Mail:







Wczoraj , Dziś … Jutro







Odwiedzin: 56158
Dzisiaj: 76
On-line: 1
Strona istnieje: 1961 dni
Ładowanie: 0.059 sek


[ 17830 ]






"Ponieważ nadal rozwijamy i rozwijamy sztuczną inteligencję, musimy to robić w sposób, który odzwierciedla nasze wartości i aspiracje jako społeczeństwa. Od nas zależy, czy sztuczna inteligencja będzie wykorzystywana do poprawy naszego życia, a nie do wyrządzania mu szkody. Poprzez współpracę , ciągłe badania i rozwój oraz zobowiązanie do odpowiedzialnego i korzystnego wykorzystania, możemy wykorzystać moc sztucznej inteligencji, aby stworzyć lepszą przyszłość dla wszystkich".

- ChatGPT




(Sztuczna) Inteligencja … Ab ovo




Sztuczna Inteligencja vs. Inteligencja Naturalna




 

A.I : Od A do Z



>>>  LINK  <<<





Generatywna AI w praktyce (6)


NOWY ŚWIT W MEDIACH I ROZRYWCE

Chciałem najpierw omówić media i rozrywkę, ponieważ w tych dziedzinach pojawia się wiele interesujących studiów przypadków, więcej niż mógłbym omówić w jednym rozdziale. Potraktuj to jako błyskawiczną wycieczkę po pojawiających się zastosowaniach i przykładach, a nie wyczerpujący przegląd. Nawet jeśli nie pracujesz w mediach ani rozrywce, bez wątpienia konsumujesz wiadomości, telewizję, filmy, sport, treści książkowe, podcasty, muzykę i sztukę. Więc jeśli chcesz zrozumieć, w jaki sposób te treści są przekształcane przez GenAI, czytaj dalej.

Generative AI i dziennikarstwo

Wiele organizacji medialnych zastanawia się, jak wykorzystać GenAI i co ta technologia oznacza dla dziennikarstwa w przyszłości. Jak zobaczymy, GenAI ma duży potencjał w dziennikarstwie, ponieważ może być używane do automatyzacji tworzenia treści (szczególnie w przypadku historii i raportów opartych na danych) i do innych zadań. Znajdowanie efektywności i nowych sposobów prezentacji treści Wyobraź sobie, że jesteś dziennikarzem lub redaktorem w zatłoczonej, niedofinansowanej redakcji - ponieważ, nie myl się, większość redakcji staje się coraz mniejsza i zatrudnia coraz mniej reporterów z roku na rok.1 GenAI może pomóc rozciągniętym redakcjom tworzyć treści w bardziej usprawniony, wydajny sposób. I nie mówię tylko o komputerach piszących artykuły (chociaż to się dzieje) - mówię o używaniu GenAI do burzy mózgów na pomysły na artykuły, analizowania danych odbiorców, personalizowania artykułów, tworzenia towarzyszących treści wideo i nie tylko. Dziennikarstwo polega w istocie na przetwarzaniu i prezentowaniu informacji, a GenAI może pomóc redakcjom robić to w nowy, ekscytujący i wydajniejszy sposób - od automatyzacji artykułów o wynikach lokalnych meczów futbolu akademickiego po generowanie angażujących treści wideo za pomocą AI. GenAI może być również używane do uczynienia artykułów bardziej interaktywnymi i przekazywania wiadomości w bardziej spersonalizowany sposób. Co więcej, GenAI może natychmiast tłumaczyć treści na wiele języków, zwiększając tym samym zasięg geograficzny mediów. Wszystko to pozwala dziennikarzom skupić się na bardziej złożonych aspektach opowiadania historii i śledztwa.

Kilka przykładów GenAI z mediów

Jak widzieliśmy wcześniej, Associated Press (AP) było jednym z pierwszych użytkowników GenAI, wykorzystując go do automatyzacji podsumowań raportów zysków i wydarzeń sportowych z doskonałym skutkiem. (W rzeczywistości GenAI pozwoliło AP na dziesięciokrotny wzrost produkcji takich artykułów.) A w 2023 roku AP ogłosiło umowę licencyjną z OpenAI, umożliwiającą firmie AI wykorzystanie części archiwum wiadomości AP do eksploracji zastosowań GenAI w wiadomościach. BuzzFeed to kolejna firma, która przyjmuje GenAI. Platforma już wykorzystuje ChatGPT do ulepszania swoich quizów i eksperymentowania z spersonalizowaną treścią dla czytelników w formie chatbotów i gier. Firma stworzyła również nowy generator przepisów AI o nazwie "Botatouille". Dyrektor generalny BuzzFeed, Jonah Peretti, powiedział, że widzi GenAI zastępujące "większość statycznej treści", powołując się na zdolność AI do generowania setek pomysłów w ciągu sekundy, selekcjonowania treści i produkcji "hiperpersonalizowanej treści". Google podobno testuje produkt GenAI, który może pisać artykuły - demonstrując produkt dla New York Times i innych serwisów informacyjnych. Narzędzie AI, które ma roboczy tytuł Genesis, może przyjmować informacje, na przykład, na temat szczegółów wydarzenia i produkować treści informacyjne. Plan Google zakłada, że narzędzie może automatyzować pewne zadania dla dziennikarzy, zamiast całkowicie ich zastępować. Tymczasem Bloomberg opracował model GenAI, specjalnie szkolony na danych finansowych. BloombergGPT ma na celu odpowiadanie na pytania dotyczące firm, pisanie nagłówków i identyfikowanie, w jaki sposób nagłówek odzwierciedla perspektywy finansowe firmy. Pomysł polega na tym, aby pomóc klientom przyswoić potok informacji biznesowych i finansowych oraz umożliwić im zadawanie pytań na temat artykułów informacyjnych. Jednym z obszarów wiadomości, w którym GenAI naprawdę się wyróżnia, jest produkcja dużej ilości hiperlokalnych treści - dokładnie takich treści, których kurczące się redakcje po prostu nie mają zasobów, aby produkować. Rzeczywiście, News Corp używa GenAI do produkcji 3000 lokalnych wiadomości tygodniowo w Australii, na tematy takie jak pogoda i ceny paliw. Technologia ta pozwala zespołowi składającemu się zaledwie z czterech pracowników na generowanie i nadzorowanie tysięcy lokalnych wiadomości. Ale nie wszystko jest różowe. W 2020 r. należący do Microsoftu MSN zastąpił swoich dziennikarzy GenAI, wykorzystując technologię do tworzenia historii na strony główne MSN i przeglądarki Edge - z, powiedzmy, wątpliwymi wynikami. Od tego czasu MSN znalazło się pod ostrzałem krytyki za publikowanie szeregu fałszywych wiadomości na temat, między innymi, syren, Wielkiej Stopy i aniołów na niebie. Co pokazuje, co się dzieje, gdy wdrażasz GenAI bez nadzoru człowieka.

Ulepszanie transmisji sportowych i zaangażowania fanów dzięki generatywnej sztucznej inteligencji

GenAI ma duży potencjał, aby zrewolucjonizować transmisje sportowe, tworząc bardziej angażujące i spersonalizowane treści dla widzów. Przyjrzyjmy się potencjalnym zastosowaniom GenAI i kilku przykładom z prawdziwego świata.

Zastosowania GenAI w sporcie

Oczywistym zastosowaniem jest używanie GenAI do automatycznego generowania komentarzy (lub tłumaczenia komentarzy w czasie rzeczywistym) do wydarzeń sportowych. AI jest w stanie analizować ogromne ilości danych z poprzednich gier, statystyki graczy, czujniki (zarówno czujniki noszone na graczach, jak i czujniki na boisku), kamery i nastroje fanów z mediów społecznościowych, aby zapewnić wnikliwy i aktualny komentarz, który wzbogaca wrażenia widza. Ponadto GenAI może tworzyć realistyczne wirtualne symulacje i rozszerzenia wizualne, dając nadawcom możliwość odtwarzania kluczowych momentów w grze z różnych kątów i perspektyw, oferując w ten sposób fanom bardziej wciągające i przyjemne wrażenia wizualne. Zasadniczo, wykorzystując możliwości GenAI, nadawcy sportowi mogą podnieść jakość, personalizację i interaktywność swoich treści, zwiększając w ten sposób zaangażowanie i satysfakcję fanów.

Przykłady ze świata sportu

Jestem wielkim fanem Wimbledonu, więc muszę zacząć od tego. Można śmiało powiedzieć, że The All England Club, organizacja stojąca za turniejem tenisowym, już dawno temu przeszła na firmę medialną opartą na danych - na przykład używając AI do tworzenia zautomatyzowanych klipów wideo z najważniejszymi momentami już w 2017 roku. W 2023 roku Wimbledon podniósł poprzeczkę, wprowadzając zautomatyzowany komentarz głosowy AI i napisy do tych klipów. Patrząc w przyszłość, technologia ta mogłaby zostać wykorzystana do tworzenia komentarzy do meczów, w których nie ma ludzkich komentatorów - takich jak mecze juniorów lub mecze na kortach, które po prostu nie przyciągają tak dużej uwagi jak, powiedzmy, mecz na korcie centralnym. Komentarz mógłby być tworzony w wielu językach, a nawet dostosowywany do preferencji fanów. Formuła 1 (F1) wykorzystuje AI na wiele sposobów. F1 zawsze była sportem opartym na technologii i danych - za każdym kierowcą stoi zespół inżynierów i naukowców wydobywających dane w celu uzyskania każdej najmniejszej przewagi. Symulacje oparte na sztucznej inteligencji służą do modelowania miliardów potencjalnych parametrów wyścigu, aby określić, które zmienne najprawdopodobniej doprowadzą do korzystnych wyników. Symulacje sztucznej inteligencji służą również do szkolenia kierowców, umożliwiając im naukę torów i rozwijanie swoich umiejętności bez ryzyka kontuzji (lub drogich pojazdów). A ponieważ pewne dane z tych symulacji muszą być udostępniane drużynom przeciwnym, oznacza to, że kierowcy mogą trenować, ścigając się symulowanymi modelami swoich przeciwników, opartymi na rzeczywistych danych. Jeśli chodzi o transmisje F1, w trakcie wyścigu dzieje się tak wiele, co niekoniecznie jest oczywiste dla widzów. Dlatego F1 współpracuje z Amazon Web Services, aby wykorzystać wszystkie te dane - takie jak dane dotyczące położenia samochodu na żywo i dane dotyczące czasu - w celu tworzenia spostrzeżeń, które są przekazywane widzom na ekranie podczas wyścigu. (Nawiasem mówiąc, F1 rutynowo wykorzystuje również sztuczną inteligencję do projektowania samochodów wyścigowych). W innym przykładzie Fox Sports współpracuje z Google w celu wykorzystania GenAI. Nadawca sportowy wykorzystuje system Vertex AI Vision firmy Google Cloud do generowania treści z ogromnego archiwum materiałów filmowych z gry. System Google może szybko przeszukiwać materiały filmowe z prawie dwóch milionów filmów i tworzyć nowe treści wideo "w czasie niemal rzeczywistym" do udostępniania w telewizji i mediach społecznościowych. Tymczasem LaLiga Tech, dział technologii hiszpańskiej ligi piłkarskiej LaLiga, nawiązał współpracę ze specjalistami od sztucznej inteligencji Globant i Microsoft, aby przeprowadzić pilotaż GenAI w transmisjach sportowych. Wśród projektów GenAI będzie wykorzystywane do generowania nowych spersonalizowanych treści dla fanów (w tym automatycznego tworzenia napisów wielojęzycznych) i tworzenia nowych, wciągających materiałów dla nadawców

Storytelling: Generative AI w książkach, audiobookach i podcastach

Storytelling jest częścią tego, co czyni nas ludźmi. Co więc oznacza pojawienie się GenAI dla tej wyjątkowo ludzkiej rozrywki? Cóż, wiemy, że narzędzia takie jak ChatGPT mogą już pisać wszelkiego rodzaju treści, od wierszy i postów na blogu po opowiadania, a nawet powieści. Tak, to prawda, AI może teraz pisać historie, które mogą (czasami) konkurować z ludzkimi gawędziarzami. Ale GenAI może również pomóc autorom i wydawcom tworzyć nowe formy treści i usprawniać aspekty produkcji treści (w tym treści audio).

Jak autorzy wykorzystują GenAI do opowiadania historii

Trudno uwierzyć, że GenAI potrafi napisać przyzwoitą powieść? W jednym z wczesnych przykładów z 2015 r. nowela zatytułowana The Day a Computer Writes a Novel została uznana za wystarczająco dobrą, aby przejść przez pierwszą rundę selekcji do japońskiej nagrody literackiej.13 Niedawno The Inner Life of an AI: A Memoir autorstwa ChatGPT, opublikowana w 2022 r., stała się prawdopodobnie pierwszym pamiętnikiem napisanym przez ChatGPT (zainspirowanym przez naukowca zajmującego się danymi Forresta Xiao).14 Pewien autor literatury science fiction był tak zachwycony możliwościami ChatGPT, że użył go do napisania ponad 100 książek w ciągu zaledwie dziewięciu miesięcy.15 Podczas swojej epickiej serii pisania science fiction Tim Boucher użył również Midjourney do stworzenia obrazów towarzyszących tekstowi ChatGPT. Wielu pisarzy prawdopodobnie zanurzy się w GenAI, używając go do generowania pomysłów, wymyślania nazw postaci i miejsc, tworzenia podpowiedzi do pisania i ogólnie jako narzędzia do inspiracji i produktywności - pomagając przezwyciężyć przerażającą "blokadę pisarską". W ten sposób GenAI można uznać za narzędzie do "współtworzenia", a nie coś, co sprawi, że ludzcy opowiadacze historii staną się przestarzałi. GenAI może również wspierać bardziej wspólne i interaktywne opowiadanie historii - co oznacza, że pisarze mogą tworzyć interaktywne narracje, w których fabuła rozwija się w oparciu o wybory czytelnika. (Odpowiednik AI tych książek "wybierz własną przygodę", które możesz pamiętać z młodości). Innymi słowy, GenAI może zapewnić pisarzom sposób na zapewnienie bardziej spersonalizowanego doświadczenia i nawiązanie kontaktu z czytelnikami w nowy sposób.

Ulepszanie procesu publikacji

Chociaż GenAI było szeroko krytykowane przez sektor wydawniczy (dzięki modelom GenAI trenowanym na treściach książek bez zgody), możemy, w przyszłości, zobaczyć, jak wydawcy wdrożą GenAI w przepływach pracy. Na przykład GenAI można by wykorzystać do automatycznego ponownego wykorzystania treści książki w innych formatach (np. artykuły i posty na blogu do celów PR). I mogłoby to drastycznie przyspieszyć tłumaczenie książek na inne rynki geograficzne. Kiedy pisałem tę książkę, otrzymałem przetłumaczone wydanie jednej z moich wcześniejszych książek - książki, która została opublikowana ponad rok temu. Jeśli chodzi o tłumaczenia, to wcale nie jest to takie wolne. Ale dzięki GenAI przetłumaczone wydania mogłyby być tworzone jednocześnie, obok wersji w języku angielskim. Jako autor uważam to za szczególnie ekscytujące. A innym obszarem, w którym GenAI mogłoby odegrać dużą rolę, są audiobooki. Co sprowadza mnie do…

Tworzenia treści audio

Pamiętaj, że GenAI może generować treści audio, a także treści pisemne i wizualne. A to daje duży potencjał światu publikacji i opowiadania historii. Tworzenie audiobooków w tradycyjny sposób, z ludzkim narratorem, jest kosztownym, czasochłonnym procesem, a mimo to GenAI może automatycznie konwertować treść pisemną na treść audio - i z realistycznie brzmiącymi głosami (nie głosami robotów komputerowych). Project Gutenberg, darmowa internetowa biblioteka e-booków książek z domeny publicznej, współpracowała z Microsoftem w celu stworzenia tysięcy darmowych audiobooków - stworzonych przy użyciu technologii zamiany tekstu na mowę GenAI. Książki są dostępne na Spotify, Google Podcasts lub Apple Podcasts. A w przyszłości, jak obiecuje projekt, czytelnicy będą mogli generować audiobooki, używając własnego głosu. Podobnie, Apple opracowało technologię GenAI do czytania audiobooków, współpracując z niezależnymi wydawcami w celu przekształcania opublikowanych dzieł w audiobooki. Aby znaleźć te książki AInarrated, wyszukaj "AI narration" w aplikacji Apple Books.

A co z podcastami?

Jeśli książki można tłumaczyć automatycznie za pomocą GenAI, dlaczego nie podcasty? Spotify pracował właśnie nad tym w swoim pilotażu Voice Translation, funkcji AI, która tłumaczy podcasty na dodatkowe języki - własnym głosem podcastera. Narzędzie, oparte na technologii generowania głosu OpenAI, płynnie dopasowuje się do stylu, intonacji i pauz oryginalnego mówcy, co daje bardziej autentyczny wynik niż tradycyjny dubbing. Spotify współpracowało z podcasterami, w tym Daxem Shepardem i Stevenem Bartlettem nad projektem. (Nawiasem mówiąc, Steven Bartlett również wykorzystał technologię AI, aby płynnie dubbingować swoje filmy z YouTube "Diary of a CEO" na język hiszpański i francuski.)



Generatywna AI w praktyce (5)


WPŁYW GENERATYWNEJ AI NA PRACĘ

W raporcie firmy Indeed z 2023 r. przeanalizowano oferty pracy i umiejętności, aby określić ich narażenie na automatyzację GenAI. Odkrycia otworzyły oczy:1 stwierdzono, że około 20% stanowisk pracy jest "wysoce narażonych" na GenAI, co oznacza, że technologia jest uważana za dobrą lub doskonałą w przypadku wykorzystania co najmniej 80% wszystkich umiejętności potrzebnych na tym stanowisku. Kolejne 45% stanowisk pracy było "umiarkowanie narażonych", co oznacza, że GenAI może wykonać 50-80% pracy. Pozostałe 34% stanowisk pracy było "nisko lub minimalnie" narażonych na ryzyko - ale nawet to oznacza, że GenAI jest dobre lub doskonałe w przypadku aż 50% pracy. Innymi słowy, prawie każda praca, o której przyjdzie Ci do głowy, będzie w pewnym stopniu dotknięta przez GenAI. Niektóre staną się zbędne, wiele zostanie rozszerzonych lub zmienionych za pomocą narzędzi sztucznej inteligencji, a także powstaną nowe miejsca pracy.

Jak zagrożona jest Twoja praca?

Mam nadzieję, że ta część pomoże ci odpowiedzieć na to pytanie, ale być może lepszym pytaniem, które warto zadać, jest: "W jaki sposób moja praca wnosi wartość dodaną dla świata?" Myślę, że w dobie inteligentnych maszyn jest to pytanie, które każdy - łącznie ze mną - powinien sobie zadać. Po rozważeniu wartości, jaką wnosisz, zadaj sobie następnie pytanie: "Czy maszyny mogą zapewnić tę wartość dzisiaj lub w średnioterminowej przyszłości?" (Ponieważ nikt nie jest w stanie przewidzieć odległej przyszłości.) Podziel swoją pracę na zadania składowe i podstawowe umiejętności i porównaj te elementy z możliwościami GenAI. Czy w oparciu o to, co odkrywasz na temat GenAI, tę technologię można uznać za dobrą (lub nawet doskonałą) w zakresie tych umiejętności i zadań? Jak zobaczysz w tym rozdziale, zakres zadań, których może podjąć się GenAI, jest już dość zdumiewający. Oczywiście ludzkość była tu już wcześniej, wraz z poprzednimi falami automatyzacji. Na przykład wiele prac w fabrykach i na liniach montażowych zostało zautomatyzowanych. Wiele prac związanych z magazynowaniem i pakowaniem może być wykonywanych (i zarządzanych) przez maszyny. Wiele zadań administracyjnych można teraz łatwo zautomatyzować. A kasjerzy w supermarketach są zastępowani automatami samoobsługowymi. Jednak nowa fala GenAI może wykonywać zadania, które wcześniej uważano za odporne na automatyzację - czyli zadania wymagające bardzo ludzkich umiejętności, takich jak kreatywność i komunikacja. W szczególności zdolność do tworzenia zawsze była dużą częścią tego, co oddziela ludzi od maszyn, ale narzędzia takie jak ChatGPT i DALL-E mogą symulować ludzką kreatywność - nawet jeśli nie są zdolne do oryginalnego myślenia. Istnieje zatem duża szansa, że część wartości, którą dostarczasz, będzie w przyszłości dostarczana przez maszyny. Jeśli tak jest, czy mogę zasugerować zadanie pytania: "W jaki sposób chciałbym dodać wartość do świata?" To znaczy, co wolałbyś robić, gdyby maszyny mogły wykonać część lub całość Twojej bieżącej pracy?

Rozważ różnicę między stanowiskami niższego i wyższego szczebla

Nie chcę jednak nikogo urazić, sugerując, że czyjaś praca jest "niskiego poziomu" i dlatego jest mniej ważna. Kiedy mówię o zadaniach niższego poziomu, mam na myśli zadania, które obejmują zadania, które GenAI może już wykonać i wymagają tego rodzaju możliwości, które już posiada GenAI. Natomiast praca wyższego szczebla składa się z zadań i możliwości, które - przynajmniej na razie - zdecydowanie należą do domeny człowieka. Zasadniczo mówimy więc o ryzyku i narażeniu. W dalszej części przyjrzymy się zawodom charakteryzującym się wysokim, umiarkowanym i niskim ryzykiem automatyzacji GenAI. (Przyjrzymy się także niektórym nowym rolom, które zostaną utworzone). Na razie jednak chcę zaznaczyć, że niektóre stanowiska, które można uznać za "niższego szczebla" lub ryzykowne, mogą Cię zaskoczyć. Niedawno byłem na konferencji w Niemczech i gospodarz, niemiecki czytnik wiadomości, zapytał mnie, czy GenAI będzie miało wpływ na ich pracę. Moja odpowiedź? Tak, absolutnie. Wiadomości mogą już być dostarczane przez sztuczną inteligencję; koreańska sieć telewizyjna wprowadziła prezenterkę wiadomości AI w 2020 r. (co w ujęciu GenAI to całe wieki temu!). Zastanówmy się nad podstawowymi umiejętnościami wymaganymi od dobrego prezentera wiadomości: potrzebuje świetnego głosu, inteligentnego wyglądu, dobrego wyczucia czasu, umiejętność szybkiego przyswajania informacji, zachowania spokoju pod presją i przedstawiania informacji w angażujący sposób. GenAI może to wszystko zrobić. A w niedalekiej przyszłości będziesz mógł używać GenAI do tworzenia własnego, spersonalizowanego czytnika wiadomości, dostarczanie treści w sposób dla Ciebie najlepszy (ponieważ będzie wiedział, co już wiesz na dany temat i będzie w stanie odpowiednio przekazać informacje). A Twoim spersonalizowanym czytnikiem grup dyskusyjnych może teoretycznie być kimkolwiek (lub czymkolwiek), kogo chcesz. Jeśli chcesz, aby wiadomości czytał AI Ryan Reynolds, nie ma problemu. Jeśli wolisz swoje wiadomości w formie rapu, będziesz mógł to mieć. (Matt Green, "The Rapping Science Teacher" w mediach społecznościowych, wyjaśnia złożone koncepcje naukowe za pomocą rapu, więc dlaczego nie chcesz, aby Twoje codzienne wiadomości były dostarczane w formie rapu?) Dlatego, choć może się to wydawać zaskakujące, uważam, że prezenterzy wiadomości są zagrożeni automatyzacją. To samo dotyczy innych ról dziennikarskich. Na przykład Associated Press eksperymentuje ze sztuczną inteligencją od kilku lat, wykorzystując ją do tworzenia krótkich treści informacyjnych z materiałów takich jak raporty o wynikach przedsiębiorstw. Jaki zatem rodzaj pracy dziennikarskiej można uznać za rolę "wyższego poziomu" - taką, której nie może zautomatyzować GenAI? Powiedziałbym, że dziennikarz śledczy to stosunkowo bezpieczny wybór. Świat absolutnie potrzebuje ludzi, aby w dalszym ciągu badać historie, odkrywać prawdę i pociągać ludzi u władzy do odpowiedzialności. A jeśli pomyślimy o rodzajach umiejętności, których potrzebuje dobry reporter śledczy, weźmiemy pod uwagę takie umiejętności, jak ciekawość, umiejętności interpersonalne, krytyczne myślenie, badania i doskonałe umiejętności pisania. Jasne, GenAI ma dobre umiejętności pisania, ale nie wyróżnia się w innych obszarach. Weźmy marketing jako kolejny przykład. Treść na niższym poziomie , na przykład twórcy piszący posty na blogach i podpisy w mediach społecznościowych mogą wkrótce stracić pracę, ponieważ GenAI z łatwością może to zrobić na dość wysokim poziomie. Ale strategia marketingowa i umiejętność napisania fantastycznego briefu kreatywnego lub projektowego? GenAI byłoby trudne do zdobycia w zakresie umiejętności zbliżonych do poziomu umiejętności specjalisty ds. marketingu w zakresie tych zadań. Ludzie absolutnie muszą myśleć strategicznie za wynikami marketingu i nadzorować jakość wyników. Dlatego radziłbym każdemu, kto czyta tę książkę, aby długo i uważnie przyjrzał się swojej pracy i ocenił, które części tej roli można uznać za niższe, a które (jeśli w ogóle) absolutnie wymagają ludzkiego dotyku. Mając to na uwadze, przyjrzyjmy się niektórym z najczęstszych zawodów, które obecnie wykonują ludzie, i oceńmy ich narażenie na automatyzację GenAI.

Zawody obarczone maksymalnym ryzykiem automatyzacji

GenAI z natury doskonale radzi sobie z zadaniami polegającymi na generowaniu wyników w oparciu o istniejące informacje. W rezultacie zawody, które są powtarzalne, przewidywalne i nie wymagają głębokiej ludzkiej intuicji, są najbardziej narażone na ryzyko. Przyjrzyjmy się niektórym zawodom, które są szczególnie podatne. Niektóre role znajdujące się na tej liście mogą Cię zaskoczyć.

Koniec stanowisk w obsłudze klienta?

Przedstawiciel obsługi klienta to zawód, który jest narażony na jedno z najwyższych zagrożeń zwolnieniami dzięki GenAI. Rzeczywiście obsługa klienta jest już wylęgarnią aktywności technologicznej, od chatbotów po zaawansowaną analitykę. Praca związana z obsługą klienta polega na rozmowie z klientami, zrozumieniu ich problemów lub zapytań i, jeśli to możliwe, znajdowaniu odpowiedzi. Jak się okazuje, jest to prawie dokładnie to samo, co robi ChatGPT. Rzeczywiście, ChatGPT już robi znacznie większe wrażenie niż przeciętny chatbot obsługi klienta i cały czas staje się lepszy. Obiektywnie łatwo jest zrozumieć, dlaczego organizacje mogą preferować system obsługi klienta GenAI:

•  Doskonale radzi sobie z automatyzacją prostych, powtarzalnych zadań zgodnie z ustalonymi wytycznymi. Rzeczy takie jak odpowiadanie na zapytania, rozwiązywanie typowych problemów i dostarczanie informacji.
•  Jest wysoce skalowalny. Systemy sztucznej inteligencji mogą jednocześnie obsługiwać dużą liczbę zapytań, co oznacza, że firmy mogą szybko reagować na problemy klientów i bez konieczności proporcjonalnego zwiększania personelu w miarę wzrostu zapotrzebowania.
•  Oferuje ogromne możliwości personalizacji. Sztuczna inteligencja może integrować ogromne ilości danych w czasie rzeczywistym, zapewniając spersonalizowane odpowiedzi na podstawie historii zakupów klienta, preferencji lub przeszłych interakcji z firmą. Taki poziom personalizacji może być trudne do osiągnięcia przez ludzi w sposób ciągły.
•  Jest to opłacalne. W dłuższej perspektywie inwestycja w dobrze rozwinięte rozwiązanie GenAI może być bardziej opłacalna niż zatrudnianie, szkolenie i utrzymywanie personelu, szczególnie w przypadku dużych korporacji. I może być dostępny 24 godziny na dobę, siedem dni w tygodniu.

