ChatGPT исполнился 1 год: чему мы научились за год прорыва ИИ?

В конце ноября 2023 года исполнился год ChatGPT. Предыдущий, 2022 год, стал знаковым годом с выпуском Stable Diffusion для изображений и ChatGPT для текста.

Мир, каким мы его знаем, с тех пор кардинально изменился.

Итак, чему мы научились за последний год или около того в результате катания на американских горках, которое мы теперь называем генеративным ИИ?

1. ИИ пришел в массы

Первое и самое важное, что действительно изменил генеративный ИИ, — это то, что люди, не разбирающиеся в технических вопросах и не кодирующие, получили доступ к ИИ.

У нас был искусственный интеллект на протяжении десятилетий, и на протяжении 20 лет у нас был очень сложный, способный и мощный ИИ. Однако эта мощь в значительной степени была скрыта за очень высокими техническими ограничениями: вам нужно было знать, как программировать на Python, R, Scala или Julia, в том числе, чтобы максимально эффективно использовать ее.

Сегодня вы пишете код простым языком. Каждый раз, когда вы даете инструкции Bing, Bard, Claude или ChatGPT, вы пишете код. Вы пишете код для создания того, что, как вы надеетесь, является надежным и воспроизводимым результатом точно так же, как надеется программист, пишущий на Python.

Последствия этих перемен абсурдно велики, даже слишком велики, чтобы их можно было себе представить, и мы находимся только в самом начале этих перемен.

Клэй Ширки однажды сказал, что инструмент становится социально интересным, когда он становится технологически скучным, но ИИ бросает вызов этой тенденции. Он по-прежнему интересен с технологической точки зрения, но его простота и удобство использования делают его интересным и с социальной точки зрения.

И эти социальные изменения только начинают ощущаться.

Недавно я разговаривал с коллегой, который сказал, что руководство их компании уволило 80% команды по контент-маркетингу, назвав ИИ заменой людей. Я подозреваю, что на данный момент это крайний случай: если только контент этой команды не был настолько плохим, что ИИ был улучшением, мне трудно поверить, что руководство знало, что такое ИИ, и на что оно не способно.

2. Большинство людей не знают, что может и чего не может делать ИИ

Это поднимает второй важный вопрос, который мы узнали за последний год: широкая общественность на самом деле не имеет представления о том, что такое ИИ и на что он не способен.

Архитектура преобразователей, лежащая в основе современных языковых моделей, представляет собой не более чем машину для угадывания токенов: она может принимать серию произвольных фрагментов данных, называемых токенами (в языковых моделях эти токены соответствуют фрагментам слов из 4 букв), а затем пытаться предсказать, каким будет следующий набор токенов в любой заданной последовательности.

Вот и все, чем они являются: они не разумны, не обладают самосознанием; у них нет свободы воли; и они неспособны даже к элементарным вещам, таким как математика (просто попросите любого из них написать сообщение в блоге объемом 250 слов, и вы почти никогда не получите ровно 250 слов).

Однако у широкой публики сложилось впечатление, что эти инструменты ИИ — это всезнающие и всемогущие волшебные палочки, которые откроют мир, подобный «Звездному пути» или «Скайнету», и различные компании, занимающиеся ИИ, мало что сделали, чтобы обуздать различные подобные ожидания. На самом деле, значительное количество людей подробно говорили о экзистенциальной угрозе, которую представляет ИИ.

ИИ в своем нынешнем виде не представляет угрозы конца света. Машина для угадывания слов больше ничего не делает, кроме угадывания слов.

Теперь можете ли вы взять это и поместить в архитектуру с другими компонентами для создания опасных систем? Конечно, точно так же, как вы можете взять скороварку и сделать с ней что-нибудь, чтобы превратить ее во взрывное устройство. Но скороварка сама по себе не станет причиной массового разрушения.

Чтобы внести ясность: существуют серьезные угрозы, которые представляет собой ИИ, но не потому, что машины внезапно стали разумными. Двумя основными, серьезными угрозами очень близкого будущего, о которых мало кто хочет говорить, являются…

• Структурная безработица
• Дифференциация доходов

Неизбежный риск ИИ: структурная безработица

ИИ способен автоматизировать значительную часть работ, особенно работы начального уровня, в которых задачи часто повторяются. Любой вид автоматизации процветает в повторяющемся контексте, и современные языковые модели очень хорошо справляются с повторяющимися языковыми задачами.

Раньше нам не удавалось автоматизировать эти задачи, поскольку в языке существует вариативность, даже если в задаче нет вариативности. Благодаря способности языковых моделей адаптироваться к языку эти задачи теперь можно автоматизировать — от работы в колл-центре до выступления генерального директора на заседании совета директоров (сидите на любом звонке о прибылях и убытках, а руководители в основном извергают банальности и читают финансовые результаты; обе задачи машины могут выполнить легко).

