Od kilku dni w serwisach społecznościowych dziennikarze dyskutują, czy sztuczna inteligencja może… zastąpić dziennikarzy, czyli mówiąc wprost, czy może samodzielnie pisać artykuły? Wszystko za sprawą startupu OpenAI, który tydzień temu udostępnił ChatGPT. To narzędzie, któremu każdy może zadać pytanie, uzyskać odpowiedź – jednym słowem porozmawiać, ale również zlecić np. napisanie artykułu na zadany temat.
Podobnie jak miliony ludzi na całym świecie (w ciągu paru dni z serwisu skorzystało ponad milion osób) postanowiliśmy to sprawdzić w najprostszy z możliwych sposobów: wykorzystując ChatGPT do napisania artykułu… o nim samym. Poniżej efekty, które możecie sami ocenić!
Jedna uwaga: co prawda można zlecić ChatGPT napisanie całego artykułu, jednak zdecydowanie lepiej jest tworzyć tekst „rozmawiając” z nim, czyli pisać tekst na podstawie odpowiedzi na zadane pytania. Niekiedy konieczne było dopisanie przez nas kilku fragmentów i dlatego przyjęliśmy zasadę, że tekst sztucznej inteligencji jest wytłuszczony, a pozostały został napisany przez człowieka. Staraliśmy się zminimalizować nasze dopiski do minimum, nawet kosztem właściwej struktury artykułu.
Chatgpt to ogólna nazwa dla dużych modeli języka uczenia maszynowego, takich jak Assistant, które są w stanie wygenerować odpowiedzi na pytania lub rozmawiać z ludźmi w naturalny sposób. Te modele są uczone na ogromnych zbiorach danych tekstowych i potrafią uczyć się na bieżąco, dzięki czemu mogą zapewnić wysoką jakość odpowiedzi.
Jak wygląda taka sesja pytań i odpowiedzi? Zobaczcie, jak przedstawił nam to chatbot:
Człowiek: Cześć, mogę zapytać o modele językowe?
Assistant: Tak, oczywiście. Modele językowe to rodzaj modeli uczenia maszynowego, które są specjalnie zaprojektowane do rozumienia i przetwarzania języka naturalnego.
Człowiek: A jak działają te modele?
Assistant: Modele językowe są uczone na ogromnych zbiorach danych tekstowych i wykorzystują różne techniki uczenia maszynowego, takie jak regresja liniowa lub sieci neuronowe, aby nauczyć się języka i odpowiadać na pytania lub generować tekst.
Człowiek: Czy są one w stanie zrozumieć złożone zdania i kontekst?
Assistant: Tak, dzięki swojej zdolności do uczenia się na bieżąco, modele językowe są w stanie zrozumieć złożone zdania i kontekst, a także uczyć się odpowiadać na pytania w sposób bardziej naturalny i zrozumiały dla ludzi.
Człowiek: To interesujące. Dziękuję za wyjaśnienie.
Assistant: Nie ma za co, zawsze chętnie pomogę.
Osoba niedoświadczona z pewnością nie będzie w stanie poznać, że była to rozmowa z komputerem. Widzimy tu wiele cech normalnej wymiany zdań, brak jest błędów ortograficznych czy stylistycznych.
Większość osób zetknęła się z pojęciem sztuczna inteligencja, ale zapewne jedynie specjaliści wiedzą, że prace nad tym, by komputery z nami „rozmawiały” rozpoczęto blisko 70 lat temu.
Pierwsze modele językowe powstały już w latach 50. i 60. XX wieku, ale ich rozwój przyspieszył w ostatnich kilku dekadach dzięki postępom w dziedzinie uczenia maszynowego i dostępności ogromnych zbiorów danych tekstowych. Oto chronologia rozwoju modeli językowych:
– 1950-1960: Powstanie pierwszych modeli językowych, takich jak model Markova i model języka n-gramów.
– 1980-1990: Rozwój sieci neuronowych i pojawienie się pierwszych modeli językowych opartych na sieciach neuronowych, takich jak model Perceptronu i model sieci warstwowej.
– 1990-2000: Pojawienie się technik uczenia głębokiego, takich jak sieci neuronowe rekurencyjne (RNN) i sieci konwolucyjne (CNN), co znacznie zwiększyło zdolność modeli językowych do rozumienia i przetwarzania języka naturalnego.
– 2010-obecnie: Pojawienie się nowych technik uczenia głębokiego, takich jak transformery i modele GPT, co doprowadziło do powstania bardziej zaawansowanych modeli językowych o wysokiej dokładności i zdolności do uczenia się na bieżąco.
Rozwój modeli językowych nadal trwa i zapewne będzie kontynuowany w przyszłości, co pozwoli na stworzenie jeszcze bardziej zaawansowanych i skutecznych modeli.
