На сьогодні ChatGPT – найбільш просунутий чат-бот зі штучним інтелектом, розроблений компанією OpenAI. Робочий прототип ChatGPT було випущено 30 листопада 2022 року. Він швидко привернув увагу масової аудиторії завдяки своїм деталізованим і чітко сформованим відповідям, хоча їхня фактична точність підлягала чималій критиці.

     Спілкування машини та людини з допомогою чату виявилось напрочуд зручним. Така модель дозволяє будь-кому пояснити роботу, що від нього потрібно. Ми розглянемо методи практичного використання цієї штучної нейромережі. 

   Написання текстів

     ChatGPT пише тексти у різних стилях. Деякі матеріали виходять справді цікавими та продуманими. Система правильно формує речення, у тексті відчувається структура. Достатньо задати ChatGPT кілька добре сформульованих запитань і користувач отримує на виході досить хороший копірайт. 

   Чат-бот вміє писати:

• Резюме;
• Листи;
• Ділову документацію;
• Тексти пісень;
• Музику (ноти);
• Технічний опис;
• Кулінарні рецепти;
• Копірайт/рерайт;
• Переклад;
• Гороскопи;
• Психологічні поради;
• Юридичні поради;
• Пояснення фізичних явищ;
• Опис предметів;
• Поради з вибору одягу;
• Анекдоти.

     Він вміє писати різними стилями та адаптується під побажання користувача. Тепер написати умовний шкільний твір, резюме, листа, оголошення чи, навіть, курсову роботу значно простіше. 

Приклади анекдотів, написаних ChatGPT

      Система іноді видає дурнуваті речення, але це трапляється не так часто, щоб робити з цього проблему та критикувати ШІ. Середня якість написання текстів у ChatGPT дуже висока.

Резюме, ділові листи

       Нейронна мережа здатна сформувати резюме – достатньо вказати набір своїх даних (уміння, досвід роботи тощо). Чим детальніше пояснити боту, що від нього потрібно, тим кращий буде результат.

      Як це може допомогти при пошуку роботи? Адже написати резюме може будь-хто. Чимало професіоналів високого рівня мають недостатній рівень «текстової грамотності», тобто їм нелегко формулювати ділові листи за правильними стандартами. Доводиться шукати приклади в інтернеті.

Приклад резюме, написаного ChatGPT

      ChatGPT пише справді непогані резюме. Не просто сухий набір даних з досвіду роботи, а текст, який легко сприймається. З готового резюме система здатна сформувати й мотиваційний лист.

     Можна отримати поради щодо створення свого сайту-портфоліо. Більшість підказок досить тривіальні, але в «гуглі» користувач рідко знаходить щось краще. 

     Чат-бот підійде для написання матеріалів в офіційно-діловому стилі. Нудні й монотонні технічні тексти писати не легше, ніж художні. Для великої кількості людей ChatGPT зекономить час при оформленні інструкцій та іншої ділової документації. Автору доведеться лише перечитати матеріал, і за необхідності, зробити правки.

Тексти пісень і музика

    ChatGPT не замінить музиканта, але здатен написати або слова і музику для пісні. Творчість ChatGPT залишає бажати кращого, та іноді трапляються якісні матеріали. 

   Реп в стилі Eminem про котиків – хіба багато людей здатні написати таке? Вийшло краще, ніж пісні більшості сучасних реперів.

ChatGPT демонструє ті риси, які властиві свідомості розумної істоти. Він не просто шукає інформацію і складає її докупи, а глибоко аналізує і генерує унікальний контент. Чат розуміє ноти і здатен створювати не лише тексти пісень, а й мелодії.

        Штучний інтелект дозволить багатьом музикантам краще реалізуватись, підкидаючи цікаві ідеї для творчості. 

Рецепти

        ChatGPT вміє писати хороші (або кумедні) рецепти для кулінарії. Достатньо вказати наявні інгредієнти та додаткові побажання. Штучний інтелект пропонує спосіб приготування, пропорції і надає детальні інструкції.