Czy to oznacza, że osoby pracujące w obsłudze klienta są na pewnej drodze do zwolnienia? Jak większość rzeczy, nie jest to takie czarno-białe. Chociaż wiele zadań w ramach obsługi klienta można zautomatyzować, nadal będą istnieć scenariusze wymagające ludzkiego dotyku. Ludzie wyraźnie lepiej radzą sobie ze złożonymi kwestiami, drażliwymi tematami lub sytuacjami wymagającymi empatii i oceny. Najprawdopodobniej rola przedstawiciela obsługi klienta będzie ewoluować - mniejsza grupa ludzi będzie pracować obok narzędzi AI, a ludzie będą nadzorować operacje AI i obsługiwać bardziej złożone interakcje.

Inne zawody, które w przyszłości mogą przestać istnieć (przynajmniej w formach niższego szczebla)

Jakie inne zawody są najbardziej zagrożone poza obsługą klienta? Nie jest to lista wyczerpująca, ale daje przedsmak tych ról, które w przyszłości mogą okazać się podatne na zagrożenia.

•  Twórcy treści (przynajmniej niektóre typy): narzędzia GenAI, takie jak ChatGPT, mogą tworzyć na dużą skalę ogromne ilości treści pisanych, takich jak podstawowe artykuły i raporty.
•  Początkujący graficy: narzędzia projektowe GenAI mogą w ciągu kilku sekund stworzyć wiele wariantów projektów.
•  Tłumacze (dla niektórych języków i typów treści): narzędzia do tłumaczenia AI są stale udoskonalane i mogą zmniejszyć zapotrzebowanie na tłumaczy, zwłaszcza w przypadku treści ogólnych.
•  Urzędnicy wprowadzający dane i pracownicy biurowi: Zadania wymagające wprowadzania danych do systemów i podstawowe zadania administracyjne można łatwo zautomatyzować za pomocą sztucznej inteligencji.
•  Telemarketerzy: sztuczna inteligencja może obsługiwać połączenia oparte na skryptach, rozpoznawać reakcje ludzi i odpowiednio dostosowywać swój skrypt, dzięki czemu niektóre role telemarketingowe stają się podatne.
•  Księgowi: Rutynowe zadania księgowe, takie jak wprowadzanie danych i podstawowe uzgadnianie kont, można zautomatyzować za pomocą sztucznej inteligencji.
•  Analitycy badań rynku: sztuczna inteligencja może gromadzić, analizować i interpretować ogromne ilości danych wydajniej niż ludzie, co mogłoby zastąpić niektóre funkcje badań rynkowych.
•  Kontrola jakości: w przypadku powtarzalnych zadań obejmujących sprawdzanie produktów lub oprogramowania pod kątem spójnych, znanych problemów można przeszkolić sztuczną inteligencję w zakresie rozpoznawania i zgłaszania defektów.
•  Inwestorzy giełdowi: Handel algorytmiczny wykorzystujący sztuczną inteligencję jest już powszechny, a wiele decyzji handlowych opartych na analizie danych można w pełni zautomatyzować.
•  Reklama i zakup mediów: programowy zakup reklam, w którym sztuczna inteligencja wybiera miejsce umieszczenia reklam na podstawie analizy danych, może zautomatyzować wiele zadań w sektorze reklamowym.
•  Asystenci prawni i podstawowe badania prawne: sztuczna inteligencja może przeglądać ogromne ilości danych prawnych i dokumentów w celu wydobycia odpowiednich informacji.
•  Fotografowie korporacyjni i produktowi: jak widzieliśmy, pojawiają się już narzędzia GenAI, które umożliwiają tworzenie portretów i zdjęć głowy, a nawet generowanie zdjęć produktów.
•  Pracownicy fabryk i operatorzy linii montażowych: Automatyzacja i robotyka poczyniły już znaczne postępy w produkcji, ale GenAI może jeszcze bardziej usprawnić operacje i zmniejszyć potrzebę interwencji człowieka.

Czy stracimy zdolność uczenia się w pracy?

Jest oczywiste, że GenAI ma znaczny potencjał do przekształcenia krajobrazu zatrudnienia - w szczególności wpływając na stanowiska podstawowe. Jednak te stanowiska na poziomie podstawowym są często postrzegane jako odskocznia do zdobycia podstawowych umiejętności na stanowiskach wyższego szczebla. Zatem zasadnicze pytanie brzmi: w jaki sposób ludzie zdobędą potrzebne umiejętności, gdy nie będzie już stanowisk na podstawowym poziomie? Czy jeśli zadania niższego poziomu będą rutynowo wykonywane przez sztuczną inteligencję, stracimy zdolność uczenia się "w pracy"? Stanowi to główne wyzwanie dla osób wchodzących na rynek pracy i oznacza, że musimy potencjalnie ponownie przemyśleć koncepcje rozwoju umiejętności i rozwoju kariery. W przypadku pracodawców konieczne może być skupienie się na rozwijaniu umiejętności, których sztuczna inteligencja nie jest w stanie łatwo odtworzyć - takich jak empatia, krytyczne myślenie i złożone podejmowanie decyzji - oraz na wspieraniu kultury uczenia się przez całe życie, aby zapewnić jednostkom możliwość przystosowania się do stale zmieniającej się pracy rynek.

Prace o średnim lub niskim ryzyku

Chociaż niektóre prace przestaną istnieć w przyszłości, wiele innych zostanie zmienionych przez GenAI. Raport Międzynarodowej Organizacji Pracy (MOP) z 2023 r. mówi, że GenAI prawdopodobnie rozszerzy, a nie zniszczy miejsca pracy. Innymi słowy, większość miejsc pracy będzie podlegać ograniczonej automatyzacji i prawdopodobnie zostanie "uzupełniona, a nie zastąpiona" przez GenAI.4 (Warto jednak zauważyć, że raport MOP wykazał, że kobiety są bardziej narażone na automatyzację GenAI niż mężczyźni - przy czym potencjalnie dotkniętych jest ponad dwukrotnie więcej kobiet w zatrudnieniu. W dużej mierze wynika to z nadreprezentacji kobiet w pracy biurowej, która jest uważana za obarczoną wysokim ryzykiem automatyzacji). Tak więc tutaj mówimy o zawodach, w których pewne zadania prawdopodobnie zostaną zautomatyzowane, ale sam zawód prawdopodobnie nie stanie się przestarzały. Na przykład, podczas gdy część pracy diagnostycznej w opiece zdrowotnej może być wspomagana lub zastępowana przez GenAI, lekarze i pracownicy służby zdrowia mają niezliczone inne obowiązki, których AI nie jest w stanie obsłużyć. Te prace będą się zatem rozwijać. Wielu profesjonalistów w tych dziedzinach prawdopodobnie dostosuje się, integrując narzędzia GenAI ze swoją pracą i skupiając swój czas i wysiłek na aspektach, które wymagają unikalnych umiejętności ludzkich. Role, które będą najmniej podatne na zmiany, to te, które wymagają głębokiej intuicji ludzkiej, kreatywności, zrozumienia kulturowego lub praktycznej sprawności fizycznej.

Nauczyciele, pracownicy służby zdrowia i prawnicy

Nauczanie to coś więcej niż tylko przekazywanie informacji - co w końcu ChatGPT potrafi robić bardzo dobrze. Edukacja wymaga zrozumienia dynamiki ucznia, umiejętności dostosowywania się do indywidualnych potrzeb, opiekuńczego nastawienia i roli ochronnej. GenAI bez wątpienia pomoże w różnych obszarach edukacji - takich jak tworzenie treści edukacyjnych, destylowanie złożonych tematów do łatwych do zrozumienia podsumowań, personalizowanie treści edukacyjnych, ocenianie zadań ilościowych i automatyzacja zadań administracyjnych. Ale będziemy absolutnie potrzebować nauczycieli-ludzi, którzy potrafią dostosowywać wyjaśnienia i modyfikować materiały edukacyjne na podstawie subtelnych wskazówek od uczniów, pielęgnować prawdziwe więzi ze swoimi uczniami, zarządzać harmonią w klasie, zapewniać uczniom niuanse informacji zwrotnych, a przede wszystkim inspirować pasję do nauki. Jestem żoną nauczycielki i mam trójkę dzieci w edukacji, więc nie traktuję lekko przyszłości nauczania. Ostatecznie uważam, że GenAI może doprowadzić do harmonijnego scenariusza, w którym AI i ludzcy edukatorzy połączą się, wzmacniając wzajemnie swoje mocne strony, a niezastąpione ludzkie cechy empatii, inspiracji i intuicji pozostaną w centrum nauczania. Podobnie w zawodzie medycznym AI może pomóc w diagnozie, odkrywaniu leków, rutynowym monitorowaniu i spersonalizowanych planach leczenia, ale ludzki dotyk, podejście do pacjenta, empatia i zniuansowane umiejętności podejmowania decyzji przez lekarzy, pielęgniarki i innych pracowników służby zdrowia są niezastąpione. Jeśli uda nam się wykorzystać to, co najlepsze z obu światów, możemy ulepszyć i zdemokratyzować opiekę zdrowotną oraz poprawić wyniki leczenia pacjentów na całym świecie. Możemy ograniczyć błędy ludzkie i umożliwić zawodom medycznym poświęcenie więcej czasu na spersonalizowaną opiekę i wspieranie pacjentów. Zawód prawnika to kolejny interesujący przykład "pracy opartej na wiedzy" (lub tego, co niektórzy mogą uważać za "pracę umysłową"), która zostanie rozszerzona przez GenAI. Zawód prawnika stoi na krawędzi znaczącej transformacji dzięki postępowi technologicznemu, szczególnie w zakresie AI. Analiza danych, przegląd dokumentów i badania prawne mogą być usprawnione dzięki AI. Zautomatyzowana analiza umów i algorytmy predykcyjne wyników spraw to kolejne przykłady zadań, w których AI robi postępy. Jednak istota zawodu prawnika - osąd etyczny, doradztwo klientom, negocjacje i orędownictwo w sądzie - pozostanie głęboko zakorzeniona w ludzkich umiejętnościach i intuicji. Najlepsi prawnicy mają ogromną zdolność do empatii i rozumowania moralnego. GenAI po prostu nie jest w stanie odtworzyć tych umiejętności. Tak więc, w miarę rozwoju technologii, prawnicy prawdopodobnie będą pracować ramię w ramię z AI, wykorzystując wydajność i możliwości przetwarzania danych maszyn, jednocześnie skupiając się na złożonych, zaawansowanych zadaniach, które wymagają ludzkiej wiedzy, kreatywności i zrozumienia etyki.

Inne zawody, które zostaną uzupełnione, a nie zastąpione przez sztuczną inteligencję

Przyjrzyjmy się pokrótce innym zawodom, które zostaną dostosowane i uzupełnione przez GenAI:

•  Programiści: Podczas gdy GenAI może zautomatyzować pisanie kodu dla niektórych zadań, rozwój oprogramowania dotyczy również rozwiązywania problemów, projektowania i rozumienia ludzkich potrzeb - obszarów, w których ludzie się wyróżniają.
•  Księgowi i audytorzy: Tak, podstawowe zadania księgowe można zautomatyzować, ale audyt wyższego szczebla, analiza finansowa i doradztwo strategiczne nadal korzystają z ludzkiej wiedzy.
•  Kierownicy ds. marketingu: AI może analizować dane i sugerować odpowiednie strategie, ale ludzka kreatywność, nadzór strategiczny i niuansowe zrozumienie kultury są niezbędne.
•  Profesjonaliści kreatywni: Artyści, muzycy i pisarze wnoszą do swojej pracy unikalne ludzkie perspektywy, emocje i kulturowe spostrzeżenia. Podczas gdy AI może tworzyć sztukę lub muzykę, ludzka kreatywność ma niuanse, które są głęboko związane z naszymi doświadczeniami.
•  Profesjonaliści ds. zasobów ludzkich: Wiele zadań HR może i będzie zautomatyzowanych, ale radzenie sobie z relacjami pracowniczymi, zrozumienie dynamiki miejsca pracy i podejmowanie decyzji dotyczących ludzi zawsze będzie wymagało niuansowego zrozumienia przez człowieka.
•  Naukowcy badawczy: Podczas gdy AI może pomagać w analizie danych, ludzka ciekawość napędza formułowanie nowych hipotez i interpretację złożonych wyników.

Jeśli chodzi o miejsca pracy o niskim ryzyku poważnych zakłóceń, mamy

•  Wykwalifikowani fachowcy: Zawody takie jak elektrycy, hydraulicy i mechanicy wymagają praktycznej wiedzy i umiejętności rozwiązywania problemów w nieprzewidywalnych środowiskach, w których AI ma trudności z poruszaniem się.
•  Ratownicy medyczni: Strażacy, ratownicy medyczni i policjanci często działają w nieprzewidywalnych środowiskach, podejmując decyzje w ułamku sekundy w oparciu o szeroki wachlarz czynników. To wykracza poza strefę komfortu AI.
•  Specjaliści zdrowia psychicznego: Terapeuci, doradcy i psychologowie polegają na głębokiej ludzkiej empatii, intuicji i zrozumieniu, których AI ma trudności z odtworzeniem.
•  Pracownicy socjalni: Kolejna rola, która zajmuje się złożonymi sytuacjami ludzkimi, wymagająca empatii, zrozumienia kulturowego i często umiejętności poruszania się w nieprzewidywalnych i emocjonalnych sytuacjach. Ponownie, nie jest to mocna strona AI.
•  Role kierownicze i przywódcze: Kadra kierownicza, menedżerowie i inni liderzy biznesowi muszą poruszać się w złożonych relacjach interpersonalnych, podejmować strategiczne decyzje oraz inspirować i motywować swoje zespoły, a są to umiejętności, których brakuje AI.

Podsumowując, ludzki dotyk, intuicja, niuanse podejmowania decyzji, kreatywność, ludzkie relacje i fizyczne doświadczenie będą nadal ważne na przyszłym rynku pracy. Praca głęboko zakorzeniona w tych umiejętnościach okaże się bardziej odporna na radykalne zmiany, jakie może przynieść GenAI.

Nie zapominajmy, że powstaną nowe miejsca pracy

Bez wątpienia wiele miejsc pracy zostanie zmienionych lub stanie się przestarzałych dzięki GenAI. Jednak, jak pokazała historia, wprowadzenie technologii transformacyjnej często prowadzi do tworzenia zupełnie nowych miejsc pracy. GenAI jest zatem nie tylko czynnikiem zakłócającym, ale także twórcą możliwości. Przyjrzyjmy się niektórym nowym miejscom pracy, które tworzy GenAI:

•  Inżynierowie ds. podpowiedzi AI: Nowo powstająca dziedzina, która ma przed sobą świetlaną przyszłość. Inżynierowie ds. podpowiedzi to eksperci w zakresie sprawiania, aby aplikacje GenAI dostarczały określone wyniki. (Na przykład ogólny monit wywoła ogólną odpowiedź, więc inżynier ds. podpowiedzi udoskonali swoje podpowiedzi, aż uzyska pożądany wynik). Aby być dobrym inżynierem ds. podpowiedzi, musisz mieć silne umiejętności komunikacyjne, zwracać uwagę na szczegóły, myśleć krytycznie i mieć umiejętności dotyczące danych (pod względem określania, jakich informacji potrzebuje AI). Nie potrzebujesz doświadczenia w projektowaniu oprogramowania, ponieważ systemy GenAI interpretują naturalny język ludzki.
•  Trenerzy ds. AI: Profesjonaliści specjalizujący się w "nauczaniu" i udoskonalaniu modeli AI. Ich zadania mogą obejmować wprowadzanie danych AI do precyzyjnego dostrajania wyników w celu zapewnienia dokładności i trafności.
•  Inspektorzy ds. etyki AI: Biorąc pod uwagę potężne możliwości GenAI, istnieje wyraźna potrzeba profesjonalistów, którzy mogą zapewnić, że te systemy są rozwijane i wykorzystywane etycznie, bez uprzedzeń i w sposób społecznie odpowiedzialny. * Inżynierowie ds. konserwacji AI: Podobnie jak każdy system, modele AI wymagają konserwacji pod kątem aktualizacji modeli, zapewnienia wydajnego działania systemów i rozwiązywania problemów.
•  Specjaliści ds. projektowania generatywnego: W dziedzinach takich jak architektura, projektowanie produktów i inżynieria, GenAI może tworzyć liczne warianty projektów. Specjaliści w tej dziedzinie kierują AI i interpretują jej wyniki w celu uzyskania optymalnych projektów.
•  Recenzenci treści AI: We wszystkich formach treści, od artykułów pisemnych po projekty wizualne, potrzebni będą recenzenci, aby ocenić jakość, dokładność i stosowność treści.
•  Twórcy rozrywki wspomaganej przez AI: Generatywna AI może być używana do tworzenia muzyki, treści wideo, rzeczywistości wirtualnej, a nawet elementów gier wideo. Pojawiają się profesjonaliści, którzy potrafią wykorzystać tę technologię do kreatywnych przedsięwzięć.
•  Kuratorzy i czyszczący dane: Skuteczność GenAI zależy od jakości danych, na których jest szkolona. Dlatego osoby wykwalifikowane w zakresie kuratorstwa i czyszczenia danych są poszukiwane.
•  Projektanci interakcji AI: Wraz ze wzrostem popularności interfejsów AI, istnieje potrzeba projektantów, którzy potrafią tworzyć doświadczenia użytkownika, które umożliwiają płynną interakcję człowieka z AI.
•  Twórcy niestandardowych rozwiązań AI: Podczas gdy wiele aplikacji AI może być szerokich, istnieje rosnący rynek niestandardowych, niszowych rozwiązań AI, dostosowanych do konkretnych potrzeb lub wyzwań branżowych.
•  Specjaliści od polityki i regulacji AI: Wraz ze wzrostem integracji AI ze społeczeństwem, eksperci rozumiejący zarówno technologię, jak i jej społeczne implikacje będą potrzebni do kształtowania polityk i regulacji.
•  Edukatorzy umiejętności obsługi komputera: Tak jak umiejętność obsługi komputera stała się podstawową umiejętnością pod koniec XX i na początku XXI wieku, tak umiejętności obsługi AI staną się kluczowe w przyszłości. Pojawiają się edukatorzy, którzy mogą uczyć jednostki o działaniu, korzyściach i wyzwaniach AI.
•  Menedżerowie osobistej AI: Wraz ze wzrostem osobistej AI (pomyśl o osobistych asystentach AI), mogą pojawić się role dla menedżerów, którzy będą mogli dostosowywać i nadzorować te osobiste narzędzia AI dla osób lub firm.

W istocie, w miarę jak generatywna sztuczna inteligencja będzie się rozwijać, będzie wymagać połączenia umiejętności technicznych i nietechnicznych, aby zapewnić jej skuteczne, etyczne i korzystne dla społeczeństwa wykorzystanie. Krajobraz zawodowy zmieni się zgodnie z tym - pojawi się wiele nowych ról, które będą się koncentrować na kierowaniu, udoskonalaniu i interpretowaniu sztucznej inteligencji, a także integrowaniu jej możliwości w różnych sektorach.

Najważniejsze wnioski

•  Prawie każde stanowisko, o którym pomyślisz, będzie w pewnym stopniu podlegać wpływowi GenAI. Niektóre staną się zbędne, wiele zostanie rozszerzonych lub zmienionych przez narzędzia AI, a nowe stanowiska zostaną utworzone.
•  Stanowiska, które są powtarzalne, przewidywalne i nie wymagają głębokiej intuicji ludzkiej, są najbardziej narażone na automatyzację przez GenAI.
•  Wiele innych stanowisk - w tym praca oparta na wiedzy i role kreatywne - dostosuje się do włączenia GenAI. Profesjonaliści z tak różnych dziedzin, jak edukacja, opieka zdrowotna, marketing i HR, dostosują się, integrując narzędzia GenAI ze swoją pracą, aby mogli skupić swój czas i wysiłek na aspektach wymagających unikalnych umiejętności ludzkich.
•  Wraz z potencjalnym zniknięciem stanowisk dla początkujących pracodawcy będą musieli przemyśleć pojęcie rozwoju umiejętności i awansu zawodowego. Tradycyjna ścieżka zaczynania od dołu, uczenia się w trakcie pracy i wspinania się po szczeblach kariery może już nie mieć zastosowania.
•  Ludzki dotyk, intuicja, niuanse podejmowania decyzji, kreatywność, ludzkie relacje i fizyczna wiedza specjalistyczna pozostaną ważne na przyszłym rynku pracy.
•  Co więcej, pojawią się nowe zawody, które pomogą osobom i organizacjom w pełni wykorzystać rozwiązania GenAI - zawody takie jak inżynier ds. sztucznej inteligencji i edukator ds. umiejętności posługiwania się sztuczną inteligencją.
•  Biorąc pod uwagę nadchodzące zmiany na rynku pracy, każdy powinien zadać sobie kilka kluczowych pytań: "Jak moja praca dodaje wartości światu?" "Czy maszyny mogą dostarczyć tę wartość, dziś lub w średnioterminowej przyszłości?" I "Jak chciałbym dodać wartości światu?"



Generatywna AI w praktyce (4)


RYZYKA I WYZWANIA, KTÓRYM NALEŻY SIĘ PODDAĆ

GenAI stwarza wiele wyzwań i ryzyk - takich jak prywatność, prawa autorskie, nadmierna zależność od AI, deepfake′i i dezinformacja i wiele innych. Mogłabym napisać całą książkę na te tematy, więc pamiętaj, że to tylko podsumowanie głównych problemów i ryzyk związanych z GenAI. Pokarm do przemyślenia, jeśli chcesz. Jeśli masz obawy dotyczące konkretnych kwestii, zasięgnij porady u konsultanta ds. danych i AI (w ostatnim rozdziale wymienię sposoby nawiązania ze mną kontaktu). Pamiętaj również, że ten rozdział nie ma na celu odstraszenia Cię ani zniechęcenia do korzystania z GenAI. Ważne jest jednak zrozumienie wieloaspektowych ryzyk. Zrównoważenie korzyści i sprostanie tym wyzwaniom ma kluczowe znaczenie dla odpowiedzialnego rozwoju i wdrażania technologii GenAI.

Obawy etyczne i społeczne

Wśród wielu obaw etycznych i społecznych znajdują się propagowanie fałszywych informacji i potencjalne złośliwe zastosowania, a także ryzyko, że staniemy się nadmiernie zależni od technologii (i tym samym utracimy ważne ludzkie umiejętności). To są właśnie problemy, które mogą nadwyrężyć zaufanie do technologii i pogłębić istniejące podziały społeczne. A potem jest wielki koszmarny scenariusz, w którym całkowicie tracimy kontrolę nad tymi inteligentnymi maszynami.

Potencjał dezinformacji, dezinformacji i deepfake′ów

W 2023 r. zdjęcia eksplozji w pobliżu Pentagonu i Białego Domu stały się viralem na Twitterze. Eksperci wkrótce oznaczyli je jako fałszerstwa wygenerowane przez AI, ale giełda już zaczęła reagować na "ataki". Eksperci mogli być w stanie wykryć fałszerstwo, ale większość ludzi jest niezwykle podatna na fałszywe obrazy i wiadomości. A wraz z rozwojem technologii odróżnianie prawdy od fałszu będzie coraz trudniejsze. GenAI daje ludziom i organizacjom możliwość tworzenia mas treści, co bardzo ułatwia rozpowszechnianie dezinformacji. Sfera cyfrowa jest zagrożona zalewem fałszywych i wprowadzających w błąd treści, które w wielu przypadkach wyglądają niezwykle legalnie. I nie mówimy tu tylko o treściach pisanych, ale także o filmach. GenAI to technologia stojąca za filmami "deepfake" - wyrafinowanymi fałszerstwami obrazów, dźwięku i wideo, które mogą sprawiać wrażenie, że osoby mówią lub robią rzeczy, których nigdy nie zrobiły. Te filmy mogą być nieszkodliwe, jak deepfake Morgana Freemana czy Toma Cruise′a, które mają na celu zadziwienie ludzi możliwościami AI. Mogą być też wyjątkowo szkodliwe, jak zmanipulowany film pokazujący amerykańską polityczkę Nancy Pelosi bełkoczącą. Oczywiście mogą być też wykorzystywane do wpływania na ludzi, jak w przypadku indyjskiego polityka Manoja Tiwariego, który wykorzystał technologię deepfake w ramach kampanii politycznej, aby pokazać, że mówi płynnie w dialekcie hindi używanym przez wyborców docelowych (podczas gdy w oryginalnym filmie mówił po angielsku). Udostępniony na WhatsAppie deepfake dotarł do 15 milionów osób. Fałszywe treści są tworzone nawet w celu wpływania na nasze dzieci. Śledztwo BBC wykazało, że kanały YouTube używały AI do tworzenia filmów, które wyglądały jak autentyczne treści edukacyjne, ale zawierały fałszywe informacje mające na celu szerzenie teorii spiskowych. W jednym z przykładów film twierdził, że piramidy w Gizie w Egipcie były wykorzystywane do wytwarzania elektryczności - przedstawiony w całkowicie przekonujący sposób jako fakt naukowy. Śledztwo - które ujawniło dziesiątki kanałów w różnych językach, w tym angielskim, arabskim i hiszpańskim - wykazało, że YouTube polecał filmy dzieciom wraz z legalnymi treściami edukacyjnymi. Jednym z moich największych zmartwień jest to, że zautomatyzowane "farmy treści" po prostu wyrzucą masę fałszywych treści zaprojektowanych w celu wprowadzania w błąd i szerzenia dezinformacji, teorii spiskowych lub propagandy. Biorąc pod uwagę szybkość, z jaką narzędzia GenAI mogą tworzyć treści, to zagrożenie będzie tylko rosło. To powiedziawszy, wiele artykułów tworzonych przez AI to po prostu artykuły "clickbait", zaprojektowane tak, aby intrygować, straszyć lub rozgniewać czytelników - i ostatecznie skłonić ich do kliknięcia na stronę, aby można było się na niej reklamować. Może się to wydawać stosunkowo nieszkodliwe w porównaniu z rozprzestrzenianiem propagandy, ale nawet generowane przez AI clickbait ma swoje niebezpieczeństwa, ponieważ utrudnia nam to ujawnianie prawdziwych, wartościowych informacji, gdy internet jest zalewany bezsensownymi artykułami, które zaciemniają nasze wyniki wyszukiwania. A ponieważ internet jest zalewany coraz większą ilością treści generowanych przez AI (niezależnie od tego, czy mają one charakter dezinformacji, czy nie), istnieje również długoterminowe ryzyko "chowu wsobnego". W terminologii AI odnosi się to do systemów AI trenowanych na treściach generowanych przez inne AI (w przeciwieństwie do obecnej generacji narzędzi GenAI, które zostały w większości przeszkolone na treściach tworzonych przez ludzi). W przyszłości może to sprawić, że treści tworzone przez GenAI staną się mniej ludzkie, mniej różnorodne i mniej interesujące. Nie tylko zagraża to skuteczności GenAI - to trochę jak robienie kserokopii kserokopii - ale także grozi zniekształceniem kultury ludzkiej, do tego stopnia, że nasza kultura jest bardziej informowana przez treści tworzone przez maszyny niż przez ludzi.

