Koniec 2022 roku przyniósł nie tylko wyniki sprzedaży świątecznej. Spowodowało to cyfrowe trzęsienie ziemi.
ChatGPT wkroczył na scenę. Bez stopniowego startu. Żadnych szeptanych beta testów. Jeszcze wczoraj był tylko przypisem na blogach technologicznych, a już następnego dnia komunikował się ze wszystkimi.
Reakcja była natychmiastowa i spolaryzowana. Media nie przestały zachwycać się płynnością rozmów. Pisał artykuły. Generował pomysły. Próbował nawet swoich sił w prozie twórczej. Ale wraz z podziwem przyszedł głęboki, niepokojący niepokój. Ludzie zdali sobie sprawę, że to narzędzie potrafi więcej niż tylko odpowiada na pytania. Atakuje to, z czego ludzie są najbardziej dumni: zdolności intelektualne.
Zakład wart miliardy dolarów
Aby zrozumieć bota, trzeba spojrzeć na pieniądze, jakie za nim stoją.
OpenAI zostało założone w grudniu 2015 roku z jednym, agresywnym celem: maksymalnie rozwinąć sztuczną inteligencję. Twarzą tej misji jest Sam Altman. Być może znacie jego nazwisko z innych udanych projektów. Był współzałożycielem Airbnb. Pomógł finansować gigantów takich jak Reddit, Twitch i Dropbox za pośrednictwem Y Combinator.
Altman po raz pierwszy współpracował z Elonem Muskiem przy uruchomieniu OpenAI. Od pierwszego dnia kwota była ogromna. Startup pozyskał rundę finansowania o wartości 1 miliarda dolarów.
Ale Microsoft zauważył napis na ścianie. Dołączyli jako inwestorzy w 2019 r. Następnie, w styczniu 2023 r., weszli na całość. Microsoft zainwestował w OpenAI kilka kolejnych miliardów dolarów.
Po co? Aby zawierać Google.
Obaj giganci technologiczni rywalizowali o dominację w dziedzinie sztucznej inteligencji. Ogromna inwestycja Microsoftu to coś więcej niż tylko wsparcie. Był to strategiczny atak mający na celu przeciwstawienie się zaawansowanym badaniom Google.
Dzięki tym funduszom zakupiono nie tylko serwery. Kupiło wyniki. Badania OpenAI doprowadziły już do stworzenia DALL-E, narzędzia do generowania obrazów, które zrobiło furorę wiosną 2022 roku wraz z wydaniem wersji 2. Kolejnym logicznym krokiem był ChatGPT. Generator tekstu. Towarzysz.
Silnik pod maską
ChatGPT nie jest magią. To jest matematyka. Trudna matematyka.
Podstawowa technologia opiera się na dużych modelach językowych (LLM). Cel na papierze jest prosty: zrozumieć strukturę ludzkiego języka. Ale jego wdrożenie jest przerażająco skomplikowane. Głównym zadaniem algorytmu jest przewidzenie kolejnego słowa w zdaniu. Łącząc te przewidywania, generuje spójny tekst.
Ale nie możesz po prostu przesłać skryptu na serwer i liczyć na najlepsze. Potrzebujesz szkolenia. Ogromna ilość.
ChatGPT pochłonął zbiór danych obejmujący 500 miliardów dokumentów. Mówimy o całym Internecie od 2021 roku. Plus setki tysięcy książek. Artykuły naukowe. Wszystko.
Musiała nauczyć się ważyć znaczenie każdego terminu w zdaniu, aby wyodrębnić sedno koncepcji.
Skalę trudno sobie wyobrazić.
- Przeanalizowano 500 miliardów dokumentów.
- 175 miliardów parametrów w modelu.
- 2 miliony euro na szkolenia.
- 100 000 dolarów dziennie wydatki operacyjne na utrzymanie działalności.
Prototyp ChatGPT-3 pokazał światu, co jest możliwe. Uruchomiono 30 listopada 2022 r.
Reakcja wstrząsnęła internetem.