Приклад дивного рецепта борщу з макаронами та перцем чилі, написаного ChatGPT

        Заповнювати кулінарні блоги можна без послуг численних копірайтерів і рерайтерів (які десятки разів переписують один і той самий рецепт). Чат-бот зручно використовувати та для своїх персональних потреб. Нейромережа миттєво напише рецепт з тих інгредієнтів, які є у вашому холодильнику.

Соціальні мережі

      Чат-бот чудово впорався з роботою більшості блогерів. Система пише лаконічні тексти в будь-якому стилі. Замінити ручне написання коротких текстів до постів в соціальних мережах йому

.

Приклад тексту для соціальних мереж, написаного ChatGPT

       Те, що пишуть інфлюєнсери з мільйонними аудиторіями рідко виходить якіснішим за тексти від ChatGPT. Тепер у них (блогерів) з’явиться ще більше часу, адже не доведеться напружувати мозок чи замовляти черговий рерайт на біржі тексту. Простіше перечитати матеріал від нейронної мережі, поправили нелогічні шматки тексту і готово. 

Художні тести

      Новий чат-бот став проблемою для навчального процесу. Школярі активно використовують нейромережу для написання текстів і домашніх завдань. Людині майже неможливо побачити явні ознаки штучності тексту, особливо, якщо користувач хоча б раз вичитав його.

Приклад шкільного твору, написаного ChatGPT

      ChatGPT пише твори, вірші, тексти пісень, сценарії для коміксів, резюме, ділові листи, інструкції, рецепти, прогнози, поради з психології і багато чого іншого. Не ідеально, але пише. Досі вважаєте, що штучний інтелект не загрожує вашій роботі? 

Програмування

      Цей хитрий бот талановитий у всіх областях. Так як і тексти, він вміє писати програмний код. Іноді система дає кращий результат, ніж цього можна очікувати від живого програміста (залежить від рівня володіння мовою програмування). 

          Спостерігати за тим, як програма робить програму, досить цікаво і дивовижно. Знадобилось 10 хвилин для написання простенької аплікації (відео нижче). Результат далекий від ідеалу, але сам факт вражає. Ще кілька років тому щось схоже здавалось фантастикою. Це відео – один із вдалих прикладів.

    Програміст може використовувати ChatGPT для економії часу та генерації нових ідей. Іноді він пропонує цікаві алгоритми та методи розв’язання проблем. Потенційно, в руках хорошого програміста ШІ стане надпотужним інструментом. 

Пошук помилок

  Вручну перебирати весь код довго і неефективно. З появою ChatGPT стало значно простіше виявляти недоліки. Це не замінить роботу тестувальника, але трохи спростить пошук явних помилок. 

  Бот може знаходити помилки в коді, надає змістовні коментарі з цього приводу. ChatGPT гарно пояснює, що він замінив і чому зробив саме так.

Навчальний інструмент

   ChatGPT справді пише хороші пояснення до коду, що допоможе новачкам і не тільки. Це такий собі безплатний вчитель, який зрозумілою мовою, на простих прикладах показує і коментує усе написане. Але без елементарних знань з програмування він нічого не вартий для того, хто його використовує. І не забуваймо те, що ChatGPT може помилятись і ніколи не визнає своєї помилки.

         Чат-бот допоможе правильно сформувати інструкції та підказки, особливо якщо з ChatGPT спілкується досвідчений спеціаліст. Довгі та монотонні мануали відтепер стане писати значно простіше. 

Взаємодія з іншими ШІ

         Розумний чат використовують для подальшої реалізації текстового контенту в інших штучних нейронних мережах. Існують середовища, які дозволяють генерувати візуальний контент (відео, фото) на основі текстового опису.

Генерація відео

        Разом з використанням нейромереж Stable Diffusion, DALL-E та Azure Cognitive Services відомий ChatGPT є творцем нескінченного мультсеріалу, що транслюється на twitch.