В результате нам по всей планете придется иметь дело с риском структурной безработицы. Да, будет создано много рабочих мест, но еще больше рабочих мест будет сокращено, потому что такова природа автоматизации. Экономика США, например, раньше была в основном сельским хозяйством, а сегодня в сельском хозяйстве работает менее 1% населения. Мы не знаем, как будут выглядеть новые рабочие места, но они не будут похожи на старые рабочие места – и, когда мы доберемся до этого, нас ждет долгий и болезненный переходный период.

Неизбежный риск ИИ: существенное усиление неравенства доходов

Вот почему этот риск неизбежен — и это довольно просто. Когда у вас есть компания, в которой работают люди, вам приходится брать деньги из своих доходов и выплачивать ими заработную плату. Эти работники затем выходят в более широкую экономику и тратят их на такие вещи, как жилье, еда, развлечения и т. д.

Когда в вашей компании все больше и больше машин и несколько рабочих, обслуживающих эти машины, ваша компания по-прежнему получает доходы, но меньшая их часть выплачивается в виде заработной платы. Большая часть этого идет на вашу прибыль, и это одна из причин, почему каждый руководитель пытается понять ИИ; Обещания резкого увеличения прибыли слишком хороши, чтобы от них отказаться. Но за эту прибыль приходится платить: меньше людей получают заработную плату.

Тогда происходит гиперконцентрация богатства. Владельцы компаний сохраняют больше денег, что хорошо, если вы владелец или акционер, и не очень хорошо, если вы безработный. Это создает среду, в которой существует сверхконцентрированное богатство; и на протяжении большей части человеческой истории это имело тенденцию заканчиваться кровопролитием. Люди, которые голодны и бедны, в конечном итоге обвиняют власть имущих в своих бедах, и результаты не очень хорошие.

Противоядие от рисков, связанных с ИИ

Противоядием от этих двух проблем является универсальный базовый доход, финансируемый за счет того, что многие называют «налогом на роботов» — по сути, дополнительным набором корпоративных налогов.

То, как это потенциальное решение будет реализовано, во многом будет зависеть от отдельных стран и их культур.

Общества, склонные к коллективизму, такие как Корея, Япония, Китай и другие страны Восточной Азии, вероятно, быстро доберутся до этого, как и демократические социалистические экономики, такие как скандинавские страны.

Гипериндивидуалистические культуры, такие как США, возможно, никогда не добьются этого, особенно с учетом силы лоббирования корпораций, направленной на поддержание низких налогов на бизнес.

3. Модели искусственного интеллекта развиваются очень быстро

Третье, что мы узнали за последний год, — это то, насколько абсурдно быстро меняется пространство ИИ.

Еще в марте 2022 года существовало всего несколько крупных языковых моделей — GPT 3.5 от OpenAI, BERT и T5 от Google, XLNet и некоторые другие. Перенесемся на полтора года вперед, и теперь у нас есть десятки тысяч языковых моделей.

Посмотрите, что произошло с крупнейшими игроками с момента выпуска GPT-3.5:

• 15 марта 2022 г.: выпущен GPT-3.5
• 4 апреля 2022 г.: выпущен PaLM 1
• 30 ноября 2022 г.: выпущен ChatGPT
• 17 января 2023 г.: выпущен Клод 1
• 1 февраля 2023 г.: выпущен ChatGPT Plus
• 27 февраля 2023 г.: выпущен LLaMa 1
• 14 марта 2023 г.: выпущены GPT-3.5-Turbo, GPT-4
• 10 мая 2023 г.: выпущен PaLM 2
• 12 июля 2023 г.: выпущен Клод 2
• 18 июля 2023 г.: выпущен LLaMa 2
• 16 октября 2023 г.: выпущены GPT-4-V, GPT-4-Turbo
• 21 ноября 2023 г.: выпущен Клод 2.1

Если взглянуть на этот график, становится ясно, что сила этих моделей и скорость, с которой они развиваются, просто захватывают дух.

Тот факт, что у вас есть крупные итерации моделей (например, LLaMa и OpenAI GPT) в течение шести месяцев после предыдущей версии — с удвоением возможностей каждый раз — неслыханно.

Мы мчимся в будущее со скоростью света. В недавнем разговоре Андрей Карпати (один из ведущих технологов OpenAI) сказал, что пока нет никаких признаков того, что мы сталкиваемся с какими-либо архитектурными ограничениями на то, что могут делать языковые модели, кроме необработанных ограничений вычислений.

Выгоды, которые мы получаем от моделей, продолжают хорошо масштабироваться вместе с ресурсами, которые мы в них вкладываем, поэтому ожидайте, что этот стремительный темп продолжится или даже ускорится.

Три практических вывода о карьере и бизнесе из года прорыва ИИ (или около того)

Это настоящий тур по прошлому году и переменам. Какие уроки мы должны извлечь из этого?

