- ChatGPT

WNIOSKI DOTYCZĄCE DANYCH: WYKORZYSTANIE MOCY GENERATYWNEJ AI

Dane są kluczowym zasobem dla dzisiejszych firm. To paliwo, które napędza lepsze podejmowanie decyzji w organizacjach. W związku z tym kluczowe jest, aby ludzie w całej organizacji byli w stanie wyciągać wnioski z danych. Jednak łatwiej to powiedzieć niż zrobić. Zamiast czerpać siłę z danych, wiele osób czuje się przez nie zastraszonych (lub nawet sparaliżowanych). W tym rozdziale przyjrzymy się problemowi bycia bogatym w dane, ale ubogim w wnioski, i odkryjemy, w jaki sposób GenAI może pomóc firmom lepiej wykorzystać dane.

Czym jest problem danych i jak pomaga nam generatywna sztuczna inteligencja?

Żyjemy w świecie pełnym danych - w istocie wszystko, co robimy, generuje dane, a przeciętny biznes po prostu w nich pływa. Ale jaki jest problem z posiadaniem tak ogromnego morza danych? Można w nim utonąć.

Drażliwy problem przytłoczenia danymi

Dane są przydatne, ale ich ogromna ilość może po prostu przytłoczyć ludzi. To zjawisko jest opisywane przez lidera oprogramowania Oracle jako "Dylemat decyzyjny". Można to również nazwać "paraliżem decyzyjnym" lub "lękiem przed danymi". Jakkolwiek to nazwiemy, podstawowa istota jest taka, że więcej danych powoduje niepokój i brak działania, zamiast lepszych decyzji. W raporcie Decision Dilemma z 2023 r. Oracle przeprowadziło ankietę wśród ponad 14 000 pracowników i liderów biznesowych w 17 krajach, a wyniki były szokujące:1 83% zgodziło się, że dostęp do danych jest niezbędny, aby pomóc firmom podejmować decyzje, ALE... 86% stwierdziło, że dane sprawiają, że czują się mniej pewni siebie, a 72% stwierdziło, że dane uniemożliwiają im podjęcie decyzji. Kiedy rozmawiałem z Jamesem Richardsonem, wiceprezesem ds. strategii produktu i analityki w Oracle, powiedział mi: "To niepokój wynikający z posiadania bogactwa danych, które mamy na wyciągnięcie ręki, ale być może ograniczonej ilości czasu na ich wykorzystanie... jednym z interesujących odkryć było to, że znaczna liczba osób stwierdziła, że w momencie podejmowania decyzji byli tak przytłoczeni danymi, że nie podjęli decyzji. Pytanie więc brzmi, jak sobie z tym poradzić?" Z pewnością sam to zauważyłem w mojej pracy konsultingowej - organizacje są bogate w dane, ale niekoniecznie oznacza to, że mają spostrzeżenia, których potrzebują, aby podejmować decyzje i działać. Nic więc dziwnego, że 70% liderów biznesowych czasami wolałoby po prostu pozostawić te decyzje w rękach robota lub AI.2 Richardson nie uważa, że oznacza to, że ludzie chcą zrzec się wszelkiej odpowiedzialności za podejmowanie decyzji; po prostu desperacko potrzebujemy pomocy. "To, co tak naprawdę mówią, to "pomóż mi"", mówi. Co więc z tym zrobić? Jak zobaczymy , część rozwiązania może leżeć w zdolności GenAI do nadawania sensu danym i wydobywania przydatnych informacji, które pomagają nam podejmować lepsze decyzje.

Czym jest problem danych i jak pomaga nam generatywna sztuczna inteligencja?

Żyjemy w świecie pełnym danych - w istocie wszystko, co robimy, generuje dane, a przeciętny biznes po prostu w nich pływa. Ale jaki jest problem z posiadaniem tak ogromnego morza danych? Można w nim utonąć.

Drażliwy problem przytłoczenia danymi

Dane są przydatne, ale ich ogromna ilość może po prostu przytłoczyć ludzi. To zjawisko jest opisywane przez lidera oprogramowania Oracle jako "Dylemat decyzyjny". Można to również nazwać "paraliżem decyzyjnym" lub "lękiem przed danymi". Jakkolwiek to nazwiemy, podstawowa istota jest taka, że więcej danych powoduje niepokój i brak działania, zamiast lepszych decyzji. W raporcie Decision Dilemma z 2023 r. Oracle przeprowadziło ankietę wśród ponad 14 000 pracowników i liderów biznesowych w 17 krajach, a wyniki były szokujące:

•  83% zgodziło się, że dostęp do danych jest niezbędny, aby pomóc firmom podejmować decyzje,
•  86% stwierdziło, że dane sprawiają, że czują się mniej pewni siebie, a
•  72% stwierdziło, że dane uniemożliwiły im podjęcie decyzji.

Kiedy rozmawiałem z Jamesem Richardsonem, wiceprezesem ds. strategii produktów i analityki w Oracle, powiedział mi: "To niepokój wynikający z posiadania bogactwa danych, które mamy na wyciągnięcie ręki, ale być może ograniczonej ilości czasu na ich wykorzystanie… jednym z interesujących odkryć było to, że znaczna liczba osób stwierdziła, że w momencie podejmowania decyzji byli tak przytłoczeni danymi, że nie podjęli decyzji. Pytanie więc brzmi, jak sobie z tym poradzić?" Z pewnością sam to zauważyłem w mojej pracy konsultingowej - organizacje są bogate w dane, ale to niekoniecznie oznacza, że mają spostrzeżenia, których potrzebują, aby podejmować decyzje i działać. Nic więc dziwnego, że 70% liderów biznesowych czasami wolałoby po prostu pozostawić te decyzje w rękach robota lub AI.2 Richardson nie uważa, że oznacza to, że ludzie chcą zrzec się wszelkiej odpowiedzialności za podejmowanie decyzji; po prostu desperacko potrzebujemy pomocy. "To, co tak naprawdę mówią, to "pomóż mi"", mówi. Co więc z tym zrobić? Jak zobaczymy w tym rozdziale, część rozwiązania może leżeć w zdolności GenAI do nadawania sensu danym i wydobywania przydatnych informacji, które pomagają nam podejmować lepsze decyzje.

Znaczenie kompetencji danych

Aby w pełni wykorzystać GenAI, potrzebujemy firm, które przyjmą nową erę analityki "samoobsługowej", w której każdy będzie miał możliwość znalezienia potrzebnych odpowiedzi. (W przeciwieństwie do tradycyjnego podejścia, w którym spostrzeżenia byłyby przekazywane przez analityków biznesowych w organizacji). Aby pomyślnie dokonać tej zmiany, organizacje muszą przeznaczyć zasoby na wsparcie pracowników w tych zmianach - na przykład poprzez utworzenie centrów danych i analiz, w których osoby posiadające profesjonalne umiejętności w zakresie danych mogą pomagać tym, którzy ich nie mają. Ponieważ, jeśli będziemy szczerzy co do sytuacji, istnieje zaskakujący brak kompetencji danych. (Przez kompetencje danych nie mam na myśli bycia analitykiem danych; mam na myśli zdolność do pewnej pracy z danymi w celu uzyskania potrzebnych informacji). Częściowo ten brak kompetencji danych wynika z niepokoju związanego z pracą z danymi i przytłoczenia, które może wynikać z posiadania tak dużej ilości danych na wyciągnięcie ręki, ale wynika również z braku przeszkolenia w zakresie kompetencji danych. Według jednego z badań, 82% liderów oczekuje, że wszyscy pracownicy będą mieli podstawową wiedzę na temat danych, a 79% twierdzi, że ich działy wyposażają pracowników w kluczowe umiejętności związane z danymi - jednak tylko 40% pracowników twierdzi, że otrzymują umiejętności związane z danymi, których oczekują ich pracodawcy. Pilnie potrzebujemy, aby ludzie stali się bardziej pewni siebie i kompetentni w pracy z danymi. Dlatego wszystkie organizacje muszą zainwestować w program wiedzy na temat danych, który nie tylko zapewnia szkolenie z danych, ale także wpaja kulturę zorientowaną na dane od góry do dołu. Co ważne, GenAI może również odegrać rolę w zwiększaniu wiedzy na temat danych. W jaki sposób? Dając każdemu możliwość analizowania ogromnych ilości danych w sposób intuicyjny, przy użyciu pytań w języku naturalnym.

GenAI i jego zdolność do rozumienia danych

GenAI są w stanie tworzyć wyniki (takie jak tekst lub obrazy) poprzez uczenie się z ogromnych ilości danych i rozpoznawanie wzorców w tych danych. Co jest oczywiście ogromnym uproszczeniem, ale prawda jest taka, że nawet najlepsi eksperci od AI nie są w stanie dokładnie wyjaśnić, w jaki sposób GenAI robią to, co robią. Chodzi o to, że systemy GenAI są w stanie analizować ogromne ilości danych, a organizacje mogą to wykorzystać na swoją korzyść. GenAI ma potencjał demokratyzacji analizy danych, udostępniając zaawansowaną interpretację danych i generowanie spostrzeżeń firmom każdej wielkości. GenAI usprawnia analizę i interpretację danych, automatyzując złożone procesy, takie jak rozpoznawanie wzorców i analiza trendów, umożliwiając wgląd w czasie rzeczywistym, który zamienia ogromne zbiory danych w łatwe do zrozumienia narracje i wizualizacje. (Ponieważ dzięki systemom wielomodelowym, które są w stanie generować, powiedzmy, wykresy, a także tekst, możesz przedstawić swoje dane dokładnie tak, jak chcesz). Ponadto GenAI może teoretycznie pracować z wszelkiego rodzaju chaotycznymi, nieustrukturyzowanymi danymi, w tym zdjęciami i danymi wideo lub postami w mediach społecznościowych - co oznacza, że nie ogranicza się tylko do uporządkowanych danych w bazach danych. Wszystko to sprawia, że dane są o wiele bardziej użyteczne dla decydentów w całej organizacji - niezależnie od ich wiedzy specjalistycznej w zakresie danych. Paraliż decyzyjny, precz! Co jest dobrą wiadomością, biorąc pod uwagę, że trzy czwarte liderów biznesowych twierdzi, że dzienna liczba decyzji, które muszą podejmować, wzrosła dziesięciokrotnie w ciągu ostatnich trzech lat. Oprócz złagodzenia problemu paraliżu decyzyjnego, ta demokratyzacja danych za pośrednictwem GenAI może również pomóc wyrównać szanse między dużymi korporacjami a mniejszymi przedsiębiorstwami. Dzięki GenAI nie potrzebujesz armii naukowców zajmujących się danymi, aby uzyskać przewagę konkurencyjną; wystarczy zadać GenAI właściwe pytania. W związku z tym dostawcy oprogramowania analitycznego, tacy jak Microsoft, Qlik i Tableau, coraz częściej osadzają GenAI w swoich narzędziach analitycznych.

Przykłady zastosowań dla GenAI

Jak dokładnie można wykorzystać GenAI do pracy z danymi? Potencjalne przypadki zastosowań obejmują:

•  Szybsze i lepsze podejmowanie decyzji dzięki lepszym spostrzeżeniom: Dzięki śledzeniu danych w czasie rzeczywistym decydenci mogą lepiej zrozumieć, co dzieje się w firmie, i otrzymać praktyczne spostrzeżenia sugerowane przez GenAI. Można to osiągnąć za pomocą podpowiedzi w języku naturalnym, takich jak "Jakie są trzy najważniejsze trendy w zachowaniach klientów w poprzednim miesiącu?"
•  Działanie jako drugi pilot decyzyjny: Dzięki zdolnościom konwersacyjnym GenAI narzędzia te mogą działać jako wirtualni doradcy - tablica rezonansowa, która pomaga omawiać i generować pomysły.
•  Generowanie podsumowań danych: GenAI może przeszukiwać ogromne ilości danych i tworzyć podsumowania dla kadry kierowniczej, które wyciągają kluczowe punkty wraz z zaleceniami najlepszych praktyk. GenAI może być nawet używane do sugerowania, jakie informacje należy uwzględnić w raportach dla różnych odbiorców (kierownicy, kierownicy działów, menedżerowie itd.), aby każdy otrzymał informacje, których potrzebuje, aby podejmować lepsze decyzje. * Wizualizacja danych: GenAI może generować raporty analityczne w łatwym do przyswojenia formacie - prezentując spostrzeżenia z danych nie tylko jako narracje tekstowe, ale także w formacie wizualnym (wykresy, tabele itp.).
•  Automatyzacja analizy danych: GenAI może potencjalnie zautomatyzować proces analizy danych i dostarczać automatyczne powiadomienia o, cóż, wszystkim, czego chcesz. Skoki sprzedaży, trendy aktywności na stronie internetowej, spadek wydajności maszyn fabrycznych, zwiększona liczba zwolnień lekarskich
•  Wykorzystanie możliwości predykcyjnych: W tej książce widzieliśmy, jak GenAI może pomóc ludziom podjąć działania, zanim problem stanie się prawdziwym problemem. Tak więc oprócz zrozumienia tego, co dzieje się w firmie w tej chwili, GenAI może pomóc decydentom przewidzieć to, co może nadejść w przyszłości.
•  Korzystanie z danych syntetycznych do testowania pomysłów i scenariuszy: Tworząc duże ilości danych syntetycznych, które naśladują dane ze świata rzeczywistego, liderzy mogą modelować scenariusze, które mogą być trudne do modelowania przy użyciu danych ze świata rzeczywistego (np. ponieważ zdarzenie jest rzadkim, ale mającym wpływ, zdarzeniem lub ponieważ zebranie tak dużej ilości danych byłoby trudne i kosztowne). Pamiętaj, że dane syntetyczne można często generować przy użyciu niewielkiej ilości danych ze świata rzeczywistego jako punktu wyjścia - co umożliwia analizę danych na dużą skalę nawet mniejszym firmom.
•  Przygotowywanie danych: GenAI może być również używane do wykonywania zadań związanych z przygotowywaniem danych, takich jak tagowanie, klasyfikacja, segmentacja i anonimizacja.
•  Pomoc w oczyszczaniu danych w celu uzyskania lepszych wyników analizy: Ponieważ GenAI jest tak dobre w wykrywaniu wzorców, można go używać do wykrywania anomalii i niespójności w danych - rzeczy, które potencjalnie mogą przekłamywać wyniki.
Później przyjrzymy się niektórym narzędziom analitycznym, które włączają możliwości GenAI do swoich produktów.

Czy GenAI pozbawi pracy analityków danych?

Jeśli lider biznesowy może po prostu zapytać narzędzie analityczne GenAI: "Co muszę zrobić, aby poprawić zadowolenie klienta?", czy naprawdę będziemy potrzebować profesjonalistów analityki w przyszłości? Uważam, że odpowiedź brzmi: tak. Jeśli cokolwiek, w miarę jak GenAI staje się bardziej dostępne i popularne, zespoły ds. danych mogą stać się jeszcze ważniejsze dla organizacji niż są obecnie. W końcu dzisiejszym narzędziom GenAI nadal brakuje kluczowych umiejętności, takich jak myślenie krytyczne, planowanie strategiczne i rozwiązywanie złożonych problemów. Nadal będziemy potrzebować osób, które są ekspertami w zakresie danych i które mogą pomóc organizacjom wykorzystywać swoje dane w najbardziej strategiczny sposób. Mimo to, podobnie jak w przypadku wielu zawodów, praca analityków danych, analityków biznesowych i naukowców zajmujących się danymi niewątpliwie ulegnie zmianie. Rutynowe i powtarzalne zadania analityczne prawdopodobnie zostaną zautomatyzowane, dzięki czemu analitycy będą mogli skupić się na bardziej strategicznych zadaniach i współpracować z zespołami w firmie. Ponadto wiedza na temat pracy z narzędziami takimi jak ChatGPT stanie się coraz ważniejsza dla analityków. A co z ograniczeniami GenAI? Jeśli to wszystko brzmi świetnie, wstrzymaj się, ponieważ, jak zawsze, istnieją ograniczenia i wyzwania związane z wdrażaniem GenAI do analizy danych. Ponownie, bezpieczeństwo danych i prywatność są tutaj głównym problemem. Naprawdę nie chcesz, aby Twoje cenne dane organizacyjne były wykorzystywane do szkolenia dużych modeli językowych - potencjalnie ujawniając informacje użytkownikom spoza firmy. I z pewnością będziesz musiał zachować ostrożność, jeśli chodzi o korzystanie z GenAI do danych osobowych, zarówno klientów, jak i pracowników. Istnieje również odwieczny problem stronniczych danych, potencjalnie zniekształcających wyniki. Ponadto istnieje stary problem "czarnej skrzynki" (gdzie tak naprawdę nie rozumiemy, jak działają te systemy i w jaki sposób docierają do odpowiedzi), nie wspominając o ryzyku "halucynacji". Nie ma to na celu zniechęcenia Cię do korzystania z GenAI w celu zwiększenia znajomości danych i demokratyzacji danych w Twojej organizacji. Zdecydowanie uważam, że firmy powinny badać GenAI w tym kontekście. Ważne jest jednak, aby zrównoważyć technologię z ludzkim osądem i nadzorem. Ważne jest również, aby pamiętać, że nie chcemy zrzec się całej odpowiedzialności na rzecz maszyn. Oznacza to, że nadal potrzebujemy liderów i decydentów, którzy będą rozwijać umiejętności takie jak osąd, podejmowanie złożonych decyzji i myślenie strategiczne.

