ScanpixKaip veikia dirbtinis intelektas (DI), kokią įtaką jis daro darbo rinkai, mokymosi procesams ir kiekvieno iš mūsų kasdienybei? „IQ Verslo“ studijoje IQ apžvalgininkės Liepos Žeromskaitės pokalbis su programinės įrangos įmonės „Neurotechnology“ atstovais – DI sprendimų vystytoju Vytu Mulevičiumi ir analitiku Linu Petkevičiumi.
– „Dirbtinio intelekto“ sąvoka yra labai plati, apima daugybę sektorių, ir kartais sunku susivokti, kur mes galime su juo susidurti. Galbūt, Vytai, galite pateikti keletą pavyzdžių, kur DI jau dabar naudojamas?
Vytas Mulevičius: – Žinoma. Turbūt geriausias pavyzdys būtų „Google“ paieška. Mes kiekvieną dieną ją naudojame, ir anksčiau „Google“ naudodavo tokią ganėtinai paprastą sistemą, bet dabar jie ima tekstą ir taiko jį su labai daug duomenų. Tas taikymas eina iš neuroninių tinklų. Per pastaruosius penkerius metus teksto analizė patyrė bumą informacinių technologijų DI srityje. „OpenGPT“ vienas tokių dabar matomiausių, bet tas visas progresas jau kokius penkerius šešerius metus vyksta dideliais šuoliais.
– Užsiminėte apie „ChatGPT“ – tai projektas, su kuriuo kiekvienas iš mūsų gali labai tiesiogiai prisiliesti prie DI. Linai, galbūt jūs galėtumėte trumpai paaiškinti, koks yra tokio DI veikimo modelis?
Linas Petkevičius: – Iš tikrųjų su matematiniais modeliais susiduriame net ir mokykloje, mokomės kažkokią paprastą formulę – x+2, ir kažkokia nauja formulė. Tad iš tikrųjų visi DI technologijų modeliai šiuo metu yra labai sudėtingi matematiniai modeliai.
Kai kalbame apie pokalbių robotą „ChatGPT“, mes suprantame, kad tai yra matematinis modelis, kuris vietoj skaičių paima konkrečius pradinius teksto duomenis, tarkime, „sveiki“, ir toliau kažką pradeda generuoti. Matematinis modelis bando prognozuoti, koks galėtų būti kitas žodis, užbaigti vieną po kito einantį tekstą ir pradėti generuoti daugybę naujų alternatyvų. Tas pats DI technologijų modelis nėra kažkoks stebuklingas – tai yra didelė sukurta matematinė formulė, kuri generuoja tekstą. Įdomioji dalis ta, kad tą tekstą generuoja labai gerai ir labai dažnai net ir teisingai, net ir komplikuotais klausimais.
Visi DI technologijų modeliai šiuo metu yra labai sudėtingi matematiniai modeliai.
– Kaip jis mokosi? DI negali, bent jau pradžioje, jei teisingai suprantu, iš nieko sukurti to teksto, vadinasi, jam reikia duoti tam tikrus duomenis. Galbūt galite šiek tiek išsiplėsti?
V. Mulevičius: – Aš galėčiau perimti šį klausimą. „ChatGPT“ iš tikrųjų yra kokių 5–6 metų istorijos teksto analitikoj kūrinys, ir tai buvo iteracijomis, žingsnis po žingsnio kurtas modelis. Pirmas žingsnis – kalbos modelis, 2017–2018 m. išrastas, „transformerio“ arba „attention“ (angl. dėmesys – IQ past.) modeliai dar taip vadinami. Jų pagrindinis principas – ištreniravimas su labai dideliais teksto duomenų masyvais, jų pagrindinis tikslas yra spėti kalbą, spėti tekstą, kuris yra užmaskuotas, tai yra užduotis tam modeliui. Paskui buvo kiti modeliai, kurie bandė, tarkime, versti tekstą iš anglų į vokiečių. Trečioje iteracijoje, kur mes turime „ChatGPT“, tas išėjęs tekstas iš modelio buvo vertinamas žmogaus ir surikiuotas. Tarkime, duodame klausimą „koks yra Eifelio bokšto aukštis?“. Modelis pateikia penkis skirtingus atsakymus, ir tada žmogus ranka juos sudėlioja: čia yra pirmas, antras, trečias, ketvirtas ir penktas pagal gerumą. „ChatGPT“ yra mokomas, kiek gerai jis gali nuspėti, kaip žmogui patiks tas atsakymas. Ir taip iteruodami labai daug kartų mes turime modelį, kuris gali rašyti kodą, jis gali atsakyti į klausimus, gali sukurti dainą ir t. t.
