Abstraktas
"Daugelis sudėtingų mašininio mokymosi (ML) produktų pastaruoju metu buvo pristatyti, kaip bendrosios paskirties turinio kūrimo įrankiai. Daugiausia dėmesio sulaukė ChatGPT, pokalbių robotas, veikiantis didelės kalbos modelio (LLM) GPT-3.5 pagrindu. LLM yra ML modelis, kuris atlieka įvairias natūralios kalbos apdorojimo užduotis, pvz., atpažįsta, apibendrina, verčia ir atsako į klausimus bei tęsia pokalbį. Jo tinklams reikalingas didžiulis duomenų kiekis, o ML yra dirbtinio intelekto (AI) polaukis, nes „ChatGPT“ išveda naują turinį, kaip atsaką į vartotojo užklausą, todėl jis laikomas generatyvaus AI įrankiu.
Pilnas tekstas
Daugelis sudėtingų mašininio mokymosi (ML) produktų neseniai buvo pristatyti, kaip bendrosios paskirties turinio kūrimo įrankiai. Daugiausia dėmesio sulaukė „ChatGPT“ – pokalbių robotas, veikiantis didelio kalbos modelio (LLM) GPT-3.5.
LLM yra ML modelio tipas, kuris atlieka įvairias natūralios kalbos apdorojimo užduotis, tokias, kaip teksto atpažinimas, apibendrinimas, vertimas ir generavimas; atsakymas į klausimus; ir tęsia pokalbį. LLM, sukurtas, naudojant gilaus mokymosi metodus, o jo dirbtinių neuroninių tinklų mokymui reikia didžiulio duomenų kiekio. Gilus mokymasis yra ML tipas, o ML yra AI polaukis. Kadangi „ChatGPT“ pateikia naują turinį kaip atsakymą į vartotojo užklausą, jis laikomas įrankiu generatyvaus AI srityje.
GENERATYVUS AI TURINIUI KURTI
„ChatGPT“ pristatė „OpenAI“ 2022 m. lapkričio 30 d. ir greitai tapo žymiu reiškiniu. Per 5 dienas daugiau, nei milijonas, žmonių užsiregistravo išbandyti šį produktą. Netrukus po to, 2023 m. vasario 7 d., „Google“ pristatė jos „ChatGPT“ tipo pokalbių robotą „Bard“. „Bard“ sukurta remiantis „Google“ natūralios kalbos apdorojimo modeliu, vadinamu LaMDA, kuris reiškia dialogo taikomųjų programų kalbos modelį. Maždaug tuo pačiu metu „Microsoft“ pristatė naują „Bing“ pokalbių robotą, kaip „ChatGPT“ ir „Bard“ konkurentą.
„ChatGPT“ ir kiti panašūs AI valdomi pokalbių robotai ne tik sukuria į žmogų panašų pokalbį, bet ir gali rašyti esė, kompiuterio kodus, receptus, maisto prekių sąrašus ir net eilėraščius. Nors netrukus įvairių pokalbių robotų atsakymuose buvo rasta netikslumų ir nenuoseklumo (Bobby Allyn, „Microsoft's New AI Chatbot Has Been Saying Some 'Crazy and Unhinged Things“, NPR, 2023 m. kovo 2 d.; npr.org/2023/03/ 02/1159895892/ai-micro soft-bing-chatbot), bendrai sutariama, kad šie AI powered pokalbių robotai veikia žymiai geriau, nei bet kurie ankstesni, ne AI pokalbių robotai.
Nors „ChatGPT“, „Bard“ ir „Bing“ pokalbių robotai generuoja tekstus, kaip atsakymą, DALL-E, „Midjourney“ ir „Imagen“ sukuria vaizdus, kaip išvestį, kai vartotojas įveda tekstą. „Make-A-Video“ sukuria vaizdo įrašą, atitinkantį tekste pateiktą aprašymą, o „MusicLM“ sukuria muzikos kūrinį.
„GitHub Copilot“ išveda kompiuterio kodą ir yra naudojamas, kaip programavimo įrankis.
Šie AI įrankiai vis sparčiau pristato generatyvųjį AI visuomenei.
KAS YRA GENERATYVUS AI?
Generatyvusis dirbtinis intelektas reiškia gilaus mokymosi algoritmus, kurie generuoja naują turinį įvairiomis formomis, pavyzdžiui, tekstu, vaizdu, vaizdo įrašu, garsu ir kompiuterio kodu. Taip sukurtas naujas turinys gali būti atsakymas į orientacinį klausimą, žingsnis po žingsnio iškeltos problemos sprendimas arba mašininiu būdu sukurtas meno kūrinys, jei būtų galima paminėti keletą galimybių.