Przykłady z życia wzięte i nowe narzędzia analityczne

Teraz zobaczmy, jak organizacje zaczęły już używać GenAI, aby lepiej wykorzystać swoje dane. Następnie przyjrzymy się niektórym z wielu narzędzi analitycznych, które obecnie zawierają funkcje GenAI.

Organizacje wykorzystujące GenAI do analizy danych

Organizacje dopiero zaczynają wdrażać GenAI w swoich wewnętrznych analizach, ale jest kilka interesujących przykładów, z których możemy się uczyć. JetBlue ma misję, aby stać się "najbardziej zorientowaną na dane linią lotniczą na świecie"5, z danymi informującymi każdą część firmy, w tym operacje, handel i funkcje wsparcia. Aby pomóc pracownikom JetBlue wykorzystać dane i usprawnić podejmowanie decyzji, linia lotnicza stworzyła wewnętrzny system o nazwie "BlueSky", który działa jako system operacyjny oparty na sztucznej inteligencji. JetBlue stworzył również LLM o nazwie "BlueBot", który jest zintegrowany z BlueSky i może być używany przez wszystkie zespoły w JetBlue do uzyskiwania dostępu do danych i spostrzeżeń. Gdzie indziej firma komunikacyjna TELUS nawiązała współpracę ze specjalistami od AI, HEAVY.AI, aby ulepszyć analizę wydajności i doświadczenia klientów. TELUS wykorzystał interaktywne funkcje wizualizacji GenAI, aby wyodrębnić kluczowe spostrzeżenia z informacji o klientach, które wskazały możliwości sprzedaży dodatkowej. W rezultacie TELUS był w stanie skoncentrować swoje usługi bezprzewodowe w najbardziej dochodowych lokalizacjach - po prostu poprzez wyszukiwanie i wizualizację danych w bardziej inteligentny sposób. Z pewnością zobaczymy więcej firm, które w niedalekiej przyszłości będą publikować własne historie sukcesu GenAI.

Narzędzia analityczne oparte na GenAI

Dostawcy oprogramowania analitycznego i platform od lat wbudowują AI do swoich produktów, aby umożliwić bardziej inteligentną analizę danych. Teraz jednak coraz częściej dodają funkcje GenAI, które umożliwiają wykonywanie zapytań w języku naturalnym i łatwe podsumowania danych. Przyjrzyjmy się kilku przykładom. Jednym z przykładów jest Microsoft Power BI, który teraz zawiera technologię dużego modelu językowego Microsoft Copilot. Zasadniczo Copilot udostępnia użytkownikom Power BI funkcje GenAI. Oznacza to, że użytkownik może zadać pytanie lub opisać poszukiwane spostrzeżenia lub wizualizację - wszystko w języku konwersacyjnym - a następnie Copilot analizuje dane i pobiera odpowiednie informacje do raportu z przydatnymi spostrzeżeniami. Użytkownicy mogą dostosowywać raporty według własnych upodobań, w tym ton, zakres i styl narracji. Inny przykład pochodzi od Terradata, która niedawno uruchomiła nowy interfejs języka naturalnego GenAI dla swojego rozwiązania analityki korporacyjnej VantageCloud Lake. Nowa funkcja, zwana "ask.ai", pozwala każdemu z zatwierdzonym dostępem zadawać pytania dotyczące danych firmy i otrzymywać natychmiastowe odpowiedzi. Ponieważ nie jest wymagane żadne złożone kodowanie ani zapytania, rozszerza to zastosowanie na role nietechniczne. Qlik oferuje również funkcje GenAI, w tym w pełni interaktywne wyszukiwanie, czat i obsługę wielu języków. Aby to rozszerzyć, firma zajmująca się oprogramowaniem analitycznym uruchomiła nowy zestaw łączników OpenAI, które zasadniczo zapewniają użytkownikom środowisko ChatGPT na platformie Qlik Cloud. Qlik twierdzi, że ta nowa funkcjonalność zapewni szersze spostrzeżenia i pomoże zaangażować więcej użytkowników w analizę danych. Tymczasem firma zajmująca się wizualizacją danych, Tableau, również dołącza do GenAI, mając na celu "przeobrażenie doświadczenia związanego z danymi" i zapewnienie użytkownikom bardziej "spersonalizowanego, kontekstowego i inteligentnego" doświadczenia. Tableau AI, które jest oparte na technologii Einstein AI firmy Salesforce, zostało zaprojektowane tak, aby analiza danych była tak prosta, jak zadawanie pytań - z spostrzeżeniami dostarczanymi prostym językiem. Tableau AI może nawet proaktywnie sugerować pytania, które możesz chcieć zadać następnym razem. Jest też nowa funkcja o nazwie "Tableau Pulse", która pomoże organizacjom udostępniać dane wszystkim osobom w firmie, niezależnie od poziomu ich wiedzy. Pulse dostarcza spersonalizowane spostrzeżenia poprzez "streszczenia danych" dostarczane w narzędziach przepływu pracy, z których ludzie już korzystają, a także spersonalizowaną stronę główną metryk, która działa raczej jak starannie dobrany kanał informacyjny. Tableau twierdzi, że strona główna stanie się jeszcze bardziej spersonalizowana z czasem, ponieważ dowie się, jakimi informacjami użytkownik jest najbardziej zainteresowany. Oracle zaprezentowało nowe funkcje GenAI, które pozwalają firmom integrować duże interfejsy językowe w swoich aplikacjach, umożliwiając użytkownikom generowanie tekstu z danych, podsumowywanie danych i nie tylko. Firma zajmująca się dużymi danymi, Alteryx, również wykorzystuje GenAI, aby pomóc niewykwalifikowanym pracownikom lepiej wizualizować i rozumieć trendy w ich danych.12 Dzięki swojemu AI Studio klienci Alteryx mogą również wykorzystywać te spostrzeżenia do tworzenia nowych aplikacji, które usprawniają operacje biznesowe, ulepszają procesy i zwiększają produktywność - za pośrednictwem interfejsu konwersacyjnego. Następnie jest firma analityczna i BI, MicroStrategy, która uruchomiła MicroStrategy AI - produkt GenAI, który ma na celu przyspieszenie, uproszczenie i zwiększenie dostępności interakcji z danymi dla każdego. Zawiera funkcję o nazwie "Auto Answers", która pozwala użytkownikom na prowadzenie rozmów w języku naturalnym z ich danymi, zadawanie pytań i otrzymywanie natychmiastowych odpowiedzi. Jest też funkcja Auto Dashboard, współpracownik AI, który sugeruje pytania i może automatycznie uzupełniać zapytania. Kinetica, specjaliści w zakresie wykorzystywania danych maszynowych i czujników, zaprezentowali funkcję o nazwie "SQL-GPT", która skutecznie pozwala użytkownikom pytać o cokolwiek z ich danych w języku naturalnym. Wpisz odpowiedź, otrzymaj odpowiedź. Kinetica twierdzi, że jej narzędzie przewyższa inne narzędzia pod względem dokładności i radzenia sobie ze złożonymi pytaniami, takimi jak "Pokaż mi wszystkie samoloty nad Missouri". Firma danych oparta na chmurze, Snowflake, również wprowadziła GenAI na swoją platformę chmury danych. Snowflake Cortex umożliwia użytkownikom czatowanie z ich danymi, wykrywanie sentymentów w danych, wyodrębnianie odpowiedzi, podsumowywanie informacji i tłumaczenie tekstu na wybrany język. Gdzie indziej, Akkio realizuje misję dostarczania analityki opartej na GenAI do małych i średnich przedsiębiorstw. Narzędzie Generative Reports firmy udostępnia Business Intelligence małym i średnim przedsiębiorstwom, umożliwiając im szybkie zrozumienie ich danych, uzyskanie spostrzeżeń i udostępnianie raportów na żywo zespołowi. Narzędzie zostało zaprojektowane tak, aby wykraczać poza standardowe narzędzia pulpitu nawigacyjnego i zrozumieć konkretne problemy użytkownika, wymagania projektu i przypadki użycia. Innymi słowy, rozumie problem, który użytkownik chce rozwiązać i wyświetla raport, aby odpowiedzieć na pytania. Jak opisuje to Akkio, "to jak rozmowa z analitykiem". Jak widać, dostawcy narzędzi do analizy danych są niezwykle zainteresowani wbudowywaniem funkcji GenAI w swoje produkty. W miarę jak narzędzia te stają się coraz bardziej powszechne, użytkownicy o wszystkich poziomach umiejętności będą mogli przesłuchiwać dane organizacyjne w bardziej intuicyjny, łatwy sposób - i uzyskiwać odpowiedzi, których potrzebują, aby lepiej wykonywać swoją pracę. To dobra wiadomość, ponieważ firmy, które podejmują decyzje na podstawie danych, osiągną lepsze wyniki niż te, które podejmują je wyłącznie na podstawie instynktu i przeczuć.

Najważniejsze wnioski

•  Ułatwiając ludziom interakcję z danymi i wyszukiwanie danych (np. za pomocą pytań w języku naturalnym), GenAI obiecuje demokratyzację danych, zwiększenie znajomości danych i rozwiązanie problemu lęku przed danymi.
•  GenAI może automatyzować lub pomagać w szerokim zakresie zadań analizy danych, w tym przygotowywanie danych, przeglądanie danych, analizowanie danych, dostarczanie zautomatyzowanych powiadomień, tworzenie podsumowań danych, wyświetlanie ważnych spostrzeżeń, generowanie raportów i tworzenie angażujących wizualizacji, które podkreślają spostrzeżenia.
•  Dzięki pomocy GenAI ludzie w całej organizacji będą mogli wykorzystywać dane do podejmowania lepszych decyzji i poprawy wydajności - niezależnie od ich umiejętności technicznych.
•  Jednak nadzór ludzki i umiejętności ludzkie, takie jak osąd, podejmowanie złożonych decyzji i myślenie strategiczne, nadal będą ważne. Celem nie jest zrzeczenie się całej odpowiedzialności za podejmowanie decyzji na rzecz maszyn!
•  Dostawcy platform analitycznych szybko wbudowują funkcje GenAI do swoich produktów - funkcje, które pozwalają użytkownikom zadawać pytania dotyczące ich danych, łatwiej generować spostrzeżenia i dzielić się spostrzeżeniami z innymi osobami w firmie.

KODOWANIE I PROGRAMOWANIE: REWOLUCJA AI

Ta nowa fala zaawansowanych modeli dużych języków GenAI nie jest w stanie pisać tylko tekstu - może pisać kod komputerowy. Co ma sens, gdy pomyślisz, że kod komputerowy to po prostu kolejny rodzaj języka. Oznacza to, że GenAI może pomóc w pracy koderów, programistów i deweloperów oraz przyspieszyć proces tworzenia oprogramowania. (Jeśli jesteś nowy w tym temacie i zastanawiasz się, jaka jest różnica między koderami, programistami i deweloperami, koderzy używają języków programowania, aby powiedzieć komputerowi lub oprogramowaniu, co ma robić, podczas gdy programiści lub deweloperzy są zazwyczaj bardziej doświadczonymi koderami, którzy mogą pracować w wielu językach programowania i nadzorować projekty, w tym rozwijać logikę i mapować projekt od początku do końca. Ludzie często używają tych terminów zamiennie, co zrobię w tym rozdziale, chociaż technicznie rzecz biorąc, kodowanie jest częścią ogólnego procesu programowania). Ale jak dobrze GenAI radzi sobie z tworzeniem kodu komputerowego? Cóż, gdy laboratorium DeepMind należące do Alphabet wystawiło swój model AlphaCode AI do rywalizacji z ludzkimi programistami, wydajność AlphaCode odpowiadała mniej więcej "początkującemu programiście z kilkoma miesiącami do roku szkolenia".1 Wcale nieźle jak na AI. A biorąc pod uwagę, że możliwości GenAI rozwijają się tak szybko, możemy oczekiwać, że technologia dogoni bardziej doświadczonych programistów w niedalekiej przyszłości. Innym interesującym aspektem jest to, że GenAI może również pomóc osobom takim jak ja - komuś, kto ma stosunkowo niewielką wiedzę na temat języków programowania - pisać kod komputerowy dla różnych aplikacji. Przyjrzyjmy się roli GenAI w kodowaniu.

Wpływ generatywnej AI na programowanie

Rozpoczniemy tę sekcję od dokładnego zbadania, do czego jest zdolna GenAI, a następnie zobaczymy, jak może to wpłynąć na pracę programistów (i zwykłych ludzi).

Co potrafi GenAI?

Opracowywanie nowego oprogramowania jest jak budowa domu - zawsze wydaje się trwać dłużej i kosztować więcej, niż się spodziewasz! GenAI może pomóc przyspieszyć ten proces na kilka sposobów:

•  Gromadzenie wymagań: Cały rozwój oprogramowania zaczyna się od identyfikacji wymagań (takich jak "Użytkownik chce wykonać X, Y i Z"). GenAI może pomóc w tym procesie, generując listę wymagań. Może być również używany do przeglądania wymagań i sprawdzania, czy nic nie zostało pominięte (np. wymagania bezpieczeństwa).
•  Generowanie kodu: GenAI może przekształcić instrukcje języka naturalnego w działający kod. Co zasadniczo zamienia język angielski (lub inny język ojczysty) w język programowania komputerowego…

•  Uzupełnianie kodu: Podczas pisania koderów GenAI może sugerować uzupełnienia kodu - co oszczędza czas koderów, zwłaszcza podczas pracy nad powtarzalnymi lub nudnymi zadaniami. Uzupełnianie kodu może również pomóc w zmniejszeniu błędów ludzkich.

GenAI może być również przydatnym narzędziem, jeśli chodzi o przeglądanie i testowanie oprogramowania, poprzez:

•  Przeglądanie kodu: GenAI może sprawdzić istniejący kod i zasugerować ulepszenia lub stworzyć alternatywy, które są bardziej wydajne. Może również analizować kod zgodnie z wytycznymi dotyczącymi stylu kodowania, aby zapewnić spójność kodu.
•  Naprawianie błędów: GenAI może być używane do identyfikowania i naprawiania błędów w kodzie, aby stworzyć lepszy produkt końcowy.
•  Testowanie oprogramowania: GenAI może wykonywać wiele faz testowania, takich jak generowanie przypadków testowych, generowanie kodu testowego i analizowanie wyników testów.

Patrząc w przyszłość, GenAI może również przewidzieć, jak systemy i oprogramowanie mogą zawieść, zanim kod trafi do produkcji - i oczywiście powiedzieć programistom, jak to naprawić. To cel firmy programistycznej Dynatrace, która od lat tworzy "predykcyjną sztuczną inteligencję", aby przewidywać, jak systemy zawiodą. W wywiadzie dla ZDNET, współzałożyciel i dyrektor ds. technologii Dynatrace Bernd Greifeneder mówi, że kolejnym etapem jest wbudowanie GenAI w ten proces - dzięki czemu GenAI może powiedzieć programistom, jak ich kod może powodować błędy i jak je naprawić.2 "Typowe żądanie od dyrektora ds. informatyki brzmi: napraw mój system, zanim faktycznie zawiedzie" - powiedział. Innymi słowy, świętym Graalem programowania jest zapobieganie kodowaniu, które powoduje błędy, w przeciwieństwie do konieczności naprawiania błędów w dalszej części procesu. Nadal jest za wcześnie, aby używać GenAI w ten sposób, ale Dynatrace z pewnością pracuje nad tym świętym Graalem. Oczywiście istnieją problemy z używaniem GenAI w programowaniu - szczególnie jeśli chodzi o halucynacje, bezpieczeństwo danych i IP. (Na przykład nie chcesz, aby Twój cenny kod był wykorzystywany w celach szkoleniowych i potencjalnie udostępniany innym użytkownikom spoza firmy). Jak w każdej branży, konieczny jest nadzór ludzki i jasne zabezpieczenia.

