Як генеративний ШІ змінює роботу WEZOM

Важко повірити, але минув вже майже рік з революційної презентації ChatGPT для широкого загалу. За цей вкрай короткий термін різноманітні моделі генеративного ШІ змінили світ, запустивши нову хвилю трансформації в багатьох галузях сферах. Природно, що саме сфера IT стала одним з головних полігонів для тестування і впровадження генеративного ШІ, змінюючи усталені практики та підходи до роботи. 

Команда WEZOM не стала виключенням. Протягом цього року великі мовні моделі й генеративний ШІ потроху знаходили своє місце у наших внутрішніх процесах та вперше застосовувались у цілком нових проектах. Тож ми розповімо про наш досвід детальніше. 

Які існують інструменти генеративного ШІ

Варто нагадати, що генеративний ШІ – це лише одна з областей розвитку штучного інтелекту, яка присвячена алгоритмічному створенню нового контенту на підставі вже наявних даних. Типовий і найпомітніший приклад реалізації генеративного ШІ – великі мовні моделі (LLM), які навчаються на величезних масивах текстів, аби віднайти в них типові кореляції й патерни. Так мовна модель вчиться “розуміти” природну мову й пристойно відповідати на питання або запити людини. 

За цим принципом генеративний ШІ може створювати практично будь-який контент: текст, зображення, аудіо- та відеоматеріали, програмний код тощо. Сьогодні інструменти генеративного ШІ на кшталт DALL-E та Midjourney можуть генерувати зображення пристойної якості за одним лише текстовим описом, а великі мовні моделі на кшталт GPT та PaLM  – пишуть вірші або cніппети коду за запитом людини. 

Це революційні можливості, які швидко знайшли застосування в освіті, бізнесі, науці, медицині, дизайні, креативних індустріях тощо. Сьогодні усі лідери BigTech або вже застосовують та пропонують широкому загалу власні продукти на базі генеративного ШІ, або прискореними темпами розробляють їх. Після релізу ChatGPT в листопаді минулого року Microsoft швидко впровадила модель GPT у свій пошуковик Bing, створивши повноцінного пошукового чатбота. Тим часом Google тестує чатбота Bard, заснованого на власній великій мовній моделі PaLM 2. Варто згадати й про Adobe, яка розвиває власне сімейство моделей генеративного ШІ Firefly для креативних продуктів й дизайну. Завдяки Firefly у Photoshop з’явилися нові “магічні” функції, на кшталт розширення змісту зображення за одним лише текстовим описом.  

Та лідером в цій царині безумовно залишається корпорація OpenAI, яка й запустила ChatGPT. Окрім нього вона пропонує цілу низку інструментів генеративного ШІ під різноманітні завдання. Зокрема:

• універсальна велика мовна модель GPT-4;

• інструмент для роботи з програмним кодом Codex;

• засіб розпізнавання голосу Whisper;

• інструмент для генерації зображень на основі текстового опису DALL·E;

• CLIP – засіб, що генерує для будь-якого зображення текстовий опис; 

• інтерфейси для генерації музики MuseNet та Jukebox.

Більшість цих інструментів доступна для використання через API, які можна підключити на більшості сучасних мов програмування. На сайті OpenAI можна без проблем знайти перелік доступних бібліотек та детальну документацію. Інтеграція відбувається дуже просто. А в деяких інструментів є й онлайн-інтерфейс. 

Які переваги дають інструменти генеративного ШІ

Засоби генеративного ШІ відкривають перед креативними командами низку нових можливостей. Вони автоматизують рутину, прискорюють пошук інформації та надають нові можливості створення й редагування будь-якого контенту: від рекламних продуктів, до наукових статей та програмного коду.

Організації з геть різних областей звертаються до цієї технології, аби отримати низку переваг:

• Прискорення та підсилення креативних процесів. Генеративний ШІ суттєво підсилює роботу над новими продуктами, матеріалами послугами, дизайном. Він не зробить усю роботу за людину, але може принаймні надати низку шаблонів, прикладів реалізації завдання та ідей для опрацювання фахівцями. 

• Автоматизація та підвищення продуктивності. Засоби генеративного ШІ можуть суттєво підвищити ефективність фахівців, надаючи підтримку у пошуку та структуруванні інформації. Наприклад, мовні моделі корисні у структуруванні та редагуванні текстів, автогенерації коду, візуалізації текстових даних, створенні саммарі на основі великих матеріалів тощо. 

• Нові можливості у комунікації. Можливості генеративного ШІ у розумінні природної мови та обробці контенту роблять його цінним інструментом налагодження комунікації зі співробітниками або клієнтами компанії. На основі генеративного ШІ можна створювати просунутих чатботів та віртуальних асистентів, синтезувати цифрових аватарів, реалізовувати можливості розпізнання голосу, створення субтитрів до відео тощо. 

І це лише ті можливості, які лежать на поверхні, із розвитком технології переваги використання ШІ будуть лише примножуватись. Сьогодні генеративний ШІ може розглядатися як складний “електронний секретар”, але завтра йому, імовірно, можна буде довірити й складніші завдання. 

Якими інструментами генеративного ШІ користуємось ми?

