„Sausio mėnesį „OpenAI“ generalinis direktorius Samas Altmanas ir vyriausiasis produktų vadovas Kevinas Weilas surengė, netrukus pasirodysiančios, „ChatGPT“ programos „giliųjų tyrimų“ demonstraciją. Beltway auditorija stebėjo, kaip Weilas paprašė „ChatGPT“ parengti memorandumą, kuriame būtų informuotas fiktyvus senatorius apie Alberto Einšteino patvirtinimą energetikos sekretoriumi.
Netrukus „ChatGPT“ parengė išsamų Einšteino profilį, kuriame išvardyti jo techniniai ir inžineriniai pasiekimai, vadovavimo stilius, stipriosios pusės („visame pasaulyje gerbiamas mokslininkas-valstybės veikėjas“) ir silpnosios pusės („niekada nevadovavo didelei organizacijai“), taip pat klausimai, kuriuos senatorius galėtų užduoti („Nuo Antrojo pasaulinio karo atvirai pasisakėte branduolinių klausimų srityje. Kaip, būdamas energetikos sekretoriumi, užtikrinsite atominių elektrinių saugumą ir laikysitės JAV įsipareigojimų dėl branduolinio ginklo neplatinimo?“).
Tokių įspūdingų ir dabar jau įprastų galimybių nauda buvo akivaizdi: didžiulis laiko ir pastangų sutaupymas. Žinoma, buvo ir galimų išlaidų: kiek darbo vietų tyrėjai, rašytojai ir kiti žinių darbuotojai galėtų prarasti dėl dirbtinio intelekto?
Svarsčiau apie kitokią kainą: kiek žinių bus prarasta dėl dirbtinio intelekto? Didelės kalbos modeliai (LLM), tokie kaip „ChatGPT“, „Google Gemini“ ir „Anthropic“ atstovas Claude'as, puikiai tinka žinių paieškai, sintezei ir susiejimui. Jie nepapildo žinių atsargų.
Kai žmonės atsako į klausimus, pavyzdžiui, ar Einšteinas turėtų būti energetikos sekretorius, jie dažnai ieško naujų tyrimo būdų, kurdami naujas žinias ir įžvalgas. Jie tai daro dėl įvairių priežasčių: atlyginimo, turto, šlovės, darbo stažo, „patinka“, paspaudimų, smalsumo.
Jei LLM pradeda dominuoti atsakymų į klausimus versle, šios paskatos sumažėja. Mažai atlygio už žinių, kurios vėliau sutrinamos dideliame kalbos maišytuve, kūrimą.
Pagalvokite apie „Stack Overflow“ likimą – svetainę, kurioje programinės įrangos kūrėjai užduoda ir atsako į klausimus, tapdami ir žinių šaltiniu, ir saugykla.
Tačiau tada kūrėjai pradėjo užduoti savo klausimus „ChatGPT“. Praėjus šešiems mėnesiams po jos įdiegimo 2022 m. lapkritį, klausimų skaičius „Stack Overflow“ sumažėjo 25 %, palyginti su panašiomis kinų ir rusų kalbomis sukurtomis svetainėmis, kuriose „ChatGPT“ nebuvo alternatyva, teigiama Johanneso tyrime. Wachs iš Budapešto Corvinus universiteto ir du bendraautoriai.
Smukimas buvo toks pat, nepriklausomai nuo kokybės, remiantis kolegų atsiliepimais, paneigiančiais prognozes, kad DI išstums tik mažos vertės tyrimus.
Šio mėnesio duomenimis, klausimų skaičius sumažėjo daugiau nei 90 %. Kodėl tai turėtų rūpėti kam nors kitam, išskyrus „Stack Overflow“ savininkus? Nes, kaip „InfoWorld“ aiškino technologijų rašytojas Nickas Hodgesas, „Stack Overflow“ suteikia didelę dalį žinių, kurios yra įdiegtos DI kodavimo įrankiuose, tačiau kuo daugiau kūrėjai pasikliauja DI kodavimo įrankiais, tuo mažesnė tikimybė, kad jie dalyvaus „Stack Overflow“ – svetainėje, kuri sukuria tas žinias.“
Daugelis didelio kalbos modelio (LLM) yra apmokyti Vikipedijoje – žmonių sudarytoje ir kuruojamoje žinių saugykloje. Kolumbijos universiteto verslo profesorė Hannah Li ir penki bendraautoriai nustatė, kad nuo metų prieš ir po „ChatGPT“ paleidimo sumažėjo Vikipedijos puslapių, kurie labiausiai panašūs į tai, ką galėtų sukurti „ChatGPT“, peržiūrų.