Czy to oznacza, że w przyszłości nie będziemy potrzebować programistów?

Nie. Ale oznacza to, że będą oni coraz częściej współpracować z AI, tak jak inni profesjonaliści, tacy jak dziennikarze i lekarze. Chociaż prawdą jest, że GenAI można wykorzystać do automatyzacji kodowania (co potencjalnie naraża pracę początkujących programistów), widzę jeszcze większe zastosowanie w korzystaniu z GenAI jako drugiego pilota lub współkodera nawet dla najbardziej doświadczonych programistów. Zwłaszcza jeśli weźmiemy pod uwagę, że GenAI można wykorzystać do zbierania wymagań i debugowania kodów lub upewniania się, że kod spełnia określone wymagania, a także do pisania samego kodu. I nie zapominajmy, że dla kogoś takiego jak programista lub programista wyższego szczebla pisanie kodu nie jest główną rzeczą, którą robią przez cały dzień. W rzeczywistości pisanie kodu może zająć im zaledwie 20% czasu3, a resztę czasu poświęcają na zbieranie wymagań, testowanie, spotkania, współpracę z użytkownikami, nadzorowanie projektów itd. Co więcej, nawet jeśli używają narzędzi GenAI do automatyzacji lub pomocy w programowaniu, nadal będziemy potrzebować doświadczonych programistów, którzy napiszą szczegółowe monity, które wydobędą to, co najlepsze z AI. (Można argumentować, że pisanie szczegółowych monitów, które mówią AI dokładnie, co ma zrobić, to po prostu kolejna forma programowania...) Zamiast zastępować programistów, GenAI wesprze ich pracę, automatyzując powtarzalne zadania, przyspieszając rozwój oprogramowania i zwiększając produktywność. GenAI może w ten sposób okazać się narzędziem zmieniającym zasady gry dla programistów. W jednym przykładzie wykazano, że GenAI zwiększa produktywność programistów o 10%; w innym, zmniejsza żmudną pracę, której wykonania oczekuje się od programistów (taką jak komunikacja wewnętrzna i dokumentacja) o ogromne 70-80%.4 Być może nic dziwnego, że wielu programistów popiera pomysł korzystania z GenAI. Według badania przeprowadzonego przez GitHub, 92% amerykańskich programistów już korzysta z narzędzi do kodowania AI, a 70% uważa, że narzędzia do kodowania AI dadzą im przewagę w pracy - z lepszą jakością kodu i szybszym czasem ukończenia wśród oczekiwanych korzyści.

GenAI zmieni sposób programowania, innymi słowy - i miejmy nadzieję, że praca programistów będzie lepsza. Ma to również zalety dla zwykłych ludzi. Oczywiste jest, że GenAI będzie rewolucyjnym narzędziem dla programistów. Ale może również okazać się przydatnym narzędziem dla zwykłych ludzi, którzy chcą, powiedzmy, zbudować aplikację lub stworzyć oprogramowanie, ale nie znają żadnych języków programowania. Za pomocą narzędzia GenAI możesz powiedzieć GenAI, co chcesz osiągnąć i voil?! Ono to zapewni (przynajmniej w teorii, ponieważ wiemy, że GenAI czasami pewnie podają nieprawidłowe, ale wyglądające wiarygodnie odpowiedzi). Oznacza to, że każdy może potencjalnie zostać programistą, niezależnie od doświadczenia. Nawet ja. W przypadku moich krótkich filmów na YouTube muszę wypełniać te irytujące szablony, które są super-ograniczające (np. wymagają określonej liczby znaków dla tytułu, opisu itd.). Robienie tego dla każdego filmu (tworzę dużo treści) i trzymanie się ograniczenia znaków okazało się naprawdę trudne i czasochłonne. Dlatego poprosiłem ChatGPT o napisanie małego programu, który pomógłby mi tworzyć szablony HTML dla moich filmów na YouTube. I to działa. I oszczędza mi cenny czas. A nie mam żadnego prawdziwego doświadczenia w programowaniu.

Adopcja i nowe narzędzia kodowania: przykłady z życia wzięte

Teraz, gdy wiemy, do czego jest zdolne GenAI, zobaczmy, jak firmy wdrażają je w praktyce - zaczynając od firm, które wdrożyły GenAI do swojego rozwoju oprogramowania, a następnie przyglądając się niektórym nowym narzędziom, które obiecują pomóc ludziom (profesjonalistom i laikom) tworzyć kod.

Przykłady firm wykorzystujących GenAI wewnętrznie

Koderzy w firmie zajmującej się oprogramowaniem Freshworks używają ChatGPT do pisania kodu - i w tym procesie skrócili czas rozwoju z około 10 tygodni do mniej niż tygodnia.6 ChatGPT może pisać kod w wielu językach programowania, w tym JavaScript, Python i C++. Może również działać jak korepetytor kodowania, wyjaśniając, jak działa kod i debugując kod. Firma zajmująca się oprogramowaniem do współpracy, Augmend, używa narzędzia GitHub Copilot firmy Microsoft i ChatGPT do rozwoju, debugowania i nauki - pomagając małym start-upom przyspieszyć cykl rozwoju oprogramowania i zwiększyć konkurencyjność. Jak mówi dyrektor generalny i współzałożyciel Diamond Bishop: "Powrót do kodowania bez tego rozszerzenia przypomina pracę bez Internetu na wyciągnięcie ręki". Zauważył również, że narzędzia GenAI niemal podwoiły produktywność zespołu - co jest imponujące w przypadku zespołu składającego się z zaledwie pięciu programistów. Tymczasem w firmie technologii chmurowych Oracle, dyrektor techniczny i założyciel, Larry Ellison, powiedział, że Oracle będzie rozwijać przyszłe aplikacje przy użyciu GenAI, w oparciu o monity programistów. "Już tego nie piszemy. Generujemy ten kod. To fundamentalnie zmienia sposób, w jaki budujemy aplikacje, sposób, w jaki je uruchamiamy. To po prostu zmienia wszystko". Zauważył również, że GenAI umożliwia szybszy rozwój przy mniejszych zespołach programistycznych i zmniejsza luki w zabezpieczeniach. GenAI okazuje się również przydatne dla firm spoza branży technologicznej (jeśli w dzisiejszych czasach w ogóle istnieje firma spoza branży technologicznej). Dubai Electricity and Water Authority (DEWA) przyjął narzędzie GitHub Copilot, używając go do pomocy swoim programistom w pisaniu kodu i rozwijaniu aplikacji. Jak sama nazwa wskazuje, Copilot działa jak drugi pilot, udzielając sugestii i wskazówek programistom piszącym kod, aby przyspieszyć proces. Firma zajmująca się nieruchomościami z siedzibą w Seattle, Redfin, wykorzystała duże modele językowe (LLM), w tym ChatGPT, aby pomóc w zadaniach programistycznych. Jak mówi dyrektor ds. technicznych Redfin, Bridget Frey, GenAI okazało się przydatne do "migracji z jednego języka programowania do innego, pomagania programistom w zrozumieniu starszego kodu napisanego przez innych współpracowników lub pisania funkcji do konwersji formatów danych. Są to dobre przykłady zadań, które nasi inżynierowie mogą wykonywać bez pomocy LLM, ale dzięki tym modelom mogą działać znacznie szybciej. Coś, co kiedyś zajmowało inżynierowi 30 minut, teraz może zostać wykonane przez AI w ciągu jednej minuty". Tymczasem w General Motors, dyrektor ds. danych i analiz, Jon Francis, powiedział, że AI to ogromny obszar inwestycji dla giganta motoryzacyjnego, zauważając, że będzie używana "w zapleczu z chatbotami HR, na hali fabrycznej z konserwacją predykcyjną oraz w operacjach IT poprzez skalowanie i produkcyjną produkcję oprogramowania".

Pojawiają się nowe narzędzia do kodowania

Przyjrzyjmy się teraz szybko niektórym z wielu narzędzi, które pojawiają się, aby pomóc programistom w kodowaniu. Oczywiście ChatGPT to jedno z narzędzi, o którym już słyszałeś, ale przyjrzyjmy się szerszej liście (w kolejności alfabetycznej, a nie według preferencji):

•  Auto-GPT: To narzędzie typu open source wykorzystuje model GPT-4 OpenAI do wykonywania zadań, w tym na przykład tworzenia prostej aplikacji. Poproś je o utworzenie aplikacji, a nie tylko podzieli projekt na określone zadania, ale także autonomicznie je wykona.
•  Bard: Zasadniczo ChatGPT Google. Bard może działać jako asystent kodowania, generując kod z monitów i wyjaśniając wklejony kod. Nie został specjalnie zaprojektowany do tego celu (patrz Google Codey poniżej), ale może to zrobić.
•  ChatGPT: ChatGPT OpenAI nie został zaprojektowany do generowania kodu, ale może pisać kod w różnych językach po wyświetleniu monitu. Podobnie jak Bard, może nie jest najlepszym narzędziem do programowania, ale łatwy w użyciu interfejs sprawia, że jest to przyzwoity punkt wyjścia dla osób eksperymentujących z kodem generowanym przez AI.
•  Codacy: Narzędzie do analizy jakości kodu/kodu AI, które pomaga zautomatyzować analizę kodu. Zostało zaprojektowane, aby pomóc programistom tworzyć lepsze oprogramowanie, szybciej.
•  Code Llama: Meta (Facebook) dopracował swój Llama 2 LLM, aby stworzyć to narzędzie do kodowania w różnych językach programowania.
•  CodeWhisperer: To narzędzie do generowania kodu firmy Amazon, opracowane przy użyciu kodu open source i własnych danych firmy Amazon. Narzędzie przyjmuje podpowiedzi w języku naturalnym i tworzy kod na podstawie celów programisty, w jego stylu. Może być również używane do uzupełniania kodu.
•  CodeWP: Narzędzie do generowania kodu firmy WordPress jest przeznaczone dla programistów, którzy tworzą witryny w niezwykle popularnym systemie zarządzania treścią WordPress.
•  Codey: Asystent kodowania AI firmy Google został zaprojektowany w celu usprawnienia przepływów pracy i zwiększenia produktywności - jako taki może wykonywać rzeczy, których można się spodziewać, w tym generowanie kodu i uzupełnianie kodu. Jego funkcja "czatu o kodzie" umożliwia programistom czatowanie z botem w celu uzyskania pomocy w nauce nowych koncepcji, odpowiadaniu na pytania dotyczące kodu i debugowaniu.
•  GitHub Copilot: GenAI firmy Microsoft do pisania kodu to narzędzie do sugerowania i generowania kodu, zaprojektowane w celu usprawnienia pracy programistów. Jednym ze sposobów, w jaki może to zrobić, jest sugerowanie fragmentów kodu jako typu programisty. Został stworzony we współpracy z OpenAI.
•  SAP Build Code: Narzędzie SAP do tworzenia aplikacji jest zoptymalizowane pod kątem Javy i JavaScript i może być używane do kodowania, testowania, integracji i zarządzania cyklem życia aplikacji.
•  Salesforce Anypoint Code Builder: To narzędzie do tworzenia kodu zostało zaprojektowane, aby pomóc programistom obniżyć koszty i przyspieszyć rozwój oprogramowania. Jak dotąd, standard. Jednak Salesforce oferuje również integrację specyficzną dla branży za pośrednictwem pakietów narzędzi dla sektorów takich jak opieka zdrowotna i usługi finansowe.
•  Tabnine: Asystent kodowania zbudowany na modelu Codex OpenAI, Tabnine, może generować sugestie kodu, automatycznie uzupełniać wiersze kodu i dopasowywać wewnętrzne konwencje.
•  Tynker Copilot: Zaprojektowany dla programistów w wieku 6-12 lat, Tynker Copilot stosuje GenAI do edukacji w zakresie kodowania. Ta oparta na grach platforma kodowania, która została stworzona przez dopracowanie Meta′s Llama 2 LLM, pomaga młodym programistom przekształcać ich pomysłowe pomysły w wizualny kod blokowy dla aplikacji i gier.
•  Uizard: To narzędzie wykorzystuje GenAI, aby pomóc ludziom projektować aplikacje mobilne, strony internetowe i strony docelowe w ciągu kilku minut. Dzięki intuicyjnemu interfejsowi upraszcza proces projektowania, umożliwiając szybkie i łatwe prototypowanie.
•  Watsonx Code Assistant: Narzędzie GenAI firmy IBM zostało zaprojektowane w celu przyspieszenia generowania kodu i zwiększenia produktywności programistów.
•  What The Diff: Asystent przeglądu kodu oparty na GenAI, What The Diff przegląda "różnice" żądań ściągnięcia. Żądanie ściągnięcia to sposób, w jaki programiści powiadamiają współpracowników, że ukończyli coś (np. poprawkę błędu) i są gotowi rozpocząć scalanie nowych zmian kodu w projekcie. To narzędzie wyjaśnia różnice między nowym a starym kodem prostym językiem angielskim, dzięki czemu wszyscy w zespole (w tym osoby nietechniczne) mogą zrozumieć, co zostało zrobione.

To nie jest w żadnym wypadku wyczerpująca lista wielu narzędzi wspomagających kodowanie, które wchodzą na rynek. Chciałem tylko dać wam przedsmak tego, co jest dostępne, zarówno od wielkich korporacji technologicznych, jak i mniej znanych firm. W miarę jak narzędzia GenAI takie jak te stają się coraz bardziej powszechne, programiści będą je coraz częściej włączać do swojej codziennej pracy - miejmy nadzieję, że dzięki temu praca programistów stanie się łatwiejsza i lepsza.

Najważniejsze wnioski

•  GenAI może zautomatyzować lub pomóc w pisaniu, przeglądaniu i testowaniu kodu komputerowego.
•  Zamiast doprowadzić do wyginięcia programistów, GenAI będzie wspierać pracę programistów poprzez automatyzację powtarzalnych zadań, przyspieszenie tworzenia oprogramowania i zwiększenie produktywności. Przykłady pokazują, jak GenAI może przyspieszyć proces tworzenia z tygodni do dni.
•  Firmy technologiczne i nietechnologiczne zaczynają używać GenAI do swoich zadań związanych z tworzeniem oprogramowania, a nowe narzędzia wspomagające kodowanie GenAI szybko się pojawiają, aby pomóc programistom tworzyć lepszy kod szybciej.

Teraz przejdźmy do innej nieco nieoczekiwanej umiejętności GenAI - analizy danych. Przejdź do następnego rozdziału, aby zobaczyć, jak GenAI może pomóc nam rozwiązać niektóre z największych problemów związanych z pracą z danymi (i ich rozumieniem).

BANKOWOŚĆ I USŁUGI FINANSOWE: AI JAKO SIŁA ZMIENIAJĄCA RYZYKO

AI zawsze była czynnikiem zmieniającym zasady gry w finansach, ale GenAI przeniesie to na zupełnie nowy poziom. Zdolność GenAI do tworzenia treści, analizowania danych, symulowania scenariuszy i optymalizacji procesów umożliwi instytucjom finansowym podejmowanie bardziej świadomych decyzji, wprowadzanie innowacji w projektowaniu produktów, ulepszanie usług świadczonych klientom, ulepszanie praktyk zarządzania ryzykiem i bardziej wydajne utrzymywanie zgodności. W związku z tym GenAI radykalnie zmieni krajobraz operacji bankowych. Jak zobaczymy w tym rozdziale, banki i inne instytucje finansowe już zaczynają wdrażać GenAI. Nie jest to coś, czego unikają. W rzeczywistości myślę, że GenAI ostatecznie przyniesie jeden z największych wstrząsów, jakie widział świat finansów - na przykład poprzez demokratyzację doradztwa finansowego dla każdego. Według McKinsey, GenAI może dodać bankom od 200 do 340 miliardów dolarów rocznie (9-15% zysków operacyjnych).1 Można śmiało powiedzieć, że każdy bank, który nie przyjmie GenAI, ryzykuje pozostaniem w tyle.

Zastosowania generatywnej AI w bankowości i usługach finansowych

Jak więc dokładnie banki i firmy świadczące usługi finansowe mogą wykorzystać GenAI? Przyjrzyjmy się głównym przypadkom użycia w tej branży.

