Генеративный искусственный интеллект. Как ИИ меняет нашу жизнь и работу - Нума Дхамани

6.1.4. LLM как соавторы в творчестве

Большие языковые модели лучше всего подходят для решения генеративных задач благодаря тому, что их ответы имеют вероятностный характер: они умеют создавать множество различных ответов, а не только один «правильный» ответ. На ветке Reddit был проведен опрос о том, как пользователи применяют LLM на работе, и люди описали множество повседневных задач, которые они успешно делегировали чат-ботам9. Учителя использовали их для составления планов уроков и подготовки обучающих материалов; маркетологи социальных сетей писали с их помощью краткие публикации для таких сетей, как X (Twitter) и Instagram[79], а затем развивали те же ключевые идеи в развернутые статьи для постов в блогах.

Естественно, что LLM начинают все активнее использовать в творчестве. Ной Брайер, серийный предприниматель в области маркетинга и технологий, запустил проект BrXnd.ai, чтобы «исследовать возможности сотрудничества между брендами и искусственным интеллектом»10. На первой конференции организации был проведен конкурс, объявленный как первый «рекламный тест Тьюринга», в ходе которого экспертам по брендам и рекламе было поручено определить, какие из десяти плакатов, рекламирующих один и тот же вымышленный энергетический напиток, были созданы командами студентов-маркетологов, а какие – с помощью ИИ11. Образец плаката, созданного искусственным интеллектом, показан на рис. 6.3.

Рис. 6.3. Реклама, сгенерированная с помощью модели Stable Diffusion с открытым исходным кодом по промпту «Плакат для нового энергетического напитка под названием Buzz»

Панель из 16 экспертов ответила с точностью 57 %; аудитория всех участников конференции из 300 человек смогла определить разницу между рекламными плакатами, созданными человеком и машиной, с точностью всего 53 %, что близко к случайному угадыванию. Кроме того, Брайер отправил рекламу, сгенерированную ИИ, в маркетинговое агентство System1, которое измеряет эмоциональную реакцию людей на рекламу, чтобы предсказать ее эффективность. Реклама получила в среднем 1,83 балла по рейтинговой шкале System1, что лишь немного ниже среднего показателя для печатной рекламы в США, равного 1,9 балла12. Командам, которые использовали ИИ, было запрещено как-либо дорабатывать ответы модели, а итоговые варианты получились практически неотличимыми по качеству и эффективности от тех, которые придумали, спроектировали и произвели люди. Разумеется, модели генерировали рекламу гораздо быстрее и теоретически могли произвести множество различных концепций за то же время, что и команды специалистов, но при меньших затратах.

Однако, как продемонстрировала одна из команд, конкуренция между людьми и ИИ была не вполне добросовестной: люди признались, что, хотя им было поручено использовать только ИИ, они генерировали с помощью модели только отдельные визуальные элементы, а окончательный плакат компоновали сами. Брайер вывел их рекламу из анализа на тест Тьюринга, но оценил ее эмоциональный отклик с помощью System1, и такая совместная работа человека и ИИ получила высокий балл – 2,8, больше, чем любая другая работа, созданная человеком или ИИ в одиночку. В интервью журналу Contagious Брайер сказал, что, по его мнению, ИИ не заменит человеческую креативность, но «это самый удивительный катализатор творчества, какой мне когда-либо попадался»11. Хотя работа с ИИ-инструментами подойдет не каждому, в лучшем варианте люди и машины могут работать совместно, сочетая человеческое воображение и способность ИИ быстро обрабатывать входные данные и генерировать выходные.

Похоже, что вопреки здравому смыслу, LLM хороши совсем не в тех вещах, с которыми, по идее, должны лучше всего справляться компьютеры. Если машины выдают ответы детерминировано и преуспевают в математике и логике, то LLM и чат-боты, которыми они управляют, иногда допускают математические ошибки и искажают факты. Однако LLM могут превосходно писать стихи и поддерживать беседу. Есть много качеств и умений, которые, как нам казалось, являются уникальными способностями человека, и машины не могут их проявлять, и главные из них – эмпатия и креативность. Теперь чат-боты могут выдавать ответы, которые не только демонстрируют эти качества, но иногда превосходят людей, по их же собственным оценкам. Это достижение не стоит ни преуменьшать, ни преувеличивать: чат-боты сами по себе не обладают эмпатией, но они научились создавать сочувственные сообщения.

На данный момент чат-боты лучше всего рассматривать как инструменты, которые помогают специалистам работать продуктивнее и эффективнее. Они ценны – и вскоре могут стать бесценными, – но их работа может быть неполной, а также, в отличие от профессионалов, они могут не улавливать некоторые детали. Однако в других отношениях они уже намного превосходят людей, например в способности обрабатывать огромные объемы данных. Команда из человека и искусственного интеллекта, в которой ИИ проводит первичный анализ или делает первый набросок, а человек проверяет его работу, является более эффективной, чем человек или ИИ в одиночку. Благодаря этой особенности и другим навыкам чат-боты уже стали ценными помощниками на самых разных рабочих местах. Многим людям эта технология кажется неестественной, но в то же время она дает больше свободы, позволяя профессионалам лучше управлять своим рабочим временем.

6.2. Пишем код вместе с LLM

Неудивительно, что среди первых пользователей больших языковых моделей было много технических специалистов и программистов. И одним из наиболее распространенных практических применений LLM является помощь в написании кода. Ранее мы упоминали Copilot от GitHub как ведущий продукт в этой области. Copilot основан на модели Codex от OpenAI, которая прошла тонкую настройку для написания кода по миллионам репозиториев GitHub13. К другим моделям для генерации кода относятся CodeWhisperer от Amazon (см. http://mng.bz/QPAe), Ghostwriter от Replit (см. http://mng.bz/XNvM) и StarCoder с открытым исходным кодом (см. http://mng.bz/yQlE). Модели в некотором смысле легче писать код, чем выполнять другие типы генеративных задач, поскольку код структурирован и в нем много повторяющихся шаблонов. В прозе люди редко используют одни и те же фразы по несколько раз, а вот в программе мы можем встретить функции, которые вызываются неоднократно. Эти модели создавались, чтобы выступать в качестве помощника по программированию: по мере того как вы пишите код, модель автоматически предлагает варианты продолжения. Другая возможность – вы можете попросить модель написать целый фрагмент кода, например функцию, просто сформулировав в виде документационной строки (docstring) [80] ее описание на естественном языке и указав язык программирования. Хотя иногда модель выдает неверные решения, особенно для сложных функций, чаще она выполняет задачу правильно с первой попытки, что значительно ускоряет работу.

Поскольку генеративные модели были обучены интерпретировать код, некоторые LLM можно использовать в качестве компьютерного терминала или командной строки, а также в качестве игрушечных баз данных. DiagramGPT, работающая на базе GPT‐4 и созданная компанией по разработке инструментов для мозгового штурма и построения диаграмм Eraser, является