Искусственный "интеллект"?
В прошлом году поднялся мощный хайп в отношении искусственного интеллекта, а точнее Больших Языковых Моделей (Large Language Models). Так вот, вопрос год спустя начала этого бума, кто-нибудь использует это в своей работе или хобби? Если да, то какие программы/сайты/аппы и как?
Если ChatGPT это продукт LLMs, то мой бывший коллега на работе им пользовался, чтобы писать официальные письма, порой он их даже не сокращал и не редактировал.
Да, я в самом начале тоже попробовал. В качестве начального варианта сойдёт, если не знаешь как писать. Но мне эта функция особо не нужна, к тому я письма сам умею писать. Люди ещё используют ИИ в качестве подсказчика в программировании. Тоже имхо ерунда.
Мне скорее были интересны такие функции как переозвучка видео с переводом, создание иллюстраций, такие вот вещи.
У нас на работе начинаются шаги по внедрению ИИ в менеджменте требований и вероятно немного в тестировании. Пока что все еще очень абстрактно, определяемся с юзкейсами и инструментами. Одни хотят сравнивать Lastenheft, другие хотят генерировать документацию на основе кода, третьи хотят генерировать тестовую спецификацию, может быть даже сами тесты. Интересно, во что это в итоге выльется.
Для себя люблю баловаться с нейросетями для генерации картинок (шедеврум, кандинский. на миджорни закончились беплатные генерации. Artbreeder недавно для себя открыла, но бесплатные попытки тоже не бесконечные). Еще вежливые отказы на предложения о работе генерирую.
В целом мне лично это интересно, но каких-то праграматичных вариантов использования для себя не нашла. Возможно из-за того, что лень углубляться в тему.
Но мне эта функция особо не нужна, к тому я письма сам умею писать.
ИИ нужен чтоб делать это быстрее. И он иногда действительно помогает.
подсказчика в программировании.Тоже имхо ерунда.
При правильном использовании может ускорять разработку
Перепроверять надо по любому, ИИ может быстро дать полезные идеи и направления в поиске информации.
Идеи можно собрать, да. Я пробовал задавать вопросы типа: напиши unique selling points для того-то. Или: напиши маркетинговый план для сего-то. В таких случаях неплохо получается.
Перевод, создание видео и фото в соответствии с ТЗ, конспектироаание звуковой дорожки, всякая бюрократия типа налоговых деклараций.
Кодеров во многих крупных фирмах уже обязывает пользоваться всякими копайлотами, и их продуктивность растет, так что те, кто не пользуется, с ними не могут конкурировать. Хотя КИ перенимает для них в основном рутину, но рутины этой много. Разработчик без КИ - как бухгалтер без калькулятора.
Лично я жду, что на смену LLM придут более математичные модели, но это детали.
И количество токенов растёт, уже сейчас можно загрузить целый проект (зависит от языка и технологии но некоторые) в такого агента.
Кодеров во многих крупных фирмах уже обязывает пользоваться всякими копайлотами
Ровно наоборот Apple Bans Internal Use of ChatGPT & GitHub Copilot Over Fear of Leaks
Amazon, Apple, and 12 other major companies that have restricted employees from using ChatGPT
Ну да, запреты связаны с опасностью утечки данных при использовании ассистентов онлайн. Встроенных ассистентов будут внедрять все сильнее. Либо те применения, где ассистент не видит твой проект, а ты просишь его написать какой-то код изолированно.
Моё мнение: все, что экономит человеку рутинную работу, начинает использоваться несмотря на риски. В сотый раз вручную писать какую-то API, зная, что это могла бы сделать машина, это как мыть руками всю посуду, имея посудомойку. Опасности были всегда, вон раньше банковские работники копировали в интернете какие-то левые макросы и вставляли их в свои эксель-табличнки для переработки важных данных. Потом это дело упорядочить, ненадежные входы-выходы перекрыли, но от использования автоматизации не отказались и даже наоборот.
И вообще скоро на фирмы придёт новое поколение, которое без чат-ботов и ассистентов ни мейл написвть, ни инструкцию понять не может, и пути назад не будет.
Не только. Надо понимать как это всё работает. У LLM нет способности мыслить, они всего лишь подбирают наиболее вероятное продолжение к имеющемуся тексту. При этом общие модели натренированы на огромных массивах текста из интернета, а копилот натренирован на совокупности всего кода в Github (естественно с нарушением всех лицензий). То есть, выбор наиболее вероятных продолжений – это по сути сконцентрированная посредственность. Да, если ты новичок или глуп, то выхлоп LLM может показаться стоящим. Если ты эксперт – ты найдёшь грубые ошибки в каждом предложении. Точно так же с копилотом – его выхлоп есть всего лишь компиляция кода из Github, без понимания, насколько хорошо это в данном месте подходит, и насколько качественна сия имплементация. Вот например: https://news.ycombinator.com/item?id=39168105 Использование копилота также
ведёт к увеличению количества кода (причём этот код запросто будет смешивать разные парадигмы, и программист вероятно даже не будет их понимать). В итоге использование копилота долгосрочно ведёт к снижению продуктивности. К тому же сообщения о бусте продуктивности были сильно преувеличены. https://hackernoon.com/github-copilot-review-does-it-reall... :"Contrary to the claim suggesting a 55% boost in productivity, the actual
outcome fell short. On average, teams experienced a moderate 10-15%
improvement in productivity related to generating new code".
В сотый раз вручную писать какую-то API, зная, что это могла бы сделать машина
Откуда машина возьмёт описание данной API?
И вообще скоро на фирмы придёт новое поколение, которое без чат-ботов и ассистентов ни мейл написвть, ни инструкцию понять не может, и пути назад не будет.
Вместо обучения нового поколения мышлению LLM будет учиться на своём же выхлопе. Прогресс остановится, произойдёт экспоненциальный взрыв дерьмового контента.
Первый абзац твоей статьи:
Tech companies around the world are racing to build their own generative artificial intelligence (AI) systems and they don't want any secrets leaking out to the competition
Но справедливости ради отмечу, что например мой сын, который участвует в разнообразных проектах, даже редко просит ассистента написать какую-то функцию, а уж API всегда пишет сам, потому что ассистент пока не справляются с многообразием Middleware и их специфики.
Но он часто задаёт ассистенту вопросы и просит примеры.
Вот наконец кто-то критикует LLM. Как можно использовать речевые модели в технических областях? Но в принципе лично я не переоцениваю способности человеческого мышления. Не занимаемся ли мы подбором самого уместного ответа, способа решения задачи иди шахматного хода, пользуясь интуицией, которая по сути есть опытные данные плюс веса, определяющие их уместность в данном контексте? Мы генерируем новое из переработанного мусора, а мысли наши начинают вертеться по кругу, как только наш контроль и наша воля ослабевают. Машина хотя бы не устаёт. А большинство людей вообще биороботы, выдающиеся заученные фразы в любой ситуации.
Zurück
Liste