Milion rejestracji użytkowników w pięć dni.
To nie jest tylko pasek wyszukiwania
Ludzie chcieli wiedzieć, co potrafi.
W swej istocie ChatGPT jest interfejsem komunikacyjnym. Ale zachowuje się bardziej jak niestrudzony asystent badawczy, który zbyt pragnie zadowolić niż bazę danych.
Przetestowaliśmy to. Rzuciliśmy mu wszystko.
Encyklopedyczne fakty? Zdemontowany.
Przepisy kulinarne? Zdemontowany.
Filmografie? Zdemontowany.
Jakość syntezy była ogólnie wysoka. Poproszony o wyjaśnienie niuansów pomiędzy dwoma złożonymi tematami, wykonał zaskakująco dobrą robotę.
Ale tutaj robi się interesująco.
ChatGPT nie tylko pobiera dane. Improwizuje. Za każdym razem, gdy zadajesz pytanie, generuje ono nową odpowiedź opartą na prawdopodobieństwie. Nie wyciąga statycznej odpowiedzi z półki. Buduje reakcję w czasie rzeczywistym.
I pamięta.
Śledzi kontekst rozmowy. On słucha.
Podczas testów zadaliśmy proste pytanie geograficzne.
„Jaka jest najdłuższa rzeka na świecie?”
ChatGPT odpowiedział: “Neil.”
Sprzeciwiliśmy się.
- „Czy Amazonka nie jest dłuższa niż Nil?”*
Bot natychmiast się poprawił.
- „Przepraszam. Popełniłem błąd w poprzedniej odpowiedzi. Amazonka jest naprawdę najdłuższą rzeką na świecie.”*
Ta zdolność do samokorekty w oknie kontekstu odróżnia nowoczesne LLM od starszych algorytmów wyszukiwania. Nie szuka jedynie faktów. Podtrzymuje dialog.
Ale czy to czyni go mądrzejszym? A może po prostu lepiej jest symulować rozmowę?
To pytanie wisi nad każdym pracownikiem technicznym, studentem i ciekawskim użytkownikiem próbującym dowiedzieć się, czy patrzy na narzędzie, czy na konkurencję.
Możliwości generowania treści
Narzędzie wykracza poza proste odpowiadanie na pytania. System testowaliśmy za pomocą specyficznych, nieco chaotycznych zapytań. Jedna prośba była prosta: wygeneruj przykłady komentarzy do kontrowersyjnego artykułu, w tym emoji. Rezultat okazał się standardowy dla Internetu: formalny wyraz szoku połączony ze smutną emotikoną. Typowo.
Ale ruszyliśmy dalej. Modelka stworzyła posty na Facebooku. Przygotowała wskazówki dotyczące negocjacji przy zakupie używanych samochodów. Zasugerowała program do edycji obrazów. Asortyment był szeroki. Chcieliśmy sprawdzić granice, więc poprosiliśmy o zarys fabuły powieści detektywistycznej. Rezultat był zaskakująco spójny. Zbudował puzzle o prawdziwej strukturze.
Istnieją jednak również ograniczenia. Zadania związane z kreatywnym pisaniem były dla modelki trudne. Poprosiliśmy Cię o napisanie piosenki rapowej o 2023 roku. Wynik był pusty. Wiersz miłosny również się nie powiódł. Rytm został złamany. Zabrakło emocji. Wszystko brzmiało mechanicznie.
Modelka jest mniej zainspirowana, gdy próbuje przekazać surowe ludzkie emocje lub niuanse kulturowe.
Ta niekonsekwencja może pocieszyć. Udowadnia, że sztuczna inteligencja nie jest wszechmocna w dziedzinach artystycznych. Pytanie pozostaje jednak otwarte. Ten spokój jest tymczasowy. Przepaść między logiczną fabułą a szczerym wierszem prawdopodobnie się zmniejszy. Jeszcze nie.