Tuo tarpu, kadangi „Google“ leido vartotojams atsakyti į užklausas per DI nespaudžiant nuorodų, interneto leidėjai pastebėjo, kad nukreipiamųjų srautų iš paieškos srautas smarkiai sumažėjo.
Jei didelio kalbos modelio (LLM) rezultatai ims dominuoti žiniatinklis, internetas taps, na, kvailesnis. Kolumbijos universiteto Li interviu sakė: „Kas nutinka, kai mokome kalbos modelius su kitais kalbos modeliais? Bendri rezultatai blogėja. Modeliai blogėja.“ Tai jie vadina modelio žlugimu.“
Yra paralelės tarp to, ką indeksų fondai ir kitos pasyvios strategijos padarė akcijų rinkai. Jie neatlieka tyrimų ir kainų nustatymo (derybų proceso, kuris atskleidžia turto vertę). Vietoj to, jie nemokamai naudojasi aktyvių investuotojų tyrimais ir kainų nustatymu. Kitaip tariant, jie išnaudoja rinkos efektyvumą, prie jo neprisidėdami. Taip jie išstumia aktyvų investavimą, palikdami rinką vis labiau dominuojančią algoritmų, prekiaujančių tarpusavyje.
Pripažįstu, kad tai distopiniai scenarijai. Galėčiau papasakoti kitokią istoriją apie tai, kaip dirbtinis intelektas padės mokslininkams atrasti ryšius tarp kitaip skirtingų žinių fragmentų internete. Joshua Gansas, Toronto universiteto ekonomistas, daug rašęs apie dirbtinį intelektą, mano, kad tol, kol naujos žinios turi vertę, jos ras būdą būti sukurtos. Jis sako, kad kai dirbtinio intelekto įžvalgos yra laipsniškos, žmonės pereis prie išties naujoviškesnių tyrimų.
Galbūt. Bet užuot pereiję prie kitokio požiūrio, kas būtų, jei žmonės visiškai prarastų susidomėjimą mokymusi? Pasikliavimas dirbtiniu intelektu gali sukelti kritinio mąstymo atrofiją, lygiai taip pat, kaip pasikliavimas GPS silpnina erdvinę atmintį. Natalijos Kosmynos tyrimas Masačusetso technologijos institute su septyniais bendraautoriais paprašė trijų tiriamųjų grupių parašyti esė: vienos – didelio kalbos modelio (LLM) įrankiu, kitos – interneto paieška, o trečios – tiesiog savo smegenis. Vėliau atlikti skenavimai parodė, kad LLM grupė turėjo mažiausiai įsitraukimo tarp smegenų sričių, pavyzdžiui, atminties atkūrimo ir vykdomosios funkcijos; daugiausia buvo tik smegenų grupėje.
Autoriai teigia, kad protinį įsitraukimą sustiprina „naujumas, susidūrimas su nauju ar netikėtu turiniu“. Tai atliepia. Nepatenkintas „OpenAI“ demonstracine versija, internete ieškojau Einšteino biografijų ir raštų.
Sužinojau, kad jis atvirai palaikė pilietines teises JAV ir priešinosi žydų priespaudai Vokietijoje, už kurią naciai už jo galvą paskyrė atlygį; kad per Makarto įkarštį 1940-aisiais ir 1950-aisiais jis buvo vadinamas užsienyje gimusiu agitatoriumi, skleidžiančiu komunizmą; kad jis nebuvo komunistas, o buvo socialistas. 1949 m. rašinyje socialistiniam žurnalui jis atsakė į klausimą, apie kurį dažnai galvoju: kuo ekonomika skiriasi nuo fizinių mokslų: „ekonominius reiškinius dažnai veikia daugelis veiksnių, kuriuos labai sunku įvertinti atskirai“.
Neturiu supratimo, ar tai turėjo įtakos jo kvalifikacijai eiti energetikos sekretoriaus pareigas. „Būčiau galėjęs skirti laiko produktyvesniam darbui. Bet juk naujų žinių įgijimas niekada neatrodė kaip darbas.“ [1]
1. U.S. News -- Capital Account: AI Risks Choking Off New Knowledge. Ip, Greg. Wall Street Journal, Eastern edition; New York, N.Y.. 10 Sep 2025: A4.
Komentarų nėra:
Rašyti komentarą