Профорієнтаційна робота кафедри загальної педагогіки та андрагогіки
В університеті відбулася захоплююча відкрита лекція «Векторний світ сучасного штучного інтелекту», в якій спікер – аспірант кафедри загальної педагогіки та андрагогіки Дмитро Дєдов – простою мовою розповів учням першого ліцею м. Полтава про те, як насправді «думають» ChatGPT, Gemini та інші системи ШІ.
Захід розпочався з провокаційного твердження: штучний інтелект – це не цифровий мозок, а гігантський калькулятор. Спікер пояснив, що будь-який текст, який ми пишемо в чат-боті, одразу перетворюється на мільйони чисел. Саме з цими числами – а не зі словами – і працює машина.
Центральною ідеєю лекції стала концепція смислового вектора (ембеддингу) – математичної «адреси» кожного слова в багатовимірному просторі значень. Слухачі дізналися, що для опису лише одного слова сучасна модель від OpenAI використовує 1536 числових координат, кожна з яких відповідає за певну характеристику: розмір, емоційне забарвлення, ступінь абстрактності, живе чи неживе тощо. «Близькість у математичному просторі дорівнює схожості у значенні» – головна формула сучасного ШІ.
На прикладі семантичного пошуку спікер наочно показав різницю між старими алгоритмами, які шукали збіг літер, і сучасними, що шукають збіг сенсу. Якщо раніше пошуковик, отримавши запит «як годувати пса», просто ігнорував статтю зі словом «собака», то сьогодні ШІ бачить: ці слова – «сусіди» в математичному просторі і позначають одне й те саме.
Одним із найяскравіших моментів лекції став розбір класичного експерименту з векторною математикою. Виявляється, вектори слів можна додавати та віднімати – і отримувати логічні результати. Якщо від вектора слова «Король» відняти «Чоловік» і додати «Жінка», найближчою точкою у просторі виявиться «Королева». Машина не вивчала монархію – вона просто порахувала координати.
Окремий блок лекції було присвячено проблемі омонімів і контексту. Слухачі дізналися, чому стародавні алгоритми «зависали» на словах із кількома значеннями (наприклад, «замок», «коса», «ключ»), і як сучасні трансформери вирішили цю проблему за допомогою механізму уваги (Self-Attention): система аналізує сусідні слова і динамічно «зсуває» вектор у потрібний бік простору.
Завершила лекцію тема мультимодальності: сьогодні в одному математичному просторі існують не лише слова, а й зображення та звуки. Вектор слова «пес», фотографія собаки і звук гавкоту мають практично однакові координати. Саме тому ChatGPT може «подивитися» на фото зламаного велосипеда і текстом пояснити, як його полагодити.
Захід відбувся в інтерактивному форматі: учасники брали активну участь у «грі з координатами», визначаючи, де в математичному просторі розташовуються слова «хакер», «ностальгія», «вірус» чи «біткоїн» – і переконалися, наскільки неоднозначними бувають навіть прості поняття для штучного інтелекту.