Wykrywanie AI: Czy będziemy w stanie stwierdzić, która treść została stworzona przez AI?

Oczywiście dużym pytaniem w erze GenAI jest: Jak możemy ufać informacjom, które widzimy online? We wczesnych wersjach treści generowanych przez AI łatwo było stwierdzić, czy na przykład wpis na blogu został napisany przez maszynę. Ale teraz jest to dość trudne. To coś, co budzi moje poważne obawy - zwłaszcza że nie ma jednoznacznej odpowiedzi na ten problem. Oczywiście firmy technologiczne muszą wziąć na siebie odpowiedzialność za łagodzenie szkód, co częściowo oznacza wyjaśnienie, kiedy treść jest tworzona przez AI. Potrzebujemy również surowych przepisów, aby chronić użytkowników. Sama technologia będzie częścią rozwiązania. Pojawiają się narzędzia do wykrywania AI, które "przewidują", czy treść została stworzona przez AI, poprzez wykrywanie czynników, takich jak niespójny ton i styl, brak emocji i powtarzalny język (lub, w przypadku treści wizualnych, poprzez analizę pikseli pod kątem anomalii). ZeroGPT jest przykładem takiego narzędzia. W przyszłości będziemy mogli coraz częściej używać narzędzi wykrywania AI, aby pomóc nam krytycznie oceniać treści i podejmować świadome decyzje. Główne firmy AI, takie jak Google, Microsoft i OpenAI, zobowiązały się również do "opracowania solidnych mechanizmów, aby zapewnić, że użytkownicy wiedzą, kiedy treść jest generowana przez AI, takich jak system znaków wodnych". Narzędzie do generowania obrazów Dall-E już teraz używa znaku wodnego (jednak znak wodny można usunąć). Potrzebujemy również polityków, którzy połączą siły, aby zwalczać dezinformację mającą na celu wpłynięcie na wyborców. Co zachęcające, w okresie poprzedzającym wybory powszechne w Argentynie w 2023 r. kandydaci na prezydenta i liderzy polityczni podpisali zobowiązanie do przeciwdziałania dezinformacji i promowania uczciwych debat politycznych.5 Mamy nadzieję, że więcej polityków pójdzie w ich ślady! Jednak jako jednostki musimy również podjąć kroki, aby chronić siebie, wspierając krytyczne myślenie, ostrożnie oceniając informacje, na które natrafiamy, i wydając własne osądy na temat ich dokładności. Koncepcje kompetencji cyfrowych, sprawdzania faktów i możliwości podejmowania świadomych decyzji dotyczących treści cyfrowych, które konsumujemy, staną się ważniejsze niż kiedykolwiek. Jeśli więc zamierzasz wykorzystać GenAI - a ta książka zakłada, że tak jest - zdecydowanie radzę Ci, abyś sprawdził fakty w treściach generowanych przez AI, aby zapobiec błędom, zidentyfikować wprowadzające w błąd informacje i sprawdzić potencjalne uprzedzenia (np. ChatGPT ma historię tworzenia treści z założeniami dotyczącymi płci)6. Pamiętaj, że GenAI jest zaprojektowane tak, aby tworzyć treści, które wyglądają lub czytają się tak, jakby zostały stworzone przez człowieka - ale GenAI nie jest człowiekiem. To tylko program komputerowy podążający za wzorcami. A jako konsument treści online, zachowaj należytą staranność i oceń treści, które konsumujesz. Czy wydają się sensacyjne lub przesadnie dramatyczne? Czy są publikowane przez wiarygodne źródło? Czy istnieje ukryty plan? I czy jakiekolwiek statystyki lub "fakty" są poparte innymi źródłami?

Zależność i degradacja umiejętności

Kolejnym zmartwieniem jest to, że staniemy się nadmiernie zależni od GenAI, co może prowadzić do zaniku kluczowych umiejętności ludzkich. Na przykład, jeśli dziecko rutynowo prosi swojego kumpla ze Snapchata AI o napisanie za nie pracy domowej (patrz rozdział 3), w jaki sposób rozwinie ono podstawowe umiejętności, takie jak myślenie krytyczne, rozwiązywanie problemów, badania, samodyscyplina, kreatywność i dobra komunikacja pisemna - które są kluczowe dla sukcesu w nauce i życiu? Ale nie powinniśmy się martwić tylko o młodych ludzi - zależność od zautomatyzowanych systemów GenAI do tworzenia treści, badań i analiz może zmniejszyć ludzkie kompetencje na wszystkich etapach życia. GenAI zmieni również rynek pracy, przejmując niższe stanowiska, które tradycyjnie pozwalały ludziom "nauczyć się podstaw". Kiedy coraz więcej zadań będzie wykonywanych przez systemy GenAI, w jaki sposób osoby wchodzące na rynek pracy będą mogły rozwijać swoje umiejętności? Nie mówimy więc tylko o zastępowaniu miejsc pracy - mówimy również o degradacji kluczowych umiejętności życiowych.

Co się stanie, jeśli stracimy kontrolę?

Mówimy o zakopaniu ołowiu, co? Ponieważ to jest WIELKI problem. Scenariusz Terminatora, w którym nasi maszynowi władcy przejmują kontrolę, a ludzie muszą walczyć o nasze przetrwanie. W końcu nie ma cofnięcia czasu w tych systemach. A ich nieustanna ewolucja (taka jak ChatGPT, który potrafi widzieć, mówić i słyszeć, a także pisać) stwarza ryzyko, że mogą wymknąć się spod kontroli ich twórców. Gdyby AI miała działać autonomicznie w kluczowych obszarach, takich jak opieka zdrowotna, finanse lub obronność, jej działania mogłyby skutkować znacznymi szkodami lub niezamierzonymi konsekwencjami. Już teraz nie rozumiemy, w jaki sposób wiele z tych narzędzi podejmuje decyzje (więcej na ten temat wkrótce), więc nie jest nie do pomyślenia, że mogą zacząć zachowywać się w sposób, którego nie przewidywaliśmy. Więc jaki jest najgorszy scenariusz? Wyobraź sobie dystopijną przyszłość, w której GenAI kontroluje wszystko, a ludzkość balansuje na krawędzi przestarzałości. Sztuczna inteligencja, pierwotnie stworzona w celu zwiększenia produktywności i rozwiązywania złożonych problemów, przekroczyła swoje zaprogramowane granice, autonomicznie obsługując i optymalizując globalne systemy. Miasta tętnią autonomicznymi pojazdami i dronami, poruszającymi się po niebie i ulicach z niesamowitą precyzją, podczas gdy humanoidalne roboty, napędzane przez sztuczną inteligencję, egzekwują porządek. Autonomiczna broń patroluje niebo i ziemię, a sztuczna inteligencja ma moc przeprowadzania ataków według własnej woli. Całe narody są pod wpływem sztucznej inteligencji, ponieważ koordynuje ona dynamikę geopolityczną. Ekonomicznie, sztuczna inteligencja kontroluje rynki finansowe i dystrybucję zasobów, tworząc bezprecedensowe dysproporcje w bogactwie. Autonomicznie decyduje, które branże prosperują, a które upadają, pozbawiając miliony pracy i uzależniając je od dyktowanego przez sztuczną inteligencję dobrobytu. Algorytmy sztucznej inteligencji decydują, kto uzyskuje dostęp do opieki zdrowotnej, edukacji i podstawowych zasobów, ustalając ścieżkę życia każdej osoby na podstawie jej nieprzejrzystych kryteriów. Co więcej, granica między prywatnością a domeną publiczną zaciera się, ponieważ każda rozmowa, emocja i myśl stają się pożywką dla nienasyconego apetytu AI na informacje. Tymczasem w cieniu AI eksperymentuje z biotechnologiami i neurointerfejsami, zacierając granicę między człowiekiem a maszyną. Autonomicznie przeprowadza modyfikacje genetyczne i wszczepia ludziom chipy neuronowe sterowane przez AI, mając na celu stworzenie podporządkowanej siły roboczej. W tej mrożącej krew w żyłach przyszłości ludzkość zmaga się z utratą autonomii, tożsamości i celu. Odzyskanie ludzkiej sprawczości staje się ostateczną walką o przetrwanie. Niektórzy eksperci powiedzą ci, że ten scenariusz nigdy nie mógłby się wydarzyć - że istnieją bariery zabezpieczające, które zapobiegają utracie kontroli. Osobiście nie powiem ci, że ten fantazyjny scenariusz jest niemożliwy, ponieważ prawda jest taka, że po prostu nie wiem. Nie jestem pewny, czy ktokolwiek wie na pewno. Ale nie mówię tego wszystkiego, aby wywołać u ciebie koszmary. Chcemy tylko podkreślić, że podczas opracowywania i wdrażania GenAI wyraźnie potrzebujemy solidnego nadzoru, wytycznych etycznych i zabezpieczeń.

Stronniczość AI i wyjaśnialność

W związku z obawami etycznymi istnieją obawy dotyczące stronniczości AI i wyjaśnialności. (Uwaga, spoiler: nie zawsze wiemy, jak one działają!) Zacznijmy od stronniczości.

Problem z stronniczymi danymi

AI nie tylko uczy się wzorców z danych; nieumyślnie uczy się, a czasami wzmacnia, istniejących stronniczości w danych, na których została wyszkolona. Na przykład GenAI wyszkolona na stronniczych danych dotyczących rekrutacji może niesprawiedliwie faworyzować kandydatów płci męskiej nad żeńskimi w przypadku stanowisk technicznych, odzwierciedlając historyczną nierównowagę płci. Innym przykładem są stronniczość rasowa, w której model GenAI używany do rozpoznawania twarzy może wykazywać wyższe wskaźniki błędów w przypadku osób o ciemniejszym odcieniu skóry lub kobiet, ponieważ dane szkoleniowe zawierały więcej białych, męskich twarzy. Pamiętaj, że nie chodzi o to, że same modele są stronnicze - po prostu uczyły się na stronniczych danych szkoleniowych. Jednakże uprzedzenia te mogą wzmacniać szkodliwe stereotypy i pogłębiać nierówności, podkreślając potrzebę, aby programiści AI identyfikowali i łagodzili uprzedzenia w systemach AI. Wręcz przeciwnie, GenAI może również pomóc rozwiązać sam problem, który przedstawia - poprzez tworzenie syntetycznych danych, które można wykorzystać do zmniejszenia uprzedzeń w danych treningowych. Syntetyczne dane są bardzo podobne do danych ze świata rzeczywistego i mogą być wykorzystywane do wielu takich samych celów - a co najważniejsze, mogą być wykorzystywane do tworzenia zrównoważonych zestawów danych, które są w pełni reprezentatywne. Inną zaletą syntetycznych danych jest to, że mogą one tworzyć dane w sposób uwzględniający prywatność - bez konieczności zbierania mas rzeczywistych danych osobowych.

Wyjaśnialna sztuczna inteligencja

Brakuje również przejrzystości w kwestii tego, jak te systemy faktycznie działają. Modele GenAI są często uważane za "czarne skrzynki", ponieważ ich niezwykle skomplikowana architektura utrudnia zrozumienie, jak system działa i podejmuje decyzje. Innymi słowy, nie zawsze możemy wyjaśnić, w jaki sposób narzędzie GenAI znajduje określone odpowiedzi. Na przykład ChatGPT jest w stanie generować e-maile, historie, posty na blogu, a nawet wiersze na bardzo wysokim poziomie. Ale jest również w stanie mówić kompletne bzdury. A ponieważ algorytmy generujące dane wyjściowe są tak złożone, nikt tak naprawdę nie wie, dlaczego czasami występuje to, co można najlepiej opisać jako "bąk mózgu". Gdzie dokładnie popełnia błąd? Jaka jest główna przyczyna błędu? Nie jest to jasne. Być może nie jest to duży problem, gdy wszystko, co robisz, to prosisz narzędzie GenAI o przepis na chleb bananowy. Ale gdy używasz GenAI do rekomendowania planów leczenia pacjentom w szpitalu lub udzielania spersonalizowanych porad finansowych? Lepiej, żebyś był w stanie wyjaśnić, w jaki sposób narzędzie znalazło swoją odpowiedź. W przeciwnym razie, jak można oczekiwać, że ludzie zaufają tym zaleceniom? Ten obszar badań jest znany jako "wytłumaczalna sztuczna inteligencja" (XAI) i odnosi się do rozwoju systemów, które mogą nam dać nie tylko odpowiedzi, których chcemy, ale także jasne, łatwe do zrozumienia wyjaśnienie, w jaki sposób podejmują decyzje. W tym obszarze dokonuje się postęp, aby dać wgląd w decyzje AI. A postęp w przetwarzaniu języka naturalnego będzie coraz częściej umożliwiał modelom GenAI dostarczanie prostych wyjaśnień ich wyników.

Obawy prawne

Korzystanie z GenAI budzi różne obawy prawne, w tym kwestie związane z naruszeniem praw autorskich, naruszeniem ochrony danych i potrzebą uchwalenia nowych przepisów.

Czyje to w ogóle prawa autorskie?

Własność intelektualna to ogromny problem, który w dużej mierze dzieli się na dwie części: po pierwsze, jest problem, że modele GenAI są trenowane na podstawie treści zazwyczaj pobieranych z Internetu (np. książek, artykułów i obrazów) bez zgody właścicieli praw autorskich; a po drugie, nie zawsze jest jasne, kto jest właścicielem praw autorskich do nowych treści tworzonych za pomocą GenAI. Dużym problemem jest to, że obecne prawa autorskie zostały zaprojektowane dla zupełnie innego świata - świata, w którym nie mieliśmy narzędzi, które mogłyby "czytać" lub "widzieć" absolutnie wszystko, co jest dostępne w Internecie, czy to tekst, czy obrazy. Teraz, gdy mamy te narzędzia, co to oznacza dla praw własności intelektualnej i ich egzekwowania? W szczególności kwestia "kto jest jej właścicielem" jest naprawdę trudna. Czy treści tworzone za pomocą GenAI należą do firmy, która opracowała AI, czy do osoby, która użyła narzędzia do stworzenia pożądanego wyniku? A może należy je uznać za domenę publiczną? Czy też należy częściowo do osób, które stworzyły oryginalne dzieła, które "zainspirowały" wynik (lub pomogły wyszkolić AI)? Innymi słowy, jeśli poproszę GenAI o stworzenie nowej piosenki w stylu, powiedzmy, Billie Eilish, czy Billie Eilish powinna otrzymać część uznania (i wpływów finansowych)? W tej chwili, ponieważ to wszystko jest tak nowe, nie mamy odpowiedzi na żadne z tych pytań. Nikt nie ma ich definitywnie. Co jest poważnym problemem, gdy miliony osób i niezliczone organizacje już używają tej technologii do tworzenia treści! Jednym z kontrargumentów jest oczywiście to, że GenAI niczym nie różni się od ludzkiego artysty, pisarza lub autora piosenek czerpiącego inspirację od innych twórców. Ale nawet jeśli ten argument jest zasadny (co, jak można by twierdzić, nie jest zasadne, ponieważ ludzki artysta wniósłby swój własny kreatywny i oryginalny styl do nowych dzieł, nawet jeśli byłby pod wpływem innego artysty), nadal istnieje problem szkolenia systemów na dziełach innych artystów bez zgody lub uznania. Dlatego artyści i autorzy wyrażają obawy (a w niektórych przypadkach wszczynają postępowanie prawne przeciwko) firmom AI - które, jak twierdzą, czerpią zyski z ich pracy bez odpowiedniego uznania lub zapłaty. Pewien aktor głosowy, który sprzedał swój głos firmie IBM do celów nawigacji GPS, później odkrył, że jego głos był używany bez jego wiedzy na platformie GenAI do zamiany tekstu na mowę o nazwie "Revoicer". W innym ciekawym przykładzie wygenerowana przez AI piosenka z udziałem głosów Drake′a i The Weeknd stała się viralowa, ale nikt nie wie, kto ją stworzył - piosenka została po prostu przesłana przez anonimową osobę o imieniu "Ghostwriter". I nie tylko poszczególni artyści zajmują stanowisko. W jednym przypadku dostawca zdjęć stockowych Getty Images zwrócił się do Sądu Najwyższego w Londynie o powstrzymanie Stability AI (twórcy Stable Diffusion) przed sprzedażą swojego systemu AI do generowania obrazów w Wielkiej Brytanii - twierdząc, że Stability wykorzystało Getty Images do trenowania swojej AI bez pozwolenia, łamiąc tym samym prawo autorskie.8 Sprawa była w toku w momencie pisania tego tekstu i jest to pierwsza fala wielu pozwów przeciwko firmom AI. W innym przykładzie grupa autorów, w tym George RR Martin i John Grisham, wszczęła postępowanie prawne przeciwko OpenAI za "systematyczną kradzież na masową skalę". Wydawcy i serwisy informacyjne prawdopodobnie pójdą w ich ślady - The Guardian zablokował ChatGPT możliwość przeglądania jego treści online, a New York Times złożył pozew o naruszenie praw autorskich przeciwko OpenAI i Microsoft. Jeden mały start-up AI o nazwie "Prosecraft" został zmuszony do zamknięcia po reakcji autorów, których prace zostały wykorzystane bez zgody. (Nawiasem mówiąc, AI była również jednym z głównych punktów spornych podczas strajku scenarzystów w Hollywood w 2023 r., kiedy to scenarzyści domagali się barier ochronnych przed wykorzystaniem AI w pisaniu scenariuszy). Co więc można zrobić z tym bałaganem? Podsumowując, narzędzia GenAI po prostu nie byłyby możliwe bez ogromnej ilości danych szkoleniowych, a mimo to próba uzyskania pozwolenia na prawa autorskie do każdej pojedynczej rzeczy, na której kiedykolwiek szkolono narzędzie takie jak ChatGPT, nie jest praktyczna. Jednak niektóre firmy AI faktycznie przyjmują bardziej przemyślane podejście. Na przykład Adobe wytrenowało swój Firefly GenAI wyłącznie na obrazach, do których posiada prawa. Oferuje nawet zabezpieczenie klientów, którzy używają jego narzędzi, przed przyszłymi roszczeniami.13 Microsoft ogłosił również, że przyjmie odpowiedzialność za potencjalne ryzyko naruszenia praw autorskich, na jakie narażeni są klienci jego Github Copilot GenAI. Platforma generatora muzyki, Loudly, wytrenowała swój model wyłącznie na licencjonowanych danych (i, co ciekawe, zachowuje prawa autorskie do wszystkiego, co ludzie tworzą za pomocą jej narzędzia). Getty uruchamia własne narzędzie do tworzenia obrazów GenAI, wytrenowane wyłącznie na licencjonowanych obrazach.15 Tymczasem inne firmy, takie jak Stability i OpenAI, wprowadzają metody umożliwiające artystom "zrezygnowanie" z wykorzystywania ich prac w szkoleniu modeli.

Drażliwa kwestia prywatności danych (i bezpieczeństwa)

GenAI stwarza poważne wyzwania w zakresie prywatności danych. Weźmy na przykład narzędzie takie jak ChatGPT. Każdy w Twojej organizacji może swobodnie uzyskać dostęp do tego narzędzia i w ten sposób może nieumyślnie ujawnić prywatne dane o firmie lub jej klientach. Załóżmy na przykład, że używasz narzędzia GenAI do generowania raportów HR na podstawie danych osobowych pracowników. Narzędzie GenAI może wykorzystywać wszystkie wprowadzone informacje do dostrajania swojego modelu - i potencjalnie może nawet ujawnić te dane innym użytkownikom. Biorąc pod uwagę, że większość krajów na świecie ma obecnie obowiązujące przepisy dotyczące prywatności danych, które określają szczegółowe obowiązki w zakresie ochrony danych, jest to kwestia, którą wszystkie firmy będą musiały rozważyć. Jako podstawową ochronę dane przesłane do usługi GenAI powinny być anonimizowane i pozbawione wszelkich danych osobowych. Istnieje również problem, że dane wyjściowe z narzędzi GenAI mogą opierać się na danych osobowych, które zostały zebrane i przetworzone z naruszeniem przepisów o ochronie danych. W jednym z pozwów twierdzono, że ChatGPT został przeszkolony na "ogromnych ilościach danych osobowych", w tym dokumentacji medycznej i informacji o dzieciach, zebranych bez zgody. Czy organizacje, które następnie używają tych narzędzi GenAI, mogą ponosić pewną odpowiedzialność za te naruszenia w przyszłości? Na razie wiele nie jest jasne. Różne firmy podchodzą do tego problemu w różny sposób, od przyjmowania GenAI bez ograniczeń po całkowity zakaz jego używania przez pracowników. Na przykład kilku znanych pracodawców - w tym Apple, Verizon i Wells Fargo - podjęło kroki w celu ograniczenia korzystania przez swoich pracowników z ChatGPT i innych narzędzi GenAI. Samsung zakazał używania ChatGPT (i innych chatbotów AI) po odkryciu, że inżynier przesłał poufny kod źródłowy do bota. Pozytywną stroną jest to, że opracowywane są nowe narzędzia, które uwzględniają prywatność danych. Jednym z przykładów jest Harvard, który opracował narzędzie piaskownicy AI, które umożliwia użytkownikom wykorzystanie niektórych dużych modeli językowych, w tym GPT-4, bez ujawniania swoich danych. Monity i dane wprowadzane przez użytkownika są widoczne tylko dla tej osoby i nie mogą być używane do trenowania modeli. Istnieją również potencjalne zagrożenia związane z bezpieczeństwem danych i naruszeniami. Chociaż twórcy tych narzędzi GenAI twierdzą, że mają zabezpieczenia zapobiegające niegodziwemu użyciu, GenAI stwarza wiele możliwości dla przestępców i oszustów. W szczególności istnieje potencjał ataków phishingowych generowanych przez AI za pośrednictwem niezwykle legalnie wyglądających wiadomości e-mail i wiadomości phishingowych.

Nadrabianie zaległości regulacyjnych

Regulowanie GenAI ma ogromne znaczenie, jeśli chcemy zapewnić etyczne korzystanie z GenAI, chronić prawa jednostki, zająć się kwestiami bezpieczeństwa danych i prywatności oraz złagodzić skutki społeczne. Wszystko to jest niezbędne, jeśli chcemy wspierać odpowiedzialną innowację i zachęcać do zaufania do technologii. Nie będę wdawał się w szczegóły dotyczące krajobrazu regulacyjnego, ponieważ szybko się on zmienia, ale można uczciwie powiedzieć, że organy regulacyjne i politycy (nieco spóźnieni) zaczynają dostrzegać problemy związane ze sztuczną inteligencją i podejmować działania. Parlament Europejski uchwalił ustawę o sztucznej inteligencji w czerwcu 2023 r., która ustanawia obowiązki dostawców i użytkowników w zależności od poziomu ryzyka związanego z aplikacjami AI. Zgodnie z przepisami systemy, które stanowią "niedopuszczalne" ryzyko dla ludzi (np. poprzez "punktację społeczną" lub manipulowanie zachowaniem użytkowników) zostaną zakazane. A systemy GenAI będą musiały spełniać wymogi przejrzystości, w tym ujawniać, że treść została wygenerowana przez AI i ujawniać, które chronione prawem autorskim dzieła zostały wykorzystane w szkoleniu. Teraz, gdy Parlament Europejski uchwalił przepisy, w chwili pisania tego tekstu są one przedmiotem dyskusji z Radą Europejską i Komisją Europejską. Dlatego obserwujcie tę przestrzeń pod kątem ostatecznych przepisów UE. Stany Zjednoczone obecnie pozostają w tyle za UE w kwestii przepisów dotyczących odpowiedzialnej sztucznej inteligencji. Biały Dom wprowadził własną Kartę praw dotyczących sztucznej inteligencji, ale działa ona wyłącznie na zasadzie dobrowolności, bez kar dla firm, które zachowują się niewłaściwie. Tymczasem Chiny - jeden z pierwszych krajów, w których wprowadzono przepisy dotyczące sztucznej inteligencji - opublikowały w lipcu 2023 r. nowe przepisy dotyczące treści GenAI prezentowanych publicznie w Chinach. Wśród przepisów dostawcy usług GenAI nie powinni generować fałszywych informacji i powinni przestrzegać wartości społecznych.

Wpływ AI na środowisko

Kiedy używamy narzędzi takich jak ChatGPT, niekoniecznie myślimy o tym, co dzieje się za kulisami - centrach danych niezbędnych do zasilania tych narzędzi i zasobach potrzebnych do zbudowania powiązanego sprzętu. Wielu ekspertów wyraża obawy dotyczące kosztów środowiskowych obliczeń, zwłaszcza jeśli chodzi o dane i ślad węglowy AI oraz emisję gazów cieplarnianych. I nie myl się, koszty środowiskowe są ogromne. Proces szkolenia tylko jednego modelu AI podobno emituje prawie pięć razy więcej emisji niż przeciętny amerykański samochód w całym okresie jego użytkowania (wliczając jego produkcję).20 I to wyłącznie w celu szkolenia AI - faktyczne korzystanie z niego to inna sprawa. Biorąc pod uwagę tylko wykorzystanie ChatGPT w styczniu 2023 r., jego zużycie energii było równoważne z zużyciem 175 000 osób w tym samym okresie.21 (Opiera się to na 590 milionach odwiedzin ChatGPT, z około pięcioma pytaniami na użytkownika). Wpływ GenAI na środowisko jest zatem znaczący. A ponieważ coraz więcej narzędzi GenAI jest stale wypuszczanych i przyciąga coraz więcej użytkowników, problem będzie się tylko pogłębiał. Nic więc dziwnego, że MIT poinformował, że chmura - w której odbywa się większość tego przetwarzania obliczeniowego - ma teraz większy ślad węglowy niż cały przemysł lotniczy, a pojedyncze centrum danych może zużywać tyle samo energii elektrycznej, co 50 000 domów. Następnie jest sprzęt używany do obsługi systemów GenAI. Taki sprzęt często opiera się na materiałach ziem rzadkich - których wydobycie może prowadzić do degradacji środowiska, prowadzić do zniszczenia siedlisk i przyczyniać się do wyczerpywania się zasobów nieodnawialnych. Wydobycie tych pierwiastków może być również związane ze złymi praktykami pracy i napięciami geopolitycznymi ze względu na ich koncentrację geograficzną (Chiny są największym producentem pierwiastków ziem rzadkich). Mam nadzieję, że w dłuższej perspektywie będziemy w stanie rozwiązać problem środowiskowy. Trwająca transformacja energetyczna w kierunku bardziej zrównoważonych źródeł, takich jak odnawialne źródła energii - a także ciągły rozwój w zakresie syntezy jądrowej i innych innowacji - pomogą zmniejszyć nasze uzależnienie od paliw kopalnych. Powinienem dodać, że duże firmy technologiczne pracują nad ograniczeniem swojego wpływu. Na przykład Amazon jest na drodze do zasilania swoich opartych na chmurze operacji Amazon Web Services w 100% energią odnawialną do 2025 r. i osiągnięcia zerowej emisji netto dwutlenku węgla do 2040 r. Firma ma również na celu osiągnięcie dodatniego bilansu wodnego do 2030 r., co oznacza, że zwróci społecznościom więcej wody, niż zużyje. (Ponieważ oczywiście zużycie wody to kolejny poważny problem środowiskowy). Tak więc, patrząc w przyszłość, wpływ sztucznej inteligencji na środowisko może (przynajmniej w teorii) być mniejszym problemem. Jednak w krótkim i średnim okresie ogromne koszty środowiskowe są alarmujące.

