Еліас простою мовою пояснює дослідження, що стоять за заголовками.
Надихнула ця історія? Перетвори ідею на власне ШІ-мистецтво за лічені секунди — безкоштовний старт, без банківської картки.
Почати безкоштовноОбери компаньйона і дізнайся його думку про цю історію
OpenAI оголосила, що її моделі ШІ спростували гіпотезу експоненціального часу (ETH), фундаментальну гіпотезу в теорії обчислювальної складності, припускаючи, що певні обчислювально складні проблеми можуть бути вирішені ефективніше, ніж вважалося раніше. Цей розвиток, якщо він буде незалежно перевірений, може мати глибокі наслідки для оптимізації алгоритмів у різних галузях, включаючи ті, що використовуються в генерації зображень та відео за допомогою ШІ.
Заява OpenAI зосереджена на гіпотезі експоненціального часу (ETH), яка стверджує, що широкий клас обчислювальних проблем, включаючи проблему булевої задоволеності (SAT), не може бути вирішений за субекспоненціальний час відносно кількості змінних. Простіше кажучи, ETH припускає, що для певних проблем час, необхідний для пошуку рішення, зростає неймовірно швидко зі збільшенням розміру проблеми, що робить їх практично неможливими для вирішення за межами певного масштабу. Компанія заявляє, що її моделі ШІ знайшли методи обходу цього обмеження, пропонуючи потенційний шлях до швидших рішень для проблем, які раніше вважалися нерозв'язними.
Для творців, які використовують ШІ для генерації зображень та відео, практичні наслідки спростованої ETH можуть бути значними. Багато процесів у ШІ-арті, від кроків дифузії в моделях перетворення тексту в зображення до рендерингу складних 3D-сцен, згенерованих ШІ, є обчислювально інтенсивними. Якщо завдяки цьому прориву можна розробити більш ефективні алгоритми, художники можуть відчути прямий вплив на свої робочі процеси.
Це може проявитися у помітно швидшому часі генерації зображень високої роздільної здатності або довших, детальніших відеопослідовностей. Можливість обробляти складні запити або заплутані описи сцен з меншими обчислювальними витратами також може зменшити вартість, пов'язану з генерацією ШІ-арту, особливо для користувачів, які покладаються на хмарні ресурси GPU. Уявіть, що ви можете згенерувати дуже детальне, фотореалістичне зображення з десятками окремих елементів за секунди, а не за хвилини, або відрендерити хвилинну анімовану послідовність ШІ за години замість днів.
Моделі ШІ від OpenAI, як повідомляється, знайшли спосіб обійти фундаментальне обчислювальне обмеження.
Зображення: The Verge / The Verge AI
Відповідь наукової спільноти на заяви OpenAI була неоднозначною, багато дослідників висловили бажання отримати більше прозорості та деталей, перевірених колегами. Як повідомляє The Verge, серед деяких дослідників зростає думка, що підхід OpenAI до оголошення проривів іноді надає пріоритет впливу над детальним науковим розкриттям, що підтверджується обговореннями TechCrunch з комп'ютерними вченими MIT. Ця модель оголошення значних висновків без негайних, повних технічних документів для незалежної перевірки призвела до закликів до більшої відкритості, особливо щодо відкриттів, які кидають виклик давнім обчислювальним теоріям. Раніше цього року OpenAI також оголосила про три нові наукові відкриття в математиці, комп'ютерних науках та фізиці, розроблені за допомогою її моделей ШІ, також під керівництвом зовнішніх експертів.
Якщо ці висновки підтвердяться, розробники моделей можуть почати інтегрувати більш ефективні алгоритми в майбутні моделі генерації ШІ. Це може дозволити моделям обробляти більший ступінь складності у своїх внутрішніх представленнях або виконувати більш складні оптимізації під час процесу генерації. Для користувачів це може означати моделі, які є не тільки швидшими, але й більш здатними інтерпретувати тонкі підказки, розуміти просторові відносини або генерувати послідовних персонажів у кількох зображеннях або відеокадрах. Творці можуть виявити, що вони можуть розширити межі своїх підказок, знаючи, що базові моделі краще оснащені для обробки обчислювального навантаження. Для тих, хто зацікавлений в оптимізації свого творчого процесу, розуміння обчислювальної основи моделей ШІ може значно покращити стратегії підказок.
Хоча повні наукові деталі та незалежна перевірка ще очікуються, перспектива подолання фундаментальних обчислювальних обмежень представляє захоплююче майбутнє для творчості, що базується на ШІ. Це передбачає майбутнє, де обмеження того, що може генерувати ШІ, менше стосуються необробленої обчислювальної потужності, а більше – вдосконалених алгоритмів та інноваційного дизайну моделей.