          Серіал створюється постійно в автоматичному режимі, тому не дивно, що він має чимало недоліків. Наприклад, персонажі іноді відповідають з великою затримкою, деякі герої проходять через текстури та перестають реагувати на те, що відбувається. Але іноді трапляються вдалі жарти (автором яких є саме ChatGPT).

 Моделювання

       ChatGPT допомагає працювати з 3D контентом у професійних програмах, таких як Blender. Бот пише скрипти, які спрощують життя фахівцям. До того ж ChatGPT коментує і пояснює те, що 

        Нейромережа впоралась з легким завданням, написавши скрипти на Python. Це не значить, що будь-хто тепер стане професійним 3D моделювальником. Чат-бот не зробить усю роботу, але допоможе в певних робочих сценаріях.

Зображення

       ChatGPT не вміє самостійно малювати, але робить гарний і (головне) технічно правильний опис того, що потрібно зобразити. Є потужні інструменти для візуалізації тексту, як Stable Diffusion. Ця нейронна мережа генерує зображення з текстового опису. 

       Наприклад:

python scripts/txt2img.py –prompt “a close-up portrait of a cat by pablo picasso, vivid, abstract art, colorful, vibrant” –plms –n_iter 5 –n_samples 1

        Одне речення дозволяє системі намалювати таке зображення:

Інтеграція

        Уже є версії цього чат-боту для Telegram. Можливість інтегрувати цю систему в свої власні сервіси відкриває ще більше можливостей. Наприклад, адаптований ChatGPT здатен замінити недосконалих штучних консультантів (тих, що відповідають на базові питання перед з’єднанням з живою людиною) на сайтах.

       Можна піти значно далі та реалізувати ідеї ChatGPT в матеріальному світі. Один ШІ описує дизайн, інший ШІ створює 3D модель цього предмету, а 3D принтер друкує готовий виріб. 

       Можна лише уявити, які можливості штучні нейронні мережі дадуть людству (в теорії). Адже все те дивовижне, що ми читаємо в новинах про ChatGPT – це результат лише кількох місяців роботи досить молодого ШІ, який знаходиться на ранньому етапі розвитку. 

Зміни на ринку праці

        Текст, який пише ChatGPT, унікальний і добре індексується пошуковиками, які поки не вміють якісно боротись з «штучними» текстами. Але уже є системи від Open AI, що допоможуть визначати матеріали, написані з допомогою ШІ. У фільтруванні такого контенту найбільше зацікавлені копірайтери, журналісти, блогери тощо, адже ChatGPT може стати потенційною заміною таким професіям. 

        Саме автори текстів мають найбільші ризики бути заміненими програмою. Не виключено, що в майбутньому нас чекає крах ринку копірайтерів, рерайтерів, перекладачів, SEO і SMM спеціалістів.

        Чим вищий рівень професіоналізму людини, тим важче її буде витіснити. Професіонали зможуть виконувати значно більше роботи, редагуючи штучно створений текст, а не пишучи його з нуля.           Підвищення продуктивності праці тягне за собою більшою мірою скорочення менш кваліфікованих працівників. Лише 2023 рік, а уже з’являються перші натяки конкуренції програми і людини в цьому напрямку. 

        Те ж саме стосується IT фахівців. Програмування однозначно стане простішим з появою таких потужних нейромереж. Штучний інтелект на даному етапі розвитку не здатен замінити кваліфікованих програмістів, але ставить під загрозу певну частину персоналу.

       Генерація нових ідей, пошук помилок в коді, коментування стає простішим з ChatGPT. Він здатен зекономити час, якщо вміти ним користуватись. Та боятись, що нейромережі швидко замінять усіх IT фахівців не варто.

Думка професіонала про ChatGPT

         Редакція ITC залучила спеціаліста в IT сфері, Андрія (Senior Full Stack Developer). Цікаво послухати його думку з приводу стрімкого розвитку нейронних мереж та всього інформаційного шуму про штучний інтелект. 

Які твої враження від ChatGPT за 6 місяців використання?