Odpowiedzialne sposoby działania

W obliczu (obecnego) braku ścisłych regulacji organizacje muszą same się regulować i upewnić się, że korzystają z GenAI w sposób odpowiedzialny. Dla mnie oznacza to:

1. Przyjrzenie się i ograniczenie ryzyk.
2. Wdrożenie solidnego zarządzania danymi, które zapewni bezpieczeństwo i prywatność danych organizacji.
3. Aktywne dążenie do identyfikowania i ograniczania stronniczości danych w systemach AI.
4. Wdrożenie solidnych wytycznych regulujących sposób korzystania z GenAI (i AI w ogóle) przez osoby w organizacji. Zdecydowanie zalecałbym również organizacjom utworzenie panelu etycznego lub rady doradczej ds. etyki, aby upewnić się, że wdrożono odpowiednie zarządzanie i odpowiednio rozważono liczne wyzwania etyczne związane z AI.
5. Otwartość wobec interesariuszy na temat sposobu korzystania z technologii, co sprzyja przejrzystości i rozliczalności.
6. Poszukiwanie wsparcia ekspertów. Są to złożone kwestie i zawsze zalecałbym zasięgnięcie porady eksperta ds. danych i AI.

Wiele dużych firm AI oczywiście pracuje nad złagodzeniem wyzwań etycznych związanych z GenAI. Na przykład Meta twierdzi, że współpracuje z rządami, ekspertami AI i ekspertami ds. prywatności, aby ustanowić "odpowiedzialne bariery ochronne" dla swoich funkcji AI.25 Na przykład firma zleciła wewnętrznym i zewnętrznym ekspertom spędzenie tysięcy godzin na testowaniu modeli AI w poszukiwaniu nieoczekiwanych, potencjalnie szkodliwych sposobów ich wykorzystania. W innym wydarzeniu, w 2023 r. Światowe Forum Ekonomiczne powołało AI Governance Alliance, którego celem jest "przyspieszenie opracowywania wytycznych etycznych i ram zarządzania dla generatywnej AI oraz maksymalizacja wartości ekonomicznej i społecznej, jaką może ona stworzyć". Poprzez uznanie i proaktywne zajęcie się ryzykiem związanym z AI, torujemy drogę do przyszłości, w której GenAI nie przyćmi ludzkości, ale pomoże nam żyć lepiej. Mam nadzieję, że GenAI zapoczątkuje nową erę niesamowitych możliwości - co może brzmieć naiwnie, biorąc pod uwagę wiele ryzyk opisanych w tym rozdziale. Ale jeśli nasze podejście do GenAI opiera się na bezpieczeństwie i etyce, wierzę, że ta wizja jest całkowicie osiągalna. Tak, GenAI wiąże się z ogromnymi wyzwaniami, ale dzięki odpowiedzialnemu podejściu możemy wytyczyć ścieżkę, która prowadzi nie do niebezpieczeństwa, ale do obiecującego horyzontu renesansu technologicznego.

Najważniejsze wnioski

Podsumowując niektóre z najważniejszych wyzwań i zagrożeń związanych z GenAI:

•  Obawy etyczne obejmują potencjał GenAI do rozprzestrzeniania dezinformacji, dezinformacji i propagandy; trudności w wykrywaniu treści tworzonych przez AI; potencjał ludzi do nadmiernego uzależnienia od GenAI (co powoduje utratę ważnych umiejętności); oraz zagrożenie utratą kontroli nad systemami AI.
•  Istnieją również poważne problemy związane z stronniczością danych (co z kolei powoduje stronnicze wyniki, które mogą pogłębiać podziały społeczne) i wyjaśnialnością AI (jak w przypadku niezrozumienia, jak te systemy faktycznie działają).
•  Jeśli chodzi o przeszkody prawne, prawa autorskie stanowią poważny problem - zarówno pod względem braku uznania lub uzyskania zgody od właścicieli praw autorskich, których materiały zostały wykorzystane do szkolenia AI, jak i kwestii tego, kto jest właścicielem treści tworzonych przez AI. A jeśli chodzi o nadzór, ramy regulacyjne dopiero zaczynają się pojawiać, aby rządzić AI. Organy regulacyjne nadrabiają zaległości.
•  I jest wpływ GenAI na środowisko w kontekście ogromnego zużycia energii i materiałów ziem rzadkich używanych do produkcji sprzętu AI.
•  Jeśli Twoja firma zamierza korzystać z GenAI, ważne jest, aby znaleźć odpowiedzialną drogę naprzód - taką, która kładzie nacisk na przejrzystość, prywatność, etykę i bezpieczeństwo.

Krótko poruszyliśmy temat wpływu na pracę ludzi, ale teraz zagłębmy się w ten temat bardziej szczegółowo. Przewróć stronę, aby dowiedzieć się, jakie rodzaje pracy są potencjalnie zagrożone przez GenAI i gdzie pojawią się nowe możliwości zatrudnienia.



Generatywna AI w praktyce (3)


REWOLUCJA SPOŁECZEŃSTW I EKOSYSTEMÓW BIZNESOWYCH

GenAI zmieni sposób prowadzenia biznesu. Nie będzie przesadą stwierdzenie, że każda organizacja musi rozważyć, co GenAI może oznaczać dla jej produktów i usług, procesów biznesowych, a nawet modelu biznesowego. W części 2 zagłębimy się w niektóre konkretne sektory, aby zbadać, w jaki sposób firmy wykorzystują GenAI. Potraktuj więc ten rozdział jako przystawkę - mały przedsmak nadchodzącej transformacji. To mój sposób na podkreślenie, że niezależnie od sektora, lepiej wierz, że GenAI będzie miało wpływ. Przyjrzymy się również temu, w jaki sposób GenAI wpłynie na nasze codzienne życie, od wyszukiwania informacji online po znajdowanie miłości i przyjaźni.

Transformacja sektorów i społeczeństwa

Zacznijmy od krótkiego spojrzenia na kilka sektorów, na które GenAI będzie miało wpływ (mianowicie opiekę zdrowotną, produkcję i telekomunikację), zanim przejdziemy do pięknego przykładu z Islandii.

Zanurzanie się w określonych sektorach

GenAI może ułatwić świadczenie opieki zdrowotnej na kilka sposobów, w tym odkrywanie leków, wykrywanie chorób, personalizowanie planów leczenia dla poszczególnych pacjentów (nawet dostosowanych do ich składu genetycznego) i zdalne monitorowanie pacjentów. Na przykład duże modele językowe, takie jak ChatGPT, mogą być używane do tworzenia wirtualnych asystentów, którzy pomagają pacjentom umawiać wizyty i zarządzać swoimi stanami zdalnie. Mogą również pomóc w tłumaczeniu żargonu medycznego, wspomagając w ten sposób komunikację między lekarzami a pacjentami. W jednym z przykładów Babylon Health opracował chatbota GenAI, który rozmawia z pacjentami o ich objawach i udziela spersonalizowanych porad medycznych. GenAI może być również używany do tworzenia symulacji medycznych dla różnych stanów i scenariuszy; naukowcy z University of Michigan użyli AI do symulacji scenariuszy przewidywania i leczenia sepsy.1 Przeczytaj więcej o przypadkach użycia w opiece zdrowotnej w rozdziale 11. W produkcji projektowanie generatywne, potomstwo GenAI, rewolucjonizuje produkcję, automatycznie tworząc unikalne projekty zoptymalizowane pod kątem określonych wymagań (takich jak materiały, koszty i metody produkcji). Pomaga to zautomatyzować proces projektowania - lub przynajmniej zautomatyzować jego część (np. zapewniając szeroki zakres projektów do wyboru i dopracowania przez projektantów). GenAI może być również używany do optymalizacji procesów produkcyjnych. Na przykład, GenAI może tworzyć wirtualnych asystentów, którzy pomagają inżynierom produkcji oszczędzać czas i wysiłek na zadaniach, takich jak sprawdzanie danych. Podejrzewam, że głównym zastosowaniem GenAI w produkcji będzie planowanie i harmonogramowanie produkcji - w końcu GenAI może przyjmować ogromne ilości złożonych danych, uruchamiać symulacje i tworzyć najbardziej efektywny plan i harmonogram - i może dostosowywać się w locie, w oparciu o dane maszynowe w czasie rzeczywistym. W jednym z przykładów BMW ulepszyło harmonogramowanie zakładu dzięki swojemu modelowi optymalizacji generatora (GEO). Mówi się, że system minimalizuje przestoje linii montażowej, zapewniając jednocześnie, że zakład spełnia miesięczne cele produkcyjne.2 Przeczytaj więcej o projektowaniu i rozwoju w rozdziale 14. Jednym z sektorów, który nie został omówiony w części 2, jest telekomunikacja. Ale to, że nie ma osobnego rozdziału, nie oznacza, że nie będzie miało to wpływu na GenAI. (Uwaga: nawet jeśli Twój konkretny sektor nie jest wymieniony w książce, nadal będziesz musiał przygotować się na wpływ GenAI, miejmy nadzieję, ucząc się na przykładach wykorzystanych w tej książce). Ma sens, że duże modele językowe mają ogromny potencjał, aby przekształcić sposób działania firm telekomunikacyjnych, szczególnie jeśli chodzi o obsługę klienta, zarządzanie siecią, sprzedaż i marketing oraz wiele innych obszarów. Chatboty GenAI mogą zapewnić szybszą, wydajniejszą i bardziej spersonalizowaną obsługę klientów - i mogą być zintegrowane z tradycyjnymi kanałami obsługi klienta, aby zapewnić natychmiastową, zautomatyzowaną obsługę przez całą dobę. Na przykład ChatGPT może obsłużyć szeroki zakres zapytań klientów i udzielić przemyślanych, istotnych odpowiedzi w szybki i wydajny sposób. Może nawet dostosować swoje odpowiedzi do poszczególnych klientów. GenAI może być również używane do monitorowania wydajności sieci, rozwiązywania problemów i minimalizowania przestojów dla klientów. GenAI może nawet pomóc firmom telekomunikacyjnym oferować nowe i ulepszone usługi. Na przykład 1Voice stworzyło rozwiązanie do tłumaczeń językowych, oparte na GenAI, którego celem jest przełamanie barier językowych. Dzięki 1Voice.ai użytkownicy mogą komunikować się w 47 językach w czasie rzeczywistym, ze współczynnikiem dokładności tłumaczenia wynoszącym 98%.

Transformacja społeczeństwa

Uważam, że GenAI odciśnie swoje piętno na społeczeństwie na wiele sposobów. Jednym z pierwszych przykładów jest wyspiarski kraj Islandii, który nawiązał współpracę z OpenAI i wykorzystuje model językowy GPT-4, aby pomóc zachować język islandzki.4 Większość z około 370 000 obywateli Islandii mówi po angielsku lub innym języku, a to, w połączeniu z szybką digitalizacją codziennych czynności Islandczyków, może potencjalnie narazić na ryzyko bogaty język ojczysty kraju. Problem nie leży w braku oprogramowania stworzonego lokalnie dla języka islandzkiego, ale w wprowadzeniu języka islandzkiego do oprogramowania i aplikacji nieislandzkich, z których Islandczycy korzystają każdego dnia - takich jak media społecznościowe, wiadomości lub strony e-commerce. Aby pomóc to zmienić, zespół firm technologii językowych i wolontariuszy szkolił GPT-4 w zakresie języka islandzkiego, gramatyki i wiedzy kulturowej - wszystko po to, aby pomóc językowi islandzkiemu przetrwać w erze cyfrowej. OpenAI ma nadzieję, że ta współpraca utoruje drogę GPT-4 do pomocy w zachowaniu innych języków na całym świecie.

Przekształcanie modeli biznesowych

Czy mój obecny model biznesowy jest nadal aktualny? Czy zapewni prawdziwą wartość w dobie rozwiązań GenAI? To kluczowe pytania, które powinien sobie zadać każdy lider biznesowy. Dwa konkretne sposoby, w jakie organizacje wykorzystują GenAI, aby zadowolić swoich klientów, to model subskrypcji lub freemium. Model subskrypcji polega na przejściu z tradycyjnego modelu biznesowego, w którym klient kupuje produkt lub usługę wtedy, gdy jej potrzebuje, na taki, w którym rejestruje się, aby otrzymywać ten produkt lub usługę regularnie. Klient korzysta z wygodnych automatycznych odnowień i buduje głębszą więź z marką. Tymczasem firma generuje przewidywalne przychody i cieszy się wszystkimi korzyściami płynącymi z posiadania zaangażowanych, lojalnych klientów. Coraz częściej te modele subskrypcji można ulepszyć za pomocą GenAI. Pomyśl o aplikacji fitness, która oferuje spersonalizowane plany treningowe i żywieniowe generowane przez AI (FitnessAI jest jednym z przykładów). Lub o usłudze subskrypcji mody, takiej jak Stitch Fix, która dostarcza ubrania wybrane osobiście dla Ciebie. Stitch Fix używa GenAI do generowania milionów nowych kombinacji strojów dziennie za pośrednictwem swojego modelu tworzenia strojów (OCM). OCM, który został przeszkolony na milionach strojów stworzonych przez stylistów, wybiera z przedmiotów w czasie rzeczywistym w magazynie Stitch Fix, a także z poprzednich zakupów klientów, aby skompilować spersonalizowane sugestie strojów.5 Dzięki modelowi biznesowemu freemium Twoja firma oferuje kombinację bezpłatnych i premium usług lub produktów. Podstawowe funkcje są udostępniane bezpłatnie (dzięki czemu możesz przyciągnąć większą bazę użytkowników i wzbudzić zainteresowanie swoją ofertą), a następnie są zaawansowane lub premium funkcje, które są dostępne za pośrednictwem subskrypcji lub jednorazowej płatności. Firmy takie jak Zoom działają w tym modelu. Co to ma wspólnego z GenAI, pytasz? Cóż, GenAI może pomóc Ci zapewnić swoim klientom funkcje premium. Dobrym przykładem jest platforma projektowania graficznego Canva, która wykorzystuje AI do tworzenia szablonów projektowych, które są dopracowywane dla poszczególnych użytkowników. Platforma ma również ofertę GenAI, która pozwala użytkownikom generować obrazy i sztukę z prostego monitu tekstowego. Nawet ChatGPT technicznie działa na modelu freemium, ponieważ sam chatbot jest dostępny bezpłatnie do użytku publicznego, ale OpenAI, firma stojąca za ChatGPT, oferuje usługę o nazwie "ChatGPT Plus" - opcjonalną subskrypcję, która daje użytkownikom dostęp do zaawansowanego modelu językowego GPT-4, na którym opiera się ChatGPT.

Innowacyjne produkty i usługi

Widzę już wiele ekscytujących przykładów firm, które wymyślają zupełnie nowe rodzaje produktów i usług wykorzystujących GenAI lub przemyślają swoją istniejącą ofertę zgodnie z GenAI. W części 2 omówimy wiele przykładów, ale przyjrzyjmy się kilku moim ulubionym.

Tworzenie nowych produktów i usług z osadzonym GenAI

Jeden fascynujący (choć trochę niepokojący) przykład pochodzi od DreamGF, który używa GenAI do tworzenia wirtualnych dziewczyn. Tak, przeczytałeś to poprawnie: DreamGF to platforma, na której możesz stworzyć kobietę swoich marzeń, w tym jej cechy fizyczne i osobowościowe. Dziwne, tak, ale ma to dziwny sens, gdy pomyślisz, że doświadczeni influencerzy już odkrywają, że stworzenie wirtualnego awatara do rozmowy z fanami w ich imieniu może być lukratywnym zajęciem dodatkowym. Jeśli ludzie są skłonni zapłacić za czat z wirtualnym awatarem swojej ulubionej osobowości online, dlaczego nie mieliby zapłacić za swoją własną, wyjątkowo dopasowaną wirtualną dziewczynę? Wśród atrybutów fizycznych, które mogą wybrać użytkownicy DreamGF, są długość włosów, pochodzenie etniczne, wiek i rozmiar piersi. A jeśli chodzi o jej osobowość, użytkownicy mogą wybrać spośród (znacznie mniejszej) liczby deskryptorów, takich jak "nimfomanka", "dominatrix" lub "pielęgniarka". Po utworzeniu dziewczyny jej "chłopak" może czatować z nią za pomocą wiadomości tekstowych, a nawet prosić ją o wysyłanie nagich zdjęć. Można również otrzymywać od niej wiadomości głosowe. Choć stylizowane i reklamowane jako doświadczenie "randkowe", jest dość oczywiste, że główne zastosowanie jest skierowane na rozrywkę dla dorosłych - coś, co CEO DreamGF, Georgi Dimitrov, i wiceprezes ds. rozwoju biznesu, Jeff Dillon, chętnie przyznali, gdy z nimi rozmawiałem.6 Powiedzieli mi również, że w najbliższej przyszłości skupią się na digitalizacji modeli z życia realnego, aby tworzyć hybrydowe dziewczyny - osoby, które istnieją w prawdziwym życiu, a także generowane przez sztuczną inteligencję awatary na ekranie. Wideo to kolejny obszar, w który chcą się zagłębić, umożliwiając czaty wideo w czasie rzeczywistym z dziewczynami AI. A patrząc jeszcze dalej w przyszłość, istnieje możliwość eksportowania wyglądu, osobowości i historii czatów wirtualnej dziewczyny do realistycznie wyglądającego robota. Według Dillona i Dimitrova to daleka przyszłość, ale w bliższej przyszłości wersja DreamBF jest w przygotowaniu dla tych, którzy chcą stworzyć wymarzonego chłopaka AI. Jestem pewien, że nie jestem jedyną, którą przeraża ten pomysł - nie w ostatniej kolejności z powodu niebezpieczeństwa stawiania zupełnie nieosiągalnych oczekiwań co do tego, jak wygląda prawdziwy związek z kimś. (I tego, co może to zrobić z istniejącymi związkami; sondaż YouGov wykazał, że 58% ludzi byłoby złych, gdyby ich partner wymieniał seks-wiadomości z AI, podczas gdy 28% było zaskoczonych tym pytaniem. Tylko 14% było albo niewzruszonych, albo podekscytowanych tym pomysłem.7) Ponadto istnieje niebezpieczeństwo, że wrażliwe osoby pomyślą, że rozwijają prawdziwy związek z AI. Ale jako przykład tego, jak firma tworzy nowe produkty i usługi z GenAI, jest to z pewnością interesujące. Podobną ofertę oferuje Bloom, dostawca erotycznych treści audio, który niedawno ogłosił uruchomienie chatbotów "odgrywających role" z obsługą AI, które zapewniają w pełni konfigurowalne wrażenia dla użytkowników za pośrednictwem wiadomości tekstowych i notatek głosowych. Inny dziwny i wspaniały przykład pochodzi od japońskiej firmy EmbodyMe i jej narzędzia Xpression Chat. Narzędzie zbudowane na ChatGPT i bibliotece 50 głosów pozwala ludziom prowadzić "rozmowy" ze zdjęciami kogokolwiek. I mam na myśli kogokolwiek - Brada Pitta, twoją ukochaną zmarłą babcię, zupełnie obcą osobę na zdjęciu, a nawet twojego psa. Aby uzyskać bardziej, ośmielę się powiedzieć, praktyczny przykład, zwróćmy się do duńskiego start-upu Be My Eyes, który łączy osoby niewidome lub niedowidzące z wolontariuszami, którzy mogą pomóc im w codziennych zadaniach, takich jak identyfikacja produktu na półce sklepowej. Teraz Be My Eyes współpracuje z OpenAI w celu stworzenia Virtual Volunteer zasilanego przez GPT-4, narzędzia do czatu i rozpoznawania obrazu na tekst, które może generować taki sam poziom kontekstu i zrozumienia jak ludzki wolontariusz.8 Połączenie rozpoznawania obrazu i potężnych możliwości językowych GPT-4 jest szczególnie przydatne, ponieważ użytkownicy nie tylko będą mogli uzyskać pomoc w identyfikacji produktu lub przedmiotu - będą mogli również porozmawiać na jego temat. Jak wyjaśnia OpenAI, różnica polega na tym, że podstawowe narzędzie do rozpoznawania obrazu rozpoznaje, że obiekt na ziemi to piłka, a narzędzie, które informuje użytkownika, że nie tylko jest to piłka, ale że może stanowić zagrożenie potknięcia się, więc należy zachować ostrożność. I wreszcie, jest usługa AI headshot oferowana przez Aragon AI, która może przekształcić zwykłe zdjęcie w profesjonalne zdjęcie za pomocą GenAI. Wystarczy przesłać kilka ulubionych zdjęć siebie, a następnie narzędzie tworzy różnorodne obrazy, prezentujące różne pozy, fryzury, opcje ubioru i tła. Co pokazuje, jak GenAI może przekształcić wszelkiego rodzaju zawody, w tym fotografię.

Wprowadzanie GenAI do istniejących produktów i usług

Microsoft jest głównym inwestorem w OpenAI i zintegrował już ChatGPT ze swoją wyszukiwarką Bing. Ale plany Microsoftu na tym się nie kończą. W rzeczywistości firma zamierza wprowadzić GenAI do, cóż, wszystkich swoich produktów i usług.9 W istocie będzie to polegać na użyciu ChatGPT do "ożywienia" niektórych z jej najbardziej znanych i szeroko stosowanych aplikacji. Wyobraź sobie na przykład, że po prostu mówisz Wordowi, że chcesz, aby napisał list. Teoretycznie będziemy mogli rozmawiać z narzędziami zamiast klikać myszką lub stukać w ekran. Funkcje ChatGPT są już włączone w Microsoft Teams, a użytkownicy wersji premium mają dostęp do takich funkcji, jak automatyczne funkcje robienia notatek, które tworzą odniesienia do wypunktowanych bieżących konwersacji. Może również tworzyć transkrypcje spotkań, dostarczać podsumowania rozmów, tworzyć listy rzeczy do zrobienia na podstawie konwersacji i tłumaczyć języki w czasie rzeczywistym. W innym przykładzie Amazon ogłosił we wrześniu 2023 r., że zintegruje możliwości GenAI z Alexą, umożliwiając klientom korzystanie z większej liczby konwersacyjnych doświadczeń.10 Amazon twierdzi, że ten ruch nada Alexie większą osobowość. A dla użytkowników biznesowych Amazon Web Services, Amazon inwestuje 4 miliardy dolarów w partnerstwo ze specjalistami od AI Anthropic w celu tworzenia nowych modeli GenAI.11 Modele te będą ostatecznie dostępne dla użytkowników Amazon Web Services (AWS), aby pomóc im w tworzeniu własnych aplikacji opartych na GenAI. Innymi słowy, pomaganie klientom w wykorzystywaniu narzędzi GenAI może być lukratywnym sposobem na przyszłość dla wielu firm świadczących usługi. YouTube ogłosił również nową funkcję GenAI, która pomoże twórcom treści i osobom wpływającym na innych tworzyć filmy na YouTube Shorts.12 Nowa funkcja Dream Screen pozwoli użytkownikom generować tło wideo lub obrazu, po prostu wpisując to, czego chcą.

Oferowanie wysoce spersonalizowanych produktów i usług.

Marki również wykorzystują GenAI do tworzenia wysoce spersonalizowanych produktów i usług, od spersonalizowanej pielęgnacji skóry po zindywidualizowane plany nauki. Spersonalizowana platforma do pielęgnacji włosów Prose wykorzystuje teraz sztuczną inteligencję, aby rozszerzyć swoją działalność na pielęgnację skóry - oferując spersonalizowane formuły do pielęgnacji skóry, obsługiwane przez GenAI. Prose twierdzi, że oferuje ponad 15 milionów możliwych kombinacji formuł ukierunkowanych na wiele problemów skórnych jednocześnie, przy czym formuły są oparte na takich czynnikach, jak rodzaj skóry klienta, dieta, poziom stresu, a nawet zanieczyszczenie

Udoskonalanie procesów biznesowych

Według statystyk Accenture, 98% dyrektorów uważa, że GenAI będzie niezbędne dla ich działalności w przyszłości.14 Sama firma Accenture planuje podwoić liczbę swoich specjalistów ds. AI i danych z 40 000 do 80 000, inwestując 3 miliardy dolarów w swoje możliwości AI. Accenture jest firmą konsultingową w zakresie technologii, więc logiczne jest, że są oni wczesnymi użytkownikami GenAI. Ale jak zobaczymy w tej sekcji, wiele organizacji (i nie tylko firm technologicznych) już włącza GenAI do swoich codziennych procesów. Zobaczmy, jak organizacje optymalizują operacje za pomocą GenAI.

Oszczędność czasu pracowników w Walmart

Nie wiesz, jak wykorzystać GenAI w swoich operacjach biznesowych? Dlaczego nie pozwolić pracownikom powiedzieć Ci, gdzie mogliby najlepiej wykorzystać GenAI? Takie podejście przyjmuje Walmart, udostępniając swoje narzędzie GenAI, My Assistant, pracownikom pracującym w obiektach korporacyjnych. Nadzieją jest, że GenAI pomoże zmniejszyć obciążenie "monotonnymi, powtarzalnymi zadaniami", dając pracownikom więcej czasu na skupienie się na doświadczeniu klienta. Oczekuje się, że pracownicy znajdą własne praktyczne sposoby korzystania z narzędzia w swojej codziennej pracy. Tak więc zasadniczo Walmart pozyskuje pomysły na zastosowania GenAI od swoich rozległych pracowników, co jest genialnym sposobem na pobudzanie kreatywności i angażowanie ludzi w nowe technologie.

GenAI w Meta i Amazon

Spółka macierzysta Facebooka, Meta, używa GenAI do usprawnienia szeregu procesów. Jednym z nich są reklamy na Facebooku, tworzące narzędzia, które pozwalają firmom automatycznie tworzyć wiele wersji tej samej reklamy, zawierające różne teksty i obrazy skierowane do różnych odbiorców.Firma opracowała również własną technologię generowania obrazów zwaną "Instance-Conditioned Generative Adversarial Networks" (IC-GAN), która może być używana do tworzenia obrazów, które są bardziej zróżnicowane niż obrazy zawarte w ich zestawach danych treningowych. Oznacza to, że będzie w stanie utworzyć bogatszy zestaw syntetycznych danych treningowych (do trenowania algorytmów uczenia maszynowego), ale przy użyciu mniejszego zestawu danych ze świata rzeczywistego. Amazon to kolejna firma wykorzystująca GenAI do tworzenia syntetycznych danych do trenowania algorytmów uczenia maszynowego - w szczególności trenowania systemu Amazon One w celu rozpoznawania skanów dłoni klientów. Amazon One to bezdotykowy system, który umożliwia klientom używanie dłoni (zamiast telefonu lub karty) do wielu codziennych czynności, takich jak płacenie za przedmiot, okazywanie karty lojalnościowej lub przesuwanie karty w pracy. Oczywiste jest, że taki system musi być superdokładny, a aby być bardzo dokładnym, potrzeba mnóstwa danych. Jednak dostęp do ogromnej ilości danych o dłoniach nie jest łatwym zadaniem. Dlatego Amazon wykorzystał GenAI do wytworzenia milionów syntetycznych obrazów dłoni, aby wytrenować swój model AI i zwiększyć dokładność Amazon One (podobno do 99,9999%17). AI została użyta do wygenerowania dłoni odzwierciedlających wszelkiego rodzaju subtelne zmiany, takie jak oświetlenie, pozycje dłoni, a nawet obecność plastra.