Kaip ir bet kuriam gilaus mokymosi modeliui, kuriant generatyvųjį AI modelį reikia daug duomenų, skirtų mokymui, daug parametrų ir didelės apdorojimo galios. Didžiausias GPT-3 modelis buvo parengtas, naudojant 499 milijardus duomenų žetonų, gautų iš maždaug 45 terabaitų suglaudinto paprasto teksto, o tai atitinka maždaug 1 milijoną pėdų knygų lentynos ploto arba ketvirtadalį visos Kongreso bibliotekos kolekcijos ( Tomas B. Brownas ir kt., „Kalbos modeliai mažai mokosi“, arXiv, 2020 m. liepos 22 d. doi.org/10.48550/ arXiv.2005.14165). Didžiausias GPT-3 modelis turi 175 milijardus parametrų ir jį apmokyti prireiktų 355 metų ir 4,6 milijono JAV dolerių, net ir naudojant pigiausią GPU debesį rinkoje ir jei tam naudotumėte vieną GPU (Chuan Li, „OpenAI GPT- 3 kalbos modelis: techninė apžvalga“, „The Lambda Deep Learning Blog“, 2020 m. birželio 3 d.; lambdalabs.com/blog/demystify ing-gpt-3). Šie pavyzdžiai rodo, kad generatyvaus AI modelio, pvz., GPT-3, kūrimas reikalauja daug išteklių ir brangiai kainuoja.
AI MOKSLINIAMS TYRIMAMS
AI ir ML paskatino labai galingų bendrosios paskirties turinio kūrimo įrankių atsiradimą. Kita sritis, kuri aktyviai pritaikė ML, yra moksliniai tyrimai. Puikus pavyzdys šioje srityje yra „DeepMind“ sukurta AI programa „AlphaFold“. „DeepMind“ yra įmonė, sukūrusi „AlphaGo“, kuri 2016 m. atsidūrė antraštėse „Go“ rungtynėse su 18 kartų pasaulio čempionu Lee Sedolu. („Google“ priklauso „DeepMind“ nuo 2014 m.)
„AlphaFold“ naudoja baltymo genetinę seką, kaip įvestį ir įspūdingai tiksliai numato jo 3D baltymo struktūrą. 2021 m. liepą DeepMind paskelbė, kad naudojo AlphaFold, kad nuspėtų beveik kiekvieno žmogaus organizmo pagaminto baltymo struktūrą, taip pat visus 20 kitų plačiai ištirtų organizmų, tokių, kaip pelės ir bakterija E. coli (Ewen Callaway), „proteomas“. , „DeepMind's AI Predicts Structures for a Vast Trove of Proteins“, Nature vol. 595, Nr. 7869, 2021 m. liepos 22 d. Proteomas reiškia visą baltymų rinkinį, kurį gamina organizmas, rūšis ar tam tikras organas.
Bendradarbiaudama su Europos molekulinės biologijos laboratorijos Europos bioinformatikos institutu (EMBL-EBI; ebi.ac. uk), „DeepMind“ išleido daugiau nei 200 milijonų AlphaFold baltymų struktūros prognozių ir padarė jas laisvai prieinamas mokslo bendruomenei. Tai apėmė beveik visus mokslui žinomus kataloguotus baltymus. Tai, ką daro AlphaFold, yra reikšminga, nes baltymai dažnai susilanksto į sudėtingas 3D struktūras ir netgi sudaro kompleksus vienas su kitu, kad atliktų tam tikras funkcijas ląstelėje. Dėl šios priežasties gebėjimas numatyti 3D proteomų formą yra gana vertingas gyvybės mokslų tyrimams, juo labiau vaistų atradimams.
Kaip dar vieną AI ir ML taikymo moksliniams tyrimams pavyzdį, evoliucijos biologai taikė veido atpažinimą, vieną iš plačiausiai naudojamų ML metodų, kad galėtų sekti šimpanzes gamtoje, o tai nėra lengvai pasiekiama kitomis priemonėmis (Daniel Schofield ir kt. Šimpanzės veidų atpažinimas iš vaizdo įrašų laukinėje gamtoje, naudojant gilųjį mokymąsi“, „Science Advances, 5 tomas, nr. 9, 2019 m. rugsėjo 4 d.; doi.org/10.1126/sciadv.aaw0736). Be gyvybės mokslų ir evoliucinės biologijos, ML metodai taip pat taikomi daugelyje kitų disciplinų, tokių kaip antropologija, astronomija, astrofizika, chemija, evoliucinė biologija, inžinerija ir meteorologija.
GENERATYVUS AI BIBLIOTEKŲ VARTOTOJUI
Ką šie ML ir generatyvaus AI pokyčiai reiškia bibliotekoms ir bibliotekų vartotojams? Pirma, užklausos dėl neegzistuojančių citatų patenka į mano bibliotekos bibliotekininkus, nes studentai bando gauti ChatGPT cituojamus straipsnius, nesuvokdami, kad jie buvo tiesiog sugalvoti. Tačiau studentai nėra vieninteliai, kurie tampa ChatGPT vadinamųjų „haliucinacijų“ aukomis (Karen Weise ir Cade Metz, „When A.I. Chatbots Hallucinate“, „The New York Times“, 2023 m. gegužės 1 d.; nytimes.com/2023/ 05/01/business/ ai-chatbots-hallucination.html). Neseniai vykusioje teismo byloje Roberto Mata prieš Avianca Inc. teisininkas citavo neegzistuojančias bylas, kurias gavo iš ChatGPT (Benjamin Weiser, „Štai kas atsitinka, kai jūsų advokatas naudojasi ChatGPT“, „The New York“). Times, 2023 m. gegužės 27 d.; nytimes.com/2023/05/27/ny region/avianca-airline-lawsuit-chatgpt.html).
