ChatGPT: риски и возможности

Поговорим о популярном генеративном искусственным интеллекте. То есть об алгоритмах, подобных ChatGPT, которые можно использовать для создания аудио, изображений, текста, симуляций и видео. Прорывы в этой области кардинально меняют подходы к созданию контента и могут быть уже сегодня использованы в бизнесе и управлении.

ChatGPT (GPT – генеративный предварительно обученный преобразователь), разработанный OpenAI и выпущенный для тестирования широкой публикой в ноябре 2022 года, считается лучшим на сегодня чат-ботом с ИИ. Более миллиона человек подписались на него всего за пять дней. Пока фанаты описывали, как чат-бот создает компьютерный код, эссе на уровне колледжа или стихи, профессионалы, зарабатывающие созданием контента, от копирайтеров до профессоров, дрожали в тревоге за свое будущее.

Коварный ChatGPT: как научить людей снова включать мозг

Беда пришла откуда не ждали. Пока я пишу эти строки, казахстанские маркетол... →

С момента внедрения машинное обучение успешно выполняло такие задачи, как анализ медицинских изображений или создание прогнозов погоды. Опрос McKinsey в 2022 году показал, что внедрение ИИ за последние пять лет увеличилось более чем вдвое, быстро растут инвестиции в эту область. Генеративные инструменты, такие как ChatGPT и DALL-E, меняют целые отрасли. Конечно, многое пока непонятно, появились и риски, но на некоторые вопросы уже есть ответы. Например, для каких задач модели ИИ подходят лучше – и как они вписываются в машинное обучение в целом.

В чем разница между машинным обучением и ИИ? Вы наверняка взаимодействовали с ИИ, хотя могли даже не знать об этом – голосовые помощники Siri и Alexa основаны на технологии ИИ, равно как и чат-боты, которые помогают в навигации по сервисам и веб-сайтам. Машинное обучение – разновидность искусственного интеллекта. С его помощью специалисты-практики развивают искусственный интеллект, применяя модели, которые могут учиться на шаблонах данных без участия человека. Огромный объем и сложность данных увеличили потенциал машинного обучения и потребность в нем. До недавнего времени машинное обучение ограничивалось в основном прогностическими моделями. Например, начав с изображения кошки, модель выявляла «кошкин шаблон», а затем изучала массивы изображений в поисках других котов, соответствующих шаблону. Генеративный ИИ вывел технологию на новый уровень: машинное обучение, получив запрос, теперь может само создавать изображение или текстовое описание. И не только кошек.

Как инвестору заработать на ChatGPT

Его называют прорывом, сравнивают с изобретением интернета и дебютом первог... →

ChatGPT – далеко не первая текстовая модель машинного обучения. GPT-3 от OpenAI и BERT от Google были запущены раньше, но в отличие от ChatGPT эти чат-боты не всегда получали хорошие отзывы. Первые модели для работы с текстом были обучены классифицировать входные данные в соответствии с метками, установленными людьми. Так, к примеру, работают отрицательные и положительные маркировки сообщений в социальных сетях. Этот тип обучения известен как контролируемый: за него отвечает человек.

Следующее поколение текстовых моделей основано на самоконтролируемом обучении. Этот тип обучения обеспечивает генерацию прогнозов на основе большого количества текста. За счет этого, например, некоторые модели могут предсказать, чем закончится предложение, зная первые несколько слов. При правильном количестве образцов текста эти модели достаточно точны.

Построение генеративной модели ИИ – задача, которая оказалась по силам только «тяжеловесам». OpenAI, компания, стоящая за ChatGPT, бывшими моделями GPT и DALL-E, получила миллиарды долларов от таких крупных спонсоров, как DeepMind («дочка» Alphabet, которая, в свою очередь, является материнской компанией Google). Тренинг генеративной модели GPT-3 от OpenAI, по оценкам, потребовал порядка 45 терабайт текстовых данных. Meta выпустила свой продукт Make-A-Video, основанный на генеративном искусственном интеллекте. В этих компаниях работают одни из лучших в мире компьютерщиков и инженеров. Стартапам такие задачи не по плечу.

Искусственный интеллект истребит человечество? Возможно, это не шутка

Искусственный интеллект может улучшить жизнь миллионов или привести мир к к... →

Генеративные модели могут создавать качественные тексты, изображения и многое другое за секунды. ChatGPT за 10 секунд создал полноценное эссе, в котором сравнивались теории национализма Бенедикта Андерсона и Эрнеста Геллнера. Модель DALL-E создала вариант знаменитой картины Рафаэля, где Мадонна с младенцем едят пиццу. Другие генеративные модели ИИ за несколько секунд пишут код, создают видео-, аудио- или бизнес-симуляции.

Инструменты генеративного ИИ умеют реагировать на критику и делать текст или видео лучше. Поэтому, например, разработчики ПО могут извлечь выгоду из мгновенно появляющегося и с каждым разом все более правильного компьютерного кода, сгенерированного ИИ. Думаю, выиграть от сотрудничества с ИИ может любая организация, которой необходимы четкие письменные материалы, в том числе технические, созданные на основе серий изображений с более высоким разрешением, например медицинских.

Результаты работы генеративных моделей часто убедительны по стилю и дизайну, но нужно обязательно помнить, что они могут быть неверны или предвзяты. Причина проста: модель черпает информацию в интернете, где масса гендерных, расовых и других предубеждений, непроверенной или просто ложной информации. Поэтому организации, которые собираются работать с моделями генеративного ИИ, должны учитывать репутационные и юридические риски, связанные с публикацией предвзятого, оскорбительного или защищенного авторским правом контента.

Goldman Sachs: до 300 млн рабочих мест заменит ChatGPT

В США, по оценке банка, развитие ИИ никак не затронет только 30% работников →

Риски можно уменьшить, тщательно отбирая исходные данные, используемые для обучения моделей. Кроме того, вместо использования готовой модели генеративного ИИ можно применять специализированные модели меньшего масштаба.

Ландшафт рисков и возможностей быстро меняется. Новые варианты и сферы применения тестируются ежемесячно. Новые модели, я уверен, появятся в ближайшие годы. По мере того как генеративный ИИ будет внедряться в бизнес и повседневную жизнь, сформируется новый нормативный климат. В Казахстане довольно активно идет работа по внедрению инструментов ИИ в государственных услугах, правоохранительном, финансовом и прочих секторах. Уже сейчас существует очень много примеров использования (use-cases), которые можно внедрять в организациях. Задача руководителей – определить и приоритизировать конкретные сценарии, которые могут обеспечить отдачу в очень короткие сроки, и начать их внедрять. Обязательно необходимо инвестировать в таланты и технологии уже сейчас. Нужно держать руку на пульсе и пристально следить за всем, что происходит в мире ИИ, поскольку эта технология развивается стремительными темпами. Я ожидаю от этого инструментария множество сюрпризов – и довольно скоро.