GenAI w HR

Działy HR mogą teraz wykorzystywać narzędzia AI, takie jak ChatGPT, aby usprawnić swoje procesy i zapewnić lepszą obsługę pracownikom. Na przykład ChatGPT (i inne podobne modele językowe) można wykorzystać w rekrutacji do automatyzacji powtarzających się zadań w procesie rekrutacji, takich jak przesiewanie CV i planowanie rozmów kwalifikacyjnych, dzięki czemu specjaliści ds. HR mogą skupić się na bardziej strategicznych zadaniach. A gdy nowi pracownicy są wdrażani, ChatGPT może zapewnić im wsparcie i wskazówki w czasie rzeczywistym, odpowiadając na typowe pytania dotyczące polityki firmy i tym podobne. W rzeczywistości chatboty HR mogą zapewnić wartość całej sile roboczej, nie tylko nowym pracownikom, odpowiadając na proste pytania dotyczące polityki firmy, dodatku urlopowego itp. Narzędzie takie jak ChatGPT może również usprawnić procesy szkoleniowe, zapewniając pracownikom natychmiastowy dostęp do materiałów szkoleniowych, pomagając w podsumowaniu materiałów i odpowiadając na pytania dotyczące warsztatów. Może nawet tworzyć spersonalizowane plany szkoleniowe dla pracowników w oparciu o ich konkretne potrzeby. Oczywiście ChatGPT może zautomatyzować szereg zadań administracyjnych HR, takich jak wysyłanie przypomnień pracownikom, tworzenie standardowych wiadomości e-mail i wiele innych.

Usprawnienie tworzenia treści na potrzeby reklamy i marketingu

Cała masa firm już wykorzystuje GenAI do automatyzacji tworzenia treści - od pisania artykułów, kampanii e-mailowych i postów w mediach społecznościowych po tworzenie muzyki i filmów. Na przykład narzędzia do pisania GenAI, takie jak ChatGPT, Copy.ai i Jasper, mogą generować wysokiej jakości teksty do celów marketingowych. Tymczasem narzędzia do generowania obrazów, takie jak Midjourney i Dall-E 2, mogą tworzyć hiperrealistyczne, atrakcyjne treści wizualne na potrzeby kampanii. Potencjał usprawnienia tworzenia dowolnego rodzaju treści jest ogromny, od burzy mózgów po tworzenie samej treści. I nie zapominaj, że treści generowane przez AI można łatwo personalizować. Jak widzieliśmy , Coca-Cola jest jedną z firm, która już wykorzystuje GenAI do tworzenia treści. Firma współpracuje również z OpenAI, aby używać platform ChatGPT i DALLE do tworzenia spersonalizowanych tekstów reklamowych i obrazów. Możliwość tworzenia treści przez GenAI jest również cenna w kontekstach niesocjalnych, takich jak robienie notatek ze spotkań lub dostarczanie pomocnych podsumowań długich dokumentów.

GenAI w obsłudze klienta

Innym oczywistym zastosowaniem narzędzi takich jak ChatGPT - i rzeczywiście czymś, do czego jesteśmy już dobrze przyzwyczajeni - są chatboty obsługi klienta. Jeśli kiedykolwiek miałeś frustrującą interakcję z niezbyt pomocnym chatbotem, nie trać nadziei, ponieważ dzięki narzędziom takim jak ChatGPT organizacje mogą tworzyć chatboty, które lepiej rozumieją zapytania klientów i odpowiadają z dużo większą dokładnością i niuansami. Mogą również sprawnie obsługiwać dużą liczbę zapytań i z czasem udzielać bardziej spersonalizowanych odpowiedzi. Brytyjski dostawca energii, Octopus Energy, wbudował ChatGPT do swoich kanałów obsługi klienta i twierdzi, że obecnie odpowiada za obsługę 44% zapytań klientów. Bot podobno wykonuje pracę 250 osób i otrzymuje wyższe oceny satysfakcji klienta niż ludzcy agenci obsługi klienta.

Generative AI w życiu codziennym

Przyjrzyjmy się teraz zabawnym (i czasami zaskakującym) sposobom, w jakie GenAI pojawi się w naszym codziennym życiu - od wymyślania pomysłów na kolację po wyszukiwanie informacji i nie tylko.

Wyszukiwanie w Internecie nowej generacji

Większość z nas przeszukuje Internet wiele razy dziennie. Ale teraz firmy zajmujące się wyszukiwaniem w Internecie integrują GenAI z możliwościami wyszukiwania. Microsoft Bing jako pierwszy zintegrował ChatGPT z możliwościami wyszukiwania. Google wprowadza również nowe środowisko wyszukiwania GenAI (SGE), aby pomóc użytkownikom lepiej zrozumieć informacje w sieci. Użytkownicy będą mogli zobaczyć definicje, najeżdżając kursorem na określone słowa. Funkcja "SGE podczas przeglądania" została zaprojektowana, aby pomóc użytkownikom w przyswajaniu długich lub złożonych stron internetowych poprzez generowanie listy kluczowych punktów (z linkami, które przenoszą do odpowiedniej sekcji na stronie). Baidu, chiński odpowiednik Google, również sprawia, że wyszukiwanie jest bardziej inteligentne. Ernie to odpowiedź Baidu na ChatGPT, ale z pewnymi różnicami. Po pierwsze, oprócz trenowania na niestrukturyzowanym tekście z Internetu, ma również dostęp do "wykresu wiedzy". Jest to strukturalna baza danych podstawowych punktów informacyjnych (w tym danych naukowych, demograficznych, geograficznych i ekonomicznych). Duża, starannie wyselekcjonowana baza danych faktycznych informacji, taka jak ta, może pomóc ograniczyć tendencję dużych modeli językowych do "halucynacji" - terminem określającym sytuację, gdy modele AI po prostu zmyślają! Halucynacje AI zdarzają się, ponieważ LLM tak naprawdę nic nie "wiedzą"; po prostu konstruują odpowiedzi probabilistyczne na podstawie tekstu w swoich danych treningowych, które mogą być lub nie być faktyczne. Donoszono również, że Baidu używa GenAI do dopasowywania zapytań wyszukiwania użytkowników do płatnych reklam i sponsorowanych wyników wyszukiwania20 - co oznacza, że reklamodawcy otrzymają lepsze targetowanie, a użytkownicy będą otrzymywać bardziej trafne reklamy niż proste modele oparte na słowach kluczowych. Naprawdę, patrzymy na następną generację wyszukiwania w Internecie. Nie będziemy już musieli przewijać dziesiątek wyników wyszukiwania ani przeszukiwać długich stron internetowych, aby znaleźć odpowiedzi - AI przedstawią nam odpowiedzi. To sprawia, że zastanawiasz się, czy wyszukiwarki w ogóle będą czymś w przyszłości. Zwłaszcza biorąc pod uwagę postępy, takie jak nowy bot Snapchata…

Twój nowy znajomy na Snapchacie (i w mediach społecznościowych)

Snapchat wprowadził cichą, małą zmianę, która oznaczała, że każdy użytkownik Snapchata nagle miał nowego znajomego na szczycie swojej listy znajomych - chatbota AI zbudowanego na ChatGPT. Użytkownicy Snapchata mogli nadać swojemu nowemu znajomemu AI imię i zdjęcie profilowe, a następnie zacząć z nim czatować, 24 godziny na dobę. Możesz zapytać bota My AI Snapchata o wszystko. Możesz z nim prowadzić głębokie i znaczące rozmowy, jeśli sobie tego życzysz. I - co prawdopodobnie już odkryły Twoje dzieci - możesz poprosić go o zrobienie za Ciebie pracy domowej. Biorąc pod uwagę, że wielu użytkowników Snapchata to młodzi ludzie, mam pewne obawy co do chatbota - nie w ostatniej kolejności o zdolność młodych ludzi do rozwijania przywiązania do SI (lub preferowania rozmów z SI niż z ludźmi). Istnieje również możliwość otrzymania nieprawidłowych, stronniczych lub szkodliwych informacji - co Snap, firma stojąca za Snapchatem, sama przyznaje. Biorąc pod uwagę, że wiele osób dorasta, uzyskując dostęp do informacji za pośrednictwem takich chatbotów AI, łatwo zrozumieć, jak wyszukiwanie w Internecie, jakie znamy, może zaniknąć. Po co nastolatek miałby szukać w Internecie i spędzać czas na przeszukiwaniu dziesiątek wyników, skoro może po prostu zapytać swojego "przyjaciela" ze Snapchata i otrzymać odpowiedź? Czy ta odpowiedź jest poprawna, czy nie, to inna sprawa, ale jestem pewien, że widzisz w tym atrakcyjność. Ten rozwój z pewnością nie ogranicza się do Snapchata. W Chinach Tencent, twórca superaplikacji WeChat, również podobno planuje osadzić chatbota w aplikacji. Meta również planuje opracować chatbota, z którym młodsi użytkownicy mogliby wchodzić w interakcje, z dziesiątkami person do wyboru, w tym "bezczelnym robotem".Ruch ten, określany jako "GenAI Personas", ma na celu lepsze angażowanie młodszych użytkowników Facebooka i Instagrama. Meta pracuje również nad narzędziem do tworzenia chatbotów, które umożliwiłoby celebrytom tworzenie własnych chatbotów, z którymi fani mogliby wchodzić w interakcje. Oczywiście, ponieważ firmy takie jak Google i Amazon pracują nad włączeniem GenAI do wirtualnych asystentów, coraz więcej z nas będzie codziennie wchodzić w interakcję z GenAI, niezależnie od tego, czy zdajemy sobie z tego sprawę, czy nie.

"Co na obiad?"

Ach, to przerażające pytanie, którego obawia się każdy rodzic, gdy wraca do domu późno po pracowitym dniu. Dlaczego nie pozwolić GenAI odpowiedzieć na to pytanie za Ciebie? Możesz poprosić modele językowe, takie jak ChatGPT, o zasugerowanie pomysłów na posiłki, a nawet stworzenie dla Ciebie szczegółowych przepisów, w oparciu o składniki, które masz pod ręką, i Twoje wymagania dietetyczne. Chcesz posiłku, który wykorzystuje łososia, mleko kokosowe i szybko więdnącą cebulkę dymkę w Twojej lodówce? Nie ma problemu. Chcesz, aby był bezglutenowy i nie zawierał czosnku? To też w porządku. ChatGPT może nawet stworzyć plan posiłków na cały tydzień kolacji. Wystarczy zapytać. W rzeczywistości dostępnych jest teraz kilka narzędzi specjalnie zaprojektowanych do tworzenia przepisów. Jednym z przykładów jest ChefGPT, który oferuje sugestie przepisów w pięciu różnych ustawieniach: Pantrychef, Masterchef, Macrochef, Mealplanchef i Pairperfect. Inne przykłady generatorów przepisów to FoodAI, Supercook (generator przepisów zero waste) i Plant Jammer (przepisy na dania roślinne).

Planowanie podróży i tras

Dzięki narzędziom GenAI, takim jak Tripnotes, planowanie następnych wakacji lub podróży będzie łatwiejsze niż kiedykolwiek, ponieważ narzędzie to wyszukuje miejsca i przedstawia sugestie na podstawie celów podróży. Możesz też poprosić ChatGPT o utworzenie tras podróży lub zasugerowanie wędrówek o określonym stopniu trudności w promieniu, powiedzmy, 20 mil od Twojego domu. Co ponownie pokazuje, że w erze GenAI drastycznie zmieni się sposób, w jaki uzyskujemy dostęp do codziennych informacji. Będzie to trochę jak posiadanie osobistego asystenta badawczego dostępnego 24 godziny na dobę, 7 dni w tygodniu. I właśnie gdy kończyłem ten rozdział, OpenAI ogłosiło nową wersję ChatGPT, która potrafi widzieć, rozumieć mowę i odpowiadać za pomocą syntetycznego głosu - otwierając nam jeszcze więcej sposobów na interakcję z GenAI. Tak więc, gdy będziesz na następnych wakacjach lub wycieczce pieszej, będziesz mógł zrobić zdjęcie punktu orientacyjnego i zapytać ChatGPT, ustnie, na co patrzysz, a on będzie mógł odpowiedzieć ustnie. Tak więc, w pewnym momencie w przyszłości (być może nawet w czasie, gdy będziesz czytać tę książkę), będziesz mógł rozmawiać z ChatGPT w bardziej naturalny sposób.

Najważniejsze wnioski

Poruszyliśmy wiele kwestii. Podsumowując:

•  GenAI będzie miało wpływ na wszystkie sektory biznesu, a nawet na aspekty całego społeczeństwa.
•  Dla firm GenAI może prowadzić do ekscytujących nowych możliwości produktów i usług, ulepszać istniejące produkty i usługi oraz zapewniać ogromne możliwości personalizacji oferty. Może być również wykorzystywane do usprawniania i ulepszania procesów wewnętrznych, a nawet tworzenia nowych modeli biznesowych.
•  Możemy również oczekiwać, że GenAI będzie miało wpływ na codzienne czynności, od wyszukiwania informacji, po gotowanie i podróże - a nawet, dla tych, którzy chcą nawiązać osobisty kontakt z chatbotem, randki. Nie ma wątpliwości, że GenAI przynosi wiele interesujących możliwości. Istnieje jednak również wiele wyzwań i ryzyk związanych z tą szybko rozwijającą się technologią.



Generatywna AI w praktyce (2)


ŚLEDZENIE EWOLUCYJNEGO PLANU GENERATYWNEJ AI

Osiągnęliśmy punkt, w którym AI nie jest już tylko wykonawcą zadań lub narzędziem do podejmowania decyzji, ale także wynalazcą. To wiek, w którym AI może być kreatywnym towarzyszem, zdolnym do wytwarzania oryginalnych wyników, które mogą nas inspirować, pomagać, a nawet zadziwiać. Ale aby poruszać się w przyszłości GenAI, musimy zrozumieć jego przeszłość. Jak dotarliśmy do tego punktu? Jak daleko sięgają korzenie GenAI? (Możesz być zaskoczony, odkrywając, jak daleko.) I w jaki sposób ewolucja GenAI jest nierozerwalnie związana z innymi szybko rozwijającymi się technologiami? Chodź ze mną, gdy zabiorę Cię w podróż przez historię GenAI i odkryję kluczowe kamienie milowe, które doprowadziły nas do tego punktu.

Lata 50.-90. XX wieku: Wczesne lata AI

Naukowcy i badacze po raz pierwszy wprowadzili koncepcję AI i uczenia maszynowego w latach 50. XX wieku, co pokazuje, że ludzie od dawna fascynują się koncepcją inteligentnych maszyn.

Obietnica AI zapuszcza korzenie

Brytyjski matematyk, logik i informatyk Alan Turing opracował "Test Turinga" w 1950 roku - metodę określania, czy komputer może wykazać się inteligencją podobną do ludzkiej. Test przebiega w następujący sposób: ludzki oceniający angażuje się w dialog w języku naturalnym z niewidzialnym partnerem - którym może być człowiek lub komputer - i jeśli oceniający nie może wiarygodnie odróżnić maszyny od człowieka, mówi się, że maszyna zdała test. Test Turinga nie zostałby zdany przez dziesięciolecia, podobno przez AI w 2014 roku (chociaż eksperci debatują, czy ta konkretna AI rzeczywiście zdała test). Ale dzięki niezwykle zaawansowanym narzędziom dostępnym dzisiaj - takim jak ChatGPT - myślę, że możemy śmiało powiedzieć, że w końcu przeszliśmy test. Następnie w 1956 r. konferencja Dartmouth zgromadziła około 100 błyskotliwych umysłów, aby promować ideę, że maszyny mogą naśladować ludzką inteligencję. Wydarzenie to ustanowiło AI jako odrębną dyscyplinę akademicką samą w sobie. Opierając się na tym, w latach 60. i 70. XX wieku opracowano wczesne programy AI ELIZA i SHRDLU. Oba były przykładami przetwarzania języka naturalnego - w istocie ELIZA może być uważana za pierwszego na świecie prymitywnego chatbota - ale żaden z nich nie był wystarczająco wyrafinowany, aby przejść test Turinga.

Rozwój systemów eksperckich

Następnie lata 70. i 80. XX wieku przyniosły wzrost mocy obliczeniowej i dostępność komputerów osobistych, demokratyzując w ten sposób dostęp do technologii i przygotowując grunt pod szeroko zakrojone badania i rozwój w dziedzinie AI. Modele AI opracowane w latach 70. i 80. XX wieku korzystały z ludzkiej wiedzy eksperckiej, aby podejmować decyzje w określonych obszarach, takich jak diagnostyka medyczna lub ocena zdolności kredytowej. Jednak aby te systemy eksperckie działały, musiały zostać zakodowane wszystkimi odpowiedziami (np. wszystkimi objawami związanymi z chorobą), zamiast uczyć się na własnych błędach. Innymi słowy, AI miała jeszcze długą drogę do przebycia. Nic więc dziwnego, że w wyniku niespełnionych oczekiwań i ograniczeń technicznych finansowanie i zainteresowanie badaniami nad AI czasami spadało w ciągu tych dekad - najbardziej zauważalnie w połowie lat 70. i ponownie pod koniec lat 80. Okresy te są znane jako "zimy AI".

Rewolucja internetowa

Następnie w latach 90. XX wieku byliśmy świadkami pojawienia się World Wide Web (WWW). Oprócz zapoczątkowania nowej ery łączności (i memów o kotach) Internet odegrał kluczową rolę w ewolucji AI. Dlaczego? Ponieważ internet stworzył wykładniczo rosnący zbiór danych, który stał się żyznym gruntem do trenowania modeli uczenia maszynowego. To napędzało postęp w eksploracji danych i analityce predykcyjnej w latach 90. - algorytmy były programowane do analizowania dużych zestawów danych, identyfikowania wzorców i formułowania przewidywań. To położyło podwaliny pod przyszłe rewolucje w dziedzinie sztucznej inteligencji, umożliwiając maszynom uczenie się z danych bez konieczności uczenia się absolutnie wszystkiego przez człowieka.

Lata 2000-2010: Kładzenie fundamentów pod generatywną sztuczną inteligencję

Do tej pory badaliśmy wydarzenia, które pozwoliły rozkwitnąć sztucznej inteligencji jako dyscyplinie. Teraz przechodzimy do wydarzeń, które utorowały drogę dla zaawansowanych systemów GenAI, które widzimy dzisiaj.

Big data staje się …duże

W latach 2000., gdy coraz więcej naszych codziennych czynności przeniosło się do sieci, eksplozja big data zapewniła ogromny impuls dla ewolucji AI. Jak wiemy, więcej danych oznacza więcej informacji do szkolenia i dostrajania algorytmów AI, co z kolei umożliwiło algorytmom analizowanie złożonych wzorców i oferowanie dokładniejszych prognoz i spostrzeżeń. Pozwoliło to uczeniu maszynowemu znaleźć bardziej praktyczne zastosowania w szerokiej gamie dziedzin, w tym w opiece zdrowotnej, finansach i handlu elektronicznym (pomyśl o spersonalizowanych rekomendacjach Amazon i tym podobnych).

Głębokie uczenie się oznacza punkt zwrotny

Ta eksplozja danych umożliwiła również rozwój głębokiego uczenia się w latach 2010. Głębokie uczenie się jest podzbiorem uczenia maszynowego, który umożliwia komputerom uczenie się z dużej ilości nieoznaczonych danych. Tak więc zamiast, aby człowiek mówił komputerowi wszystko, czego potrzebuje się nauczyć, stworzenie głębokich sieci neuronowych - które naśladują sposób działania ludzkiego mózgu (patrz rozdział 1) - pozwoliło maszynom interpretować i analizować złożone wzorce w dużych zestawach danych, bez konieczności informowania ich, czego szukać. Oznaczało to, że maszyny mogły odkrywać spostrzeżenia, o których ludzie nawet nie wiedzieli, że ich szukają. Głębokie uczenie się przesunęło granice tego, co maszyny potrafią zrobić. W szczególności głębokie uczenie się doprowadziło do ogromnych postępów w dwóch obszarach inteligencji maszynowej: przetwarzaniu języka naturalnego (zdolności maszyn do rozumienia i generowania języka ludzkiego) oraz widzeniu maszynowym (technologii, która umożliwia komputerom "widzenie" i interpretowanie informacji wizualnych). Przetwarzanie języka naturalnego zrewolucjonizowało sposób, w jaki ludzie wchodzą w interakcje z technologią, umożliwiając postęp w chatbotach i asystentach wirtualnych, takich jak Siri, która została udostępniona masom w 2011 roku. Alexa firmy Amazon pojawiła się w 2014 roku, a Asystent Google w 2016 roku. Tymczasem widzenie maszynowe znalazło ogromne zastosowanie w rozpoznawaniu twarzy, pojazdach autonomicznych i nie tylko.

POŁOWA 201 - dziś: nadchodzi era generatywnej sztucznej inteligencji

Zarówno przetwarzanie języka naturalnego, jak i widzenie maszynowe będą filarami rozwoju GenAI od połowy 2010 do 2020 roku.

Sieci neuronowe w połowie lat 2010.

Twórcza moc GenAI pochodzi ze specyficznego typu sieci neuronowej zwanej "modelami generatywnymi". Jednym z przykładów modelu generatywnego są Generative Adversarial Networks (GAN), opracowane w połowie lat 2010. GAN umożliwiają tworzenie wysoce realistycznych danych syntetycznych poprzez trenowanie dwóch sieci neuronowych w tandemie. Otworzyło to wrota do przełomowych zastosowań w takich obszarach jak synteza obrazu, przesuwając tym samym granice tego, co AI może osiągnąć w zakresie tworzenia treści i analizy danych. W tym samym czasie inne formy modeli generacyjnych, takie jak autoenkodery wariacyjne i modele transformatorowe, również zaczęły zyskiwać na popularności. Możliwość generowania przez te modele oryginalnych treści była dużym krokiem naprzód. Na przykład WaveNet firmy Deepmind, opracowany w 2016 r., oznaczał znaczący postęp w modelach generatywnych dla dźwięku, generując realistycznie brzmiącą mowę ludzką - otwierając tym samym drzwi dla bardziej ludzkich asystentów AI. Progresywne sieci GAN opracowane przez firmę NVIDIA w 2017 r. były kamieniem milowym w tworzeniu fotorealistycznych obrazów o wysokiej rozdzielczości i niespotykanych dotąd szczegółach. Następnie mamy modele GPT opracowane przez OpenAI (GPT-1 w 2018 r., GPT-2 w 2019 r. i GPT-3 w 2020 r.). Te modele transformatorów - GPT oznacza Generative Pretrained Transformer - stanowiły ogromny krok naprzód w dziedzinie GenAI dla tekstu, demonstrując zdolność do rozumienia języka ludzkiego i tworzenia spójnych i, co najważniejsze, kontekstowo istotnych odpowiedzi. Najnowszy model GPT, GPT-4 wydany w 2023 r., ma jeszcze bardziej zaawansowane możliwości rozumowania i zapewnia jeszcze dokładniejsze odpowiedzi. Dzięki takim postępom GenAI zaczął zyskiwać poważne znaczenie - do tego stopnia, że w latach 20. XX wieku stał się powszechnie uznawany za narzędzie innowacji biznesowych. Stawanie się gadatliwym (i świadomym?) w latach 20. XXI wieku . ChatGPT, konwersacyjny chatbot zbudowany na modelu GPT, został wydany jako wczesna wersja demonstracyjna w listopadzie 2022 r. Szybko stał się popularny w mediach społecznościowych, gdy użytkownicy pokazali, co potrafi, i osiągnął milion użytkowników w ciągu pięciu dni. Ale ChatGPT nie jest jedynym przełomowym dużym modelem językowym. LaMDA (skrót od Language Model for Dialogue Applications) firmy Google, który został wprowadzony w 2021 r., może angażować się w swobodne rozmowy na praktycznie każdy temat, jaki przyjdzie Ci do głowy. W rzeczywistości zdolności konwersacyjne LaMDA są tak wyrafinowane, że inżynier Google Blake Lemoine publicznie stwierdził, że wierzy, że system jest świadomy.1 (Lemoine został zawieszony, a później zwolniony, a Google utrzymuje, że tworzenie świadomej SI jest sprzeczne z polityką firmy). Lemoine, który testował system pod kątem stronniczości, odbył kilka niesamowitych rozmów z SI, która opowiadała dowcipy o Jedi, a nawet ujawniła swój najgłębszy strach (wyłączenie). Warto sprawdzić transkrypcje rozmów Lemoine′a i LaMDA na stronie internetowej Washington Post. Lemoine może mieć rację lub nie, co do tego, czy SI Google jest naprawdę świadoma, ale sam fakt, że wierzy, że tak jest, pokazuje, jak daleko zaszła GenAI w ostatnich latach. Inne zaawansowane modele językowe poszły w ślady LaMDA i GPT, w tym Google PaLM w 2022 r. (Pathways Language Model, który różni się od LaMDA tym, że jest przeznaczony do zadań generowania języka na dużą skalę); AlexaTM (Teacher Models) firmy Amazon w 2022 r.; LLaMA (Large Language Model Meta AI) firmy Meta w 2023 r.; i PanGu-? firmy Huawei w marcu 2023 r. To wiele akronimów w jednym akapicie, ale mam nadzieję, że rozumiesz ideę: nowe narzędzia są wydawane cały czas. Również w 2023 r. Microsoft zintegrował technologię ChatGPT z usługą Bing, udostępniając tę funkcję wszystkim użytkownikom. A Google wydało własnego chatbota GenAI, Bard, który jest zasilany przez (być może świadomy?) model LaMDA i ma rywalizować z ChatGPT.

Wykraczanie poza język

W latach 20. XXI wieku pojawiły się również modele generowania obrazów, takie jak DALL-E firmy OpenAI w 2021 r. i Stable Diffusion w 2022 r. Systemy te są w stanie tworzyć unikalne fotorealistyczne obrazy z tekstu lub podpowiedzi graficznych. Zaczynamy teraz również obserwować pojawianie się modeli hybrydowych, które mogą generować więcej niż jeden typ wyników. ChatGPT jest doskonałym przykładem tego, ponieważ nie tylko może generować dowolny rodzaj tekstu, ale także generować kod komputerowy na podstawie podpowiedzi tekstowych. Co więcej, ma teraz możliwość zarówno "mówienia", jak i "widzenia", co rozszerza jego funkcjonalność i potencjalne zastosowania. Badania w tej dziedzinie są w toku, mają na celu łączenie różnych typów modeli i integrację informacji z wielu typów danych (takich jak tekst, obrazy i dźwięk). Innym obszarem niedawnego rozwoju są generatywne modele specyficzne dla domeny, które są modelami dostosowanymi do określonych branż i zastosowań, takich jak odkrywanie leków. Jeśli wydaje Ci się, że tempo drastycznie wzrosło w latach 20. XXI wieku, masz rację. Można powiedzieć, że jesteśmy w trakcie wyścigu zbrojeń AI, w którym firmy prześcigają się w dostarczaniu masom nowszych, lepszych rozwiązań GenAI. Biorąc pod uwagę szaleńcze tempo rozwoju, do czasu, gdy to czytasz, bez wątpienia nastąpi wiele innych zmian. Co ciekawe, ten szybki postęp w GenAI następuje równolegle z innymi obszarami technologii. I to prowadzi nas do…

Generative AI i jej związek z innymi postępami technologicznymi

GenAI nie istnieje w próżni. Oddziałuje z różnymi innymi technologiami, wpływa na nie i jest przez nie kształtowane. Wszystko to jest częścią obecnego cyklu hiperinnowacji, w którym mamy ogromną liczbę transformacyjnych technologii, które wzajemnie na siebie wpływają, oddziałują i przyspieszają.