Ogólne przypadki użycia i możliwości

W dalszej części rozdziału przejdziemy do przykładów ze świata rzeczywistego, ale na razie przyjrzyjmy się niektórym ogólnym zastosowaniom GenAI. Jednym z oczywistych zastosowań jest obsługa klienta - taka jak bankowe chat boty, które mogą odpowiadać na pytania i skargi 24/7. GenAI może również pomóc w bardziej efektywnym wdrażaniu nowych klientów, na przykład poprzez użycie narzędzia takiego jak ChatGPT, aby pomóc klientom poprawnie wypełniać formularze i odpowiadać na ich pytania dotyczące zmiany banku. W rozdziale 8 dużo mówiliśmy o obsłudze klienta, więc wróć tam, jeśli chcesz odświeżyć sobie pamięć, ale najważniejszy wniosek w odniesieniu do bankowości jest taki: GenAI zapoczątkuje nową erę bankowości konwersacyjnej, która symuluje ludzkie rozmowy. Bardziej przypomina sposób, w jaki robiliśmy to bankowo. Podobnie jak w innych sektorach, personalizacja jest głównym przypadkiem użycia w bankowości, takim jak spersonalizowane narzędzia i porady, zaprojektowane, aby pomóc klientom mądrzej wykorzystywać swoje pieniądze. GenAI może dostarczyć dogłębnych informacji na temat zachowań i preferencji klientów, co pomoże bankom tworzyć nowe produkty i usługi, które są bardziej przemyślane i dostosowane. Poprzez symulację tego, w jaki sposób różne funkcje produktów i usług spełniają potrzeby poszczególnych klientów lub segmentów rynku, GenAI może pomóc bankom tworzyć wysoce dostosowane produkty i dodatkowe usługi, które lepiej służą ich klientom. Dobrym przykładem jest firma Square świadcząca usługi finansowe, którą omówimy później w tym rozdziale (wskazówka: używają GenAI, aby pomóc klientom biznesowym generować treści dla swojej firmy). Innym ważnym przypadkiem użycia jest automatyzacja wielu procesów i operacji za kulisami w instytucjach finansowych, takich jak przeprowadzanie analiz finansowych i pisanie raportów. Może to obejmować:

•  Podejmowanie decyzji kredytowych: GenAI może tworzyć bardziej zniuansowane modele kredytowe, które uwzględniają mnóstwo zmiennych, w tym niekonwencjonalne źródła danych, które mogą przewidywać zdolność kredytową. Generując złożone profile behawioralne, modele te mogą potencjalnie ujawniać spostrzeżenia, które prowadzą do bezpieczniejszego (i bardziej sprawiedliwego) pożyczania.
•  Wyjaśnienia odmowy: Oprócz wspomagania procesu podejmowania decyzji kredytowych, GenAI może być używane do generowania przyjaznych dla użytkownika wyjaśnień, dlaczego podjęto określoną decyzję. Nie tylko pomaga to klientom w przyszłych wnioskach, ale także buduje zaufanie do podejmowania decyzji przez AI.
•  Ramy wykrywania oszustw: GenAI może być używane do symulowania wzorców zachowań oszukańczych, co może szkolić systemy wykrywania oszustw w celu rozpoznawania i blokowania wyrafinowanych oszustw i naruszeń bezpieczeństwa, zanim się pojawią. Później w rozdziale zobaczymy, w jaki sposób GenAI pomaga bankom i dostawcom płatności wyszukiwać komunikaty pod kątem potencjalnych oszustw.
•  Systemy przetwarzania płatności: Oprócz pomagania w wykrywaniu oszustw, GenAI może optymalizować systemy przetwarzania płatności na inne sposoby, na przykład optymalizując płatności transgraniczne. * Modelowanie finansowe i analiza scenariuszy: GenAI może tworzyć zaawansowane modele finansowe, które symulują różne warunki ekonomiczne i rynkowe, aby przewidywać ich wpływ na portfele inwestycyjne, wartości aktywów lub ekspozycję na ryzyko instytucjonalne. Banki mogą używać tych modeli, aby przygotować się na szereg przyszłych scenariuszy, czyniąc swoje operacje bardziej odpornymi na wstrząsy i stresy.
•  Handel ilościowy: Algorytmy GenAI mogą tworzyć liczne strategie i testować je na podstawie historycznych i symulowanych przyszłych danych rynkowych. Mogą generować modele predykcyjne, które poprawiają się z czasem, potencjalnie oferując wyższe zwroty lub niższe ryzyko w strategiach inwestycyjnych.
•  Zarządzanie aktywami i portfelem: GenAI może znacznie usprawnić zarządzanie aktywami, symulując wydajność różnych kombinacji aktywów w szeregu scenariuszy rynkowych, generując w ten sposób zoptymalizowane portfele na podstawie przewidywanej przyszłej wydajności.
•  Zgodność z przepisami: GenAI może odegrać kluczową rolę w opracowywaniu systemów zgodności, które stale się uczą i dostosowują. Może generować i testować tysiące scenariuszy zgodności, aby zapewnić, że nowe produkty lub usługi finansowe spełniają rygorystyczne standardy regulacyjne w różnych jurysdykcjach.
•  Poznaj swojego klienta (KYC) i przeciwdziałanie praniu pieniędzy (AML): Te procesy są kluczowe dla banków w ograniczaniu przestępczości finansowej i utrzymywaniu zgodności z przepisami. GenAI może pomóc w automatyzacji tych procesów poprzez analizę dużych ilości danych klientów, w tym danych osobowych i historii transakcji, oraz identyfikację potencjalnych problemów ze zgodnością.
•  Zarządzanie ryzykiem operacyjnym: Symulując różne scenariusze awarii operacyjnych, GenAI może pomóc w prognozowaniu i ograniczaniu potencjalnych ryzyk operacyjnych, co prowadzi do bardziej solidnych praktyk zarządzania ryzykiem.
•  Konserwacja starszego oprogramowania: Czy wiesz, że wiele banków nadal polega na niezwykle przestarzałym oprogramowaniu napisanym w starszych językach programowania, takich jak COBOL (który jest 60-letnim językiem programowania)? Niewielu programistów biegle posługuje się tymi starymi językami, co może sprawić, że konserwacja będzie problemem. Jednak GenAI można łatwo wyszkolić w zakresie rozumienia tych starszych języków programowania i konserwacji starszego oprogramowania.

Wsparcie księgowych i wewnętrznych funkcji księgowych

GenAI może również odegrać kluczową rolę w pomaganiu firmom księgowym i wewnętrznym funkcjom księgowym w organizacjach. Chociaż nie będzie to głównym tematem tego rozdziału, chciałem podkreślić, że GenAI może pomóc zespołom księgowym w rozbudowie procesów księgowych i finansowych, takich jak:

•  Tworzenie i podsumowywanie raportów
•  Prognozowanie danych finansowych
•  Analizowanie danych
•  Łagodzenie ryzyka
•  Dostarczanie przyjaznych użytkownikowi rekomendacji dla liderów biznesowych
•  Generowanie symulacji różnych scenariuszy w celu ułatwienia podejmowania decyzji
•  Automatyzacja codziennych procesów, takich jak generowanie faktur

Podobnie jak w innych sektorach, możemy spodziewać się pojawienia się większej liczby narzędzi opartych na sztucznej inteligencji, które będą wspierać księgowych w ich pracy - na przykład pomagając im tworzyć bardziej przyszłościowe spostrzeżenia, które wpłyną na wyniki biznesowe.

Ryzyka związane z generatywną sztuczną inteligencją

GenAI przyniesie duże zmiany w sektorze finansowym. Przyniesie również nowe ryzyka. Raport Międzynarodowego Funduszu Walutowego wymienia cztery główne obszary ryzyka dla branży usług finansowych

•  Ryzyko związane z technologią wewnętrzną: obejmuje takie czynniki jak prywatność danych (np. wyciek danych osobowych za pośrednictwem danych szkoleniowych) oraz ryzyko osadzonego uprzedzenia w danych, które utrwala dyskryminację.
•  Ryzyko wydajności: obejmuje ryzyko, że systemy GenAI "halucynują" nieprawidłowe (ale przekonujące) informacje oraz problem "możliwości wyjaśnienia" (co jest szczególnie ważne, ponieważ instytucje finansowe muszą być w stanie wyjaśnić powody swoich działań i decyzji).
•  Zagrożenia cyberbezpieczeństwa: obejmuje to zarówno możliwość ataku na system GenAI, jak i wykorzystanie GenAI przez hakerów do atakowania systemów finansowych.
•  Ryzyko stabilności finansowej: MFW sugeruje, że GenAI może stanowić ryzyko systemowe, zwłaszcza jeśli doradcy nadmiernie polegają na technologii. Jednym z podanych przykładów są systemy GenAI potencjalnie zachęcające instytucje finansowe do podążania tym samym procesem decyzyjnym ("zachowanie stadne"), co wpływa na płynność rynku.

Pomimo tych zagrożeń warto zauważyć, że MFW nadal uważa, że GenAI ma ogromny potencjał dla sektora finansowego, pomagając zwiększyć wydajność, zwiększyć zgodność i poprawić doświadczenia klientów. Jednak narzędzia GenAI muszą być wdrażane z ostrożnością i starannym (ludzkim) nadzorem, aby w pełni wykorzystać ich potencjał.

Przykłady z sektora finansowego

Teraz przyjrzyjmy się kilku rzeczywistym przykładom, w jaki sposób banki i dostawcy usług finansowych wykorzystują GenAI:

Pomaganie bankom (i firmom ubezpieczeniowym) w świadczeniu lepszych usług Zacznijmy od brytyjskiego banku NatWest, który nawiązał współpracę z IBM w celu dostarczenia ulepszeń do wirtualnego asystenta banku, Cora.3 Dzięki GenAI, Cora+ będzie w stanie zapewnić klientom NatWest szerszy zakres informacji, wszystko poprzez spersonalizowane, konwersacyjne interakcje. Chodzi o zapewnienie bardziej ludzkiego doświadczenia klientom poszukującym informacji lub chcącym porównać produkty i usługi w ofercie NatWest. Prywatny irański bank, Saman Bank, również wykorzystuje GenAI do dostarczania spersonalizowanych rozwiązań finansowych. Opracował aman Bot, wirtualnego asystenta AI, który może odpowiadać na pytania klientów i udzielać porad finansowych 24 godziny na dobę, 7 dni w tygodniu.4 Są to wczesne przykłady banków wdrażających GenAI w rozwiązaniach skierowanych do klientów, ale z pewnością nie będą ostatnie. Square, platforma usług finansowych należąca do Block Inc., wykorzystuje GenAI w naprawdę interesujący sposób - wykorzystując technologię do dostarczania nowych narzędzi do tworzenia treści dla klientów, wdrażania i konfiguracji.5 Wśród nowych funkcji znajduje się narzędzie Generator menu, które pozwala restauracjom w ciągu kilku minut utworzyć menu dla swojej witryny. Jest też funkcja poczty e-mail obsługiwana przez GenAI, która pomaga firmom tworzyć spersonalizowane wiadomości dla klientów. Jest nawet generator kopii witryny, który może pisać nagłówki, teksty i posty na blogu dla witryn firmowych. Daje nam to przedsmak tego, w jaki sposób banki mogłyby wykorzystać GenAI do tworzenia oszczędzających czas nowych narzędzi i produktów dla swoich klientów biznesowych w przyszłości. Innym przykładem jest firma ubezpieczeniowo-finansowa Nationwide, która wykorzystuje GenAI do poprawy świadczenia ubezpieczeń dla zwierząt domowych, pomagając właścicielom zwierząt lepiej dbać o zdrowie swoich pupili. Firma zwróciła się do GenAI, aby tworzyć łatwe do zrozumienia podsumowania dla 71 różnych stanów zdrowia - informacji, które zostały wykorzystane przez platformę Pet Health Zone firmy Nationwide, która wykorzystuje dane dotyczące roszczeń dotyczących zwierząt domowych do dostarczania spersonalizowanych informacji o zagrożeniach dla zdrowia zwierząt domowych. Dzięki GenAI zespół przyspieszył tworzenie 35 000 słów treści medycznych, oszczędzając ponad 300 godzin.

Usprawnianie operacji bankowych dzięki GenAI

Tymczasem kilka banków w Chinach podobno wykorzystuje GenAI do funkcji poza sceną. Na przykład Industrial and Commercial Bank of China bada modele językowe GenAI jako narzędzie do zarządzania majątkiem. Gigant technologii finansowych, Ant Group, robi coś podobnego; opracowuje własny model językowy do zarządzania majątkiem i ubezpieczeń, który może pomóc profesjonalistom finansowym. W USA KeyBank podejmuje podobne podejście - wykorzystuje GenAI do usprawnienia operacji wewnętrznych przed wdrożeniem go w kanałach obsługi klienta. Bank podobno wykorzystuje GenAI do wsparcia swoich zespołów dokumentacji w celu zminimalizowania obciążenia pracą ręczną. Globalny bank, HSBC, również nie stroni od GenAI; bank podobno odkrył "kilkaset" przypadków użycia GenAI, które potencjalnie mogłyby zostać wdrożone. Firma zarządzająca aktywami, Schroders, zbudowała własną wewnętrzną wersję ChatGPT, przeszkoloną na własnych zastrzeżonych danych, która okazuje się przydatna na wiele sposobów. Jednym z nich jest tłumaczenie treści na inne języki. Firma twierdzi, że tłumaczenia, które wcześniej zajmowały dwa dni, teraz można wykonać w dwie minuty, a z czasem tłumaczenia stały się "prawie idealne".10 Schroders bada również, w jaki sposób GenAI może być używane do analizy danych i identyfikowania przyszłych potrzeb, które mogą wpłynąć na projektowanie produktów.

Narzędzia GenAI jako "współpilot" dla profesjonalistów finansowych

Morgan Stanley eksperymentował z modelem GPT-4 OpenAI, używając modelu językowego jako swego rodzaju encyklopedii dla doradców finansowych. Firma przeszkoliła GPT-4 w zakresie treści z ponad 100 000 dokumentów, aby pomóc doradcom finansowym odpowiadać na pytania dotyczące rekomendacji inwestycyjnych, ogólnej wydajności biznesowej i procesów wewnętrznych (takich jak wypełnianie niektórych wniosków). Kilkakrotnie w tej książce widzieliśmy, jak GenAI może służyć jako "współpilot" dla profesjonalistów, pomagając im wykonywać swoją pracę w bardziej wydajny sposób - i branża finansowa nie jest wyjątkiem. Tymczasem Moody′s, firma najbardziej znana z oceny ryzyka i ratingów kredytowych, współpracuje z Google Cloud, aby pomóc profesjonalistom usług finansowych wykorzystać duże modele językowe w celu przyspieszenia analizy finansowej. W istocie chodzi o to, aby wykorzystać GenAI do pomocy profesjonalistom w zdobywaniu nowych spostrzeżeń finansowych i podsumowywaniu danych finansowych w szybszy, łatwiejszy sposób. Na przykład użytkownicy będą mogli łatwo analizować i wyodrębniać "gotowe do podejmowania decyzji spostrzeżenia" bezpośrednio z ujawnień finansowych i innych raportów finansowych.

Ulepszanie branży płatności

Pojawiają się również przykłady wykorzystania GenAI do ułatwiania płatności. Na przykład Mastercard już używa AI do zabezpieczania miliardów transakcji rocznie i pomaga bankom przewidywać lub wykrywać oszukańcze działania. Jednak dostawca płatności aktywnie stara się teraz używać GenAI do poprawy obsługi klienta, wspomagania testowania produktów i ogólnie pomagania klientom w rozwiązywaniu problemów biznesowych (takich jak zmniejszanie stronniczości w decyzjach kredytowych). Gdzie indziej Stripe był jednym z pierwszych partnerów OpenAI w zakresie dużego modelu językowego GPT-4. Pracownicy Stripe zostali zachęceni do wymyślania ekscytujących sposobów wykorzystania modelu do identyfikowania nowych produktów i ulepszania przepływów pracy, a jednym z zastosowań, jakie wymyślili, jest monitorowanie oszustw. Stripe zaczął teraz używać GPT-4 do analizowania postów na forach Stripe na platformach takich jak Discord. (Te fora mogą być wykorzystywane przez nieuczciwych aktorów podszywających się pod prawowitych członków społeczności, aby próbować oszukiwać ludzi lub nakłonić ich do podania danych osobowych). Wykorzystując analizę składni opartą na GenAI, Stripe może teraz monitorować te komunikaty pod kątem potencjalnie podejrzanych interakcji - z flagą GPT-4 postów, które wymagają zbadania, aby można je było przekazać zespołowi ds. oszustw Stripe. Stripe tworzy również nowe narzędzia użytkownika oparte na modelu GPT. Jednym z nich jest Stripe Docs, narzędzie oparte na GPT, które umożliwia programistom zadawanie zapytań w języku naturalnym do modelu językowego, zamiast konieczności przebijania się przez dokumentację. Stripe twierdzi, że pozwala to programistom poświęcać mniej czasu na czytanie, a więcej na tworzenie rozwiązań.

