени генерации изображений высокого разрешения или более длинных, более детализированных видеопоследовательностей. Возможность обрабатывать сложные запросы или замысловатые описания сцен с меньшими вычислительными затратами также может снизить стоимость, связанную с генерацией ИИ-арта, особенно для пользователей, зависящих от облачных ресурсов GPU. Представьте себе возможность генерировать высокодетализированное, фотореалистичное изображение с десятками различных элементов за секунды, а не минуты, или рендерить минутную ИИ-анимированную последовательность за часы вместо дней.
Модели ИИ от OpenAI, как сообщается, нашли способ обойти фундаментальное вычислительное ограничение.
Изображение: The Verge / The Verge AI
Реакция научного сообщества на заявления OpenAI была неоднозначной: многие исследователи выразили желание получить больше прозрачности и деталей, прошедших рецензирование. Как сообщает The Verge, среди некоторых исследователей растёт мнение, что подход OpenAI к объявлению прорывов иногда отдаёт приоритет влиянию, а не подробному научному раскрытию, что подтверждается обсуждениями TechCrunch с учёными-компьютерщиками из Массачусетского технологического института. Эта модель объявления значительных открытий без немедленных, полных технических документов для независимой проверки привела к призывам к большей открытости, особенно в отношении открытий, которые оспаривают давние вычислительные теории. Ранее в этом году OpenAI также объявила о трёх новых научных открытиях в математике, информатике и физике, разработанных с использованием её моделей ИИ, также под руководством внешних экспертов.
Если эти открытия подтвердятся, разработчики моделей смогут начать интегрировать более эффективные алгоритмы в будущие модели генерации ИИ. Это может позволить моделям обрабатывать большую степень сложности во внутренних представлениях или выполнять более сложные оптимизации во время процесса генерации. Для пользователей это может означать, что модели будут не только быстрее, но и более способны интерпретировать тонкие запросы, понимать пространственные отношения или генерировать последовательных персонажей на нескольких изображениях или кадрах видео. Создатели могут обнаружить, что они могут расширить границы своих запросов, зная, что базовые модели лучше оснащены для обработки вычислительной нагрузки. Для тех, кто заинтересован в оптимизации своего творческого процесса, понимание вычислительной основы моделей ИИ может значительно улучшить стратегии запросов.
Хотя полные научные детали и независимая проверка всё ещё ожидаются, перспектива преодоления фундаментальных вычислительных ограничений представляет захватывающее будущее для творчества, основанного на ИИ. Это предполагает будущее, где ограничения на то, что может генерировать ИИ, будут меньше зависеть от чистой вычислительной мощности и больше от усовершенствованных алгоритмов и инновационного дизайна моделей.