На перших порах ChatGPT сприймався нашими фахівцями як цікава іграшка, а не як робочий інструмент. Але з часом можливості інструментів на базі моделі GPT стали занадто цінними, аби їх ігнорувати. Сьогодні інструменти ШІ стали невіддільною частиною робочого процесу в наших командах. Наведемо декілька кейсів: 

• Наші менеджери з продажів застосовують GPT як доступного цифрового асистента – для миттєвого отримання інформації щодо тих чи інших технологій та напрямків розробки. Це  гарна альтернатива “гуглу”, яка дозволяє менеджерам краще інформувати клієнтів щодо технологій та пояснювати їм технічні деталі. 

• SEO-спеціалісти використовують у роботі з GPT так звані “промти” – алгоритми запитів чату, що дозволяють отримати більш точну відповідь в необхідному фахівцям форматі. Це прискорює роботу з оптимізації контенту під пошук та просування сайтів. 

• Програмісти застосовують GPT для отримання зразків готових рішень у вигляді коду для складних завдань. Звісно, отриманий код зазвичай доводиться правити, але ШІ може задати вектор та концепцію розв'язання проблеми, що врешті економить безліч ресурсів під час розробки. Ми розглядаємо й перспективу впровадження спеціалізованих ШІ-асистентів для написання коду. Наприклад, Copilot X, що побудований на моделі GPT-4 надає фахівцю розумного чатбота та вбудовується безпосередньо в IDE.

Одним з найперспективніших нововведень від OpenAI стали плагіни. Це спеціалізовані API, які користувачі можуть створювати під власні потреби. Завдяки плагіну модель GPT отримує певну додаткову інформацію й функціонал. Наприклад, із ним модель ШІ можна навчити оперувати даними в мережі: шукати та структурувати дані, а за необхідності навіть здійснювати певні дії на кшталт замовлення товарів чи генерування й відправлення електронних листів. Наразі плагіни працюють лише в платній версії GPT-4.

Та є й загальнодоступні інструменти. Приміром, чатбот Bing, вбудований в браузер Edge від Microsoft, дуже допомагає у роботі з контентом для блогів, генеруючи відповідь на запити авторів й надаючи посилання на першоджерела інформації.

Впровадження інструментів ШІ у диджитал-продукти відкриває безліч нових можливостей для бізнесу наших клієнтів. Нещодавно ми розповідали, як використання генеративного ШІ дозволило автоматизувати клієнтську підтримку для наших партнерів – виробника кліматичної техніки Cooper&Hunter. В цьому кейсі ми індивідуально реалізували нову VOIP-платформу та використали модель Whisper для розпізнавання голосу. Раніше користувачам компанії для консультації на “гарячій лінії” треба було надиктовувати серійний номер своєї техніки телефоном, а менеджерам – записувати його та шукати в базі даних вручну. Це з’їдало купу часу.  Але тепер ШІ миттєво трансформує почутий номер у текст для автоматичного пошуку по базі даних. Відтак якість та швидкість сервісу зросла багаторазово. 

В одному з проектів наші фахівці вивчають можливості використання моделі DALL·E для редагування розмірів та пропорцій зображень, які завантажуються в систему користувачами. ШІ має забезпечити таке редагування без зміни якості та небажаного обрізання зображення. 

Чи замінить ШІ програмістів?

Можливості ChatGPT у генерації коду на поширених мовах програмування (JavaSript, Python тощо) свого часу наробили чимало галасу. Адже код зазвичай є робочим, або принаймні життєздатним. Це запустило дискусію з приводу того, чи здатний генеративний ШІ залишити розробників без роботи?

Наша відповідь – ні, у середньостроковій перспективі це неможливо. Ніколи не можна забувати, що ми говоримо про складну технологію автогенерації, яка може лише наслідувати вже готові рішення. Генеративний ШІ не має власних суджень або відповідальності. В цілому він діє за принципом “відгадай наступний символ”, хоч і керується жорсткими алгоритмами. 

Як приклад, генеративний ШІ може “марити” і видавати хибні рішення, що виглядають цілком компетентно, якщо не розглядати їх детально. Саме через це використання ChatGPT минулого року заборонили на популярному форумі для розробників StackOverflow. 

За допомогою засобів генеративного ШІ можна генерувати дійсно вдалі сніппети коду, спростити підготовку технічної документації, й навіть провести рефакторинг. Але задля цього такі інструменти мають опинитися в руках досвідченого фахівця. 

Не варто також забувати, що використання генерованого коду створює нові ризики для стабільності систем та кібербезпеки. Результат роботи ШІ завжди мають контролювати та оцінювати люди. 

То що в підсумку?

Наразі ще рано казати про те, що ШІ приніс у нашу роботу революцію. Але він вже запустив суттєві зрушення у робочих процесах, які роками залишалися незмінними.

Наш перший досвід впровадження моделей генеративного ШІ у продукти для клієнтів виглядає дуже перспективно. Ми дивимось у майбутнє із захопленням – інструменти на кшталт розпізнавання голосу, генерації контенту та комп’ютерного зору дозволяють створювати продукти з небаченим рівнем автоматизації. Хтозна, як світ зміниться за найближчі 10 років, якщо технології ШІ будуть розвиватися такими ж швидкими темпами?