GenAI w księgowości

Wspomniałem również, że GenAI może pomagać księgowym i wewnętrznym funkcjom finansowym w ich pracy. W związku z tym firmy zajmujące się oprogramowaniem księgowym chcą zintegrować GenAI ze swoimi produktami. Jednym z przykładów jest Intuit, gigant oprogramowania stojący za oprogramowaniem do księgowości online QuickBooks, który wprowadził pomocnika AI o nazwie "Intuit Assist". Narzędzie może dostarczać spersonalizowanych spostrzeżeń i rekomendacji, aby pomóc użytkownikom rozwiązywać problemy (kierując klienta do eksperta w przypadku problemów wymagających dogłębnego wsparcia). Na przykład dla osób korzystających z oprogramowania Intuit do zarządzania podatkami osobistymi, Intuit Assist może utworzyć spersonalizowaną listę kontrolną podatkową, aby pomóc im złożyć zeznanie podatkowe i uzyskać łatwiejszy dostęp do zwrotów. A dla małych firm korzystających z oprogramowania księgowego QuickBooks, Intuit Assist może badać zachowania klientów i wyniki biznesowe, aby wskazać potencjalne problemy z przepływem środków pieniężnych, wyróżnić najbardziej udane produkty i nie tylko. Wszystko to można zrobić za pomocą zapytań w języku naturalnym, takich jak "Które faktury są przeterminowane?". Spółka zależna Oracle, NetSuite, jest dostawcą aplikacji do planowania zasobów przedsiębiorstwa (ERP) opartych na chmurze. Teraz NetSuite dodał funkcję GenAI o nazwie "NetSuite Text Enhance", aby pomóc zespołom finansowym (oraz zespołom HR, łańcucha dostaw i sprzedaży) generować kontekstowe i spersonalizowane treści. Narzędzie może generować szkic tekstu do przejrzenia przez członków zespołu, na podstawie zaledwie kilku słów początkowych. To jedna z kilku funkcji opartych na sztucznej inteligencji wprowadzanych przez NetSuite, w tym nowa funkcja pomagająca firmom automatyzować analizę danych na potrzeby przygotowywania budżetów.

Najważniejsze wnioski

•  AI od wielu lat zmienia zasady gry w sektorze finansowym, ale GenAI przeniesie to na nowe wyżyny. GenAI może pomóc bankom zapewnić klientom lepszą, bardziej przemyślaną obsługę za pośrednictwem asystentów AI. Może być również wykorzystywane do opracowywania spersonalizowanych produktów i usług oraz udzielania klientom spersonalizowanych porad. Może być również wykorzystywane do automatyzacji i rozszerzania procesów wewnętrznych - takich jak podejmowanie decyzji kredytowych, wykrywanie oszustw, zarządzanie aktywami i zgodność.
•  GenAI może być również wykorzystywane przez księgowych i wewnętrzne zespoły finansowe w celu rozszerzenia ich pracy. Na przykład GenAI może być wykorzystywane do prognozowania danych finansowych, generowania lub podsumowywania raportów i dostarczania bardziej przyszłościowych rekomendacji.
•  GenAI niesie jednak ze sobą nowe ryzyka dla sektora finansowego. W szczególności istnieją ryzyka związane z prywatnością danych, stronniczością danych, ryzykiem halucynacji nieprawidłowych informacji finansowych przez systemy AI, zagrożeniami cyberbezpieczeństwa i ryzykiem dla stabilności finansowej. Dlatego narzędzia GenAI muszą być wdrażane pod ścisłym nadzorem człowieka.
•  GenAI jest już wykorzystywane przez banki i dostawców usług finansowych na wiele różnych sposobów - od chatbotów skierowanych do klientów, które udzielają porad 24/7, po operacje za kulisami, po narzędzia "współpilota" AI dla doradców finansowych. Jest również wdrażane przez dostawców usług płatniczych, takich jak Mastercard, i jest wbudowywane w rozwiązania księgowe dla osób fizycznych i firm. Podsumowując, każdy bank lub operator usług finansowych, który ignoruje GenAI, ryzykuje pozostaniem w tyle.
Teraz przejdźmy do kodowania i programowania komputerowego i zobaczmy, w jaki sposób GenAI może wspierać pracę programistów (i laików) w interesujący nowy sposób.

CRAFTING TOMORROW: AI W PROJEKTOWANIU I ROZWOJU

GenAI jest gotowe zrewolucjonizować procesy projektowania, badań i rozwoju produktów poprzez wstrzyknięcie zaawansowanej mocy obliczeniowej i kreatywności do tych tradycyjnie zorientowanych na człowieka dziedzin. Rozwój leków to superciekawe i wiodące zastosowanie GenAI, więc ten rozdział rozpoczniemy od spojrzenia na to, jak GenAI będzie kształtować terapie lekowe przyszłości. Następnie przyjrzymy się koncepcji projektowania generatywnego i zobaczymy, jak GenAI może pomóc w projektowaniu wszelkiego rodzaju produktów. Na koniec krótko omówimy cyfrowe bliźniaki i badania naukowe. W tym rozdziale jest wiele do omówienia, więc zaczynajmy.

Generatywna AI w odkrywaniu leków

Dla mnie odkrywanie leków to obszar, który doskonale pokazuje transformacyjną moc GenAI. Proces wprowadzania nowego leku na rynek jest długi i niesamowicie kosztowny. Od rozpoczęcia procesu odkrywania do momentu zatwierdzenia leku do sprzedaży może minąć nawet 15 lat - a 9 na 10 leków, które wchodzą do badań klinicznych, nigdy nie dociera do etapu zatwierdzania. Nic dziwnego, że koszt wprowadzenia nowego leku na rynek może osiągnąć 2,5 miliarda dolarów, jeśli weźmie się pod uwagę koszty zarówno udanych, jak i nieudanych programów.1 GenAI może pomóc przyspieszyć fazę odkrywania leków, pomagając tym samym szybciej wprowadzić leki do fazy badań klinicznych (i przy mniejszych wydatkach).

Jak GenAI przyspiesza poszukiwania nowych leków

Aby uzyskać przegląd roli GenAI w odkrywaniu leków, rozmawiałem z Kimberly Powell, wiceprezesem i dyrektorem generalnym ds. opieki zdrowotnej w NVIDIA. Zespół Powell współpracuje z liderami branży, naukowcami, firmami farmaceutycznymi i firmami biotechnologicznymi, aby zastosować AI w procesie odkrywania leków. Zasadniczo istnieją, aby udostępnić technologię AI w całym ekosystemie. Więc jeśli ktoś wie, w jaki sposób GenAI może potencjalnie przekształcić poszukiwanie nowych terapii lekowych, to jest to Powell. Jak mi wyjaśniła Powell, GenAI doskonale łączy światową wiedzę w jednym miejscu. Jeśli pomyślimy na przykład o ChatGPT, został on wytrenowany na wszystkim, co jest dostępne w Internecie, w tym książkach i artykułach. Tę biegłość w posługiwaniu się językiem naturalnym można zastosować w fazie badań i rozwoju odkrywania leków, przeglądając prace badawcze i dane z elektronicznej dokumentacji medycznej, aby na przykład dowiedzieć się, w jaki sposób istniejące leki wpływają na ludzi. Ale tym, co naprawdę ekscytuje zespół NVIDIA, jest potencjał zastosowania GenAI w innych językach związanych z opracowywaniem leków: językach biologii i chemii. Wyobraź sobie ludzkie DNA jako sekwencję czterech liter (A, T, C i G) połączonych w zdanie o długości 3 miliardów liter. To jest język sam w sobie. Mamy również białka, które stanowią budulec biologii. Białka mają swój własny alfabet - 20 liter aminokwasów, połączonych w dziesiątki tysięcy, a nawet setki tysięcy. Substancje chemiczne również mają język znany jako "SMILES" (Simplified Molecular Input Line Entry System) - znaki, które razem definiują struktury chemii. Jak mówi Powell, "Możemy teraz wziąć te języki… i możemy zastosować metodę generatywnej sztucznej inteligencji i metody typu GPT… Kiedy to zrobimy, modele językowe mogą naprawdę pomóc nam zrozumieć o wiele więcej na temat biologii, czego być może nie byliśmy w stanie zaobserwować w prawdziwym świecie". Oznacza to, że nie tylko możemy odkrywać nowe leki za pomocą GenAI, ale możemy to również zrobić w krótszym czasie i przy mniejszych kosztach. A w tym procesie Powell ma nadzieję, że uda nam się poprawić ten 90-procentowy wskaźnik niepowodzeń, o którym wspomniałem wcześniej. Ale jak dokładnie GenAI odnosi się do procesu odkrywania leków? Powell opisał proces odkrywania leków jako mający trzy fazy: Pierwsza faza polega na ustaleniu celu (choroby lub stanu), który chcą osiągnąć za pomocą nowego leku. W tej fazie GenAI można wykorzystać do badania genomiki, zrozumienia genu powodującego chorobę lub zrozumienia tego, co dzieje się w organizmie. Zasadniczo celem jest lepsze zrozumienie celu. W rozdziale 11 zobaczyliśmy, jak jeden model GenAI był w stanie przewidzieć warianty wirusa COVID-19. Inny przykład pochodzi z modelu GenSLM, opracowanego przez badaczy z NVIDIA, Argonne National Laboratory, University of Chicago i innych. Model został wytrenowany na danych genomu COVID-19 z pierwszego roku pandemii i na ich podstawie udało mu się wygenerować sekwencje ściśle odpowiadające wariantom Eris i Pirola z 2023 r. Innymi słowy, był w stanie dokładnie przewidzieć, jak wirus będzie później mutował. Tego rodzaju modelowanie mogłoby potencjalnie wpłynąć na przyszłe odkrycia leków, a także pomóc rządom śledzić i zarządzać chorobami zakaźnymi. Druga faza odkrywania leków polega na wymyślaniu wskazówek, tj. substancji chemicznych lub białek, które mogłyby zostać użyte do zwalczania tej choroby. I tutaj skala problemu staje się naprawdę oszałamiająca. Ponieważ istnieje ponad 10⁶⁰ substancji chemicznych i 10¹⁶⁰ białek, które potencjalnie mogłyby zostać stworzone do zwalczania choroby. Nic dziwnego, że odkrywanie leków jest często opisywane jako szukanie igły w stogu siana! GenAI może przeszukiwać te potencjalne substancje chemiczne i białka i zaczynać generować pomysły - potencjalnie nawet wynajdując nowe substancje chemiczne i białka o pożądanej strukturze i funkcji, aby zwalczać daną chorobę. Tworzy to ogromną liczbę nowych wskazówek do zbadania, co jest naprawdę ekscytujące. A trzecia faza dotyczy optymalizacji. Powiedzmy, że model GenAI wygenerował miliard związków, które potencjalnie mogą być skuteczne; firma farmaceutyczna musi następnie przetestować je w odniesieniu do celu. GenAI może pomóc w tym procesie przesiewowym na skalę i z szybkością, jakich nigdy wcześniej nie widziano. W jednym z przykładów NVIDIA pracowała nad projektem z Recursion Pharmaceuticals, aby przeszukać ponad 2,8 kwadrylionów par małych cząsteczek-cel (używając algorytmu matchmaker GenAI firmy Recursion działającego na technologii superkomputerów NVIDIA). W ciągu tygodnia udało im się ukończyć przesiew, który zająłby 100 000 lat przy użyciu tradycyjnych metod. Krótko mówiąc, GenAI może pomóc firmom farmaceutycznym badać potencjalne nowe leki na niespotykaną dotąd skalę, szybkość i dokładność - co z kolei pozwala im szybciej przechodzić do badań klinicznych. Jako przykład tego, Insilico Medicine wykorzystało GenAI w procesie odkrywania leków w celu opracowania leku na idiopatyczne włóknienie płuc. Przy użyciu tradycyjnych metod proces ten kosztowałby ponad 400 milionów dolarów i trwałby do sześciu lat. Jednak dzięki GenAI, NVIDIA twierdzi, że Insilico wykonało zadanie w jednej dziesiątej kosztów i jednej trzeciej czasu, przechodząc do badań klinicznych w ciągu zaledwie dwóch i pół roku.5 (Nawiasem mówiąc, Insilico również znalazło się w wiadomościach dzięki opracowaniu nowego leku na COVID generowanego przez AI, który wszedł do badań klinicznych i jest skuteczny przeciwko wszystkim wariantom). Wyobraź sobie takie przyspieszenie w całym przemyśle farmaceutycznym, a zobaczysz, jak GenAI może całkowicie przekształcić ten aspekt opieki zdrowotnej.

Umożliwianie prawdziwie spersonalizowanej medycyny

Patrząc dalej w przyszłość, Powell mówi, że GenAI pomoże również zrealizować prawdziwie spersonalizowaną medycynę. GenAI może być używany do analizy danych genetycznych i zdrowotnych pacjenta, aby sugerować spersonalizowane leczenie farmakologiczne w oparciu o unikalny profil danej osoby. To podejście może być szczególnie korzystne w terapii nowotworowej, gdzie skład genetyczny guzów może się znacznie różnić. Jak przewiduje Powell, "Ta prawdziwa szansa medycyny spersonalizowanej zostanie zrealizowana tylko dzięki tym generatywnym metodom. Ponieważ musisz powiązać tak wiele informacji: moją historię, moje DNA, to, co odkryłeś na temat dowolnego stanu chorobowego, na który choruję … to jest całkowicie unikalne dla mnie. I tylko dzięki tym metodom i możliwości syntezy tego poziomu informacji tam dotrzemy. A gdy zrozumiesz mój problem, możesz mieć bardzo szybki proces odkrywania, dzięki czemu będziesz mógł mnie leczyć, nie w ciągu pięciu lat, które zajmuje odkrycie leku, ale może w ciągu pięciu tygodni".

Inne przykłady ze świata medycyny

Oczywiście NVIDIA nie jest jedynym dostawcą, który pomaga w odkrywaniu leków. Firma farmaceutyczna Merck opracowała platformę odkrywania leków opartą na GenAI o nazwie "Addison", która ma pomóc projektantom leków eksplorować ten ogromny krajobraz chemiczny, o którym wspomniałem, i znacznie szybciej tworzyć kandydatów na leki. Jak wyjaśnia Merck, szacuje się, że w bazie danych wszechświata chemicznego GDB-17 znajduje się 166 miliardów cząsteczek, ale nawet tak duże biblioteki "ledwie muskają powierzchnię wszystkich możliwych struktur". Właśnie dlatego platforma taka jak Addison może wnieść ogromną wartość - pomagając badaczom "eksplorować nieograniczoną przestrzeń chemiczną i generować pomysły na zupełnie nowe związki". W innym przykładzie GenAI została wykorzystana przez brytyjską firmę biotechnologiczną Etcembly do zaprojektowania nowatorskiego leku immunoterapeutycznego na raka. Nowy lek o nazwie "ETC-101" jest rodzajem angażującego komórki T (komórki T są rodzajem białych krwinek). Tego typu leki zasadniczo wykorzystują moc receptorów komórek T (TCR), które rozpoznają obce antygeny w organizmie, aby identyfikować i niszczyć komórki nowotworowe. Problem polega na tym, że mogą one również rozpoznawać cele w zdrowych komórkach. Rozwiązaniem Etcembly jest zaprojektowanie TCR, które są bardziej czułe i selektywne - dzięki czemu mogą skutecznie atakować komórki nowotworowe, przy minimalnych efektach ubocznych. Aby to zrobić, Etcembly wdrożyło GenAI, aby zdekodować "język" TCR i "przepisać" kod genetyczny TCR, aby uczynić go silniejszym. Powstały lek, ETC-101, został zaprojektowany tak, aby atakować PRAME, białko związane z wieloma nowotworami znanymi z niskiego wskaźnika przeżywalności. Lek podobno wiąże się z PRAME z milion razy większym powinowactwem niż naturalne TCR (ponownie, bez ukierunkowania na zdrowe komórki) i został opracowany w ciągu 11 miesięcy, w przeciwieństwie do dwuletniego okresu typowego dla odkryć TCR.8 Lek może wejść do badań klinicznych już w 2025 roku. Gdzie indziej Dell nawiązał współpracę z University of Limerick, aby stworzyć platformę AI do diagnostyki raka i badań predykcyjnych. Celem jest wykorzystanie AI do przyspieszenia testów biomarkerów raka i ulepszenia leczenia pacjentów z chłoniakiem B-komórkowym. GenAI może również odgrywać rolę w sztucznej syntezie DNA (syntezie genów), co pozwala na wygenerowanie praktycznie dowolnej sekwencji DNA w warunkach laboratoryjnych. Ponownie, jeśli pomyślimy o DNA jako o języku, ma sens, że GenAI może pomóc badaczom "odkodować" i "przepisać" ten język. Biorąc pod uwagę, że większość nowotworów jest spowodowana sporadycznymi mutacjami genów, w przeciwieństwie do genów, z którymi się rodzimy, jasne jest, że synteza genów może pomóc nam lepiej zrozumieć raka i lepiej go leczyć. Ludzki genom jest niezwykle złożony, a wachlarz czynników genetycznych, które przyczyniają się do zdrowia i chorób, jest ogromny. Stanowi to problem dla badaczy chcących zrozumieć choroby. Jednak technologia - w szczególności GenAI - może pomóc. Google DeepMind to kolejna firma technologiczna, która chce wspierać badania nad zdrowiem i lekami. Stworzyła nowe narzędzie AI, które klasyfikuje skutki 71 milionów mutacji "missense" - mutacji genetycznych, które powodują zmiany w sekwencji DNA. Mutacje te mogą być łagodne lub patogenne, a przeciętna osoba jest nosicielem ponad 9000 wariantów missense. Zrozumienie tych milionów wariantów - w szczególności tego, czy są łagodne, czy wywołujące choroby - jest skomplikowanym zadaniem wymagającym dużych zasobów. Według DeepMind, tylko 0,1% wszystkich 71 milionów możliwych wariantów zostało sklasyfikowanych jako patogenne lub łagodne.10 Platforma AlphaMissense firmy DeepMind została opracowana, aby przyspieszyć klasyfikację. Wszystko to jest dla mnie superekscytujące. Ale czy może to również stanowić zagrożenie dla ludzkości? W końcu, jeśli możesz użyć AI do projektowania nowych leków, to na drugim końcu spektrum jest użycie GenAI do projektowania najbardziej trujących leków lub identyfikowania nowych toksyn, które są niebezpieczne dla ludzi. (Przykład: AI była w stanie wymyślić 40 000 potencjalnych nowych broni chemicznych w ciągu zaledwie sześciu godzin!) W niewłaściwych rękach ta technologia jest przerażająca. Ale nagrody za możliwość lepszego zrozumienia i ukierunkowania chorób oraz wydłużenia okresu zdrowia ludzi na całym świecie są warte dążenia.