– Savaime suprantama, kad, augant DI galimybėms, kartu didėja ir jo įtaka ateityje. Galbūt visai pagrįstai kyla baimių, ką jis gali padaryti, pavyzdžiui, darbo rinkoje? Jūsų nuomone, kokios profesijos galbūt susiduria su didžiausia rizika, kad jas ilgainiui gali perimti kad ir tas pats „ChatGPT“ ar koks tobulesnis jo sekėjas ateityje?
L. Petkevičius: – Žinoma, spėlioti, kokias vietas perimtų, labai sudėtinga. Bet neužmirškime, kad beveik visi, kas darbuojamės kompiuteriu kiekvieną dieną, rašome laiškus, užsiimame kūrybine veikla, galvojam kažką, labai tikėtina, kad beveik visus mus daugiau ar mažiau palies. Labai dažnais atvejais tai palengvins, pagreitins darbą, leis turėti daugiau pasirinkimų.
Kad ir kaip būtų keista, pirmieji sėkmingi atvejai, kurie pasirodė spartinantys ir ypač padedantys su teksto generavimu, pasirodė būtent ne paprastuose uždaviniuose, bet informatikoje, programavime. Prieš „ChatGPT“, kitus generavimo modelius buvo net keletas smulkesnių, mažesnių kalbos modelių, kurie buvo sukurti generuoti ir pabaigti rašyti programinį kodą. Yra toks labai gerai žinomas įskiepis „Copilot“, išleistas modelis, kuris, pradėjus rašyti ar komentarą, ar programinio kodo dalį, padeda toliau pratęsti ir pasiūlo daug alternatyvų. Tad šioje vietoje visi tie kalbos modeliai, nors atrodo, kad informatika yra sritis, kur reikia daug žinoti techninių dalykų ir panašiai, buvo tik dėl to, kad internete yra daug duomenų ir daug pavyzdžių, kaip mes skaitmenizavome savo programinę įrangą. Visa tai leidžia kurti kitus įrankius, padedančius optimizuoti sprendimus, leisti turėti daug pasirinkimų, ir čia daugelyje sričių gal nepakeis darbo vietų, bet spartins darbą ir turėsim daugiau pasirinkimų, turbūt visus palies, kas dirbame su kompiuteriu.
Labai dažnais atvejais tai palengvins, pagreitins darbą, leis turėti daugiau pasirinkimų.
– Vytai, ar jūs turėtumėte hipotezių šiuo klausimu?
V. Mulevičius: – Turėčiau jums klausimą kaip žurnalistei – kaip jūs matote šito įrankio panaudojimą savo srityje? Ar jums, tarkime, vietoj pilno biuro žurnalistų galbūt reikės dviejų, kurie turės pasikinkę „ChatGPT“ ar tiesiog robotus, ir teliks truputį pakoreguoti tekstą?
– Tai iš tiesų labai palengvintų mano darbą. Jau esu naudojusis „ChatGPT“, aišku, reikia nepamiršti, kad visa tai, ką jis man pasako, reikia du tris kartus pertikrinti, ar tai tikrai yra tiesa. Bet visai džiaugčiausi, jei ateityje „ChatGPT“ ar koks nors kitas DI man padėtų – tikiuosi, kad mano profesijos neišmes iš rinkos, bet tai jau ateitis parodys.
Ir dar kitas klausimas, kurį turiu, susijęs ne su darbo rinka, o su švietimu – kokia yra DI įtaka švietimui? Ar jį reikėtų skatinti, ar tai yra neišvengiami procesai, kai mokinys mokykloje naudojasi „ChatGPT“ ar mokydamasis programuoti naudojasi „Copilot“? Ar tai reikėtų skatinti, o jei tai reikėtų drausti, ar išvis įmanoma įgyvendinti tokį draudimą? Ar įmanoma pasakyti, kada studentas naudoja „ChatGPT“, o kada jis kuria pats?