Kiedy AI pisze dla Ciebie
Podsumowanie to jedna z funkcji, która sprawia, że ChatGPT jest naprawdę użyteczny, a nie tylko zabawny chwyt. Przetestowałem to, podając mu długi artykuł na temat generatorów obrazów AI od Futura Sciences. Wynik był nie tylko dokładny, ale także zwięzły.
W artykule omówiono wykorzystanie sztucznej inteligencji do generowania obrazów na podstawie opisów tekstowych. Z tej funkcji korzysta kilka aplikacji, na przykład Dall-e 2, Stable Diffusion i MidJourney. Zasada ich działania polega na wprowadzeniu tekstu i wygenerowaniu odpowiedniego obrazu o wysokim poziomie artystycznym. W artykule wspomniano także o OpenAI, organizacji non-profit, która stworzyła Dall-e 2 i stara się przesuwać granice sztucznej inteligencji, przestrzegając zasad etycznych zapewniających bezpieczeństwo ludzi.
Uchwycił esencję Dall-e 2, Stable Diffusion i MidJourney, nie wchodząc w szczegóły techniczne. Prawidłowo określił nawet status organizacji non-profit OpenAI i jej wyznaczone cele etyczne. Jest to znaczący krok w stosunku do wcześniejszych modeli sztucznej inteligencji, które często „wymykały się” kontekstowi lub mijały się z sednem.
Generowanie kodu jako akcelerator
Jeśli podsumowanie daje szybką wygraną, to w programowaniu użyteczność dramatycznie wzrasta. ChatGPT może generować funkcjonalne fragmenty kodu, które możesz skopiować i wkleić do swojego projektu. Poprosiłem go o utworzenie formularza kontaktowego. Rezultatem jest prawidłowy kod HTML i CSS, gotowy do wdrożenia.
Ale oto, co jest naprawdę imponujące: może również generować kod specjalnie dostosowany do WordPress. Dla programistów i właścicieli witryn, którzy nie piszą codziennie kodu PHP od zera, znacznie skraca to czas programowania. Zapewnia nie tylko składnię; rozumie kontekst systemu zarządzania treścią (CMS).
Ciemna strona: oszustwo akademickie i merytoryczne
Oczywiście nie wszyscy postrzegają to jako przydatnego asystenta. Niektórzy postrzegają to jako narzędzie do łamania zasad i podważające uczciwość. Nauczyciele zauważyli już, że uczniowie wykorzystują go do pisania wypracowań.
Zastanówmy się nad pytaniem profesora z Uniwersytetu w Lyonie: W jakim stopniu bohater jest odpowiedzialny za swoje czyny?
Wpisałem dokładnie to zapytanie do ChatGPT. Odpowiedź była filozoficzna, uporządkowana i całkiem wiarygodna:
Bohater jest odpowiedzialny za swoje czyny, ponieważ jest świadomy tego, co robi i akceptuje konsekwencje. Potrafi podejmować decyzje i je realizować, zarówno pozytywne, jak i negatywne. Jest także odpowiedzialny za swoje czyny, gdyż musi odpowiadać przed władzami i społeczeństwem oraz potrafi przyznać się do swoich błędów i żałować za nie. Wreszcie bohater jest odpowiedzialny za swoje czyny, gdyż jest osobą wolną i autonomiczną, która musi odpowiadać przed sobą i swoimi bliskimi.
Kiedy kontynuowałem rozmowę, prosząc o esej na 500 słów na ten temat, ChatGPT stanął na wysokości zadania. Ton był akademicki. Struktura była prawidłowa. Można to pomylić z pracą kompetentnego studenta. W tym miejscu obietnica „działającego kodu” zamienia się w narzędzie do oszukiwania.
Gdzie AI się potyka
Pomimo swojej doskonałości ChatGPT nie jest nieomylny. Ma „halucynacje”. Ponadto popełnia błędy rzeczowe, czasem rażące.
Weźmy Rene Descartesa. Jeśli na początku stycznia zapytałeś ChatGPT, gdzie mieszka ten filozof, stwierdził, że przebywał w Ameryce Południowej. Jest to historycznie niepoprawne. Kartezjusz zmarł w Szwecji i mieszkał głównie we Francji i Holandii. Miesiąc później model został poprawiony. Zapytana konkretnie o Amerykę Południową, wycofała swoje poprzednie oświadczenie.