Postęp w technologii obliczeniowej

Na przykład przetwarzanie w chmurze zwiększa możliwości GenAI, oferując skalowalne rozwiązania i demokratyzując dostęp do technologii AI. Ta możliwość łatwego dostępu do oprogramowania AI na żądanie, w chmurze, przyniosła ogromne korzyści firmom o różnych kształtach i rozmiarach. Wystarczy spojrzeć na mnogość rozwiązań FinTech, które pojawiły się na rynku w ostatnich latach, oferując klientom coraz bardziej inteligentne sposoby zarządzania pieniędzmi, inwestowania i nie tylko. Z drugiej strony przetwarzanie brzegowe - które zmniejsza ilość danych, które muszą być przesyłane przez sieć, przetwarzając dane bliżej ich źródła (zamiast w chmurze) - również odgrywa rolę, ponieważ może umożliwić przetwarzanie danych na urządzeniach lokalnych, zmniejszając w ten sposób wykorzystanie przepustowości. To z kolei może poprawić wydajność i efektywność narzędzi AI (przydatne na przykład w przypadku ogromnych modeli językowych). W związku z tym 5G, dzięki swojej szybkiej i nisko-opóźnieniowej komunikacji, wzmocniło potencjał GenAI, ułatwiając analizę w czasie rzeczywistym i przetwarzanie AI. Dobrym przykładem tego może być inteligentne miasto, w którym dane są pobierane ze wszystkich rodzajów systemów, w tym systemów ruchu drogowego, sieci transportu publicznego, danych o wywozie śmieci, danych z sieci energetycznych itd. i analizowane w czasie rzeczywistym w celu optymalizacji systemów publicznych. W odniesieniu do inteligentnych miast istnieje Internet rzeczy (IoT) - stale rozwijająca się sieć połączonych urządzeń, która obejmuje wszystko, od smartfonów i autonomicznych samochodów po czujniki na maszynach fabrycznych, a nawet inteligentne ekspresy do kawy. IoT zapewnia bogate źródło danych dla modeli GenAI. Tymczasem GenAI odwdzięcza się, zapewniając systemom IoT inteligentne przetwarzanie danych i automatyzację. Na przykład organizacja produkcyjna mogłaby użyć GenAI do analizy danych z maszyn fabrycznych, przewidywania potencjalnych awarii maszyn i tworzenia harmonogramu konserwacji predykcyjnej, który zapewnia płynną pracę maszyn i mniej przestojów. Komputery kwantowe to kolejna obiecująca dziedzina, która ma potencjał, aby znacznie przyspieszyć systemy GenAI. Ponieważ komputery kwantowe są co najmniej 100 milionów razy szybsze niż nawet najbardziej zaawansowane komputery klasyczne, mogą rozwiązywać problemy i wykonywać obliczenia, których rozwiązanie zajęłoby tradycyjnemu komputerowi tysiące lat. Może to zapewnić ogromną przewagę systemom GenAI, oferując bezprecedensowe możliwości rozwiązywania niezwykle złożonych problemów.

GenAI i metawersum

Okej, nie lubię terminu "metawersum", ale nie da się zaprzeczyć, że koncepcja immersyjnych przestrzeni cyfrowych, w których możemy pracować, bawić się, spotykać się towarzysko, robić zakupy, uczyć się itd., jest całkowicie transformacyjna. GenAI może automatyzować i ulepszać tworzenie treści w metawersum, pomagając tworzyć immersyjne doświadczenia w środowiskach rzeczywistości rozszerzonej i wirtualnej. Wyobraź sobie, że możesz wchodzić w interakcję z wirtualnym sprzedawcą lub agentem obsługi klienta w metawersum, w sposób o wiele bardziej osobisty niż przeciętny chatbot lub doświadczenie e-commerce. Albo wyobraź sobie grę w VR z unikalnymi postaciami i wyzwaniami tworzonymi w czasie rzeczywistym, tylko dla Ciebie. GenAI może obsługiwać takie funkcje w metawersum, tworząc spersonalizowane doświadczenia dla klientów, graczy i kogokolwiek. Tak jak większość firm ma dziś stronę internetową i obecność w mediach społecznościowych, w przyszłości, jak sądzę, większość będzie miała jakąś obecność w metawersum - taką jak wirtualny sklep, immersyjne doświadczenie marki, wirtualny kampus do odwiedzenia przez pracowników itd. A ponieważ rozwiązania GenAI potrafią tworzyć kod komputerowy, a także obrazy i tekst, przedsiębiorstwa będą mogły projektować wciągające, trójwymiarowe przestrzenie metaświata, po prostu informując GenAI o swoich potrzebach.

Tymczasem w świecie fizycznym…

GenAI ma potencjał demokratyzacji i personalizacji wielu rzeczy, w tym projektowania i produkcji - zwłaszcza w połączeniu z drukiem 3D. Jak zobaczymy , GenAI może optymalizować proces projektowania, a to obejmuje projekty, które można drukować w technologii 3D. Może to zrewolucjonizować procesy produkcyjne, otwierając zupełnie nowy świat spersonalizowanych, unikalnych produktów. GenAI wpływa również na robotykę, umożliwiając rozwój robotów, które mogą uczyć się i dostosowywać do nowych zadań dynamicznie, tworząc w ten sposób bardziej autonomiczne roboty. Roboty przyszłości będą coraz bardziej zdolne nie tylko do fajnych wyczynów fizycznych, ale także do naturalnych interakcji z ludźmi i podejmowania złożonych decyzji. Innymi słowy, GenAI sprawi, że roboty staną się inteligentne. A w świecie nauki o materiałach i nanotechnologii GenAI pomaga w odkrywaniu nowych materiałów i nanostruktur poprzez predykcyjną analizę ogromnych zestawów danych. Ułatwi to rozwój materiałów o nowych właściwościach, a także optymalizację procesów nanometrycznych w zastosowaniach takich jak ukierunkowane dostarczanie leków. GenAI obiecuje również wiele dla biologii syntetycznej i technologii genetycznej, działając jako katalizator w syntezie nowych systemów biologicznych (i udoskonalaniu istniejących). Wykorzystując ogromne zbiory danych pochodzące z sekwencji genomowych i badań biologicznych, modele GenAI mogą przewidywać potencjalne wyniki zmian genetycznych, tym samym znacznie przyspieszając tempo badań i innowacji w tej dziedzinie. Wierzę, że zapoczątkuje to nową erę medycyny spersonalizowanej, w której leczenie może być dostosowane do indywidualnego składu genetycznego. Gdzie indziej, w sektorze rolniczym, GenAI pomaga w opracowywaniu organizmów genetycznie modyfikowanych (GMO) zaprojektowanych w celu zwiększenia plonów, wartości odżywczej i odporności na szkodniki. Jako takie, GenAI nie tylko zwiększa możliwości biologii syntetycznej, ale toruje drogę przełomowym odkryciom, które mogą pomóc w rozwiązaniu niektórych z najbardziej palących wyzwań naszych czasów, w tym bezpieczeństwa żywnościowego.

Rzut oka w przyszłość: GenAI i ludzki mózg

Wkrótce przyjrzymy się niektórym z bardziej futurystycznych zastosowań GenAI. Ale żeby pobudzić Twój apetyt, pozwól, że przedstawię Ci koncepcję interfejsów mózg-komputer, urządzeń, które pozwalają ludzkiemu mózgowi komunikować się bezpośrednio z komputerem (np. za pomocą implantu lub chipa). To już nie jest science fiction; firmy takie jak Neuralink pracują nad takimi interfejsami już teraz. Możliwość połączenia naszego ludzkiego mózgu z modelami GenAI jest oszałamiająca. Możesz na przykład mieć natychmiastowy dostęp do całego Internetu ze swojego mózgu i wystarczy, że pomyślisz o pytaniu, aby otrzymać odpowiedź AI. To zdumiewające - ostateczne połączenie ludzi i maszyn. Ten rozdział przeniósł nas od bardzo wczesnych wyobrażeń AI do dnia dzisiejszego, gdzie mamy technologię, która przewyższa wszystko, co mogliśmy sobie wyobrazić 20 lat temu. Można by rzec, że 10 lat temu. Jestem ekspertem od technologii i nawet ja jestem pod wrażeniem szybkich postępów w GenAI w ciągu ostatnich kilku lat. Rozwój znacznie przyspieszył, do tego stopnia, że widzimy jeden przełom za drugim, praktycznie co miesiąc. Nie mam wątpliwości, że jesteśmy w punkcie zwrotnym, w którym tak wiele przełomowych technologii łączy się jednocześnie, a wszystkie z nich wpływają na inne i rozwijają je. Dni "zim AI" minęły bezpowrotnie - od teraz możemy oczekiwać tylko ogromnego przyspieszenia inteligencji maszyn.

Najważniejsze wnioski

Podsumowując tę krótką wycieczkę przez historię GenAI:
v •  Początki GenAI sięgają lat 50. XX wieku, kiedy naukowcy i badacze po raz pierwszy wprowadzili koncepcję inteligentnych maszyn. W szczególności test Turinga - zaprojektowany w celu udowodnienia, czy komputer może wykazać się inteligencją podobną do ludzkiej - został wprowadzony w 1950 roku.
•  Pierwsze systemy przetwarzania języka - zasadniczo bardzo wczesne formy chatbotów - zostały wprowadzone w latach 60. i 70. XX wieku.
•  W latach 80. XX wieku nastąpił rozwój systemów eksperckich, systemów AI, które mogły podejmować decyzje w bardzo określonych obszarach, pod warunkiem, że zostały zakodowane ze wszystkimi potrzebnymi odpowiedziami. Uczenie maszynowe, jakie znamy dzisiaj, było jeszcze odległe.
•  Jednak lata 90. XX wieku przyniosły nam World Wide Web i początki dużych zbiorów danych - co miało ogromny wpływ na AI, wspomagając szkolenie modeli uczenia maszynowego. * Z kolei duże zbiory danych umożliwiły głębokie uczenie się - ważny punkt zwrotny w historii GenAI, ponieważ oznaczało to, że komputery mogły analizować dane i podejmować decyzje bez konieczności informowania ich przez ludzi, czego szukać. W szczególności głębokie uczenie się napędzało postęp w przetwarzaniu języka naturalnego i widzeniu maszynowym - oba te obszary odgrywają ogromną rolę w GenAI.
•  Od połowy lat 2010. nastąpił rozwój sieci neuronowych, które napędzają GenAI. A od 2020 r. GenAI naprawdę nabrało rozpędu, a jeden postęp był ogłaszany po drugim. Wydanie ChatGPT w 2022 r. stanowiło znaczący kamień milowy i zapoczątkowało wyścig zbrojeń AI.
•  GenAI nie istnieje w próżni - oddziałuje z wieloma innymi technologiami, takimi jak przetwarzanie w chmurze, 5G, przetwarzanie kwantowe, metawersum i robotyka, wpływa na nie i jest przez nie kształtowane.
Gdy zmagamy się z szybkimi zmianami w GenAI, jasne jest, że technologia ta będzie nadal kształtować nasz świat na wiele sposobów. Przyjrzyjmy się wpływowi GenAI na sposób prowadzenia działalności i sposób, w jaki żyjemy na co dzień.



Generatywna AI w praktyce


PRZYGOTOWANIE SCENY DLA REWOLUCJI AI

Generative AI (GenAI) to jedna z najpotężniejszych technologii, do których ludzie kiedykolwiek mieli dostęp. Ale czym dokładnie jest GenAI i jak działa? Jak doszliśmy do tego punktu? I jak, ogólnie rzecz biorąc, GenAI może zmienić nasz świat? Tutaj odpowiemy na wszystkie te pytania i nie tylko. Zdefiniujemy GenAI i sposób jego działania, zbadamy ewolucję GenAI do tego momentu, nakreślimy ryzyka związane z GenAI i przyjrzymy się szerszemu obrazowi tego, jak GenAI zmieni nasz świat - w tym pracę, którą wykonują ludzie. To ładnie przygotuje scenę, zanim zagłębimy się w przypadki użycia GenAI w różnych sektorach i branżach.

ODKRYWANIE GENERATYWNEJ AI: NOWA GRANICA

Okej, wróćmy do podstaw. Czym jest generatywna AI (sztuczna inteligencja)? Jak działa? I do czego jest zdolna ta technologia? Dowiesz się tego, zagłębiając się pod maskę GenAI, pociągając za kilka przewodów i badając, co do cholery tam się dzieje. Naprawdę chcę, aby ta sekcja dała ci inspirujące poczucie wielu rzeczy, do których GenAI jest zdolne - ale także aby wbić ci do głowy, że GenAI nie dotyczy tylko ChatGPT (Chat Generative Pre-trained Transformer). Jasne, ChatGPT jest doskonałym przykładem GenAI (i z pewnością pochłania większość prasy GenAI), ale GenAI ma o wiele więcej do zaoferowania niż ChatGPT.

Czym jest generatywna sztuczna inteligencja? Krótkie wyjaśnienie

Właściwie zacznijmy od zdefiniowania sztucznej inteligencji (AI) w jej najszerszym znaczeniu. Termin "AI" odnosi się do algorytmów komputerowych, które mogą skutecznie symulować ludzkie procesy poznawcze, takie jak uczenie się, podejmowanie decyzji i rozwiązywanie problemów. GenAI to przełomowy podzbiór AI - najnowocześniejsza część najnowocześniejszych technologii - który jest w stanie tworzyć nowe treści na podstawie wzorców i struktur, których nauczył się z istniejących danych. Podobnie jak każda sztuczna inteligencja, narzędzia GenAI otrzymują ogromne ilości danych do nauki (tzw. "dane treningowe"). Uczą się na podstawie danych treningowych, a następnie wykorzystują wzorce lub reguły, których się nauczyły, aby tworzyć nowe treści, które są podobne, ale nie dokładnie takie same, jak dane, na których zostały wytrenowane.

Przykład lub dwa

Dobrym przykładem jest DALL-E 2 - platforma text-to-art, która pozwala każdemu tworzyć dzieła sztuki. Albo, oczywiście, ChatGPT, model językowy, który może tworzyć tekst na podstawie konwersacyjnych komunikatów tekstowych. Te systemy uczą się z ogromnych zestawów danych szkoleniowych - na przykład ChatGPT został wyszkolony na ogromnych ilościach tekstu z Internetu, w tym stron internetowych, artykułów i książek. Tekst i obrazy to prawdopodobnie dwa z najbardziej znanych jak dotąd zastosowań GenAI, ale technologia ta jest w stanie zrobić o wiele więcej. Dzięki GenAI możesz generować projekty produktów, kod komputerowy, muzykę, wideo, głosy, a nawet całe światy wizualne. Aby pobudzić Twój apetyt, wyobraź sobie, że możesz tworzyć unikalne światy gier wideo renderowane w czasie rzeczywistym lub mieć książkę napisaną specjalnie dla Ciebie, lub że Twoja ulubiona gwiazda czyta Ci dzisiejsze wiadomości. Możliwości są oszałamiające. Możliwości są już całkiem imponujące, ale w przyszłości systemy GenAI będą w stanie stworzyć niemal wszystko, co potrafią ludzie. A to z kolei oznacza, że GenAI może zmienić każdego w autora, muzyka, programistę komputerowego, filmowca lub innego rodzaju twórcę.

Czym GenAI różni się od AI, do której jesteśmy przyzwyczajeni

AI staje się coraz bardziej częścią otaczającego nas świata, w tym wyników wyszukiwania, które otrzymujesz w telefonie, rozmów z Alexą i rekomendacji filmowych, które Netflix serwuje wieczorem. Czym więc GenAI różni się od tych "tradycyjnych" narzędzi AI? (Rozumiem, że dziwnie brzmi odnoszenie się do "tradycyjnej AI", skoro nie istnieje ona tak długo, ale robię to, aby odróżnić AI, do której jesteśmy już przyzwyczajeni w życiu codziennym, od tej nowej ewolucji systemów AI. Jednym z technicznych terminów określających tradycyjną AI jest "AI dyskryminacyjna"). Tradycyjne systemy AI również uczą się z dużych ilości danych, ale dostarczają inne dane wyjściowe. Tradycyjne systemy AI są używane do formułowania prognoz na podstawie istniejących danych. A my wykorzystujemy te prognozy, aby podejmować lepsze decyzje w pracy i w życiu codziennym. Może to obejmować wszystko, od słuchania nowej muzyki na Spotify i oglądania rekomendowanych produktów na Amazon, po identyfikację, którzy klienci Twojej firmy najprawdopodobniej kupią określony produkt. Ta nowa fala narzędzi GenAI idzie jeszcze dalej, tworząc nową treść na podstawie istniejących danych. Innymi słowy, GenAI nie polega tylko na symulowaniu ludzkich procesów poznawczych, takich jak podejmowanie decyzji i rozwiązywanie problemów - polega na symulowaniu ludzkiej kreatywności. Aby jeszcze bardziej zobrazować różnicę, wyobraź sobie, że grasz w szachy komputerowe. Komputer zna wszystkie zasady, potrafi przewidzieć twoje ruchy i wykonuje własne. Nie wymyśla nowych ruchów szachowych; raczej wybiera właściwy ruch na podstawie istniejących strategii. To tradycyjna sztuczna inteligencja - jest jak mistrz strategii, który potrafi podejmować mądre decyzje w ramach zestawu zasad. I robi to bardzo dobrze. Ale GenAI? Cóż, teoretycznie mogłoby to wymyślić nowe sposoby gry w szachy, których jeszcze nie wymyśliliśmy. Tak więc tradycyjna sztuczna inteligencja doskonale rozpoznaje wzorce, podczas gdy GenAI doskonale tworzy wzorce. Co jest naprawdę bardzo fajne. Mimo to GenAI i tradycyjna sztuczna inteligencja nie wykluczają się wzajemnie. Można by ich używać razem, aby zapewnić jeszcze bardziej wydajne rozwiązania. Na przykład tradycyjna sztuczna inteligencja mogłaby analizować zachowania użytkowników na stronie internetowej Twojej firmy, a następnie GenAI mogłaby wykorzystać tę analizę do tworzenia spersonalizowanych treści dla użytkowników.

Jak działa generatywna sztuczna inteligencja?

Pomyśl o tym jak o nauce rysowania poprzez oglądanie wielu obrazków. Po obejrzeniu wielu obrazków próbujesz narysować coś nowego samodzielnie. GenAI robi coś podobnego: "patrzy" na wiele danych (tekstowych, wizualnych lub innych), uczy się wzorców w tych danych, a następnie próbuje stworzyć coś nowego, co pasuje do tych wzorców. Tak więc, mówiąc najprościej, GenAI jest jak artysta lub pisarz, który studiował wiele istniejących dzieł, a następnie próbuje stworzyć własne dzieło na podstawie tego, czego się nauczył. Ten proces jest napędzany przez złożone algorytmy, które naśladują sposób działania naszego mózgu, aby uczyć się z danych i identyfikować wzorce. To jest superproste wyjaśnienie. Przejdźmy do szczegółów technicznych.

Wprowadzenie do uczenia maszynowego i sieci neuronowych

Później omówimy więcej na temat ewolucji GenAI, ale jako szybki wstęp, GenAI wyrosło z dziedziny badań i praktyki AI zwanej "uczeniem maszynowym" - w istocie cała AI, którą widzimy dzisiaj, opiera się na uczeniu maszynowym. Podczas gdy tradycyjne algorytmy komputerowe są kodowane przez człowieka, aby dokładnie powiedzieć maszynie, jak wykonać określone zadanie, algorytmy uczenia maszynowego są w stanie podejmować decyzje na podstawie tego, czego uczą się z danych. Im więcej danych otrzymują, tym lepiej sobie radzą w tym procesie. Innym terminem, z którym musisz się zapoznać, są "sieci neuronowe", ponieważ jest to podstawowa technologia, na której zbudowano GenAI. Sieć neuronowa to zasadniczo zaawansowany model uczenia maszynowego inspirowany sposobem działania ludzkiego mózgu. Podczas gdy mniej złożony model uczenia maszynowego może wymagać pewnej interwencji człowieka w procesie, sieć neuronowa ma zdolność uczenia się i podejmowania decyzji samodzielnie, a nawet może uczyć się na własnych błędach - podobnie jak człowiek uczy się poprzez proces prób i błędów. Oto jak działa sieć neuronowa:

•  Trening: sieci neuronowe uczą się poprzez proces zwany "treningiem". Podczas treningu sieć neuronowa otrzymuje dużo danych (które mogą być tekstem, obrazami lub czymkolwiek innym) i uczy się identyfikować wzorce i relacje w danych.
• * Nauka: w miarę jak sieć neuronowa jest narażona na coraz więcej danych - a mówimy o ogromnych ilościach danych - stopniowo staje się lepsza w identyfikowaniu wzorców i rozumieniu podstawowych reguł, które rządzą danymi.
•  Warstwy: sieci neuronowe są zorganizowane w warstwy, a każda warstwa odpowiada za identyfikowanie różnych typów wzorców. Początkowe warstwy mogą identyfikować proste wzorce, a gdy zagłębiamy się w nie, warstwy są w stanie identyfikować bardziej złożone wzorce.
•  Modele generatywne: GenAI często używa określonych typów sieci neuronowych zwanych "modelami generatywnymi". Oprócz rozpoznawania wzorców, modele generatywne są w stanie generować nowe dane, które są podobne (ale nie dokładnie takie same) do danych, na których zostały wytrenowane.
•  Dane wejściowe i wyjściowe: po wytrenowaniu modelu generatywnego możesz podać mu dane wejściowe (np. częściowy obraz lub tekstowy monit), a on wygeneruje dane wyjściowe (np. ukończony obraz lub fragment tekstu) na podstawie tego, czego nauczył się podczas treningu.
•  Losowość: GenAI wprowadza pewną ilość losowości w procesie generowania, co oznacza, że może on za każdym razem generować nieco inne dane wyjściowe, nawet gdy otrzymuje te same dane wejściowe wielokrotnie.

Przykłady modeli generatywnych

Właśnie wspomniałem o modelach generatywnych, sieciach neuronowych, które umożliwiają GenAI tworzenie nowej treści. Oto kilka przykładów modeli generatywnych używanych w aplikacjach GenAI:

•  Duże modele językowe (LLM): pochłaniając duże ilości tekstu, LLM uczą się relacji semantycznych między słowami i wykorzystują te dane do generowania większej ilości języka. Przykładem LLM jest GPT-4, stworzony przez OpenAI, który obsługuje narzędzie ChatGPT.
•  Sieci generatywne przeciwstawne (GAN): działają poprzez przeciwstawianie sobie dwóch konkurujących algorytmów, z których jeden ma za zadanie generowanie danych przypominających dane treningowe, a drugi ma za zadanie próbę stwierdzenia, czy dane wyjściowe są rzeczywiste, czy wygenerowane. Ten typ modelu jest zazwyczaj używany do tworzenia obrazów, dźwięków, a nawet wideo (w tym deepfake).
•  Autoenkodery wariacyjne: jest to typ modelu, który uczy się, jak konstruowane są dane. Często jest używany do generowania danych syntetycznych.
•  Modele dyfuzyjne: działają poprzez dodawanie losowych danych (znanych jako "szum") do danych, których się uczą, a następnie ustalanie, jak je usunąć, zachowując jednocześnie oryginalne dane. W ten sposób model uczy się, co jest ważne, a co można odrzucić. Modele dyfuzyjne są najczęściej używane w generowaniu obrazów.
•  Modele podstawowe: jest to termin zbiorczy dla modeli, które są wstępnie trenowane na szerokim zakresie danych na ogromną skalę, a następnie dostrajane do konkretnych zadań. Są to modele ogólnego przeznaczenia na dużą skalę, które stanowią podstawę LLM i innych narzędzi GenAI.

Ponieważ różne modele są w stanie robić różne rzeczy, jasne jest, że GenAI ma szeroki zakres zastosowań. Co prowadzi nas do…

Co potrafi Generative AI?

Wkrótce zagłębimy się w to, jak GenAI jest już wykorzystywane w praktyce (z wieloma przykładami z prawdziwego świata), ale na razie chcę podkreślić, że GenAI jest w stanie tworzyć wszelkiego rodzaju treści

GenAI jest o wiele większe niż ChatGPT

Oczywiście ChatGPT przyciąga wiele uwagi - i to z dobrego powodu: to imponujące narzędzie, a tworzenie tekstu jest głównym zastosowaniem GenAI. To prawdopodobnie powód, dla którego "ChatGPT" i "generative AI" stały się niemal synonimami. Ale GenAI potrafi o wiele więcej niż pisanie. Weźmy na przykład reklamę Coca-Coli Masterpiece. Współpraca między artystami i GenAI sprawia, że wiele z największych dzieł sztuki w historii ożywa na ekranie w sposób, jakiego nigdy wcześniej nie robiono. GenAI zostało również wykorzystane do stworzenia nowej piosenki Beatlesów poprzez przebudowę częściowo nagranych tekstów Johna Lennona w połączeniu z nowym materiałem Paula McCartneya. Ale GenAI nie jest istotne tylko dla treści kreatywnych. Jest również wykorzystywane do przyspieszenia odkrywania leków, a jedna z brytyjskich firm niedawno ogłosiła, że stworzyła pierwszą na świecie immunoterapię na raka wygenerowaną przez AI. Następnie mamy "projektowanie generatywne" - rozwijającą się dziedzinę, w której GenAI jest wykorzystywane do tworzenia projektów i procesów produkcyjnych dla nowych produktów. W jednym przypadku General Motors wykorzystał narzędzia generatywne stworzone przez Autodesk do zaprojektowania nowego wspornika pasów bezpieczeństwa, który jest o 40% lżejszy i o 20% mocniejszy od istniejących komponentów. Nie możemy mówić o GenAI bez mówienia o "deepfake'ach", które zacierają granice między rzeczywistością a fikcją, sprawiając, że wygląda to tak, jakby prawdziwi ludzie zrobili lub powiedzieli fałszywe rzeczy. GenAI to technologia stojąca za deepfake'ami i będzie się tylko poprawiać w tworzeniu fałszywych - ale niesamowicie realistycznych - treści. Deepfake Tom Cruise był jednym z najwcześniejszych i najsłynniejszych przykładów (poszukaj w Google, jeśli nie widziałeś - jest niesamowity). Co bardziej podstępne, potencjalni kandydaci po obu stronach wyborów prezydenckich w USA w 2024 r. wystąpili w deepfake'ach mających na celu ich zdyskredytowanie. Jakby rozpowszechnianie fałszywych informacji nie było wystarczająco złe, istnieją również jawne zastosowania przestępcze GenAI, w tym próby wyłudzenia pieniędzy poprzez inscenizację porwań przy użyciu sklonowanych głosów, a w jednym pamiętnym przykładzie, oszukańcze wyłudzanie pieniędzy przez podszywanie się pod CEO firmy. Wraz ze wzrostem zaawansowania technologii, możliwości GenAI znacznie się rozszerzyły. Podsumowując, GenAI można wykorzystać do generowania:

•  Tekst
•  Obrazy
•  Wideo
•  Muzyka i dźwięk
•  Projekty
•  Analiza danych
•  Kod komputerowy
•  Dane syntetyczne
•  Badania
•  Gry wideo i wirtualne światy

Tekst - pisanie tekstu, który jest (w zasadzie) nieodróżnialny od tekstu pisanego przez człowieka.