V. Mulevičius: – Kas susiję su „ChatGPT“ gaudymu, iš tikrųjų žmonės yra sugeneravę pakankamai nemažai teksto, kuris yra sugeneruotas „ChatGPT“, ištreniravę modelius, kurie bando gaudyti. Keletas universitetų net yra taip padarę, kad kartu prie plagijavimo sistemos yra pridėję ir „ChatGPT“ gaudymo sistemą.
Bet einant truputį toliau, na, gaudyti šias technologijas ir bandyti jas riboti, man atrodo, yra kova su vėjo malūnais. Čia yra tik pati pirma iteracija, viena įmonė, bet, man atrodo, per 3–6 mėnesius turėsime 10 įmonių, bus koks nors „open source“ (angl. atviras šaltinis – IQ past.) išleistas modelis, nes dabar kol kas jis yra uždarytas, nėra lengvai pasiekiamas. Reikia edukacijos sistemai, švietimui prisitaikyti prie to. Galbūt net profesoriai galėtų naudoti užduotims rengti, tarkime, tos užduotys galėtų būti gerokai sudėtingesnės, kiekvienam žmogui galėtų būti skirtingos, galėtų pasižiūrėti, ką žmogus anksčiau atsakė, ko neatsakė, ir tos užduotys tiesiog būtų generuojamos su tuo pačiu „ChatGPT“, kad padėtų žmogui mokytis, nebūtinai uždrausti ją kaip technologiją.
Gaudyti šias technologijas ir bandyti jas riboti, man atrodo, yra kova su vėjo malūnais.
L. Petkevičius: – Pratęsčiau, kad jau dabar turime labai daug konkurentų, apskritai edukacinėje sistemoje įvairūs mokymai, perkvalifikavimai, institucijos, įvairūs internetiniai kursai. Kaip pavyzdį galime paminėti tokią „Coursera“ įmonę, kuri daro daug turinio ir daug mokymų, ypač perkvalifikuodama ir leisdama žmonėms mokytis informatikos ir pan. Pirmas dalykas, kurį ji pradėjo daryti, tai būtent galvoti, kaip galėtume įdiegti įvairias naujoves į savo mokymo sistemą tam, kad turėtume didesnį vartotojų, t. y. besimokančiųjų, įsitraukimą – galbūt galėtume automatiškai padėti pasufleruoti, kodėl neatsakė, kaip paskatinti mokymąsi ir turėti didesnį mokinio įsitraukimą. Edukaciniu atžvilgiu tiek mokyklos, tiek universitetai, jei tik pradės sakyti, kad visiškai negalima naudoti, tai bus tiesiog nueita iš studentų ar moksleivių pusės lengvuoju keliu, jog mes generuojame, pasilengviname gyvenimą, bet nebūtinai nukreipiame savo jėgas, kad tas įrankis padėtų išmokti, sužinoti daugiau. Tikrai reikia diskutuoti, kaip realizuoti tai, bet tikrai reikėtų bandyti įtraukti, o ne uždrausti.
– Linai, dėstote Vilniaus universitete, jei teisingai suprantu, jeigu jūsų studentai nuspręstų naudoti „Copilot“ ten, kur galbūt neturėtų jo naudoti, nebaustumėte ir nerašytumėte iš karto dvejeto?
L. Petkevičius: – Jau ir per dabartines paskaitas stengiamės pasižiūrėti, kaip galime išnaudoti šiuos įrankius, ir jei tokie įrankiai leidžia greičiau parašyti programėlę, liks daugiau laiko pasiaiškinti, kaip ta programa veikia, kokiais variantais veikia ar neveikia, daugiau padaryti eksperimentų, pasižiūrėti, pabandyti, daugiau jėgų skirti tam labai intensyviam procesų supratimui ir negaišti tiek daug laiko aiškinantis smulkių detalių. Žvelgiu labai pozityviai, bet tai labai priklauso nuo srities – tikiu, kad yra sričių, kur toks tekstų generavimas yra sudėtingas.