Він неймовірний. Моє особисте відношення – він шикарний і дуже потужний як для звичайних текстів, так і для «програмістських» чи дуже спеціалізованих текстів, але так було не завжди.

Раніше те, що я генерував мені не підходило. Пробував робити «summary» для розшифрованих подкастів. Самарі завжди виходило різне, неточне. Ми не могли це перетворити в продукт.  Причому самарі, тобто стиснення тексту, було чуть чи не першим туторіалом в документації до самого чату. Я не зміг тоді добитися хороших та стабільних результатів і забив болт.

ChatGPT – це ШІ?

Коли пишуть про штучний інтелект – це все фігня. Штучного інтелекту не існує і ще довго не буде існувати. Ці всі «ШІ», про які ми чуємо – це штучні нейронні мережі. Нейронна мережа – не штучний інтелект. 

Нейронні мережі – сума тисяч чи трильйонів результатів математичних функцій. Їх називають штучним інтелектом тому, що це гарно звучить. Ніхто не дасть гроші на розвиток нейронок, а на штучний інтелект можуть. Фундаментально це нейронні мережі (матриці, обчислення функцій). І воно може видавати нормальний текст, кожен раз різний, але нормальний якщо задати тонкі настройки. 

Нейронка – дуже тупий учень, який ходить в школу і багато помиляється. Учня питають «скільки буде 1+1», а він «32», його за це сварять. Питають знову це саме, а він «50». Його б’ють, але уже сильніше. Він каже «12», і його сварять, але менше. Це називається градієнт сходження.  І з часом він дійде до правильної відповіді «2». 

А потім питають «5+5» і він знову відповість «2», бо нейронка запам’ятала, що її структуру не будуть міняти, якщо відповість «2». Тепер цей учень мусить боротись з двома рівняннями. Так навчаються нейронні мережі, але з мільйонами рівнянь одночасно. Але це не штучний інтелект.

Раніше нейромережі були дуже обмеженими в плані обчислювальної потужності. Покращення характеристик заліза призводить до покращення роботи нейронної мережі, навіть без зміни її структури. ChatGPT з часом стане кращим і це неминуче. 

Як щодо якості матеріалу?

Не варто забувати його критичний недолік, який є фундаментальним для штучних нейронних мереж – вони нестабільні. Багато результатів паршиві.  Але деколи людям вдавалось генерувати просто поеми, круті сценарії, наукові статті і так далі. Просто ніхто не казав скільки фейлів було перед цим.

Це як тягнеш моркву в дуже сухій землі. І кожну обриваєш, одну за одною, а потім вдалося витягнути хоча б 1 шт. І всі думають, що це дуже просто було, ходиш і всім сусідам розповідаєш, як тобі легко вдавалось моркву з сухої землі витягнути. Тобто є особливість публічного погляду на те, що нейронні мережі можуть робити. І публічна думка зміщена в сторону високих очікувань.

Також впливає загальна продуктивність мережі. Коли це будуть робити багато людей – буде гірший результат. Ми до цього повернемось, коли поговоримо про програмування. А ще чат може дуже впевнено тобі дати неправильну відповідь. Це ненадійно.

Чи впливає кількість користувачів на якість нейромереж?

Проблема масовості присутня. Нейромережа використовує еквівалент суперкомп’ютера щоб відповідати на питання. Коли нейронкою користується багато людей обчислювальна потужність ділиться. 

Якщо весь сервер виділений на одного користувача, то нейронка буде генерити шедеври з більшою ймовірністю. Потужність комп’ютера впливає не лише на швидкість обробки запитів, а й на якість відповідей. Чим більше людей користується, тим більше буде фігових відповідей. 

Саме тому впроваджують підписки та черги?

Так. Купляти підписки на нейронки може бути дуже вигідно. Місяць роботи художника може коштувати значно дорожче, як річна підписка Mid Journey, який видасть купу концепт артів і логотипів. 