Projektowanie czegokolwiek za pomocą generatywnej sztucznej inteligencji i generatywnego projektowania

Dziedzina generatywnego projektowania wykorzystuje sztuczną inteligencję do konceptualizacji niezliczonych możliwości projektowych, które są zgodne z określonymi ograniczeniami i parametrami wydajności, oferując szeroki zakres zoptymalizowanych rozwiązań, których stworzenie ręcznie przez ludzi byłoby niemal niemożliwe. Projektanci wprowadzają więc parametry, takie jak to, jakie materiały należy zastosować, rozmiar i wagę pożądanego produktu, jakie metody produkcji zostaną zastosowane i ile powinien kosztować, a następnie algorytmy generatywnego projektowania tworzą projekty. To transformacyjne podejście nie tylko przyspiesza fazę pomysłu, ale także zwiększa innowacyjność, pozwalając projektantom i inżynierom eksplorować szerszy zakres opcji projektowych, a następnie wybierać najlepsze z nich. Dotyczy to projektowania czegokolwiek - produktów, budynków, potencjalnych rozwiązań dla zmiany klimatu, czegokolwiek. Oprogramowanie do generatywnego projektowania istnieje od kilku lat, ale teraz zaczynamy dostrzegać łączenie generatywnego projektowania z GenAI, aby uczynić proces projektowania za pomocą sztucznej inteligencji bardziej inteligentnym i intuicyjnym. Rzeczywiście, wzrost GenAI oznacza, że niekoniecznie będziesz musiał być profesjonalnym projektantem lub ekspertem w zakresie oprogramowania projektowego, aby projektować niesamowite produkty w przyszłości. Będziesz mógł powiedzieć interfejsowi GenAI, co chcesz osiągnąć, a on przedstawi Ci różne projekty.

Jak GenAI usprawni projektowanie generatywne

Aby dowiedzieć się, jak GenAI przekształca proces projektowania, rozmawiałem z Mikem Haleyem, szefem badań w Autodesk. Autodesk kładzie ogromny nacisk na najnowocześniejsze technologie - tak bardzo, że mówili o projektowaniu generatywnym już w 2009 roku. Haley mówi, że we wszystkich branżach klienci Autodesk próbują projektować bardziej złożone rzeczy, z bardziej złożonymi wymaganiami i ograniczeniami, jednocześnie chcąc projektować wydajniej i taniej. Zasadniczo na proces projektowania wywierana jest duża presja, dlatego projektowanie generatywne jest tak cenne - pomaga projektantom tworzyć złożone projekty w bardziej wydajny i opłacalny sposób. Jak więc GenAI może jeszcze bardziej ulepszyć projektowanie generatywne? Okazuje się, że narzędzia do projektowania generatywnego mogą być w rzeczywistości dość trudne w użyciu, ponieważ aby uzyskać jak najwięcej z oprogramowania do projektowania generatywnego, trzeba być w stanie określić, czego się chce, w bardzo precyzyjny sposób. Problem w tym, że większość projektantów niekoniecznie zna wszystkie ograniczenia na samym początku projektu. Często ograniczenia i wymagania pojawiają się w trakcie procesu projektowania. Ponadto rozwiązania projektowania generatywnego mogą być drogie, ponieważ wymagają dużej mocy obliczeniowej. GenAI może pomóc rozwiązać te problemy. GenAI jest szybki, a jego obsługa jest superłatwa i intuicyjna, ponieważ wystarczy porozmawiać z systemem lub wpisać to, czego się chce. Tak więc połączenie GenAI z projektowaniem generatywnym daje profesjonalnym projektantom (a nawet nieprofesjonalnym) to, co najlepsze z obu światów. Dzięki systemowi projektowania generatywnego uzyskujesz niesamowitą precyzję, a dzięki GenAI otrzymujesz system, który jest znacznie łatwiejszy w użyciu. To jest to, z czego Autodesk jest szczególnie podekscytowany - połączeniem dwóch technologii, aby uczynić projektowanie generatywne bardziej dostępnym dla większej liczby osób i zwiększyć kreatywność klientów Autodesk. Laboratorium badawcze Autodesk Haley współpracuje z myślącymi przyszłościowo klientami, aby tworzyć nowe rozwiązania projektowe. Podał przykład współpracy z jednym klientem, dużą firmą budowlaną, która miała obawy co do tego, ile czasu zajmuje wykonanie wczesnych projektów koncepcyjnych wieżowców. Klient stwierdził, że ten wczesny proces eksploracyjny trwa miesiące i chciał przyspieszyć proces w przypadku przyszłych budynków. Dzięki zastosowaniu GenAI w tym początkowym procesie projektowania koncepcyjnego, byli w stanie skrócić proces z wielu miesięcy do tygodnia. Oczywiste jest, że zdolność GenAI do szybkiej syntezy i iteracji koncepcji projektowych pomaga projektantom eksplorować szerszy zakres potencjalnych rozwiązań w znacznie krótszym czasie - co prowadzi do bardziej innowacyjnych i kreatywnych wyników. Wyobraź sobie, że taka technologia jest stosowana w całym procesie projektowania praktycznie wszystkiego - domów, produktów, samochodów itp. - a zobaczysz, jak GenAI może dodać poważną wartość do procesu projektowania. (Na marginesie, 60 000-metrowe kwadratowe biura Autodesk w Toronto, nazwane "Autodesk Technology Centre", były jednymi z pierwszych biur zaprojektowanych przez AI tej skali. Projektanci konsultowali się z pracownikami Autodesk na temat ich preferencji dotyczących czynników takich jak światło dzienne, widoki i bliskość innych biurek, a te parametry zostały wprowadzone do narzędzia projektowego AI.) Co więcej, połączenie GenAI, projektowania generatywnego i drukowania 3D może okazać się szczególnie wpływowe. Projektowanie generatywne i GenAI można wykorzystać do lepszego zrozumienia tego, co można zrobić za pomocą drukowania 3D, ponieważ zakres i złożoność kształtów, które można utworzyć za pomocą drukowania 3D, są tak ogromne. Coraz częściej ta zwycięska kombinacja będzie wykorzystywana do tworzenia nowych komponentów i produktów, które są tańsze, lżejsze i trwalsze, poprawiając tym samym ogólną jakość wielu produktów, od samochodów i samolotów po prefabrykowane domy i konstrukcje. Kiedy zapytałem Haleya o przyszłość GenAI i projektowania, był pasjonatem idei, że oprogramowanie projektowe (właściwie całe oprogramowanie) stanie się znacznie łatwiejsze w użyciu, ponieważ GenAI pozwala nam wyrażać siebie w dowolny sposób - poprzez mówienie, pisanie, szkicowanie, cokolwiek. "Charakter interfejsów użytkownika wszelkiego oprogramowania, czy to edytora tekstu, czy złożonego produktu do projektowania budynków, ulegnie zasadniczej zmianie w ciągu najbliższych pięciu lat… nagle komputery będą miały zdolność interpretowania nas". Przewiduje również, że oprogramowanie projektowe stanie się bardziej proaktywne, wtrącając pomocne sugestie w oparciu o to, co wie, że użytkownik chce zaprojektować, i czego system nauczył się z danych z przeszłości. "Będziemy świadkami pojawiania się w procesie projektowania tych narzędzi, które nie tylko przytłaczają Cię ilością danych, ale także mówią: "Hej, zauważyłem, że to projektujesz. Oto coś, co możesz chcieć wiedzieć, co zauważyłem we wszystkich danych, które mogą być istotne dla tego, co teraz projektujesz". Dzięki temu możesz skupić swoją uwagę".

Argument biznesowy za projektowaniem (i produkcją) opartym na GenAI

Chociaż wielu projektantów jest już przyzwyczajonych do projektowania z wykorzystaniem AI, jasne jest, że GenAI jeszcze bardziej wspomoże i ulepszy proces projektowania. Da projektantom możliwość szybszego generowania projektów i bardziej intuicyjnej pracy z AI. Może być używany do modelowania, jak będą zachowywać się materiały lub produkty, bez konieczności budowania fizycznych prototypów. Może być nawet używany do włączania danych opinii klientów lub danych użytkowników z istniejących produktów (lub budynków) do przyszłych projektów. Tak więc cała faza projektowania staje się mniej procesem prób i błędów, co wyraźnie skraca czas i zasoby. Ponadto może pomóc w tworzeniu lepszych produktów. Na przykład, dzięki pomocy Autodesk, General Motors był w stanie zaprojektować nowy komponent samochodowy, który był o 40% lżejszy i o 20% mocniejszy od swojego poprzednika. Wszystko to przyniesie organizacjom znaczące korzyści, nie w ostatniej kolejności możliwość szybkiego wprowadzania innowacji, eksplorowania szerokiej gamy opcji kreatywnych w krótszym czasie, przyspieszenia procesu iteracji i udoskonalania prototypów oraz szybszego wprowadzania na rynek nowych (lepszych) produktów. Ponadto GenAI otwiera zupełnie nowy świat personalizacji produktów, zwłaszcza w połączeniu z drukiem 3D. GenAI może być również używany jako część procesów własności intelektualnej. Na przykład może analizować, czy patenty są konieczne, aby spełnić konkretny standard produktu. Może analizować istniejące teksty patentów, prace badawcze i trendy rynkowe, aby pomóc firmom ukierunkować swoje wysiłki badawczo-rozwojowe. I może analizować ogromne ilości danych online, aby monitorować potencjalne naruszenia znaków towarowych. Możemy również oczekiwać, że GenAI zostanie zintegrowany z procesem produkcyjnym, dlatego Microsoft i Siemens nawiązały współpracę nad nowym asystentem GenAI zaprojektowanym specjalnie do produkcji. Firmy twierdzą, że narzędzie Siemens Industrial Copilot usprawni współpracę człowiek-maszyna, zwiększając tym samym produktywność i przyspieszając zadania produkcyjne. Na przykład firmy twierdzą, że zadania takie jak debugowanie kodów automatyzacji i uruchamianie symulacji można wykonać w ciągu kilku minut za pomocą asystenta GenAI. Microsoft i Siemens planują opracowanie narzędzi GenAI co-pilot dla szerokiej gamy branż wykraczających poza produkcję, w tym transportu i opieki zdrowotnej.

Przykłady z biżuterii i mody

Projektanci biżuterii już wykorzystują sztuczną inteligencję do swoich projektów, co pozwala im przesuwać granice nowych projektów, przyspieszać prototypowanie i usprawniać proces projektowania. Firmy jubilerskie, które wykorzystały sztuczną inteligencję jako współtwórcę, to m.in. ekskluzywny paryski jubiler Boucheron i prywatny jubiler Volund Jewelry z Vancouver. W połączeniu z drukiem 3D, wspomagane sztuczną inteligencją projektowanie pozwala jubilerom szybko tworzyć prototypy i zobaczyć, jak ich projekty wyglądają w prawdziwym świecie (ponieważ wydrukowanie nawet skomplikowanego prototypu może zająć kilka godzin, w porównaniu z tygodniami, które może zająć ręczne wykonanie woskowej formy). Tiffany & Company to jeden z głównych projektantów biżuterii, który wykorzystał zarówno wspomagane sztuczną inteligencją projektowanie, jak i drukowanie 3D do tworzenia prototypów. W przyszłości GenAI może nawet umożliwić klientom projektowanie własnej biżuterii na zamówienie. Korzystając z narzędzi GenAI, klienci mogliby tworzyć własne, unikalne projekty zgodnie z preferowanymi materiałami, preferencjami projektowymi i kosztami, a następnie generować obrazy, aby zobaczyć, jak projekt wyglądałby na nich samych, zanim złożą zamówienie. A dzięki drukowi 3D - który można wykorzystać do drukowania wszelkiego rodzaju materiałów, w tym plastiku, metali, betonu, a nawet czekolady - można produkować wyjątkowe produkty bez obaw o ekonomię skali. Znane marki modowe i sportowe również rutynowo wykorzystują sztuczną inteligencję do rozbudowy procesu projektowania, w tym Nike. To zrozumiałe, że projektanci mody mogą odnieść ogromne korzyści z projektowania wspomaganego sztuczną inteligencją, ponieważ umożliwia im szybsze tworzenie wielu nowych projektów. W jednym z przykładów firma technologii modowych Fashable nawiązała współpracę z Microsoftem, aby wprowadzić GenAI do procesu projektowania odzieży. Moda to jedna z branż, w której oczekiwania dotyczące szybkich realizacji i niekończących się nowych stylów są szczególnie wysokie - napędzane zwłaszcza przez "szybką modę". Jednak zamiast pogłębiać problem "kultury jednorazowości", Fashable uważa, że GenAI może pomóc projektantom sprostać popytowi przy jednoczesnym ograniczeniu odpadów. W jaki sposób? Po części poprzez umożliwienie projektantom wprowadzania innowacji w wielu nowych projektach bez marnowania materiału, ale także poprzez wykorzystanie sztucznej inteligencji do wyeliminowania większości domysłów związanych z tworzeniem nowych ubrań. W końcu trendy są nieprzewidywalne i nie jest oczywiste, czy zapasy się sprzedadzą. Dlatego Fashable używa AI do analizy danych z wielu źródeł, w tym mediów społecznościowych i witryn detalicznych, aby lepiej zrozumieć trendy. Projekty można rozszerzać w czasie rzeczywistym, aby uwzględnić trendy, a powstałe obrazy można udostępniać w mediach społecznościowych w celu przeprowadzenia testów A/B z konsumentami. Dzięki temu projektanci mogą lepiej zrozumieć popyt przed rozpoczęciem produkcji. Według Fashable, zamiast poświęcać miesiące na dostarczenie nowej kolekcji z projektu do sklepu, można to teraz zrobić w ciągu kilku minut - poprzez szybkie projektowanie i marketing bezpośrednio do klientów, bez marnowania materiału

Przykłady z branży motoryzacyjnej

Branża motoryzacyjna od lat wykorzystuje sztuczną inteligencję do projektowania samochodów i podzespołów. Jednak GenAI może pomóc w dalszym usprawnianiu i ulepszaniu procesu projektowania na kilka sposobów. Na przykład GenAI może być używane do generowania nowych koncepcji projektowych i wirtualnych prototypów. Proces przechodzenia od wczesnych pomysłów koncepcyjnych i szkiców do opracowywania pełnowymiarowych prototypów glinianych może trwać wiele miesięcy - ale GenAI może pomóc przyspieszyć wczesne etapy tego procesu, natychmiast przekształcając szkice 2D w realistyczne wirtualne modele 3D, umożliwiając projektantom eksplorację szerokiego zakresu opcji w krótszym czasie. Projektanci mogą również używać podpowiedzi tekstowych, takich jak "wytrzymały" lub "elegancki", aby generować pomysły projektowe. Ponadto w przypadku wnętrz GenAI może być używane do generowania realistycznych wizualizacji tekstur na podstawie prostych opisów. Instytut Badawczy Toyoty eksperymentował z wykorzystaniem GenAI w celu przyspieszenia projektowania pojazdów. Opracowano nową technikę, która pozwala projektantom na integrację początkowych szkiców projektowych i ograniczeń inżynieryjnych (dotyczących wydajności, bezpieczeństwa i użyteczności) z narzędziami GenAI na wczesnym etapie procesu twórczego. Według Toyoty takie podejście może "zmniejszyć liczbę iteracji potrzebnych do pogodzenia kwestii projektowych i inżynieryjnych". Innymi słowy, pomaga to projektantom tworzyć projekty zgodnie z ich wizją twórczą (np. dla wytrzymałego pojazdu typu SUV), jednocześnie optymalizując wiele złożonych kwestii inżynieryjnych i bezpieczeństwa, które są niezbędne. Mówiąc o bezpieczeństwie, GenAI można również wykorzystać do wykrywania i zapobiegania wadom w pojazdach oraz generowania realistycznych symulacji wypadków, które można wykorzystać do szkolenia pojazdów autonomicznych i identyfikowania potencjalnych zagrożeń bezpieczeństwa w istniejących pojazdach. GenAI jest nawet wykorzystywane do wspomagania rozwoju akumulatorów do pojazdów elektrycznych (EV). Jest to główny cel start-upu Aionics, który wykorzystuje GenAI do przyspieszenia badań nad akumulatorami EV. To jak proces odkrywania leków, o którym mówiłem wcześniej w tym rozdziale - istnieją miliardy możliwych do pozyskania cząsteczek, które można połączyć, aby stworzyć materiały elektrolityczne w bateriach, a zatem wiele potencjalnych kombinacji do zbadania! Znajdź optymalną kombinację, a otrzymasz baterię EV, która może ładować się szybciej i być bardziej wydajna; ale znalezienie tej optymalnej kombinacji może zająć lata (i może wymagać wielu prób i błędów). Aionics używa GenAI do przyspieszenia odkryć, a nawet tworzenia nowych cząsteczek zaprojektowanych do określonych zastosowań.