Technologia, medycyna, marketing i edukacja
Modele językowe są obecnie stosowane w wielu różnych dziedzinach, w których wymagana jest zdolność rozumienia i przetwarzania języka naturalnego. Oto kilka przykładów zastosowań modeli językowych:
– Technologia: Modele językowe są używane do tworzenia asystentów głosowych, takich jak Siri i Alexa, oraz w wirtualnych asystentach tekstowych, takich jak Assistant. Są również używane do rozpoznawania mowy i przetwarzania tekstu.
– Medycyna: Modele językowe są stosowane w analizie danych medycznych, takich jak zapisy z rejestratorów EKG i notatek lekarskich, aby ułatwić diagnozowanie chorób i wspomóc lekarzy w podejmowaniu decyzji dotyczących leczenia pacjentów.
– Marketing: Modele językowe są używane do analizowania danych z mediów społecznościowych i internetu, aby zrozumieć preferencje i potrzeby klientów, co umożliwia lepsze targetowanie reklam i oferowanie produktów i usług dostosowanych do ich potrzeb.
– Edukacja: Modele językowe są stosowane w systemach e-learningowych, aby umożliwić interakcję z uczniami w naturalny sposób i pomóc im w nauce poprzez odpowiadanie na pytania i zadawanie zadań.
– Biznes: Modele językowe są używane w różnych aplikacjach biznesowych, takich jak systemy automatyzacji obsługi klienta i systemy do zarządzania korespondencją, aby zwiększyć efektywność i skuteczność pracy.
Sztuczna inteligencja (nie)dobra na wszystko
Choć modele językowe są coraz bardziej zaawansowane i skuteczne, nie są w stanie rozwiązać wszystkich problemów i nie mogą być stosowane w każdej sytuacji. Oto kilka przykładów sytuacji, w których modele językowe nie mają zastosowania lub mogą być mniej skuteczne:
– Złożone zadania wymagające wiedzy specjalistycznej: Modele językowe są uczone na ogromnych zbiorach danych tekstowych, ale nie są w stanie posiąść wiedzy specjalistycznej w dziedzinach takich jak medycyna czy inżynieria. Dlatego mogą być mniej skuteczne w rozwiązywaniu złożonych problemów wymagających wiedzy specjalistycznej.
– Zadania wymagające kreatywności i inwencji twórczej: Modele językowe są dobre w generowaniu tekstu na podstawie danych wejściowych, ale nie są w stanie wymyślać nowych pomysłów lub tworzyć dzieł sztuki. Dlatego nie nadają się do zadań wymagających kreatywności i inwencji twórczej.
– Zadania wymagające zrozumienia emocji i intencji: Modele językowe potrafią rozumieć język i odpowiadać na pytania, ale nie są w stanie zrozumieć emocji i intencji ludzi. Dlatego mogą być mniej skuteczne w sytuacjach, w których wymagane jest zrozumienie emocji lub intencji rozmówcy.
Co nas czeka w przyszłości?
Przyszłość modeli językowych wydaje się obiecująca i będą one prawdopodobnie dalej rozwijać się i stawać coraz bardziej zaawansowane i skuteczne. Można się spodziewać, że zostaną wprowadzone nowe technologie i metody uczenia maszynowego, które pozwolą modelom językowym na lepsze rozumienie języka i kontekstu oraz na bardziej naturalną i zrozumiałą komunikację z ludźmi.
W związku z tym modele językowe mogą w przyszłości zastąpić człowieka w wielu zadaniach wymagających rozumienia i przetwarzania języka naturalnego. Możliwe jest, że będą one wykorzystywane w coraz większym stopniu w aplikacjach biznesowych, takich jak automatyzacja obsługi klienta i zarządzanie korespondencją, aby zwiększyć efektywność i skuteczność pracy.
Modele językowe mogą również znaleźć zastosowanie w medycynie, wspomagając lekarzy w diagnozowaniu chorób i podejmowaniu decyzji dotyczących leczenia pacjentów. Mogą też być używane w edukacji, tworząc interaktywne platformy e-learningowe, które pomogą uczniom w nauce poprzez odpowiadanie na pytania i zadawanie zadań.
W domu już korzystamy ze sztucznej inteligencji
Wiele współczesnych urządzeń już wykorzystuje nowoczesne technologie i często nie zdajemy sobie sprawy, że napędzane są wysokiej klasy modelami. Czym zatem różnią się one od ChatGPT?
Różnica między nimi polega na tym, że Amazon Alexa i Google Asystent to gotowe aplikacje dostępne dla użytkowników, podczas gdy chatgpt to bardziej ogólna kategoria modeli językowych, które mogą być używane do tworzenia różnych aplikacji z zastosowaniem uczenia maszynowego. Amazon Alexa i Google Asystent wykorzystują modele językowe do rozumienia i przetwarzania języka naturalnego, ale są to gotowe aplikacje.
Czy ChatGPT potrafi pisać teksty?