Одні нейронки гарно масштабуються фінансово, а як ChatGPT – важко сказати. Команді  розробників головне зараз показати результат, бо мають дуже багато інтересу і грошей від інвесторів. Одне точно відомо, що ChatGPT не буде існувати в єдиному екземплярі. Якщо одна команда змогла досягти такого результату, то і інші зможуть.

Ти щось казав за проблему контексту, можеш пояснити детальніше?

Тоді (півроку тому) ChatGPT не мав контексту. Це велика проблема. Я тоді міг писати лише одне повідомлення. Треба було писати задачу, концепцію і всі пояснення в одному повідомленні. 

Доповнювати запити в наступних повідомленнях і вести діалог не було можливості. Я мусів раніше закидати все більше і більше тексту в одне повідомлення. Потрібно було вирішити проблему компресування контексту. 

Безконтекстна робота нейронки виглядає приблизно так. Це темпоральна нестабільність. Варто зауважити, що темпоральна стабільність важлива тільки для типів даних які мають якусь протяжність у часі. Аудіо, відео, анімація, рух 3Д обєктів. Для текстових даних ми говоримо про контекст, тобто обєднаність декількох повідомлень однією ідеєю, думкою, ситуацією. Але повернемось до відео.

Нехай один кадр з відео має 2 млн пікселів – 6 млн нейронів на першому вхідному рівні (3 кольори RGB). Щоб була темпоральна стабільність потрібно як мінімум брати кілька кадрів назад. Для гарного результату треба збільшувати кількість кадрів і розмір нейронки (вхідних нейронів) дуже сильно росте. Саме в розмірі нейромережі криється їхня ефективність. Нейромережі із більшою кількістю нейронів завжди дають кращий результат. Можуть бути винятки для різних архітектур нейромереж, але в це питання ми не будемо заглиблюватися.

В загальному більше нейронів – краще. Але і більше обчислювальної потужності треба для роботи нейронкиТи не можеш ефективно масштабуватися поза межами інстансу. Зазвичай коли говорять інстанс то мають на увазі одну віртуальну машину, тут же трошки ширше поняття. Суперкомп’ютер теж по своїй суті є інстансом просто він обмежений однією серверною стійкою або одним датацентром. І фізичний розмір цього суперкомп’ютера теж обмежений

ChatGPT зараз є темпорально стабільним і володіє контекстом переписки в певному масштабі. Але з часом (коли написано дуже і дуже багато) він буде втрачати контекст. 

Простий приклад: розповідаєш, що ти зайшов в бар і там сиділо 8 людей. Пишеш, що попросив у бармена молока. Нейронка напише, що 7 із 8 людей посміялись чи щось таке.  Але чим більше ти будеш описувати про цей бар тим більша ймовірність, що нейромережа просто забуде скільки було людей в барі з самого початку, тобто втратить контекст. 

Втрата контексту може призводити до серйозних багів в коді. Важливо тримати весь проєкт в нейронці. Я бачу велику проблему в тому, щоб заставити нейронку написати готовий продукт, вона має працювати з усім проєктом, а не окремою функцією. Зараз нейронка генерує окремі функції відомих алгоритмів, але це окрема тема для обговорення, яка потребує детальнішого тестування. Просто проблеми виникають коли нейронка має щось “придумати” посередині.

Тобто ChatGPT є великою базою знань, а не ШІ?

Як був зроблений ChatGPT: зробили зліпок Інтернету, повикидали з нього трохи сміття і наклали фільтри на токсичність. І ще туди входить майже весь GitHub, та інші великі публічні ресурси з кодом у відкритому доступі. Чат також має доступ до публічної технічної документації всіх проектів та продуктів: від AWS до Linux команд

Чи достатньо GitHub, щоб нейромережа писала якісний код?

Так, але цей код буде все ще дуже обмеженим. Він не видає оригінальні ідеї, а працює з тим, що уже було написано. Йде перекомбінування даних. Нейронці важко вийти за межі тренувальних даних. У випадку ChatGPT цих тренувальних даних дуже багато. Якщо потрібно написати код, що містить щось принципово нове, то нейронка з цим скоріше за все не впорається.

