Я относительно редко пользуюсь нейросетями, потому что в вопросах поиска информации и генерации букв могу дать фору любой нейросети. Все-таки, если вдуматься, меня этому учили со школы: поиск и обработка информации с последующей генерацией пересказов, сочинений, рефератов, курсовых и дипломных работ.
Соответственно, мне быстрее, проще и надежнее самому провести поиск информации, а не поручать нейросети, чтобы потом не тратить время на проверку ошибок. Нейросети применяю для генерации картинок. Правильно написанный промт помогает сэкономить до 40 минут, которые иначе потратишь, копаясь на фотостоках.
Однако кажется, что DeepSeek станет поворотной точкой. С одной стороны, китайские модели делают все ровно то же самое, что и ChatGPT, но результат получается разный.
Продемонстрирую на примере. Я беру фразу из квартального отчета Samsung («Our Business reported a QoQ decrease in sales and profit, in part due to the fading effects of new flagship model launches») и прошу объяснить, что она значит. И, в принципе, получаю неплохое объяснение ChatGPT, что в 4-м квартале произошло снижение продаж, так как флагманские смартфоны были представлены давно и покупали их хуже (это типичная картина для квартала перед релизом нового поколения). При этом нейросеть показывает мне, как она «размышляла».
А вот как ответила на такой же вопрос нейросеть от AliBaba Qwen 2.5. Ответ похож на ответ ChatGPT, но уже подробнее и интереснее:
Задаем аналогичный вопрос DeepSeek. Эта нейросеть сначала тоже показывает, как рассуждает. А потом дает ответ. И что это за ответ! Сначала нейросеть разжевывает все термины (QoQ, что такое флагманы, что такое эффект затухания продаж), потом поясняет с примерами (!), почему происходит снижение продаж (в текущем квартале этот эффект стал слабее (люди уже купили новинку, рекламная активность снизилась)). Затем приводит пример из реальной жизни, который к тому же относится к Samsung (может, совпадение, но скорее всего сетка нашла отчет и поняла, откуда я взял фразу для объяснения).
Представьте, что Samsung выпустил новый Galaxy S24 в январе. В первом квартале (январь — март) продажи взлетели, но во втором квартале (апрель — июнь) они снизились, потому что основная аудитория уже купила телефон. Это и есть «fading effects».
Но обратите внимание, что в конце есть ещё пункт «Важные нюансы»: «Упоминание “in part” (“отчасти”) указывает, что были и другие причины снижения (например, сезонность, конкуренция, экономический спад)».
В итоге у нас четкий структурированный ответ, в котором проявлено внимание к деталям. Согласитесь, что не каждый человек бы обратил внимание на «in part».
Напоследок покажем, как с задачей справилась российская нейросеть. Это базовый результат, который будет полезен тем, кто неважно разбирается в теме и просто хочет понять общий смысл.
Хотим мы этого или нет, нейросети уже плотно вошли в нашу жизнь, и тот, кто их правильно использует, получит значительный прирост продуктивности.
Полагаю, ситуацию можно сравнить с распространением компьютеров. Например, в начале нулевых, когда поисковые системы были в зачаточном состоянии, компьютер, по сути, большей частью использовался в качестве печатной машинки, чтобы на нем набирать и печатать рефераты. Идешь в библиотеку, там работаешь с книгами, выписываешь, ксерокопируешь, а потом набираешь на компьютере. Сейчас такой подход вызовет смех, так как, используя Интернет, можно в разы быстрее, лучше и глубже изучить предмет.
Свежий выпуск #294 рубрики ЭХО Владимира Нимина на сайте https://mobile-review.com