Kaip generatyvus AI modelis, „ChatGPT“ savo atsakymus sudaro remdamasi statistine tikimybe iš duomenų, kuriais remdamasi yra mokomas. Šia prasme „ChatGPT“ iš esmės yra automatinio užbaigimo programa, nors ir labai sudėtinga.
Tai reiškia, kad „ChatGPT“ negali atskirti to, kas atrodo tikra, nuo to, kas tikra.
Nepaisant to, atrodo, kad studentai jau naudoja ChatGPT savo akademinėms užduotims, o instruktoriai, tokie, kaip Siva Vaidhyanathan, puikiai žino šią tendenciją („My Students Use AI to Cheat. Here's Why It's a Teachable Moment“, „The Guardian“, gegužės mėn. 19, 2023; theguardian.com/technology/2023/may/18/ai-cheatingteaching-chatgpt-students-college-universitv).
Neseniai „Educause“ atliktoje apklausoje apie generatyvųjį dirbtinį intelektą, į kurią gauta 1 070 išsamių atsakymų, 54 % respondentų nurodė, kad generatyvusis AI daro įtaką aukštajam mokslui, o mokymosi ir mokymo pagalbą pasirinko, kaip labiausiai paveiktas sritis (Nicole Muscanell ir Jenay Robert, „EDUCAUSE QuickPoll“. Rezultatai: ar ChatGPT parašė šią ataskaitą?). Kadangi šaltinių patikrinimas ir originalus bei nepriklausomas mąstymas yra labai svarbūs akademiniam ir mokslinių tyrimų vientisumui, reikėtų atidžiai apsvarstyti nekritišką ChatGPT ir kitų panašių generuojamųjų AI įrankių naudojimą mokymosi, mokymo ir tyrimų tikslais.
Galbūt, kaip atsakymą į netikrus šaltinius, kuriais išviliojo generatyvūs AI pokalbių robotai, JK projektas CORE (Connecting Repositories) (core.ac.uk) išleido CORE-GPT, kuris atsako į vartotojo klausimą remiantis informacija iš CORE korpuso, kurio 34 mln. yra 34 mln. atviro priėjimo mokslinių straipsnių kartu su jų citatomis. Kaip ir COREGPT, scite (scite.ai) taip pat pateikia atsakymą su aiškiomis nuorodomis į paskelbtus mokslinius tyrimus.
Kiti AI produktų, kuriais siekiama palengvinti mokymąsi ir tyrimus, pavyzdžiai yra Consensusas, „Elicit“ ir „Librari“. „Consensusas“ (consensus.app) yra dirbtinio intelekto sukurtas paieškos įrankis, kuris sprendžia tyrimo klausimus ir randa atitinkamus atsakymus, ištraukdamas ir distiliuodamas išvadas iš mokslinių tyrimų darbų Semantic Scholar duomenų bazėje. Elicit (elicit.org) yra AI tyrimo pagalbos įrankis, kuriuo siekiama paspartinti literatūros peržiūros procesą, pateikiant atitinkamų straipsnių sąrašą ir jų santraukų santraukas, būdingas vartotojo užklausai. „Librari“ (librari.app) žada atsakyti į faktinius klausimus, padėti atlikti mokyklinius darbus, teikti skaitytojų konsultavimo paslaugas ir atlikti kūrybines užduotis, pagrįstas atsakymais, surinktais daugiau, nei 300 000, žmonių sukurtų raginimų.
Nors generatyvūs dirbtinio intelekto produktai iki šiol pasiekė puikių rezultatų, jie dar nėra subrendę. Kaip aiškiai nurodyta Elicit DUK puslapyje (elicit.org/faq), LLM gali nepastebėti straipsnio niuansų arba neteisingai suprasti, ką reiškia skaičius. Nepaisant to, didžiulis susidomėjimas šiomis priemonėmis rodo, kad jos bus gana greitai pritaikytos ir panaudotos įvairiai mokslinei ir mokslinių tyrimų veiklai. Tikėtina, kad sužinosime daugiau apie tai, kam šie generatyvieji dirbtinio intelekto įrankiai yra tinkami ir kame mes, žmonės, esame geresni.
Bohyunas Kimas (bhkim@umich.edu) yra Mičigano universiteto bibliotekos asocijuotasis universiteto bibliotekininkas, atsakingas už bibliotekų informacines technologijas." [1]
1. ChatGPT and Generative AI Tools for Learning and Research. Kim, Bohyun. Computers in Libraries; Westport Vol. 43, Iss. 6, (Jul/Aug 2023): 41-42.
Komentarų nėra:
Rašyti komentarą