А чи багато таких випадків, коли потрібно щось абсолютно нове?

Ні, не дуже. Зазвичай написання коду йде в межах відомих алгоритмів. Стандартний код нікуди не дівається, від нього неможливо втекти.

Нейронка може якісно писати стандартний код, але нестабільний результат. Мережа в середньому пише код з меншою кількістю помилок ніж програмісти. Так само автопілот Тесли робить менше аварій як п’яні водії. 

Нейромережа дає перевагу, але щоб працювати з великими проєктами потрібно розширювати контекст. Великий контекст потребує великих потужностей, а це дорого і хоче купу ресурсів. Написання проєктів потребує дуже жирних розмірів нейромережі. 

Це призведе до скорочення на ринку IT?

В зоні ризику менш кваліфіковані спеціалісти. Поясню на гуцульських ковриках:

Руками, нитку за ниткою, робить жінка цей коврик, усіх 100 видів. А німецький інженер зробив станок за 2 роки, який робить, нехай, 10 чи 20 типів ковриків, але дуже швидко і масово. 

Відпала потреба великої кількості майстринь з ручною роботою. Залишаться лише хороші майстрині, які можуть робити щось унікальне. 90% потреб людей задовільнять ці коврики не ручної роботи, а 10% потребуватимуть лише ручних. Так само на ринку IT шників. Поріг входження буде дуже високим. Новачкам стане ще важче.

Чи може чат замінити тестувальника?

Зараз чат може шукати шукає явні помилки в коді, а тестувальник перевіряє те, як сайт працює в результаті. Тобто перевіряє саму поведінку роботи сайту а не його код. по суті вони виконують різні типи тестування. Поведінку роботи сайту зараз важко через чат написати, а оцінку якості коду – відносно легко. Нейронка не бачить відрендереного сайту, але якщо його тренувати, він може передбачати багато багів. 

Один і той самий код має давати один і той же результат. У нейронки завжди буде варіативність. В цьому проблема велика. Посаду тестувальника воно не замінить, але стане допоміжним інструментом для автоматизації. 

Це як промислова революція?

Так, це схоже. Виживуть лише ті програмісти, які зуміють пристосуватись. Роль нейронки може бути не такою, як ми собі уявляємо, але буде важливою. Чат не зможе замінити проєкт з нуля, але стане інструментом для програмістів. Просто з’явився новий інструмент, з яким треба працювати.

В майбутньому буде неефективно не користуватись чатом?

Саме так. Це дуже точне підведення до висновків.

Чи будеш ти працювати з ним? 

Так. Я або вилечу з індустрії, або буду користуватись нейронками для своєї роботи. Наприклад, нейронки будуть ідеальним інструментом для парсингу сайтів. Тут дозволяється кілька % помилок, адже кількість буде більшою перевагою, ніж точність. 

Я поговорив з одним програмістом, то суть зводиться до того що нейронка може збільшити швидкість написання коду та підвищити його якість, допомогти робити аудит коду, відповідно зменшити кількість багів. В майбутньому всі профі будуть використовувати щось схоже для спрощення роботи.  

Висновки

ChatGPT наробив галасу в пресі не просто так. Чат-бот справді відповідає своєму статусу унікальної та розумної нейронної мережі. Він часто видає ідіотські тексти й неправильні шматки коду, але це не робить його гіршим. Середньостатистична якість контенту у ChatGPT напрочуд висока. 

Він пише чудово сформульовані статті і якісні елементи коду різними мовами програмування. Разом з іншими нейромережами ChatGPT здатен малювати картини, комікси, мультфільми. 

Найголовніше, що ChatGPT дуже простий у використанні. Людина без спеціальних умінь і навичок отримує цікавий інструмент для реалізації своїх ідей. Безумовно, створення штучних нейронних мереж такого рівня ставить під загрозу доцільність утримання великого штату робітників у деяких сферах. Але про повну заміну програмістів і копірайтерів говорити поки рано.

ДЖЕРЕЛО itc.ua