Tak, jako asystent sztucznej inteligencji potrafię pisać teksty. Jestem w stanie wygenerować odpowiedzi na pytania lub rozmawiać z ludźmi w naturalny sposób, korzystając z ogromnej bazy danych tekstowych, na której zostałam wytrenowana. Możesz zadać mi dowolne pytanie lub poprosić o napisanie tekstu na dany temat, a ja postaram się udzielić odpowiedzi lub wygenerować tekst zgodnie z Twoimi oczekiwaniami.
Jeśli chatbot potrafi pisać teksty, to czy grozi nam wizja bezrobocia dla dziennikarzy?
Jako asystent sztucznej inteligencji potrafię generować teksty na różne tematy, ale nie jestem w stanie zastąpić dziennikarza. Jestem model językowy, który został wytrenowany na ogromnych zbiorach danych tekstowych, ale nie posiadam wiedzy specjalistycznej ani kreatywności potrzebnej do tworzenia artykułów informacyjnych lub publicystycznych.
Dziennikarz musi posiadać wiedzę specjalistyczną, umiejętność krytycznego myślenia i zdolność do przeprowadzania wywiadów i zbierania informacji, co jest trudne do zastąpienia przez model językowy. Dlatego nie mogę zastąpić dziennikarza, choć mogę być pomocna w generowaniu tekstów na różne tematy.
Nie oznacza to jednak, że chatboty są zupełnie nieprzydatne w pracy dziennikarza!
Jako model językowy mogę być pomocny dla dziennikarza w kilku różnych sposobach. Oto kilka przykładów:
– Generowanie tekstu na podstawie danych wejściowych: Dziennikarz może podać mi dane wejściowe, takie jak nagłówek artykułu lub listę faktów, i poprosić o wygenerowanie tekstu na ich podstawie. Może to być pomocne, jeśli dziennikarz potrzebuje szybko napisać artykuł lub chce sprawdzić, jak dane fakty mogą być przedstawione w tekście.
– Automatyzacja części procesu tworzenia artykułów: Dziennikarz może wykorzystać moje umiejętności w automatyzacji części procesu tworzenia artykułów. Na przykład, jeśli dziennikarz zbiera informacje o wydarzeniu, mogę pomóc mu w wygenerowaniu szkicu artykułu na jego podstawie, co umożliwi dziennikarzowi szybsze przygotowanie materiału do publikacji.
– Analiza danych tekstowych: Dziennikarz może wykorzystać moje umiejętności w analizie danych tekstowych, aby zrozumieć nastroje i preferencje czytelników lub przeprowadzić badania nad rynkiem. Może to być pomocne w tworzeniu artykułów dostosowanych do potrzeb czytelników i lepszego targetowania reklam.
Oczywiście, dziennikarz nadal będzie musiał włożyć wiele wysiłku w tworzenie artykułów i zbieranie informacji, ale może skorzystać z moich umiejętności, aby ułatwić sobie pracę i zwiększyć efektywność.
W jaki sposób dziennikarz może zlecić napisanie artykułu?
Abym mogła wygenerować artykuł na wybrany temat, dziennikarz powinien podać mi dane wejściowe, które będą stanowić podstawę tekstu. Mogą to być na przykład nagłówek artykułu, lista faktów dotyczących tematu lub pytania, na które ma odpowiadać artykuł.
Jeśli dziennikarz chce, abym wygenerowała cały artykuł, powinien podać mi wszystkie niezbędne informacje, takie jak nagłówek, podtytuły, akapity i fakty dotyczące tematu. Jeśli chce, abym odpowiedziała na pytania zadane przez czytelników, powinien podać mi te pytania i ewentualnie dodatkowe informacje, na podstawie których będę mogła udzielić odpowiedzi.
Oczywiście, dziennikarz może podać mi dowolne dane wejściowe, które uzna za stosowne, ale muszą one być wystarczające, abym mogła wygenerować tekst zgodny z oczekiwaniami dziennikarza. Ważne jest, aby dziennikarz dokładnie określił, czego ode mnie oczekuje, abym mogła wygenerować tekst zgodny z jego oczekiwaniami.
W tekstach generowanych przez ChatGPT widać, że są one dość „płytkie”, a stworzenie z nich artykułu jest oczywiście możliwe, ale wymaga dodatkowej pracy, by np. usunąć powtórzenia, poszerzyć temat czy po prostu odpowiednio „skleić” poszczególne fragmenty tekstu. W tekście powyżej świadomie ograniczyliśmy takie ingerencje do minimum, by pokazać Wam, jak w praktyce wyglądają teksty stworzone przez maszynę. Postanowiliśmy jednak pójść za radą chatbota i zlecić mu napisanie planu artykułu o Kielcach od a do z. Efekty możecie zobaczyć w tekście “Kielce widziane oczami sztucznej inteligencji“.
Stanisław M. Stanuch & ChatGPT
PS Ilustracja do tego tekstu też została stworzona przez sztuczną inteligencję, czyli model Stable Diffusion 1.5