Wpływ generatywnej AI na cyfrowe bliźniaki

Cyfrowy bliźniak to cyfrowa kopia rzeczywistego zasobu fizycznego (takiego jak produkt, proces lub system), której można użyć do przeprowadzania wirtualnych symulacji. Pomysł cyfrowego bliźniaka polega na tym, aby pozwolić nam zobaczyć, co mogłoby się stać, gdybyśmy wprowadzili pewne zmiany w prawdziwym życiu. Zmiany te można przetestować na cyfrowym bliźniaku bez konieczności testowania potencjalnie kosztownych zmian na rzeczywistym odpowiedniku. Cyfrowe bliźniaki są od kilku lat modną technologią, wykorzystywaną w tak różnych branżach, jak produkcja (np. w celu optymalizacji wydajności maszyn) i Formuła 1 (w celu testowania różnych konfiguracji samochodów). Tworzenie i używanie cyfrowych bliźniaków było do tej pory dość technicznym procesem. Jednak dzięki GenAI, teoretycznie, możesz poprosić narzędzie GenAI o utworzenie cyfrowego bliźniaka, co znacznie ułatwia organizacjom wykorzystanie technologii cyfrowych bliźniaków i tworzenie symulacji rzeczywistych produktów, obiektów i systemów. Na przykład będziesz mógł utworzyć cyfrowego bliźniaka swojego produktu, aby zobaczyć, jak działa w wielu różnych okolicznościach, bez konieczności przeprowadzania kosztownych i czasochłonnych testów na fizycznym produkcie. Co ważne, będziesz mógł wchodzić w interakcje z symulacjami i cyfrowymi bliźniakami, korzystając z technologii języka naturalnego. Na przykład możesz zapytać: "teraz przetestuj produkt w temperaturach poniżej zera" lub cokolwiek chcesz. A w przypadku cyfrowego bliźniaka całej hali fabrycznej - z cyfrowym bliźniakiem odzwierciedlającym wydajność w świecie rzeczywistym - nadzorca mógłby po prostu zapytać system: "Hej, co dzieje się dzisiaj na hali?" lub "Jakie są trzy najważniejsze problemy z konserwacją predykcyjną, które wymagają naszej uwagi dzisiaj?". Nadzorca mógłby nadzorować swoje operacje za pośrednictwem trójwymiarowej reprezentacji komputerowej w czasie rzeczywistym. (Ta sama idea dotyczy wszelkiego rodzaju pomieszczeń lub operacji - fabryk, lokali handlowych, stadionów sportowych, sieci energetycznych, czegokolwiek chcesz.) To kolejny przykład tego, jak GenAI obiecuje uczynić technologię bardziej dostępną.

Wspomaganie badań naukowych

Zanim zakończymy ten rozdział, chciałbym krótko wspomnieć o badaniach naukowych jako o kolejnym obszarze, w którym GenAI może wnieść ogromną wartość. W rzeczywistości pojawiają się już nowe narzędzia oparte na dużych modelach językowych, które wspomagają badania naukowe - na przykład poprzez skanowanie tysięcy artykułów naukowych w poszukiwaniu informacji i dostarczanie streszczeń. Jednym z przykładów jest narzędzie o nazwie "Consensus", które udziela odpowiedzi na pytania typu "tak"/"nie" na podstawie konsensusu społeczności akademickiej. Możesz więc zadać pytanie takie jak "Czy imigracja jest dobra dla gospodarki?", a ono odpowie konsensusem akademickim (w tym przypadku badania pokazują, że imigracja jest ogólnie korzyścią ekonomiczną). Zapewni również listę cytowań i podsumowania artykułów naukowych wykorzystanych w swojej analizie. Do tej pory Consensus koncentruje się na sześciu tematach: ekonomii, śnie, polityce społecznej, medycynie, zdrowiu psychicznym i suplementach zdrowotnych. Inne narzędzie o nazwie "Elicit" może znaleźć dla Ciebie odpowiednie prace naukowe na podstawie Twojego konkretnego pytania. Następnie podsumuje kluczowe informacje z tych prac. Jest ono określane jako "asystent badawczy AI". Scite robi to samo, odkopując istotne prace naukowe. Łatwo zrozumieć, jak GenAI może przekształcić badania i studia naukowe w przyszłości, a nawet umożliwić osobom spoza środowiska akademickiego dostęp do informacji naukowych w sposób bardziej przyjazny dla użytkownika.

Najważniejsze wnioski

•  GenAI ukształtuje terapie farmakologiczne przyszłości, przyspieszając proces odkrywania leków i pomagając wprowadzać leki do badań klinicznych znacznie szybciej - potencjalnie o lata szybciej.
•  W projektowaniu projektowanie generatywne (które wykorzystuje sztuczną inteligencję do optymalizacji procesu projektowania) istnieje już od kilku lat, ale dodanie interfejsów GenAI obiecuje jeszcze większą poprawę projektowania wspomaganego przez sztuczną inteligencję. GenAI może między innymi pomóc projektantom łatwiej pracować ze złożonymi narzędziami do projektowania generatywnego, generować nieskończone potencjalne projekty zgodnie z parametrami i kryteriami, symulować produkty i przyspieszać cykl życia rozwoju produktu. Może to dotyczyć wszelkiego rodzaju dziedzin, od jubilerstwa po projektowanie samochodów i projektowanie budynków.
•  W związku z tym GenAI umożliwi również firmom łatwiejsze tworzenie cyfrowych bliźniaków do symulacji rzeczywistych produktów, obiektów i systemów - przy użyciu podpowiedzi w języku naturalnym.
•  I wreszcie GenAI sprawia, że badania naukowe stają się bardziej dostępne. Pojawiają się nowe narzędzia, które pomagają odpowiadać na pytania w oparciu o konsensus społeczności akademickiej i zapewniają łatwe do przyswojenia podsumowania prac badawczych.
Jasne, że GenAI pozytywnie zrewolucjonizuje obszary projektowania, rozwoju i produkcji. Ale teraz zwróćmy się ku innemu sektorowi, który ma zostać przekształcony przez GenAI - bankowości i finansom.

SFERA PRAWNA: TWORZENIE I PRZEGLĄDANIE DOKUMENTÓW Z POMOCĄ SZTUCZNEJ INTELIGENCJI

Możesz podnieść brwi na temat sztucznej inteligencji stosowanej w sektorze prawnym. Ale teraz, dzięki najnowszym dużym modelom językowym, GenAI jest o wiele lepsze w rozumieniu kontekstu i niuansów złożonych tekstów prawnych. W związku z tym okazuje się przydatnym narzędziem w pracy prawników, szczególnie jeśli chodzi o przeglądanie dokumentów prawnych i redagowanie tekstów. GenAI ma tak duży potencjał w sferze prawnej, że dwie trzecie dużych kancelarii prawnych w Wielkiej Brytanii twierdzi, że bada potencjał GenAI (wraz z około jedną trzecią mniejszych kancelarii prawnych). Tymczasem w Stanach Zjednoczonych 67% wewnętrznych radców prawnych oczekuje, że ich zewnętrzne kancelarie prawne będą korzystać z narzędzi GenAI w swojej pracy. W innym raporcie zapytano 379 prawników i innych prawników o ChatGPT - ponad 90% stwierdziło, że z niego korzystało. Możemy zatem oczekiwać, że obciążenie pracą prawników i innych prawników zmieni się, ponieważ coraz częściej pracują oni z SI. Ale to nie wszystko. Jak zobaczymy w tym rozdziale, GenAI może również pomóc zwykłym ludziom rozwiązać problemy i kwestie prawne.

Wykorzystanie generatywnej AI w kancelariach prawnych

GenAI ma potencjał transformacyjny dla zawodu prawnika. W miarę jak systemy GenAI stają się coraz bardziej wyrafinowane, ułatwią pracę prawników na kilka sposobów.

Potencjalne zastosowania GenAI

Do konkretnych przykładów przejdziemy później w rozdziale. Ale na razie przyjrzyjmy się ogólnym przypadkom użycia. GenAI może wspierać prawników w następujących kwestiach:

•  Tworzenie dokumentów: GenAI może pomóc w automatyzacji tworzenia standardowych dokumentów prawnych, takich jak umowy, testamenty i umowy najmu, dostosowując je do potrzeb klienta, zgodnie z określonymi parametrami. GenAI może być również używane do tworzenia komunikatów dla klientów.
•  Badania prawne: Badanie istniejącego orzecznictwa i precedensów prawnych może być niezwykle czasochłonne. Podając zestaw kryteriów lub słów kluczowych, prawnicy mogą używać GenAI do generowania streszczeń lub streszczeń dotyczących odpowiedniego orzecznictwa, statutów i przepisów.
•  Odkrywanie i przegląd danych: GenAI może pomóc w procesie odkrywania, generując zapytania w celu zidentyfikowania odpowiednich dokumentów lub danych. Może również pomóc w podsumowaniu ogromnych ilości danych.
•  Analiza umów: AI może generować podsumowania, wyróżniać kluczowe terminy i identyfikować potencjalne problemy w długich umowach.
•  Analiza predykcyjna: AI może być nawet używana do przewidywania wyników spraw sądowych na podstawie danych historycznych, co może być przydatne w doradzaniu klientom lub opracowywaniu strategii postępowania sądowego. * Chatboty udzielające porad prawnych: Firmy zainteresowane poszerzeniem swojej oferty usług mogą skorzystać z GenAI, aby tworzyć chatboty udzielające porad prawnych, które generują odpowiedzi na typowe pytania prawne zamieszczane na stronach internetowych lub za pośrednictwem aplikacji do przesyłania wiadomości.

Takie zastosowania obiecują zwiększenie efektywności kancelarii prawnych, umożliwiając prawnikom zajmowanie się większą liczbą spraw w krótszym czasie, a także zmniejszając margines błędu ludzkiego. Ponadto sztuczna inteligencja może pomóc w demokratyzacji usług prawnych, czyniąc podstawową pomoc prawną bardziej dostępną i przystępną cenowo dla ogółu społeczeństwa za pośrednictwem zautomatyzowanych platform - ale o tym porozmawiamy później.

Oto zastrzeżenie…

Wraz z tymi ekscytującymi postępami pojawiają się wyzwania. Prawnicy będą musieli dostosować swoje role, nabywając nowe umiejętności, aby skutecznie wykorzystywać i nadzorować te technologie - na przykład upewniając się, że GenAI dostarcza dokładne wyniki. Istnieją również względy etyczne, szczególnie jeśli chodzi o potencjalne nadmierne poleganie na GenAI, co może prowadzić do braku niuansów ludzkiego osądu, który jest tak kluczowy w sytuacjach prawnych. Mogą również występować problemy związane z uprzedzeniami danych, które mogą wypaczać odpowiedzi GenAI. (Główny problem dla każdej kancelarii prawnej, ale szczególnie w przypadku, powiedzmy, prawniczego chatbota dostarczającego stronnicze porady i odpowiedzi). Istnieje również ryzyko, że informacje przekazane narzędziu GenAI przez kancelarię prawną mogą zostać wykorzystane do celów szkoleniowych AI i potencjalnie ujawnione innym użytkownikom. W istocie, podczas gdy generatywna AI stwarza szereg możliwości dla świata prawnego, jej integracja musi być podjęta w sposób przemyślany, aby zapewnić, że istota i integralność zawodu prawnika pozostaną nienaruszone.

Przykłady z branży prawniczej

Przyjrzyjmy się teraz kilku przykładom, w jaki sposób kancelarie prawne i inne organizacje prawnicze zaczynają wykorzystywać GenAI. Być może słyszałeś o California Innocence Project (CIP), który został założony przez California Western School of Law w celu pomocy w przypadkach, w których istnieją przekonujące dowody na to, że ktoś został niesłusznie skazany. Jest to złożona, pracochłonna praca wymagająca wielu godzin przeglądania orzecznictwa i wnikliwego analizowania dowodów w każdej sprawie. Dlatego CIP zwróciło się do GenAI, aby przyspieszyć żmudną pracę swoich prawników - i miejmy nadzieję, skrócić czas, jaki niewinni ludzie spędzają za kratkami. Prawnicy CIP wdrożyli platformę GenAI o nazwie "CoCounsel", która została opracowana przez firmę AI, Casetext, we współpracy z OpenAI. CoCounsel, która została specjalnie przeszkolona w zakresie dokumentów prawnych, orzecznictwa i postępowań sądowych, jest w stanie przeglądać i podsumowywać dokumenty prawne, sporządzać dokumenty, analizować umowy i przygotowywać zeznania. Według prawników CIP korzystanie z narzędzia do wykonywania niezbędnych, ale przyziemnych zadań oszczędza cenny czas - na przykład skraca czas poświęcony na napisanie listu do klienta z 15 minut do jednej minuty - dzięki czemu zespół może poświęcić swój czas na bardziej istotne zadania wymagające interakcji z człowiekiem. Co ważne, aby zmniejszyć ryzyko stronniczości i "halucynacji" (tj. wymyślonych odpowiedzi), CoCounsel został przetestowany w wersji beta przez 400 prawników z małych i międzynarodowych firm - a Casetext twierdzi, że poufne informacje wprowadzane do systemu nie są przechowywane ani przesyłane z powrotem do platformy w celu szkolenia. Dentons, jedna z największych globalnych kancelarii prawnych na świecie, wprowadza na rynek własne zastrzeżone narzędzie w stylu ChatGPT o nazwie "fleetAI", oparte na dużym modelu językowym GPT-4. Dentons twierdzi, że narzędzie umożliwi prawnikom "prowadzenie badań prawnych, generowanie treści prawnych i identyfikowanie odpowiednich argumentów prawnych". Ponownie, Dentons twierdzi, że wszystkie przesłane dane nie zostaną wykorzystane do trenowania modelu, nie będą dostępne dla nikogo spoza firmy i zostaną usunięte po 30 dniach. Ponadto wszyscy prawnicy Dentons korzystający z narzędzia są zobowiązani do niezależnej weryfikacji i walidacji wszystkich wyników oraz ujawnienia klientom, że w ramach swojej pracy korzystali z narzędzia AI. Jak można się spodziewać, pojawia się mnóstwo narzędzi i usług opartych na GenAI, które służą kancelariom prawnym. Na przykład firma zajmująca się badaniami prawnymi i oprogramowaniem LexisNexis przyjmuje GenAI, wbudowując tę technologię w swoją platformę Lexis+ AI - która została zaprojektowana, aby pomóc prawnikom w prowadzeniu badań przypadków oraz tworzeniu streszczeń, dokumentów prawnych i komunikatów. Dzięki prostemu interfejsowi, który działa raczej jak ChatGPT (w rzeczywistości platforma jest zbudowana na modelu języka GPT OpenAI, między innymi), GenAI odpowiada na monity w ciągu kilku sekund. Zapewnia również cytowania swoich odpowiedzi. Podobnie jak platforma CoCounsel firmy Casetext, Lexis+ AI koncentruje się na prywatnych interakcjach, aby zapewnić, że poufne informacje nie zostaną udostępnione innym użytkownikom. Inna usługa GenAI zaprojektowana dla prawników pochodzi od start-upu AI Harvey, który tworzy niestandardowe duże modele językowe dla kancelarii prawnych. Wśród firm współpracujących z Harvey znajdują się duża londyńska kancelaria prawna Macfarlanes i międzynarodowa firma Allen & Overy. Prawnicy mogą używać Harvey do prowadzenia badań, analizowania dokumentów, podsumowywania tekstów i tworzenia projektów komunikatów (do przeglądu przez prawników). Specjalista ds. informacji Thomson Reuters również dodaje GenAI do swojej oferty prawnej, w tym do platformy badań prawnych Westlaw i Practical Law, która zapewnia przewodniki, szablony i listy kontrolne. GenAI oznacza, że prawnicy i badacze prawa mogą korzystać z tych platform w bardziej intuicyjny, konwersacyjny sposób i otrzymywać odpowiedzi na swoje pytania w języku naturalnym. Thomson Reuters oferuje również oparte na technologii GenAI oprogramowanie do przeglądania umów o nazwie "Document Intelligence", które według firmy może skrócić czas wyszukiwania informacji w umowach o 50%.

