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

можно выполнять в два раза быстрее43, экономисты могут быть продуктивнее на 10–20 %44, а работники службы поддержки клиентов – на 14 %45. Что еще более примечательно, генеративные модели могут помогать менее опытным работникам повышать свою эффективность и тем самым давать им возможность конкурировать с людьми, у которых больше квалификации или опыта. В одном исследовании, посвященном изменению производительности при использовании ChatGPT в профессиональном написании текстов, например в маркетинге и управлении персоналом, авторы показали смягчение неравенства между работниками: менее квалифицированные сотрудники добиваются заметно лучших результатов, а более опытные – работают немного быстрее46.

Согласно другому мнению, генеративный ИИ мало что может сделать для общего экономического роста. В более пессимистичном сценарии может произойти замена людей машинами, снижение зарплат и усиление неравенства в распределении благосостояния и доходов. В книге Эрика Бриньолфссона The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence («Ловушка Тьюринга: перспективы и опасности человекоподобного искусственного интеллекта») утверждается, что разработчики ИИ слишком сосредоточены на имитации человеческого интеллекта, а не на создании технологии, наделяющей людей новыми способностями47. Он считает, что стремление имитировать способности человека, чтобы заменить людей машинами, является «единственной главной причиной» имущественного неравенства48. Аналогичным образом компании, которые проектируют и разрабатывают эти инструменты ИИ, потенциально могут повлиять на экономику. Как обсуждалось в главе 1, вычислительные затраты, необходимые для создания и запуска LLM, – это барьер для входа участников, желающих конкурировать в этой области, поэтому власть остается в руках все тех же компаний, которые уже управляют значительной частью мира технологий. С другой стороны в сообществе свободного программного обеспечения уже сделан большой шаг в создании таких LLM, как BLOOM, Falcon, Stable LM, MPT‐7B, Dolly, RedPajama и OpenLLaMa. Важно также отметить, что перевод компанией Meta [86] моделей LLaMa и Llama 2 в категорию свободного ПО значительно ускорил разработку этих моделей. Такие усилия могли бы помочь децентрализовать власть, сосредоточенную в руках нескольких технологических компаний, а также ослабить их контроль над этими технологиями в будущем.

Теперь давайте вернемся к вопросу, который мы задали себе в начале этого раздела: что это значит для всех нас? У некоторых людей инструменты генеративного ИИ вызвали панику и опасения остаться вскоре без работы. В компании Goldman Sachs предсказали, что 300 миллионов рабочих мест с полной занятостью будут потеряны из-за ИИ49. Но важно держать в уме общую картину: это не первый случай, когда технологии нарушают наш привычный уклад жизни. Многие эксперты полагают, что такое нарушение может скорее создать новые рабочие места, чем уничтожить прежние. В отчете за 2021 год отмечалось, что 60 % современных профессий не существовали в 1940 году50. Другими словами, технологии за последние 80 лет создали новые производственные отрасли и рабочие места, поэтому с появлением генеративного ИИ в перспективе мы можем ожидать аналогичный прирост. Экономисты не могут дать уверенных прогнозов относительно роста производительности, совокупного влияния на экономику, а также относительно потенциального влияния на рабочие места. Почетный профессор Принстонского университета Пол Кругман сказал: «Прогнозы об экономическом влиянии технологий печально известны своей ненадежностью», – и заявил, что LLM не должны влиять на экономические показатели в ближайшие несколько лет или даже в следующем десятилетии. Далее он говорит: «История показывает, что для достижения значительного экономического эффекта от появления ИИ потребуется больше времени, чем ожидают многие люди»51.

Независимо от того, когда это произойдет, ИИ скорее произведет эволюцию, а не революцию.

6.7. Итоги

Люди уже используют инструменты генеративного ИИ для помощи в решении личных и профессиональных задач, особенно для того, чтобы снизить нагрузку от административной и монотонной работы.

Помощники в программировании, такие как Copilot, CodeWhisperer и Ghostwriter, могут быть полезны на различных этапах разработки ПО – от продумывания архитектуры программы до написания кода, создания документации и диаграмм.

Промпты, уточняющие вопросы и обратная связь влияют на ответы модели, и более удачные результаты получаются при использовании подробного промпта, содержащего инструкции, ссылки или примеры.

Некоторые из наиболее революционных предлагаемых применений LLM требуют, чтобы модели могли себя вести как агенты, то есть они должны уметь взаимодействовать со средой и адаптироваться в соответствии с полученными сигналами.

Преподавателям необходимо будет адаптироваться к миру, где существуют инструменты генеративного ИИ, включать их в учебный процесс, а также помогать учащимся изучать мир ИИ и ориентироваться в нем.

Современные методы обнаружения текста, сгенерированного машиной, включают: статистические методы, обучаемые классификаторы и маркировку.

Маркировка текста осуществляется с помощью увеличения представленности определенных слов, по которым можно впоследствии определить происхождение текста.

Не существует единого технического решения, которое позволит каждый раз надежно выявлять машинно-сгенерированный контент.

Экономисты не могут дать уверенных прогнозов относительно роста производительности, совокупного влияния на экономику, а также относительно потенциального влияния на рабочие места.

С появлением инструментов генеративного ИИ нам стоит ожидать эволюцию, а не революцию.

7

Устанавливаем социальные связи с чат-ботами

Темы этой главы

• Забавные случаи отношений между человеком и чат-ботом

• Социальные причины и контекст взаимоотношений между человеком и чат-ботом

• Преимущества и потенциальные риски таких отношений

• Рекомендации для разработки ответственных социальных чат-ботов

«Сири, ты выйдешь за меня замуж?» – Джудит Ньюман, мать и автор книги «Сири с любовью. История необычной дружбы» (To Siri with Love), вспоминает случай, когда она услышала, как ее сын Гас задает вопрос голосовому помощнику. Когда Siri ответила: «Я не из тех, кто выходит замуж», Гас продолжал настаивать: «Я имею в виду не сейчас. Я пока ребенок. Я имею в виду, когда вырасту». Тогда Siri твердо заявила: «Мое пользовательское соглашение не предусматривает заключение брака», и Гас занялся другими делами. Ньюман была поражена: как она пишет, она впервые узнала, что ее сын с аутистическим расстройством думает о женитьбе1. Хотя Гас был полностью удовлетворен этим отказом, он был не первым, кто проверял границы отношений человека и чат-бота.

В этой главе мы обсудим, что большие языковые модели (LLM) используются не только как чат-боты, но и как социальные чат-боты, то есть диалоговые агенты, чья главная цель – создать социальные связи с пользователями. Мы поговорим о популярности и применении подобных продуктов, а также об их потенциальном влиянии на эмоциональное развитие и человеческие взаимоотношения.

7.1. Чат-боты для социального взаимодействия

Роман между человеком и машиной – это давняя как мир история. В течение последних нескольких десятилетий писатели-фантасты создавали истории о том, как люди влюбляются в роботов. В научно-фантастическом романе Танит Ли 1981 года «Серебряный любовник» (The Silver Metal Lover) неуверенная в себе и одинокая