Нейросети и наказание: как прошла вторая лекция ФКН в «Ровеснике»
28 ноября факультет компьютерных наук провел встречу «Нейросети и наказание» в рамках научно-популярного лектория в баре «Ровесник». Эксперты ФКН рассказали про использование нейросетей, законодательство и преподавание.
Валерия Боженова, старший преподаватель департамента больших данных и информационного поиска ФКН и менеджер проекта Data Culture ВШЭ, рассказала о правовых аспектах мира «цифровых двойников».
Мы живем в такое время, когда становится все сложнее понять, где правда, а где ложь. И с развитием искусственного интеллекта эта проблема усугубляется. Сегодня мы окружены дипфейками, которые с помощью ИИ имитируют изображение и голос человека.
Это порождает различные правовые проблемы. Мошенники используют дипфейки в корыстных целях; в интернете легко может распространиться недостоверная информация, сгенерированная с помощью нейросети; реклама, в которой применяют технологии ИИ, может вводить потребителя в заблуждение.
Также остро стоит вопрос нарушения авторских прав: мы знаем, что нейросети не могут «нарисовать» или «написать» что-то новое сами — они генерируют изображения или тексты на основе материалов, на которых их обучали. У этих материалов, разумеется, есть правообладатели. Можно ли считать создание новых объектов с помощью генеративного ИИ нарушением авторских прав? И есть другая сторона вопроса — кому будут принадлежать права на материал, который создан нейросетью: ее разработчику или пользователю?
Несмотря на то, что мы сейчас находимся в мире «цифровых двойников», существуют правовые средства борьбы с этим явлением. В числе таких средств — ответственность за распространение недостоверной информации, защита права на изображение, на честь, достоинство, деловую репутацию, на неприкосновенность частной жизни, уголовное наказание за мошенничество.
О том, что же такое преподавание: призвание или наказание — рассказала академический директор аспирантской школы по компьютерным наукам и доцент департамента больших данных и информационного поиска Алёна Зароднюк.
Есть разные пути, как стать преподавателем, особенно в вузе. Например, на ФКН преподают как кандидаты и доктора наук, аспиранты, так и студенты магистратуры и специалисты из компаний, которым это интересно и которые готовы вкладываться в это.
Какие я нахожу для себя плюсы в преподавании? Во-первых, это влияние на обучающихся. То, что ты вкладываешь в головы студентов сейчас, будет с ними еще долгое время, и потом, может, они передадут это своим ученикам. Во-вторых, преподавание — это творчество: ты можешь решить, как интереснее провести занятие, как преподнести материал так, чтобы действительно увлечь студента.
Конечно, есть и не самые приятные стороны в работе преподавателем. Как минимум, это достаточно большая нагрузка и эмоциональные стрессы, особенно в периоды закрытия отчетностей или составления учебного плана.
Каков итог: если вы не боитесь решать конфликтные ситуации и обладаете терпением, если вам нравится делиться знаниями с другими, общаться, а также работать над собой и развиваться, то вы смело можете попробовать себя в преподавании — высока вероятность, что вам это понравится.
В следующем выступлении Мишан Алиев, стажер-исследователь центра глубинного обучения и байесовских методов и лаборатории теоретических основ моделей искусственного интеллекта, преподаватель базовой кафедры Сбера «Финансовые технологии и анализ данных», выступил с темой об использовании нейросетей при создании текстур для 3D-моделей.
Допустим, у нас есть фиксированный меш, то есть сетка полигонов, с помощью которой можно представить любой 3D-объект. Пусть это будет модель игрушечной коровы. Мы хотим задать ей по простому текстовому описанию какую-либо текстуру, например, форму офицера полиции — и это вполне возможно.
Что такое текстуры? Разумеется, это не просто цвет. Текстуры — это еще и диффузная карта, шероховатость, металличность и карта нормалей. Текстуры хранятся как некие «обертки» 3D-объекта, и их можно выучить с помощью нейросетей.
Как это работает: сначала мы генерируем базовую текстуру примерно за полторы тысячи итераций, потом идет уточнение в тысячу итераций. Генерацией управляет большая нейронная сеть «с насмотренностью», при этом в процессе обучения свет и позиция камеры по отношению к мешу и текстурам выставляются случайно, чтобы полученная текстура хорошо смотрелась независимо от угла обзора и света.
Собрав такой пайплайн, мы можем автоматически «одеть» нашу 3D-модель в различные текстуры, которые будут хорошо смотреться с разных ракурсов и с разным освещением.
Следующая встреча барного лектория состоится уже скоро — следите за анонсами в социальных сетях факультета.