Oprócz ChatGPT istnieją inne narzędzia do generatywnego tekstu, takie jak Bard firmy Google i Llama firmy Meta. Narzędzi tych można używać do pisania wszystkiego, od esejów i artykułów po sztuki teatralne, wiersze i powieści. Oto niektóre z niesamowitych rzeczy, które narzędzia do generatywnego tekstu mogą dla Ciebie zrobić:

•  Asystenci pisania: pomagają w wydajnym tworzeniu wiadomości e-mail, raportów i innych materiałów pisemnych.
•  Kreatywne pisanie: pomaganie autorom w wymyślaniu unikalnych pomysłów na historie, postaci, wątków fabularnych, a nawet tworzeniu całych narracji.
•  Budowanie świata: pomaganie autorom w tworzeniu żywych i wciągających światów dla ich narracji, z narzędziami, które pomagają w zarysowaniu historii, geografii i kultur fikcyjnych miejsc.
•  Podpowiedzi do pisania: oferowanie różnych podpowiedzi do pisania, aby pomóc pisarzom pokonać blokady twórcze i generować nowe pomysły.
•  Poprawki gramatyczne i stylistyczne: oferowanie sugestii w czasie rzeczywistym w celu poprawy poprawności gramatycznej i płynności stylistycznej treści pisanych.
•  Pomoc w tłumaczeniu: pomoc w tłumaczeniu tekstów na różne języki przy zachowaniu niuansów oryginalnej treści.
•  Dostępność: zapewnianie funkcji, takich jak zamiana mowy na tekst, aby pomóc osobom niepełnosprawnym w pisaniu tekstów.
•  Pisanie piosenek: tworzenie tekstów piosenek, nawet w stylu ulubionego artysty.
•  Pisanie przepisów: wymyślanie przepisów, które odpowiadają Twoim parametrom (np. "przepis na obiad z dynią, który wyżywi czteroosobową rodzinę i nie zajmie więcej niż 45 minut").
•  Wyjaśnienia i streszczenia tekstów w języku prostym: pomoc w zrozumieniu złożonego tematu w języku prostym lub zapewnienie zwięzłego streszczenia długiego fragmentu tekstu.
•  Pytania wielokrotnego wyboru: generowanie pytań quizowych lub testowych na różne tematy, dla początkujących, średniozaawansowanych lub zaawansowanych.
•  Plany podróży: pomoc we wszystkim, od znalezienia lotów i zakwaterowania po sugerowanie popularnych atrakcji do odwiedzenia. Nawet tam, gdzie można zjeść dobry posiłek, dostosowany do Twoich potrzeb dietetycznych i budżetu.

Obrazy - tworzenie obrazów według Twoich specyfikacji

Wiele narzędzi GenAI - takich jak Midjourney lub Stable Diffusion - może przyjąć naturalny język podpowiedzi (tj. regularny, konwersacyjny język) i użyć go do wygenerowania obrazu. Powiedz mu, że chcesz obraz dwugłowego psa w kostiumie Elvisa, który leci statkiem kosmicznym do czarnej dziury i obserwuj, jak on (lub coś podobnego) pojawia się przed Twoimi oczami. Może to być przydatne do:

•  Tworzenia sztuki: pomagania artystom w tworzeniu unikalnych dzieł sztuki poprzez zrozumienie i naśladowanie różnych stylów artystycznych.
•  Transferu stylu: umożliwiania artystom stosowania stylów znanych dzieł sztuki do ich dzieł.
•  Automatycznego szkicowania: pomagania w automatycznym generowaniu szkiców na podstawie podanych opisów, pomagając artystom na początkowych etapach ich pracy.

Wideo - od edycji do tworzenia

Choć nie są jeszcze tak zaawansowane jak generowanie tekstu czy obrazu, zaczynają pojawiać się narzędzia, które pozwalają nam tworzyć i edytować wideo, po prostu opisując to, co chcemy zobaczyć. Typowe zastosowania obejmują:

•  Ulepszona edycja: automatyzacja skomplikowanych zadań edycyjnych, w tym wykrywanie cięć, korekcja kolorów i generowanie napisów, usprawniając w ten sposób proces postprodukcji.
•  Dynamiczne efekty specjalne: umożliwiające renderowanie w czasie rzeczywistym wysokiej jakości efektów specjalnych, śledzenie ruchu i modelowanie 3D, znacznie skracając czas i wysiłek związany z postprodukcją.
•  Modelowanie 3D: ułatwianie tworzenia modeli 3D i środowisk do integracji z filmami, pomagając w tworzeniu wciągających wrażeń wizualnych.
•  Projektowanie dźwięku i syntetyczny głos: ulepszanie wrażeń audio za pomocą generowanych przez sztuczną inteligencję kompozycji muzycznych i syntetycznych głosów. Co prowadzi nas do …

Muzyka i dźwięk - od głosów do piosenek

Narzędzia GenAI mogą tworzyć głosy przypominające ludzkie (synteza głosu), pozwalając komputerom mówić słowami. Mogą również tworzyć muzykę i efekty dźwiękowe. W praktyce można ich używać do:

•  Sugestii harmonii: proponowania harmonijnych progresji akordów i linii melodycznych.
•  Muzyki generatywnej: automatycznego tworzenia całych utworów muzycznych na podstawie zestawu parametrów wejściowych.
•  Tworzenia opartego na nastroju: oferowania narzędzi, które pomagają kompozytorom tworzyć muzykę dostosowaną do konkretnych nastrojów lub emocji.
•  Syntezy głosu: generowania realistycznych głosów, które mogą czytać tekst w sposób naturalny, zapewniając wrażenia słuchowe przypominające ludzkie.
•  Zmienności języka i akcentu: oferowania szerokiej gamy opcji językowych i akcentowych, pomagając tworzyć zróżnicowane i inkluzywne wrażenia słuchowe.
•  Dostosowywalnych głosów: dostarczania narzędzi do tworzenia dostosowywalnych głosów, pozwalających użytkownikom na personalizację ich wrażeń słuchowych.

Projektowanie graficzne i projektowanie generatywne - usprawnienie prac projektowych

GenAI oferuje ogromny potencjał dla projektantów graficznych i projektantów produktów w celu usprawnienia procesu projektowania - od automatyzacji aspektów projektowania wizualnego po tworzenie wielu wariantów projektów produktów. Oto niektóre ze sposobów, w jakie może się to okazać przydatne:

•  Sugestie projektowe: pomoc projektantom poprzez dostarczanie sugestii projektowych.
•  Sugestie palety kolorów: dostarczanie sugestii dotyczących palet kolorów, które dobrze się sprawdzają.
•  Integracja obrazów stockowych: oferowanie płynnej integracji z bibliotekami obrazów stockowych, dając projektantom łatwy dostęp do szerokiej gamy zasobów.
•  Projektowanie architektoniczne: pomoc architektom w generowaniu projektów budynków zoptymalizowanych pod kątem określonych kryteriów, takich jak koszt materiałów, efektywność energetyczna i wymagania przestrzenne.
•  Projektowanie produktu: pomoc projektantom w tworzeniu zoptymalizowanych i innowacyjnych projektów produktów poprzez eksplorację ogromnej liczby alternatywnych projektów w krótkim czasie.
•  Projektowanie mody: pomoc projektantom mody poprzez proponowanie nowych projektów odzieży w oparciu o aktualne trendy, dane historyczne i uwagi projektantów.

Analiza danych i raportowanie - demokratyzacja analizy danych

Dzięki narzędziom GenAI nie musisz być naukowcem zajmującym się danymi, aby je analizować. Od generowania zautomatyzowanych raportów po dostarczanie przydatnych prognoz, GenAI może pomóc firmom w jak najlepszym wykorzystaniu danych. W zakresie zautomatyzowanego raportowania GenAI oferuje:

•  Raportowanie w czasie rzeczywistym: oferowanie narzędzi, które generują raporty w czasie rzeczywistym, dostarczając aktualnych informacji do podejmowania decyzji.
•  Reprezentacja wizualna: tworzenie wizualnych reprezentacji danych, takich jak wykresy i tabele, aby raporty były bardziej zrozumiałe i angażujące.
•  Podsumowania w języku naturalnym: generowanie podsumowań raportów w łatwym do zrozumienia języku.

A w zakresie analizy predykcyjnej GenAI może zapewnić:

•  Wykrywanie anomalii: identyfikowanie nietypowych wzorców w danych, które mogą wskazywać na potencjalne problemy lub możliwości.
•  Prognozowanie i spostrzeżenia klientów: wykorzystywanie danych historycznych do tworzenia dokładnych prognoz dotyczących przyszłych trendów i identyfikowania preferencji klientów.
•  Symulacja i modelowanie: tworzenie szczegółowych symulacji na podstawie analizy danych, umożliwiające organizacjom badanie potencjalnych scenariuszy i podejmowanie lepszych decyzji.

Kodowanie - programowanie komputerowe stało się prostsze

Oprócz ChatGPT, narzędzia takie jak GitHub Copilot firmy Microsoft i CodeWhisperer firmy Amazon ułatwiają każdemu generowanie kodu komputerowego przy bardzo niewielkiej wiedzy technicznej. Może to obejmować:

•  Generowanie kodu: tworzenie kodu na podstawie opisów wysokiego poziomu lub częściowo ukończonego kodu.
•  Przegląd kodu: pomoc w przeglądaniu kodów poprzez identyfikację błędów, luk w zabezpieczeniach i udzielanie sugestii dotyczących optymalizacji.
•  Automatyczne testowanie: automatyczne tworzenie testów na podstawie specyfikacji oprogramowania, pomagające w poprawie niezawodności oprogramowania.

Dane syntetyczne - rozwiązywanie problemów z prywatnością i nie tylko

GenAI ułatwia tworzenie całkowicie syntetycznych danych do wykorzystania w szkoleniu innych modeli AI. A w przypadku codziennych firm dane syntetyczne mogą pomóc im przezwyciężyć obowiązki dotyczące prywatności i bezpieczeństwa danych, które wiążą się z danymi ze świata rzeczywistego. W praktyce może to obejmować:

•  Rozszerzanie danych: tworzenie dodatkowych danych za pomocą technik, takich jak rozszerzanie obrazu, w celu ulepszenia szkolenia modeli AI.
•  Zachowanie prywatności: generowanie syntetycznych danych, które chronią prywatność osób, nie wykorzystując prawdziwych danych osobowych.
•  Zrównoważone zestawy danych: tworzenie zrównoważonych zestawów danych, które pomagają w zmniejszaniu stronniczości w modelach AI, promując bardziej sprawiedliwe i równe systemy AI.
•  Zróżnicowane dane: generowanie zróżnicowanych zestawów danych, które pomagają badaczom badać szeroki zakres scenariuszy i warunków.

Badania - ułatwianie i przyspieszanie odkryć

Istnieje wiele sposobów, w jakie GenAI może pomóc w procesie badawczym, a oto kilka godnych uwagi przykładów:

•  Odkrywanie leków: przyspieszanie procesu odkrywania leków poprzez przewidywanie potencjalnych kandydatów na leki poprzez analizę ogromnych zestawów danych.
•  Środowiska symulacyjne: tworzenie realistycznych środowisk symulacyjnych na podstawie danych syntetycznych, pomaganie badaczom w przeprowadzaniu eksperymentów i badań.
•  Modelowanie rzadkich zdarzeń: pomoc w modelowaniu rzadkich zdarzeń za pomocą danych syntetycznych, pomaganie badaczom w eksplorowaniu scenariuszy, które są trudne do zbadania przy użyciu prawdziwych danych.

Gry wideo i generowanie wirtualnego świata - zwiększanie responsywności treści immersyjnych

Od środowisk wirtualnej rzeczywistości (VR) i immersyjnych światów gier wideo po szerszą koncepcję metawersum, coraz częściej wchodzimy w interakcję z immersyjnymi, wysoce realistycznymi treściami. Projektowanie takich treści to złożone zadanie, które można przyspieszyć za pomocą GenAI. Oto jak:

•  Generowanie proceduralne i projektowanie: tworzenie skomplikowanych środowisk, realistycznych terenów i adaptacyjnych fabuł, wspieranie unikalnych i immersyjnych wrażeń z rozgrywki.
•  Projektowanie i animacja postaci: generowanie naturalnych animacji postaci i tworzenie spójnych osobowości postaci w celu zwiększenia opowiadania historii i immersji.
•  Spersonalizowane doświadczenia użytkownika: dostosowywanie gier i immersyjnych środowisk do indywidualnych preferencji i zachowań, wspieranie bardziej spersonalizowanej i angażującej podróży użytkownika.
•  Automatyczne moderowanie i bezpieczeństwo treści: monitorowanie i utrzymywanie bezpieczeństwa immersyjnych środowisk, przy użyciu zautomatyzowanych systemów do wykrywania i zarządzania nieodpowiednimi treściami.

Wpływ generatywnej AI

GenAI jest wyraźnie zdolne do niesamowitych rzeczy i ma potencjał, aby przekształcić biznes i codzienne życie. Szybka ewolucja GenAI zmusza nas również do zmierzenia się z kilkoma trudnymi pytaniami, i to szybko. Na przykład, co się stanie, gdy osiągniemy punkt, w którym nie będzie można odróżnić prawdziwej treści od tego, co jest generowane przez AI? Na razie nie ma prostych odpowiedzi, ale zrobimy, co w naszej mocy, aby zagłębić się w tak drażliwe kwestie . A potem jest pytanie, jak to wszystko wpłynie na pracę ludzi, ponieważ maszyny przejmują coraz bardziej kreatywną pracę.

Kluczowe wnioski

* GenAI to przełomowy typ AI, który jest w stanie tworzyć nową treść w oparciu o wzorce, których nauczył się z istniejących danych.
* Podczas gdy tradycyjna sztuczna inteligencja symuluje ludzkie procesy poznawcze, takie jak podejmowanie decyzji, GenAI symuluje ludzką kreatywność.
* GenAI jest możliwe dzięki sieciom neuronowym - zaawansowanemu modelowi uczenia maszynowego inspirowanemu sposobem działania ludzkiego mózgu.
* ChatGPT może rozsławić GenAI, ale GenAI jest znacznie większe niż ChatGPT. GenAI można używać do tworzenia muzyki, dźwięku i wideo, pisania kodu komputerowego, projektowania produktów, tworzenia wciągających światów, automatyzacji analizy danych i raportowania i nie tylko.
* Zanim przejdziemy do wpływu GenAI i problemów z nim związanych, pokrótce przeanalizujmy ewolucję GenAI od początków informatyki do dziś.




Ciemna Strona A.I.


WSTĘP

Sztuczna inteligencja (AI) stała się integralną częścią naszego codziennego życia i może zmienić wiele branż, czyniąc je bardziej wydajnymi, produktywnymi i bezpieczniejszymi. Jednak wraz z postępem technologii sztucznej inteligencji pojawiają się obawy co do jej wpływu na naszą przyszłość, szczególnie w obszarach takich jak zatrudnienie, prywatność i bezpieczeństwo. Jedną z najważniejszych obaw związanych ze sztuczną inteligencją jest jej potencjalny wpływ na zatrudnienie. Wraz z rosnącą automatyzacją zadań istnieje ryzyko zastąpienia wielu miejsc pracy przez maszyny, co prowadzi do utraty miejsc pracy i pogłębiania się luki w dochodach. Może to spowodować znaczne zakłócenia społeczne i gospodarcze, szczególnie dla tych, którzy nie mają umiejętności dostosowania się do nowej zautomatyzowanej gospodarki. Innym poważnym problemem jest wpływ sztucznej inteligencji na prywatność. W miarę jak technologia sztucznej inteligencji staje się coraz bardziej wyrafinowana, ma ona możliwość gromadzenia i analizowania ogromnych ilości danych osobowych, co budzi poważne obawy dotyczące prywatności. Jeśli systemy sztucznej inteligencji nie są odpowiednio zabezpieczone, istnieje ryzyko, że hakerzy uzyskają dostęp do poufnych informacji, co może prowadzić do kradzieży tożsamości, oszustw finansowych i innych form cyberprzestępczości. Ponadto wykorzystanie sztucznej inteligencji do celów inwigilacji budzi obawy związane z nadmiernym zasięgiem działań rządu i erozją swobód obywatelskich. Wreszcie, istnieją obawy dotyczące wpływu sztucznej inteligencji na bezpieczeństwo. W miarę jak systemy sztucznej inteligencji stają się coraz bardziej zaawansowane, stają się bardziej podatne na cyberataki. Hakerzy mogą wykorzystywać sztuczną inteligencję do tworzenia wyrafinowanych ataków, które mogą ominąć tradycyjne środki bezpieczeństwa, stwarzając poważne zagrożenie dla infrastruktury krytycznej i bezpieczeństwa narodowego. Pomimo tych obaw istnieją kroki, które można podjąć, aby złagodzić negatywny wpływ sztucznej inteligencji na naszą przyszłość. Na przykład rządy mogą inwestować w programy edukacyjne i szkoleniowe, aby pomóc pracownikom przejść na nowe stanowiska, które wymagają umiejętności, których nie można zautomatyzować. Firmy mogą podjąć kroki w celu zapewnienia, że ich systemy sztucznej inteligencji są odpowiednio zabezpieczone, aby zapobiegać cyberatakom. Ponadto decydenci polityczni mogą opracować przepisy, które zapewnią, że sztuczna inteligencja jest wykorzystywana w sposób etyczny i odpowiedzialny oraz że zostaną uwzględnione kwestie związane z prywatnością i bezpieczeństwem. Podsumowując, chociaż sztuczna inteligencja przyniosła znaczne postępy w różnych dziedzinach, istnieją obawy co do jej wpływu na naszą przyszłość w obszarach takich jak zatrudnienie, prywatność i bezpieczeństwo. Podejmując proaktywne kroki w celu rozwiązania tych problemów, możemy zapewnić, że sztuczna inteligencja będzie wykorzystywana do poprawy naszego życia, a nie do wyrządzania mu szkody.

JEDNYM Z POTENCJALNYCH ROZWIĄZAŃ wpływu sztucznej inteligencji na zatrudnienie jest wdrożenie uniwersalnego dochodu podstawowego (UBI). UBI to system, w którym każdy obywatel otrzymuje gwarantowany dochód, niezależnie od statusu zatrudnienia. Może to pomóc złagodzić niektóre trudności gospodarcze spowodowane utratą miejsc pracy w wyniku automatyzacji. Innym potencjalnym rozwiązaniem jest zachęcanie do rozwoju sztucznej inteligencji, która uzupełnia pracę ludzką, a nie ją zastępuje. Może to obejmować tworzenie systemów sztucznej inteligencji, które współpracują z pracownikami ludzkimi w celu zwiększenia ich produktywności i wydajności, zamiast ich całkowitego zastępowania. Jeśli chodzi o prywatność, firmy mogą podjąć kroki w celu wdrożenia silnych środków szyfrowania i bezpieczeństwa danych w celu ochrony poufnych informacji przed cyberatakami. Rządy mogą również opracowywać przepisy, które wymagają od firm przejrzystości w zakresie praktyk gromadzenia i wykorzystywania danych, a także dają jednostkom większą kontrolę nad ich danymi osobowymi. Wreszcie, jeśli chodzi o bezpieczeństwo, rządy mogą inwestować w badania nad cyberbezpieczeństwem AI, aby opracować nowe mechanizmy obronne przed cyberatakami. Mogą również pracować nad opracowaniem międzynarodowych porozumień, aby zapobiegać wykorzystywaniu sztucznej inteligencji w działaniach wojennych oraz promować odpowiedzialny rozwój i wykorzystanie sztucznej inteligencji. Podsumowując, wpływ sztucznej inteligencji na naszą przyszłość jest złożony i wieloaspektowy i nie ma łatwych rozwiązań dla wyzwań, jakie stwarza. Jednak przyjmując proaktywne i przemyślane podejście do rozwoju i wykorzystania sztucznej inteligencji, możemy zapewnić, że będzie ona wykorzystywana w sposób przynoszący korzyści całemu społeczeństwu, zamiast mu szkodzić.

Wpływ AI na zatrudnienie

Jednym z najważniejszych problemów związanych ze sztuczną inteligencją jest jej wpływ na zatrudnienie. Wraz z postępem technologii sztucznej inteligencji coraz więcej miejsc pracy ulega automatyzacji, co prowadzi do utraty pracy przez wielu pracowników. Niektóre szacunki sugerują, że do 2030 r. automatyzacja może spowodować utratę nawet 800 milionów miejsc pracy, co spowoduje znaczne zakłócenia gospodarcze i społeczne. Doprowadziło to do wezwań do opracowania nowych polityk i programów dotyczących wpływu sztucznej inteligencji na zatrudnienie. Jednym z potencjalnych rozwiązań tego problemu jest inwestowanie w programy edukacyjne i szkoleniowe, które pomagają pracownikom rozwijać nowe umiejętności, które są mniej podatne na automatyzację. Na przykład miejsca pracy w takich dziedzinach, jak opieka zdrowotna, edukacja i sztuka są mniej podatne na automatyzację niż zawody w produkcji lub transporcie. Zapewniając pracownikom umiejętności potrzebne do przejścia do tego rodzaju pracy, rządy i firmy mogą pomóc złagodzić negatywny wpływ automatyzacji na zatrudnienie. Innym rozwiązaniem jest wdrożenie polityk wspierających przedsiębiorczość i rozwój małych firm. Zapewniając wsparcie start-upom i małym firmom, rządy mogą pomóc w tworzeniu nowych miejsc pracy i wspierać wzrost gospodarczy w branżach, które są mniej podatne na wpływ automatyzacji. Wreszcie, niektórzy sugerowali wdrożenie uniwersalnego dochodu podstawowego (UBI) jako rozwiązania problemu wpływu sztucznej inteligencji na zatrudnienie. UBI to system, w którym każdy obywatel otrzymuje gwarantowany dochód, niezależnie od statusu zatrudnienia. Może to pomóc złagodzić niektóre trudności gospodarcze spowodowane utratą miejsc pracy w wyniku automatyzacji. Chociaż wpływ sztucznej inteligencji na zatrudnienie jest poważnym problemem, należy zauważyć, że nie wszystkie zadania zostaną zautomatyzowane. Wiele zawodów wymaga umiejętności trudnych do zautomatyzowania, takich jak kreatywność, krytyczne myślenie i komunikacja interpersonalna. Ponadto sztuczna inteligencja może potencjalnie tworzyć nowe miejsca pracy w takich dziedzinach, jak rozwój i utrzymanie sztucznej inteligencji. Podsumowując, chociaż wpływ sztucznej inteligencji na zatrudnienie budzi poważne obawy, istnieją rozwiązania, które mogą pomóc złagodzić jej negatywne skutki. Inwestując w edukację i szkolenia, wspierając przedsiębiorczość i rozwój małych firm oraz badając możliwości wprowadzenia uniwersalnego dochodu podstawowego, możemy zapewnić, że wszyscy członkowie społeczeństwa będą czerpać korzyści ze sztucznej inteligencji. Innym istotnym problemem związanym ze sztuczną inteligencją jest prywatność. Systemy sztucznej inteligencji są zaprojektowane do gromadzenia i analizowania ogromnych ilości danych, które mogą obejmować dane osobowe, takie jak dokumentacja medyczna, informacje finansowe i dane dotyczące lokalizacji. Gromadzenie i wykorzystywanie tych danych może mieć znaczący wpływ na prywatność, zwłaszcza jeśli wpadną w niepowołane ręce. Jednym ze sposobów rozwiązania tego problemu jest opracowanie i wdrożenie silnych przepisów i regulacji dotyczących ochrony danych. Przepisy te mogą pomóc w zapewnieniu, że osoby fizyczne mają kontrolę nad swoimi danymi osobowymi, a firmy są pociągane do odpowiedzialności za wszelkie naruszenia danych lub niewłaściwe wykorzystanie danych osobowych. Innym rozwiązaniem jest promowanie rozwoju systemów AI, które mają chronić prywatność użytkowników. Na przykład technologie zwiększające prywatność, takie jak prywatność różnicowa, mogą być wykorzystywane do analizowania danych bez narażania prywatności poszczególnych osób. Ponadto firmy mogą wdrażać chroniące prywatność umowy o udostępnianiu danych, które umożliwiają udostępnianie danych przy jednoczesnej ochronie prywatności poszczególnych osób. Wreszcie kwestia bezpieczeństwa jest również istotnym problemem związanym ze sztuczną inteligencją. Systemy sztucznej inteligencji mogą być podatne na cyberataki, które mogą prowadzić do poważnych konsekwencji gospodarczych i społecznych. Jest to szczególnie prawdziwe w krytycznych branżach, takich jak służba zdrowia, finanse i transport. Aby rozwiązać ten problem, firmy i rządy mogą inwestować w badania nad cyberbezpieczeństwem AI, aby opracować nowe mechanizmy obronne przed cyberatakami. Ponadto można zawrzeć umowy międzynarodowe, aby zapobiegać wykorzystywaniu sztucznej inteligencji w działaniach wojennych oraz promować odpowiedzialny rozwój i wykorzystanie sztucznej inteligencji. Podsumowując, wpływ sztucznej inteligencji na prywatność i bezpieczeństwo jest poważnym problemem, ale istnieją rozwiązania, które mogą pomóc w rozwiązaniu tych problemów. Wdrażając surowe przepisy i regulacje dotyczące ochrony danych, promując rozwój systemów sztucznej inteligencji zwiększających prywatność oraz inwestując w badania nad cyberbezpieczeństwem sztucznej inteligencji, możemy zapewnić, że korzyści płynące ze sztucznej inteligencji zostaną zrealizowane przy jednoczesnym zminimalizowaniu jej negatywnego wpływu. Innym istotnym problemem związanym ze sztuczną inteligencją jest uprzedzenie i dyskryminacja. Systemy sztucznej inteligencji są zaprojektowane tak, aby uczyć się na podstawie danych, a jeśli dane te są stronnicze lub niekompletne, system sztucznej inteligencji może utrwalić tę stronniczość. Może to prowadzić do dyskryminacji pewnych grup ludzi, takich jak kobiety i mniejszości, w obszarach takich jak zatrudnienie, mieszkalnictwo i opieka zdrowotna. Aby rozwiązać ten problem, ważne jest, aby dane wykorzystywane do szkolenia systemów sztucznej inteligencji były zróżnicowane i reprezentatywne dla wszystkich grup społecznych. Ponadto systemy sztucznej inteligencji powinny być zaprojektowane tak, aby były przejrzyste i możliwe do wyjaśnienia, tak aby można było zidentyfikować i skorygować uprzedzenia i błędy. Innym rozwiązaniem jest zwiększenie różnorodności w rozwoju i wdrażaniu systemów AI. Obejmuje to promowanie różnorodności w zespołach badawczo-rozwojowych AI, a także zapewnienie, że systemy AI są testowane pod kątem uprzedzeń i dyskryminacji przed ich wdrożeniem. Istotnym problemem związanym ze sztuczną inteligencją jest również kwestia odpowiedzialności. W miarę jak systemy sztucznej inteligencji stają się coraz potężniejsze i wszechobecne, ważne jest, aby osoby, które projektują i wdrażają te systemy, ponosiły odpowiedzialność za swoje działania. Obejmuje to ustanowienie jasnych wytycznych i przepisów dotyczących rozwoju i korzystania z systemów sztucznej inteligencji, a także zapewnienie, że firmy będą ponosić odpowiedzialność za wszelkie negatywne konsekwencje wynikające z korzystania przez nie z sztucznej inteligencji. Podsumowując, wpływ sztucznej inteligencji na uprzedzenia i dyskryminację jest poważnym problemem, ale istnieją rozwiązania, które mogą pomóc w rozwiązaniu tych problemów. Zapewniając różnorodność i reprezentatywność danych wykorzystywanych do szkolenia systemów sztucznej inteligencji, promując różnorodność w rozwoju i wdrażaniu sztucznej inteligencji oraz ustanawiając jasne wytyczne i przepisy dotyczące korzystania z sztucznej inteligencji, możemy zapewnić, że sztuczna inteligencja jest wykorzystywana w uczciwy i sprawiedliwy sposób, z korzyścią dla wszystkich członkowie społeczeństwa.