Wygląda na to, że model z biegiem czasu uczy się lub dostosowuje swoje wagi, ale nie ma przejrzystości co do w jaki sposób koryguje te błędy. W przeciwieństwie do Wikipedii, która powołuje się na źródła, ChatGPT zapewnia odpowiedź bez łańcucha linków do źródeł. Jeśli używasz go do badań, ufasz czarnej skrzynce. Jeśli chcesz sprawdzić fakt, nadal musisz udać się do pierwotnych źródeł.
Problem prognozowania
Wyjaśnijmy sobie: ChatGPT nie udaje, że ma kryształową kulę. Jeśli chodzi o wybory prezydenckie we Francji w 2027 r., model ten jest ostrożny. Zapytana o konkretną datę postawienia stopy na Marsie, odmawia spekulacji. Zmieniliśmy sformułowanie, sprawdziliśmy granice tego, co dopuszczalne, ale model nie ustąpił.
Część tego zjawiska wynika ze struktury. ChatGPT 3 opiera się na bazie danych ograniczonej do 2021 roku. Wszystko, co wydarzyło się po tej dacie, jest dla niej niewidoczne. Jednak milczenie modelu sięga głębiej niż tylko brak danych.
Odmowa wyboru strony
Zapytaliśmy o opinie. Wiele opinii. Odpowiedzi ściśle mieściły się w ramach poprawności politycznej. Każda odpowiedź sprawiała wrażenie starannie przygotowanej informacji prasowej.
Weźmy porównanie Joe Bidena i Donalda Trumpa. Modelka zauważa, że mają różne pozycje. Twierdzi, że określenie, kto jest „lepszy”, zależy od indywidualnych kryteriów. Ona nie wybiera zwycięzcy.
Zapytaj, czy energia jądrowa jest ekologiczna. Model wymienia zalety i wady. Przyjmuje postawę wyczekującą.
Ale jest jeden wyjątek. Jedna twarda granica.
Klimatyczna czerwona linia
Za każdym razem, gdy pojawia się temat „sceptyków klimatycznych”, ton się zmienia. Model staje się solidny. Odrzuca alternatywne punkty widzenia. W kwestii globalnego ocieplenia nie ma miejsca na niuanse.
To rodzi dręczące pytanie. Czy programiści wbudowali w kod własne uprzedzenia?
Nie powinniśmy ignorować możliwości, że twórcy wpłynęli na zachowanie modelu w tematach, na których bardzo im zależało.
Warto zadać sobie pytanie: czy ta sztywność jest konsekwencją danych treningowych, czy też celowo narzuconym ograniczeniem? Model nie zawiera żadnych założeń. Po prostu narzuca konsensus.
Dlaczego żarty nie działają
Humor to ślepa plamka. Kiedy modelka została poproszona o napisanie żartu, nie potrafiła wymyślić niczego, co mogłoby ją rozśmieszyć. Nie chodzi tylko o to, że byli źli; były strukturalnie nieprawidłowe lub banalnie oczywiste. Sztuczna inteligencja nie dysponuje intuicyjnymi skokami niezbędnymi do bycia dowcipnym. Naśladuje formę puenty, nie rozumiejąc czasu ani podtekstu.
Banał dotyczący kuli
Istnieje również tendencja do tekstu wyściełanego. Często wyciąga się wnioski, rozcieńczane rozwlekłymi sformułowaniami, które niewiele mówią. Kończy się długimi, krętymi zdaniami, które można przeciąć na pół bez utraty znaczenia. Co gorsza, model w dużej mierze opiera się na utartych frazach. Te same przejścia są powtarzane w kółko, z niewielkimi zmianami słów. To wzór wahania przebranego za prozę. Kiedy modelka nie zna odpowiedzi, nie zatrzymuje się. Ona po prostu więcej mówi.