V. Mulevičius: – Reikėtų pasakyti, kad „ChatGPT“ yra ištreniruotas duomenimis iki 2022 m. Vadinasi, jei kas nors pradėtų rašyti referatus apie dalykus, kurie vyko per pastaruosius dvejus metus, jis paprasčiausiai pradėtų svajoti, fantazuoti ir iš tikrųjų rašyti nesąmones. Pavyzdžiui, apie ką Linas šneka, apie tą modelį, kuris generuoja kodą, jis dažniausiai veikia, – savo įmonėje jį irgi naudojame, aš ir mano kūrėjai taip pat, – tas modelis labai gerai rašo paprastas funkcijas. Bet jei pereiname prie abstraktesnių dalykų, kur yra iš tikrųjų sunkios problemos, jis gali parašyti funkciją, kuri iš tiesų yra bloga, ir tada žmogui reikia nuspręsti, aha, ar priimu atsakymą, ar ne? Su visu referatų generavimu reikia turėti omenyje, kad modelis, generuodamas tekstą, nelabai supranta, ar tai yra faktinė informacija, ar aš apie tai žinau, ar bandau prikurti tai, ko iš tikrųjų nėra? Tai nėra panacėja ir galima visai lengvai apsigauti.
Per kitus penkerius metus, kiek esu skaitęs, bus įmanoma turėti vaistus, kurie bus pagaminti atskiram žmogui.
– Pabaigoje norėčiau paklausti, pafantazuoti ir pasvajoti apie ateitį – kaip, jūsų įsivaizdavimu, DI galėtų įsiterpti į žmonių kasdienybę per ateinančius metus ar netolimoje ateityje?
L. Petkevičius: – Žinoma, prognozuoti yra labai sudėtinga, tačiau turbūt įdomiausias dalykas, kalbant apie šias technologijas, jos pradėjo evoliucionuoti labai greitu tempu. Jei istoriškai turėdavome kokią nors technologiją – tarkime, interneto technologijas ar kažkokių naujų proveržių, jie yra sukuriami universitete, tada praeina penkmetis, kol pradeda taikyti įmonės, ir dar penkeri metai, kol ateina iki kiekvieno iš mūsų kaip naudotojo, o su DI technologijomis per pastaruosius septynerius metus matome, kad ciklas yra labai greitas. Visi tie kalbos modeliai, kurie atėjo jau praktiškai iki mūsų, jie yra 3–4 metų naujumo, patys naujausi modeliai yra pusmečio naujumo ir jau pasiekę kiekvieną iš mūsų. Šioje vietoje turėsime labai daug proveržio, mano nuomone, per artimiausią pusmetį ar tuo labiau metus. Kur tai nuves? Pamatysime, bet manau, kad, jei tinkamai įdarbinsime įrankius, tapsime produktyvesni, ir atsiskleis daug galimybių tiek naujiems taikymams, tiek įvairioms kūrybinėms veikloms.
V. Mulevičius: – Man asmeniškai sritis, kuri labiausiai pasikeis per kitus penkerius metus su DI, yra medicina. Lietuvoje netgi turime įmonių, kurios bando nuspėti, ką darys 3D baltymų struktūros. Kaip buvo daromi nauji proteinai prieš penkerius ar 10 metų? Paprasčiausiai paimame naują 3D struktūrą, patestuojame, kas yra be galo brangu, ir tada žiūrime, ar ji daro tai, ką mes norime, ar ne. Bet su dabartinėmis technologijomis galime ištreniruoti modelius, kurie bando nuspėti, ir vietoj dešimčių galime testuoti tūkstančius. Per kitus penkerius metus, kiek esu skaitęs, bus įmanoma turėti vaistus, kurie bus pagaminti atskiram žmogui. Vadinasi, mes paimsime jūsų DNR, ir tie vaistai jums bus 100 proc. pritaikyti. Tas gydymas bus labai pigus, nes mes turėsime modelius, bet ne laboratorijas. Man atrodo, šis proveržis mūsų gyvenimą labai pakeis.
JWPLAYER_MAIN:1921