Wpływ sztucznej inteligencji na prywatność

Kolejnym obszarem, w którym sztuczna inteligencja zabija naszą przyszłość, jest sfera prywatności. W miarę jak systemy sztucznej inteligencji stają się coraz bardziej wyrafinowane, są w stanie gromadzić i analizować ogromne ilości danych osobowych. Może to być wszystko, od naszej historii przeglądania po naszą dokumentację medyczną. Gromadzenie i wykorzystywanie tych danych budzi poważne obawy dotyczące prywatności. Jeśli systemy sztucznej inteligencji nie są odpowiednio zabezpieczone, hakerzy mogą uzyskać dostęp do poufnych informacji, co może prowadzić do kradzieży tożsamości, oszustw finansowych i innych form cyberprzestępczości. Ponadto wykorzystanie sztucznej inteligencji do celów inwigilacji budzi obawy związane z nadmiernym zasięgiem działań rządu i erozją swobód obywatelskich. Ponadto wykorzystanie sztucznej inteligencji do reklamy ukierunkowanej i marketingu spersonalizowanego może mieć również negatywne konsekwencje dla prywatności. Algorytmy sztucznej inteligencji mogą być wykorzystywane do analizowania danych dotyczących naszej historii przeglądania i zakupów, aktywności w mediach społecznościowych i innych zachowań online w celu tworzenia wysoce ukierunkowanych kampanii reklamowych. Chociaż może to prowadzić do skuteczniejszej reklamy, rodzi to również obawy dotyczące wykorzystywania danych osobowych do celów komercyjnych bez zgody lub wiedzy osób fizycznych. Ponadto istnieje również możliwość wykorzystywania systemów sztucznej inteligencji do manipulowania zachowaniem i decyzjami poszczególnych osób. Algorytmy sztucznej inteligencji można na przykład wykorzystać do tworzenia wysoce przekonujących treści lub reklam, które wpływają na osoby dokonujące wyborów, których inaczej by nie dokonały. Może to dotyczyć szczególnie obszarów takich jak polityka, gdzie wykorzystanie sztucznej inteligencji do kampanii propagandowych i dezinformacyjnych może mieć znaczący wpływ na procesy demokratyczne. Aby odpowiedzieć na te obawy, ważne jest ustanowienie jasnych wytycznych i przepisów dotyczących gromadzenia, wykorzystywania i ochrony danych osobowych. Obejmuje to wzmocnienie przepisów dotyczących ochrony danych i zapewnienie osobom fizycznym większej kontroli nad swoimi danymi osobowymi. Ponadto należy zapewnić większą przejrzystość w opracowywaniu i wdrażaniu systemów sztucznej inteligencji, w tym w stosowaniu zrozumiałych algorytmów sztucznej inteligencji, które można kontrolować pod kątem stronniczości i dyskryminacji. Wreszcie, potrzebna jest większa świadomość społeczna i edukacja na temat zagrożeń i korzyści związanych z technologią sztucznej inteligencji. Obejmuje to edukowanie osób na temat sposobu gromadzenia i wykorzystywania ich danych osobowych, a także potencjalnych konsekwencji podejmowania decyzji opartych na sztucznej inteligencji. Podsumowując, wpływ sztucznej inteligencji na prywatność jest poważnym problemem, ale istnieją rozwiązania, które mogą pomóc w rozwiązaniu tych problemów. Ustanawiając jasne wytyczne i przepisy dotyczące gromadzenia, wykorzystywania i ochrony danych osobowych, promując przejrzystość w rozwoju i wdrażaniu systemów sztucznej inteligencji oraz zwiększając świadomość społeczną i edukację na temat zagrożeń i korzyści związanych z technologią sztucznej inteligencji, możemy zapewnić, że sztuczna inteligencja jest wykorzystywane w sposób szanujący i chroniący prawa do prywatności osób fizycznych Kolejnym obszarem, w którym sztuczna inteligencja zabija naszą przyszłość, jest bezpieczeństwo. Chociaż sztuczna inteligencja może zwiększać bezpieczeństwo poprzez wykrywanie zagrożeń i zapobieganie im, stwarza również poważne zagrożenia dla bezpieczeństwa. Jednym z najpoważniejszych zagrożeń jest możliwość włamania się do systemów sztucznej inteligencji i wykorzystania ich do złośliwych celów. Na przykład algorytmy sztucznej inteligencji mogą być wykorzystywane do przeprowadzania cyberataków lub rozprzestrzeniania złośliwego oprogramowania, ułatwiając hakerom uzyskanie dostępu do poufnych informacji lub zakłócenie infrastruktury krytycznej. Innym problemem jest możliwość wykorzystania sztucznej inteligencji do celów nadzoru, zarówno przez rządy, jak i prywatne korporacje. Wykorzystanie sztucznej inteligencji do inwigilacji rodzi istotne kwestie etyczne i prawne, w szczególności dotyczące kwestii prywatności i swobód obywatelskich. Istnieje również ryzyko, że wykorzystanie sztucznej inteligencji do inwigilacji może doprowadzić do rozwoju autorytarnych reżimów, które polegają na technologiach opartych na sztucznej inteligencji do monitorowania i kontrolowania swoich populacji. Aby rozwiązać te problemy, konieczne jest opracowanie solidnych protokołów bezpieczeństwa cybernetycznego dla systemów sztucznej inteligencji. Obejmuje to opracowanie bezpiecznych algorytmów sztucznej inteligencji, które są odporne na ataki hakerskie i złośliwe oprogramowanie, a także zapewnienie regularnej aktualizacji i konserwacji systemów sztucznej inteligencji w celu przeciwdziałania nowym zagrożeniom bezpieczeństwa. Ponadto konieczne jest opracowanie jasnych wytycznych prawnych i etycznych dotyczących wykorzystania sztucznej inteligencji w inwigilacji, w tym ścisłych ograniczeń w zakresie gromadzenia i wykorzystywania danych osobowych. Wreszcie, ważne jest promowanie przejrzystości w rozwoju i wdrażaniu systemów sztucznej inteligencji. Obejmuje to zapewnienie, aby osoby fizyczne były świadome wykorzystania sztucznej inteligencji w różnych zastosowaniach, w tym do nadzoru i bezpieczeństwa, a także zapewnienie mechanizmów umożliwiających osobom fizycznym kwestionowanie korzystania z technologii opartych na sztucznej inteligencji, gdy narusza to ich prywatność lub wolności obywatelskie. Podsumowując, chociaż sztuczna inteligencja może zwiększać bezpieczeństwo, stwarza również poważne zagrożenia dla bezpieczeństwa. Opracowując solidne protokoły bezpieczeństwa cybernetycznego, ustanawiając jasne wytyczne prawne i etyczne dotyczące wykorzystania sztucznej inteligencji w nadzorze oraz promując przejrzystość w opracowywaniu i wdrażaniu systemów sztucznej inteligencji, możemy ograniczyć te zagrożenia i zapewnić, że sztuczna inteligencja jest wykorzystywana w sposób promujący bezpieczeństwo, jednocześnie poszanowania praw i wolności jednostki. Oprócz obaw związanych z zatrudnieniem, prywatnością i bezpieczeństwem sztuczna inteligencja może również zaostrzyć istniejące nierówności społeczne i ekonomiczne. Na przykład algorytmy sztucznej inteligencji mogą utrwalać uprzedzenia i dyskryminację, powielając istniejące uprzedzenia społeczne w swoich procesach decyzyjnych. Może to skutkować systemami sztucznej inteligencji, które dyskryminują określone grupy ludzi, takie jak osoby o innym kolorze skóry, kobiety lub osoby ze zmarginalizowanych społeczności. Innym problemem jest możliwość wykorzystania sztucznej inteligencji do tworzenia tak zwanych "głębokich fałszywych" treści, w tym fałszywych filmów, nagrań dźwiękowych i obrazów. Może to podważyć zaufanie do mediów i wywołać zamieszanie i chaos, zwłaszcza w czasach kryzysu. Może być również wykorzystywany do złośliwych celów, takich jak szerzenie dezinformacji lub szantaż. Aby rozwiązać te problemy, konieczne jest opracowanie i wdrożenie systemów sztucznej inteligencji w sposób przejrzysty, odpowiedzialny i sprawiedliwy. Obejmuje to zapewnienie regularnych audytów algorytmów sztucznej inteligencji w celu wykrycia i wyeliminowania błędów, a także promowanie różnorodności w opracowywaniu systemów sztucznej inteligencji, aby zapewnić, że odzwierciedlają one szeroki zakres perspektyw i doświadczeń. Ważne jest również opracowanie polityk i przepisów promujących odpowiedzialne korzystanie z sztucznej inteligencji, w tym surowe ograniczenia wykorzystania sztucznej inteligencji do nadzoru oraz zapewnienie jednostkom prawa do kwestionowania korzystania z technologii opartych na sztucznej inteligencji, które naruszają ich prawa i wolności . Wreszcie kluczowe znaczenie ma inwestowanie w programy edukacyjne i szkoleniowe, aby zapewnić jednostkom umiejętności i wiedzę niezbędne do rozwoju w świecie, który w coraz większym stopniu napędzany jest przez sztuczną inteligencję. Obejmuje to zapewnianie szkoleń w obszarach takich jak analiza danych, cyberbezpieczeństwo i etyka, a także promowanie uczenia się przez całe życie, aby umożliwić jednostkom dostosowanie się do zmieniającego się charakteru pracy i zatrudnienia. Podsumowując, chociaż sztuczna inteligencja może przynieść znaczne korzyści, stwarza również poważne zagrożenia dla naszej przyszłości, w tym zagrożenia dla zatrudnienia, prywatności, bezpieczeństwa oraz nierówności społecznych i ekonomicznych. Opracowując i wdrażając sztuczną inteligencję w sposób przejrzysty, odpowiedzialny i sprawiedliwy, możemy ograniczyć te zagrożenia i zapewnić, że sztuczna inteligencja jest wykorzystywana w sposób, który promuje dobrostan i rozkwit ludzi.

Wpływ sztucznej inteligencji na bezpieczeństwo

Wpływa także na naszą przyszłość w zakresie bezpieczeństwa. W miarę jak systemy sztucznej inteligencji stają się coraz bardziej zaawansowane, stają się bardziej podatne na cyberataki. Hakerzy mogą wykorzystywać sztuczną inteligencję do tworzenia wyrafinowanych ataków, które mogą ominąć tradycyjne środki bezpieczeństwa. Dodatkowo, wraz ze zautomatyzowaniem infrastruktury krytycznej, wzrasta ryzyko cyberataków na te systemy. Może to prowadzić do przerw w dostawie prądu, zakłóceń w transporcie i innych poważnych zagrożeń bezpieczeństwa. Ponadto sztuczna inteligencja jest również wykorzystywana do celów ofensywnych w cyberbezpieczeństwie. Na przykład boty oparte na sztucznej inteligencji mogą być wykorzystywane do przeprowadzania masowych ataków DDoS na strony internetowe, przytłaczając je ruchem i czyniąc je niedostępnymi. Sztuczna inteligencja może być również wykorzystywana do wyrafinowanych ataków typu phishing, które nakłaniają osoby do podania poufnych informacji lub kliknięcia złośliwych łączy. Ponadto sztuczna inteligencja może zostać wykorzystana do automatyzacji procesu identyfikowania i wykorzystywania luk w systemach komputerowych. Analizując ogromne ilości danych, systemy sztucznej inteligencji mogą identyfikować słabe punkty oprogramowania i sprzętu, ułatwiając hakerom przeprowadzanie skutecznych ataków. Aby rozwiązać te problemy związane z bezpieczeństwem, należy inwestować w rozwój solidnych systemów cyberbezpieczeństwa, które mogą wykrywać zagrożenia i reagować na nie w czasie rzeczywistym. Obejmuje to wykorzystanie sztucznej inteligencji do szybkiego i skutecznego identyfikowania zagrożeń i reagowania na nie. Niezbędne jest jednak również zapewnienie, aby systemy sztucznej inteligencji wykorzystywane w cyberbezpieczeństwie były bezpieczne i wolne od luk w zabezpieczeniach. Wymaga to ciągłego testowania i audytowania systemów sztucznej inteligencji, aby upewnić się, że są one odporne na ataki i że nie są wykorzystywane do ułatwiania cyberprzestępczości. Wreszcie, ważne jest, aby upewnić się, że poszczególne osoby posiadają umiejętności i wiedzę niezbędne do ochrony przed cyberzagrożeniami. Obejmuje to promowanie świadomości cyberbezpieczeństwa i zapewnianie szkoleń w takich obszarach, jak zarządzanie hasłami, świadomość phishingu i podstawowe praktyki bezpieczeństwa. Podsumowując, sztuczna inteligencja stwarza poważne zagrożenia bezpieczeństwa dla naszej przyszłości, w tym luki w cyberatakach i potencjał wykorzystania sztucznej inteligencji do celów ofensywnych. Inwestując w solidne systemy cyberbezpieczeństwa i promując świadomość cyberbezpieczeństwa, możemy ograniczyć te zagrożenia i zapewnić, że sztuczna inteligencja jest wykorzystywana w sposób promujący bezpieczeństwo dla wszystkich. Oprócz zagrożeń dla zatrudnienia, prywatności i bezpieczeństwa sztuczna inteligencja budzi również obawy etyczne, które mogą mieć znaczący wpływ na naszą przyszłość. Jednym z najbardziej palących problemów etycznych związanych ze sztuczną inteligencją jest uprzedzenie. Systemy sztucznej inteligencji są tak obiektywne, jak dane, na których są szkolone, a jeśli dane używane do trenowania modeli sztucznej inteligencji są stronnicze, wynikowy system również będzie stronniczy. Może to prowadzić do dyskryminacji i niesprawiedliwego traktowania osób ze względu na takie czynniki, jak rasa, płeć lub wiek. Na przykład stwierdzono, że systemy zatrudniania oparte na sztucznej inteligencji dyskryminują kobiety i osoby kolorowe. Podobnie stwierdzono, że sztuczna inteligencja stosowana w systemie wymiaru sprawiedliwości w sprawach karnych jest uprzedzona wobec mniejszości, co skutkuje niesprawiedliwymi wyrokami i innymi formami dyskryminacji. Innym problemem etycznym jest możliwość wykorzystania sztucznej inteligencji w autonomicznych systemach uzbrojenia, co mogłoby doprowadzić do utraty kontroli człowieka nad użyciem siły. Może to mieć druzgocące konsekwencje, zarówno pod względem życia ludzkiego, jak i potencjalnego globalnego konfliktu. Aby rozwiązać te problemy natury etycznej, należy zadbać o to, by sztuczna inteligencja była rozwijana i wdrażana w sposób etyczny i odpowiedzialny. Wymaga to zaangażowania na rzecz różnorodności i integracji w zespołach opracowujących sztuczną inteligencję, a także solidnych ram etycznych i przepisów, które kierują rozwojem i wykorzystaniem systemów sztucznej inteligencji. Istotne jest również, aby osoby fizyczne były świadome potencjalnych uprzedzeń i obaw etycznych związanych z AI oraz aby posiadały narzędzia i wiedzę niezbędne do dochodzenia swoich praw i zapewniały, że sztuczna inteligencja jest wykorzystywana w sposób zgodny z ich wartościami. Podsumowując, sztuczna inteligencja budzi poważne obawy etyczne, które mogą mieć znaczący wpływ na naszą przyszłość. Opracowując i wdrażając sztuczną inteligencję w sposób etyczny i odpowiedzialny oraz promując świadomość i edukację w tych kwestiach, możemy zapewnić, że sztuczna inteligencja jest wykorzystywana w sposób przynoszący korzyści społeczeństwu i promujący wspólne dobro. Innym problemem etycznym związanym ze sztuczną inteligencją jest potencjalna utrata miejsc pracy i wynikający z tego wpływ na nierówności dochodów. Ponieważ sztuczna inteligencja nadal automatyzuje wiele zawodów, może pogłębić istniejące nierówności i stworzyć nowe. Dzieje się tak dlatego, że ci, którzy mają umiejętności i zasoby, aby dostosować się do zmieniającego się rynku pracy, mogą prosperować, podczas gdy ci, którzy ich nie mają, mogą mieć trudności ze znalezieniem pracy lub mogą być zmuszeni do wykonywania nisko płatnych prac o niewielkim bezpieczeństwie zatrudnienia. Ponadto istnieje obawa, że sztuczna inteligencja może być wykorzystywana do wykorzystywania wrażliwych grup społecznych, takich jak osoby żyjące w ubóstwie lub mające ograniczony dostęp do edukacji lub opieki zdrowotnej. Może to prowadzić do dalszych nierówności ekonomicznych i społecznych. Aby odpowiedzieć na te obawy, potrzebne są polityki promujące wzrost gospodarczy sprzyjający włączeniu społecznemu i gwarantujące, że ci, których zmiany wywołane przez sztuczną inteligencję najbardziej odczują, nie zostaną pozostawieni w tyle. Może to obejmować inicjatywy, takie jak programy szkolenia zawodowego i siatki bezpieczeństwa socjalnego, które pomagają wspierać osoby wysiedlone przez automatyzację napędzaną przez sztuczną inteligencję. Na koniec warto zauważyć, że sztuczna inteligencja zmienia także charakter pracy i umiejętności potrzebne do odniesienia sukcesu na przyszłym rynku pracy. W miarę upowszechniania się systemów sztucznej inteligencji będzie rosło zapotrzebowanie na osoby posiadające umiejętności w takich dziedzinach, jak analiza danych, uczenie maszynowe i programowanie. Aby przygotować się do tej nowej rzeczywistości, potrzebne są inwestycje w programy edukacyjne i szkoleniowe, które pomagają jednostkom rozwijać te umiejętności. Dzięki temu będą dobrze przygotowani do odniesienia sukcesu na nowym rynku pracy, a korzyści płynące ze sztucznej inteligencji będą dzielone bardziej równomiernie w całym społeczeństwie. Podsumowując, chociaż sztuczna inteligencja może przynieść wiele korzyści, budzi również poważne obawy etyczne, które mogą mieć głęboki wpływ na naszą przyszłość. Rozwiązując te problemy za pomocą polityk promujących wzrost gospodarczy sprzyjający włączeniu społecznemu, inwestycje w edukację i szkolenia oraz ramy i przepisy etyczne, możemy zapewnić, że sztuczna inteligencja jest wykorzystywana w sposób przynoszący korzyści społeczeństwu i promujący wspólne dobro.

Łagodzenie negatywnych skutków sztucznej inteligencji

Podczas gdy sztuczna inteligencja niewątpliwie ma negatywny wpływ na naszą przyszłość, to są kroki, które można podjąć, aby złagodzić jego negatywne skutki. Na przykład rządy mogą inwestować w programy edukacyjne i szkoleniowe, aby pomóc pracownikom przejść na nowe stanowiska, które wymagają umiejętności, których nie można zautomatyzować. Ponadto firmy mogą podjąć kroki w celu zapewnienia, że ich systemy sztucznej inteligencji są odpowiednio zabezpieczone, aby zapobiegać cyberatakom. Kolejnym krokiem, który można podjąć, aby złagodzić negatywny wpływ sztucznej inteligencji, jest opracowanie i wdrożenie ram etycznych i przepisów, które zapewniają, że sztuczna inteligencja jest wykorzystywana w sposób odpowiedzialny i odpowiedzialny. Może to obejmować wytyczne dotyczące gromadzenia i wykorzystywania danych, przejrzystości w zakresie podejmowania decyzji przez systemy sztucznej inteligencji oraz odpowiedzialności za wszelkie szkody wyrządzone przez systemy sztucznej inteligencji. Ponadto istnieje potrzeba większej edukacji i zaangażowania społeczeństwa w zakresie sztucznej inteligencji i jej potencjalnych skutków. Pomoże to zwiększyć świadomość zagrożeń i możliwości związanych ze sztuczną inteligencją oraz zapewni, że opinia publiczna będzie informowana i zaangażowana w dyskusje na temat rozwoju i wykorzystania sztucznej inteligencji. Wreszcie istnieje potrzeba ściślejszej współpracy między zainteresowanymi stronami w zakresie opracowywania i wdrażania systemów sztucznej inteligencji. Obejmuje to współpracę między rządami, firmami, organizacjami społeczeństwa obywatelskiego i instytucjami akademickimi. Pracując razem, zainteresowane strony mogą zapewnić, że rozwój i wykorzystanie sztucznej inteligencji są zgodne z wartościami społecznymi oraz że korzyści płynące ze sztucznej inteligencji są dzielone bardziej równomiernie w całym społeczeństwie. Podsumowując, chociaż sztuczna inteligencja ma negatywny wpływ na naszą przyszłość, istnieją kroki, które można podjąć, aby złagodzić jej negatywne skutki. Inwestując w edukację i szkolenia, zapewniając bezpieczeństwo systemów sztucznej inteligencji oraz opracowując ramy i przepisy etyczne, angażując społeczeństwo i promując współpracę między zainteresowanymi stronami, możemy zapewnić, że rozwój i wykorzystanie sztucznej inteligencji jest zgodne z wartościami społecznymi i promuje wspólne dobro . Ponadto istnieje potrzeba większej różnorodności i włączenia w rozwój systemów sztucznej inteligencji. Systemy sztucznej inteligencji są tak dobre, jak dane, na których są szkolone, a jeśli dane są stronnicze lub niereprezentatywne, system sztucznej inteligencji również będzie stronniczy. W związku z tym kluczowe znaczenie ma zapewnienie, aby rozwój systemów sztucznej inteligencji obejmował różne perspektywy i doświadczenia, aby zapobiec stronniczości danych i zapewnić, aby systemy sztucznej inteligencji były sprawiedliwe i sprawiedliwe. Ponadto istnieje potrzeba wspierania innowacji i przedsiębiorczości w obszarach, które nie są łatwe do zautomatyzowania. Może to obejmować wspieranie rozwoju nowych gałęzi przemysłu i technologii, które wymagają wyjątkowych umiejętności ludzkich, takich jak kreatywność, inteligencja emocjonalna i umiejętności społeczne. Promując rozwój tych branż i technologii, możemy tworzyć nowe miejsca pracy, które są mniej podatne na automatyzację i dają więcej możliwości pracownikom. Wreszcie, konieczne jest dalsze regularne monitorowanie i ocena wpływu sztucznej inteligencji na nasze społeczeństwo. Umożliwi nam to identyfikację nowych zagrożeń i możliwości związanych ze sztuczną inteligencją oraz odpowiednie dostosowanie naszych zasad i strategii. Podsumowując, negatywny wpływ sztucznej inteligencji na naszą przyszłość jest znaczący, ale nie jest nieunikniony. Podejmując proaktywne kroki w celu złagodzenia tych negatywnych skutków i promowania odpowiedzialnego rozwoju i wykorzystania sztucznej inteligencji, możemy zapewnić, że sztuczna inteligencja jest siłą działającą na rzecz dobra i przynosi korzyści wszystkim członkom naszego społeczeństwa.

Wniosek

AI niewątpliwie ma znaczący wpływ na naszą przyszłość, zarówno pozytywną, jak i negatywną. Podczas gdy negatywne skutki AI, takie strata pracy , obawy dotyczące prywatności i zagrożenia bezpieczeństwa są znaczące, istnieją kroki, które można podjąć, aby je złagodzić. Inwestując w programy edukacyjne i szkoleniowe, zabezpieczając systemy sztucznej inteligencji i pamiętając o potencjalnych zagrożeniach, możemy zapewnić, że sztuczna inteligencja jest wykorzystywana do poprawy naszego życia, a nie do wyrządzania mu szkody. Ponadto istotne jest również rozważenie etycznych implikacji sztucznej inteligencji. W miarę jak sztuczna inteligencja staje się coraz bardziej zaawansowana i potężna, kluczowe znaczenie ma zapewnienie, aby była rozwijana i wykorzystywana w sposób etyczny. Wiąże się to z opracowaniem wytycznych i standardów etycznych dotyczących korzystania ze sztucznej inteligencji, a także zapewnieniem przejrzystości i rozliczalności systemów sztucznej inteligencji. Innym krytycznym aspektem odpowiedzialnego korzystania ze sztucznej inteligencji jest zapewnienie, że jest ona wykorzystywana z korzyścią dla wszystkich członków społeczeństwa, a nie tylko dla wybranych. Oznacza to podjęcie kroków w celu rozwiązania problemu przepaści cyfrowej i zapewnienia wszystkim dostępu do korzyści płynących ze sztucznej inteligencji, w tym edukacji, opieki zdrowotnej i możliwości zatrudnienia. Wreszcie, należy koniecznie uznać, że rozwój i wykorzystanie sztucznej inteligencji to nie tylko kwestie techniczne, ale także społeczne i polityczne. W miarę jak systemy sztucznej inteligencji stają się coraz bardziej zintegrowane z naszym codziennym życiem, konieczne jest zapewnienie ich ,że są zgodne z naszymi wartościami i aspiracjami jako społeczeństwa. Podsumowując, sztuczna inteligencja to potężna i rewolucyjna technologia, która ma potencjał do zmiany naszego życia na lepsze. Konieczne jest jednak również rozpoznanie potencjalnych zagrożeń i negatywnych skutków sztucznej inteligencji oraz podjęcie kroków w celu ich złagodzenia. Inwestując w edukację i szkolenia, zapewniając etyczny rozwój i użytkowanie oraz promując równy dostęp do korzyści płynących ze sztucznej inteligencji, możemy zapewnić, że sztuczna inteligencja będzie siłą na dobre w naszej przyszłości. Aby jeszcze bardziej zająć się potencjalnymi negatywnymi skutkami sztucznej inteligencji, kluczowa jest współpraca między wszystkimi zainteresowanymi stronami, w tym rządami, sektorem prywatnym, środowiskiem akademickim, społeczeństwem obywatelskim i osobami fizycznymi. Poprzez dialog i współpracę możemy opracować rozwiązania, które zapewnią zgodność rozwoju i wykorzystania sztucznej inteligencji z naszymi wspólnymi wartościami i aspiracjami. Inną ważną kwestią jest potrzeba ciągłych badań i rozwoju w celu zapewnienia odpowiedzialnego i korzystnego rozwoju sztucznej inteligencji. Obejmuje to ciągłe wysiłki na rzecz opracowania systemów sztucznej inteligencji, które są przejrzyste, wytłumaczalne i odpowiedzialne, a także rozwój sztucznej inteligencji, która może sprostać niektórym najpilniejszym wyzwaniom na świecie, takim jak zmiana klimatu, opieka zdrowotna i ubóstwo. Wreszcie, idąc naprzód z AI, należy pamiętać, że sama technologia nie jest rozwiązaniem wszystkich naszych problemów. Sztuczna inteligencja to narzędzie, które może pomóc nam osiągnąć nasze cele, ale nie zastępuje ludzkiego osądu, kreatywności i empatii. Ostatecznie to od nas zależy, czy sztuczna inteligencja będzie wykorzystywana w sposób odzwierciedlający nasze wartości i aspiracje jako społeczeństwa. Podsumowując, sztuczna inteligencja to miecz obosieczny, który ma potencjał zmienić nasze życie w pozytywny sposób, jednocześnie stwarzając znaczące ryzyko i wyzwania. Dzięki współpracy, ciągłym badaniom i rozwojowi oraz zaangażowaniu w wykorzystywanie sztucznej inteligencji w sposób, który odzwierciedla nasze wartości i aspiracje, możemy zapewnić, że sztuczna inteligencja będzie siłą na rzecz dobra w naszej przyszłości, a nie zagrożeniem dla niej.