1. Освежите знания в области искусственного интеллекта, потому что это станет частью вашей работы.

Внедрение ИИ растет с сумасшедшей скоростью благодаря обещаниям, которые он предлагает, и его способности выполнять их так, как этого не могли сделать предыдущие поколения ИИ.

Суть в следующем: использование ИИ станет ожидаемым набором навыков каждого работника умственного труда в самом ближайшем будущем. Сегодня знания и навыки работы с ИИ являются отличительной чертой. В ближайшее время это будет базовый минимум.

Это отсылает к тому, что было рефреном в моих выступлениях в течение многих лет: ИИ не отнимет у вас работу; человек, обладающий навыками работы с ИИ, возьмет на себя работу (во множественном числе) людей, которые этого не делают. Один квалифицированный работник с ИИ может выполнять задачи 2, 3, 5 или даже 10 человек.

Вы обязаны сделать это ради себя, чтобы быстро повысить свою квалификацию.

2. Придерживайтесь базовых моделей ИИ

Темп перемен не замедляется. Это означает, что вам нужно придерживаться базовых моделей — GPT-4-V, Claude 2.1, LLaMA 2 и т. д., которые обладают большими возможностями, быстро адаптируются и меняются.

Если у вас нет другой жизнеспособной альтернативы, избегайте использования поставщиков, которые строят свои компании на основе чужой модели ИИ. Почему? Потому что, как вы можете видеть из списка ранее, скорость изменений между крупными обновлениями составляет примерно 6-9 месяцев. Любой поставщик, опирающийся на конкретную модель, рискует устареть через полгода.

Итак, в целом старайтесь использовать фундаментальные модели для как можно большего количества задач.

3. Подумайте о последствиях ИИ — этических и моральных — и примите меры

Каждый, кто играет какую-либо роль во внедрении ИИ, должен подумать об этических и даже моральных последствиях этой технологии.

Прибыль не может быть единственным фактором, ради которого мы оптимизируем наши компании, иначе мы создадим в мире много страданий, которые, несомненно, закончатся кровопролитием. Такова была история на протяжении тысячелетий: люди становятся все более несчастными, и в конечном итоге они восстают против власть имущих.

Как мы можем внести свой вклад, чтобы избежать увеличения этих страданий?

Один из первых уроков, который вы усвоите, начиная бизнес, — это делать вещи, которые не масштабируются. Делайте то, что удивляет и радует клиентов, делайте то, в чем много человеческого смысла, но не обязательно делового. Но по мере роста вашего бизнеса вы делаете это все меньше и меньше, потому что у вас не хватает времени и ресурсов.

Что ж, если ИИ освободит кучу людей и увеличит вашу прибыль, угадайте, что вы сможете сделать? Правильно: держите людей рядом и заставляйте их делать больше вещей, которые не масштабируются.

Вот практический пример. Сегодня люди, работающие в колл-центрах, имеют строгие критерии, которым они должны следовать. Моя подруга Джей работала в одном из них много лет и, по ее словам, ей требовалось строго пятиминутное время разговора. Ей нужно было говорить с клиентом по телефону не более пяти минут, иначе ее оштрафуют. Чистый эффект такого подхода? Клиентов передают или просто бросают трубку, потому что показатель, по которому оценивают сотрудников, — это время, а не результат, и почти никто никогда не остается на линии, чтобы заполнить опрос.

Теперь предположим, что ИИ обрабатывает 85% объема вызовов. Он справляется со всеми простыми задачами, оставляя людям только сложные задачи. Вы немного сокращаете свой человеческий персонал, но затем снимаете временные ограничения для людей и вместо этого измеряете их исключительно по результатам опросов. Результат? Клиенты действительно дойдут до конца звонка, чтобы заполнить опрос, и если сотрудник будет иметь возможность действительно потратить время на решение своих проблем… тогда показатели удовлетворенности ваших клиентов, скорее всего, резко возрастут.

Такой подход будет зависеть от вашего признания того, что вы не сможете максимизировать свою прибыль, потому что для этого вам потребуется избавиться почти от всех ваших сотрудников-людей.

Если бы вы вместо этого сохранили большинство из них, ваши затраты были бы лишь несколько меньшими; однако, поручив этим людям решение действительно сложных проблем, вы сможете еще больше масштабировать свой бизнес. Легкие задачи будет решать ИИ, а более сложные — преимущественно люди, которых вы держите с этой целью.

Будут ли компании вести себя таким образом?

Некоторые будут. Некоторые нет. Однако в мире, где искусственный интеллект является де-факто стандартом взаимодействия с клиентами из-за его низкой стоимости, ваша способность выделяться на фоне уникального человеческого подхода может стать конкурентным преимуществом… так что подумайте об этом.

 

www.marketingprofs.com/articles/2024/50684/AI-impact-on-careers-marketing-business-takeaways