Наконец-то мы дожили до времен, когда робот способен помочь человеку преодолеть кризис идей. Чтобы воспользоваться этой помощью, понадобится умение составлять для нейросети качественное текстовое ТЗ, оно же - промт. После ряда запросов и корректировок вы получите странную сказку, из которой можно вычленить набор определенных рассуждений, среди которых, возможно, найдутся нестандартные идеи для развития коммуникаций.
Если вас тревожит вопрос, заменит ли робот вашу профессию, то для вас есть хорошая и плохая новость. Плохая новость в том, что если вы допускаете такую мысль, значит - ваши компетенции заключаются в выполнении линейных функций. А нейросети способны отлично выполнять линейную работу: генерировать текст по запросу, создавать иллюстрации, общаться в саппорте по сценарию, расшифровывать разговоры из видео в текст, но при этом заменить монтажера, иллюстратора, пиарщика и маркетолога они по-прежнему не могут и вряд ли это когда-либо произойдет. Профессии, которые требуют комплексного подхода к выполнению задач могут применять генеративные нейросети для пользы: оптимизации линейных функций в своей работе. Редактуру, анализ, сравнение и большинство других функций, которые требуют навыков и опыта, нейросети будут делать только под чутким руководством специалиста и должны быть проверены также им.
Если вы не читали предыдущую статью про Chat GPT-4, то вкратце резюмируем для вас страшную правду: на самом деле, Chat GPT-4 - это Т9 из вашего телефона, но располагающий всеми знаниями мира. Кстати, обе эти технологии называют языковыми моделями именно потому, что они угадывают, какое следующее слово должно идти за имеющимся текстом. На кнопочных телефонах Т9 ускорял набор слов, а уже в начале 2010-х технология могла учитывать контекст и предлагать на выбор слова, которые могут быть следующими - вы пишете: “Привет!”, Т9: Как дела?”.
Иными словами, языковые модели оперируют вероятностями возникновения тех или иных слов.
Вопрос: как конкретно они понимают какие слова будут следовать с большей вероятностью, а какие предлагать не стоит?
Ответ: собирают данные, на основе которых потом будут искать зависимости.
Простой пример такой зависимости: рост и вес человека. С большей вероятностью высокий человек будет иметь больший вес, чем человек с низким ростом. И эта зависимость выражается в виде обычного линейного уравнения. Нейросеть - это и есть набор тех же самых уравнений, только куда более сложных и использующих матрицы. Chat GPT-4 без труда генерирует длинные тексты, но делает это по принципу “слово за словом”, предсказывая вероятности разных слов, которыми можно продолжить заданный текст. То есть модель просто заново прогоняет через себя весь предыдущий текст вместе с только что написанным дополнением - и выдает еще одно слово.
Предлагаем продолжить текст: “41-й президент США (его сын, также как и он, станет президентом) - это Джордж..” Если вы сказали “Буш Старший”, то вы ошиблись! И не потому, что это не Джордж Буш, а потому что его полное имя, которое значится во всех документах - Джордж Герберт Уокер Буш и, согласно математической логике, языковая модель выдаст именно такой результат.
И тут мы подходим к очень интересному аспекту языковых моделей. Правильно натренированная модель угадает, что в нашем предложении “Буш Старший” будет следующим предложением с вероятностью 90%, а оставшиеся 10% выделит на случай с “Герберт Уокер”. Дело в том, что языковой модели не чужда творческая жилка и при генерации следующего слова, она как бы кидает кубик, выбирая между двумя и более вариантами, учитывая контекст времени (пресса, релизы, обмен мнениями в СМИ и т.д.). То есть модель выберет ту вероятность, которую ей подсказывают зашитые в ней уравнения (выведенные при обучении модели на огромном массиве разных текстов). И получается, что одна и та же модель, на одинаковые запросы может дать разные варианты ответа - прямо как живой человек.
Нейросеть не заменит человека, но человек, который используют нейросеть заменит человека, который ее не использует.
Давайте обозначим очевидные тезисы:
-нейросети ускоряют рутинную работу, освобождая время для более интересных задач
-профессии с линейными задачами сократятся, комплексные профессии изменятся.
-нейросеть не сделает всю работу за вас, требуются навыки, чтобы направить ее в нужное русло, провести фактчекинг и вообще смотреть, не написала ли она чушь. А такое все еще бывает.
-чем лучше вы разбираетесь в теме, тем точнее сформируете запрос, а это позволит языковой модели предложить вам более развернутые ответы/решения.
Нейронка - ваш ассистент, а вы - руководитель, таким надо представлять себе это взаимодействие.
Если в вашей работе много творчества, комплексного подхода, то для оптимизации времени и линейных задач вам придется задействовать больше нейронных сетей, чем описанная выше языковая модель. Если ваша работа - рерайтер, то проверяющему редактору достаточно будет Chat GPT-4 и команды [rewrite], чтобы полностью вас заменить. Так что лучше сформируйте для себя более комплексную позицию и увеличьте спектр обязанностей.
Настало очень интересное время. Нейронные сети станут теми же поисковиками, которыми мы пользуемся, это будет также обыденно, как сейчас “загуглить” любую информацию.
Мы готовим для вас крутой материал, в котором собрали все существующие нейросети, разделили их по категориям и детально рассказываем как они работают.. Подпишитесь, чтобы не пропустить полезный контент.