Pomaganie zwykłym ludziom w przyswajaniu dokumentów prawnych i nie tylko

Oczywiste jest, że GenAI może pomóc zmniejszyć obciążenie prawników, co samo w sobie może pomóc uczynić porady prawne bardziej przystępnymi cenowo i dostępnymi dla ludzi. Ale zobaczymy również nowe narzędzia, które pozwolą laikom na bezpośrednią interakcję z narzędziami prawnymi GenAI. Może to okazać się przydatne na kilka sposobów, takich jak przyswajanie długich umów i pism prawnych, sporządzanie umów, a nawet dostęp do podstawowych porad prawnych. To dopiero początek w tej dziedzinie, ale zaczynają pojawiać się pewne interesujące narzędzia, które obiecują demokratyzację porad prawnych. Jednym z przykładów jest "Legal Robot", który został zaprojektowany do automatycznego tłumaczenia "żargonu prawniczego" na język potoczny, który każdy może zrozumieć. Tak więc laik, który ma do czynienia ze złożoną umową lub innym dokumentem prawnym, może uzyskać tłumaczenie na zwykły język angielski i właściwie zrozumieć, co czyta lub podpisuje. (Legal Robot twierdzi również, że jego narzędzie może być używane przez prawników, aby zapewnić, że ich dokumenty będą łatwe do zrozumienia dla każdego, ale czy prawnicy faktycznie chcą, aby ich dokumenty były łatwe do zrozumienia, to już inna sprawa!) Innym przykładem jest AI Lawyer, który oferuje całodobową fachową pomoc prawną i informacje - więc teoretycznie możesz zadać dowolne pytanie prawne i uzyskać odpowiedź. Możesz również użyć tego narzędzia do sporządzania umów bez konieczności zatrudniania prawnika. Ponadto można go użyć do uproszczenia lub podsumowania tekstu prawnego. Naprawdę ekscytujące jest obserwowanie pojawiania się narzędzi, które pomagają ludziom uzyskać dostęp do pomocy prawnej bez ogromnych rachunków, które mogą wiązać się z korzystaniem z kancelarii prawnej. Kto wie, może takie wydarzenia jeszcze bardziej zachęcą kancelarie prawne do przyjęcia GenAI w celu zapewnienia bardziej usprawnionej, niedrogiej usługi dla społeczeństwa.

Najważniejsze wnioski

•  Kancelarie prawne przyjmują GenAI, aby pomóc prawnikom pracować wydajniej. W szczególności GenAI może być używane do przeglądania dokumentów prawnych i spraw, analizowania umów, tworzenia dokumentów, przygotowywania zeznań i pisania komunikatów. Pojawia się wiele platform i narzędzi GenAI, które mają służyć prawnikom.
•  GenAI może również pomóc uczynić porady prawne bardziej dostępnymi dla zwykłych ludzi, dzięki nowym narzędziom, które oferują proste porady prawne i pomagają w tłumaczeniu skomplikowanego żargonu prawniczego na język potoczny. Takie narzędzia mogą nawet pomóc ludziom sporządzać umowy bez konieczności zatrudniania prawnika.
Teraz przejdźmy do tematu, który obejmuje wiele sektorów i branż: projektowanie i innowacje. W następnym rozdziale zobaczymy, w jaki sposób GenAI pomaga usprawnić proces badawczy i projektowy we wszystkim, od mody i biżuterii po potencjalnie ratujące życie leki.

PROJEKTOWANIE I TESTOWANIE GIER WIDEO: PODEJŚCIE GENERATYWNE DO SZTUCZNEJ INTELIGENCJI

Chciałem dodać sekcję o grach wideo, ponieważ jest to coś nieco innego, a także dlatego, że w tej dziedzinie zachodzą naprawdę interesujące postępy. Ponadto jestem pewien, że wielu moich czytelników to zapaleni gracze, którzy chcieliby wiedzieć, jak gry będą ewoluować w erze GenAI. (Wskazówka: możemy spodziewać się bardziej spersonalizowanych doświadczeń i NPC [postaci niezależnych], które są zdolne do prowadzenia właściwych rozmów). GenAI odegra tak kluczową rolę w branży gier wideo, że jedno badanie dyrektorów firm zajmujących się grami wideo wykazało, że GenAI ma przyczynić się do ponad połowy rozwoju gier wideo w ciągu najbliższych 5-10 lat - uwalniając projektantów gier od bardziej przyziemnych prac rozwojowych i pomagając obniżyć koszty i czas rozwoju. Oprócz pomocy w opracowywaniu nowych, lepszych gier wideo, GenAI odgrywa również rolę w kontroli jakości i testowaniu gier wideo. Przyjrzyjmy się obu czynnikom wraz z kilkoma pojawiającymi się przykładami z branży gier wideo.

Generative AI w rozwoju i testowaniu gier wideo

W dobie GenAI tworzenie środowisk i postaci gier wideo nie musi już być wykonywane żmudnie ręcznie. GenAI może zautomatyzować wiele zadań programistycznych, uwalniając deweloperów, aby mogli skupić swój czas na najbardziej wpływowych aspektach projektowania gier. Ponadto, w miarę jak narzędzia GenAI stają się bardziej wyrafinowane, możliwe będzie wbudowanie technologii w gry w czasie rzeczywistym, które oferują spersonalizowane środowiska i NPC, które dostosowują się i ewoluują w oparciu o styl i strategię gracza - w przeciwieństwie do wstępnie zbudowanych światów i wstępnie zaprogramowanych NPC z dzisiejszych gier wideo. Może to potencjalnie przekształcić branżę gier, zapewniając, że doświadczenie każdego gracza będzie inne.

GenAI wykorzystuje w rozwoju gier

Dla deweloperów GenAI oferuje ekscytujące nowe sposoby tworzenia angażujących treści, realistycznych wizualizacji i wciągających wrażeń z rozgrywki. Na przykład powiedzmy, że część gry wideo rozgrywa się w lesie. Zwróć uwagę, a możesz zacząć zauważać, że istnieje tylko niewielka liczba indywidualnych modeli drzew, które powtarzają się w kółko. Gdy już to zauważysz, nie możesz powstrzymać się od ciągłego widzenia tych samych drzew, co jest niepokojące i wytrąca cię z gry. Ale jeśli ten las został stworzony za pomocą GenAI, potencjalnie mógłby być zamieszkany przez tysiące zupełnie unikalnych drzew i stworzeń - co jest nie tylko bardziej atrakcyjne wizualnie i wciągające, ale także pozwala ci skupić się na rozgrywce, bez rozpraszania się przez ograniczenia techniczne. Rozłóżmy na czynniki pierwsze niektóre z głównych elementów rozwoju gry i zobaczmy, jak GenAI może ułatwić ten proces:

•  Generowanie proceduralne: wykorzystując algorytmy do tworzenia rozległych, skomplikowanych i nieprzewidywalnych środowisk, gry mogą potencjalnie dostarczać wyjątkowe, dynamiczne wrażenia w każdej sesji rozgrywki.
•  Generowanie terenu: GenAI może pomóc w generowaniu realistycznych terenów, zwiększając atrakcyjność wizualną światów gry.
•  Automatyczne modelowanie: GenAI może usprawnić tworzenie modeli 3D dla postaci i innych elementów, tym samym zmniejszając wymagany czas i wiedzę specjalistyczną.
•  Synteza głosu: Deweloperzy mogą wykorzystywać sztuczną inteligencję do tworzenia różnorodnych i realistycznych głosów dla postaci.
•  Modyfikacja głosu: GenAI zapewnia środki do łatwej modyfikacji nagrań głosowych, tworząc w ten sposób różnorodną gamę głosów dla postaci przy ograniczonych zasobach.
•  Muzyka generatywna: Dzięki GenAI możliwe jest automatyczne tworzenie partytur muzycznych do gier - a nawet tworzenie dynamicznych partytur, które zmieniają się w zależności od wydarzeń w grze, zwiększając w ten sposób emocjonalny wpływ gier.
•  Efekty dźwiękowe: GenA może być również używane do generowania realistycznych efektów dźwiękowych - ponownie, potencjalnie w locie, aby wspierać immersję i realizm światów gry.
•  Krajobrazy dźwiękowe otoczenia: Wciągające krajobrazy dźwiękowe otoczenia, które wzmacniają atmosferę gry, mogą być generowane za pomocą GenAI.
•  Generowanie dialogów: GenAI może również pisać realistyczne dialogi dla postaci, ponownie, potencjalnie w locie.
•  Generowanie osobowości: GenAI jest w stanie tworzyć unikalne i spójne osobowości postaci, które wzbogacają opowiadanie historii.
•  Dynamiczne opowiadanie historii: Nieliniowe historie, które dostosowują się do wyborów gracza, to kolejna możliwość dzięki GenAI. Pomaga to stworzyć bardziej spersonalizowane wrażenia z gry.
•  Automatyczne generowanie zadań: GenAI może być również używane do automatycznego tworzenia zadań i misji, które są zgodne z nadrzędną narracją gry

Podsumowując, GenAI może autonomicznie tworzyć niezwykle wciągające i angażujące elementy gier - przyspieszając tym samym rozwój gier i zmniejszając koszty związane z wprowadzaniem nowych gier na rynek. A w przyszłości GenAI będzie coraz częściej wykorzystywane do tworzenia dynamicznych elementów, postaci i światów, które mogą ewoluować i dostosowywać się do każdego gracza. Nie myl się, GenAI oznacza ogromny krok naprzód w rozwoju gier wideo

GenAI w testowaniu gier wideo

Innym sposobem, w jaki GenAI może dodać wartości grom wideo, jest testowanie gier i zapewnianie jakości. GenAI może być używane do automatycznego wykrywania błędów i defektów w grach oraz klasyfikowania ich według priorytetu i ich wpływu na grę. Ponadto predykcyjne możliwości AI oznaczają, że można jej używać do analizowania danych w celu przewidywania potencjalnych problemów w grze, co pozwala deweloperom podejmować proaktywne działania. GenAI może być również używane do tworzenia wielu symulowanych graczy (tj. botów) w celu testowania gry, którzy wszyscy grają w różny sposób zgodnie ze stylem gry wygenerowanym przez AI. Pozwala to deweloperom gier szybko ustalić, gdzie gracze utknęli, gdzie gracze są najbardziej skłonni wydać pieniądze (na akcesoria w grze) i które czynniki prowadzą do mniej satysfakcjonujących wrażeń z gry. Wszystko to pomoże przyspieszyć proces zapewniania jakości, jednocześnie zwiększając dokładność i ogólne wrażenia z gier wideo.

Przykłady GenAI w grach

Przejdźmy do kilku przykładów ze świata rzeczywistego, które pokazują, jak programiści już wykorzystują GenAI w swojej pracy. Firma produkująca gry wideo, Ninja Theory, podobno wykorzystała GenAI do generowania występów wokalnych - korzystając z biblioteki głosowej Altered AI. Tymczasem Ubisoft, twórca Assassin′s Creed, opracował własne wewnętrzne narzędzie GenAI o nazwie "Ghostwriter", aby tworzyć "szczekania", te krótkie frazy wypowiadane przez NPC-ów, gdy są wyzwalane przez pewne zdarzenia. Pomysł polega na automatycznym tworzeniu pierwszych wersji dialogów postaci (np. dialogu wroga podczas sceny bitwy), które scenarzyści mogą następnie wybrać i, w razie potrzeby, dopracować. Automatyzując te małe linie dialogowe - których w grze może być setki - scenarzyści mogą zamiast tego skupić swój czas na dialogach głównej fabuły. Nic dziwnego, że twórca gry Assassin Creed firmy Ubisoft, Jade Raymond, twierdzi, że AI w rozwoju gier o dużym budżecie jest "nieuniknione" ze względu na jej zdolność do cięcia kosztów i przyspieszania rozwoju gry. Hexworks, twórcy gry Lords of the Fallen, również używali GenAI podczas rozwoju - nie do tworzenia grafiki, dialogów czy postaci, ale do optymalizacji gry. Dzisiejsze oszałamiające gry o dużej zawartości grafiki stwarzają problemy pod względem wykorzystania pamięci i mocy obliczeniowej (termin techniczny). Hexworks twierdzi, że GenAI może w tym pomóc, automatycznie wykrywając nieefektywności i sugerując rozwiązania, takie jak zmniejszanie rozmiarów tekstur. Co ciekawe, głosy generowane przez AI były również używane we wczesnej wersji gry, a aktorzy głosowi zostali sprowadzeni do wersji ostatecznej. Dla mnie pokazuje to, że GenAI może pomóc przyspieszyć prototypowanie i szybciej uruchamiać nowe projekty gier, nie zastępując ludzkiej kreatywności. Możliwe jest nawet tworzenie całych gier za pomocą GenAI. Tak jest w przypadku gry Angry Pumpkins, zainspirowanej popularną grą Angry Birds i stworzonej całkowicie przy użyciu GenAI - z ChatGPT użytym do napisania kodu i narzędziami do obrazowania AI, takimi jak Midjourney i Dall-E, tworzącymi obrazy. Jej twórca, Javi Lopez, mówi, że gra jest bardziej "dowodem koncepcji" niż bezpośrednim konkurentem Angry Birds. Zasadniczo chciał pokazać, co jest możliwe dzięki narzędziom GenAI. A końcowy wynik jest dość imponujący, zwłaszcza biorąc pod uwagę, że jej twórca nie musiał napisać ani jednego fragmentu kodu. To pokazuje, jak łatwo jest tworzyć gry za pomocą GenAI. GenAI pomaga również tchnąć nowe życie w klasyczne gry komputerowe. Revolution Software, brytyjski twórca gier, który odniósł wielki sukces dzięki serii gier przygodowych Broken Sword w latach 90., używa GenAI, aby pomóc w aktualizacji wczesnych gier z serii, aby można było w nie grać na najnowszej generacji konsol i komputerów. Pierwsze gry z serii miały ręcznie rysowaną grafikę, która była skalowana tak, aby pasowała do wyświetlaczy o znacznie niższej rozdzielczości, które były używane w latach 90. Odtworzenie całej tej ręcznie rysowanej grafiki w wyższej rozdzielczości byłoby niebotycznie drogie. Dlatego zespół współpracował z badaczami GenAI z University of York, którzy byli w stanie wziąć kilka przykładowych dzieł sztuki zaprojektowanych na potrzeby współczesnej aktualizacji i użyć ich do wytrenowania modelu GenAI - w rezultacie powstał model zdolny do stworzenia dzieła sztuki w grze (takiego jak obiekt lub postać) w zaledwie pięć minut. Następnie artyści-ludzie zostali wykorzystani do retuszu części grafiki generowanej przez AI (np. uczynienia twarzy bardziej realistycznymi). Zasadniczo więc zamiast przerysowywać wszystko, zespół mógł skupić ludzkie wysiłki tam, gdzie było to najbardziej korzystne, a GenAI zajął się resztą. Dzięki temu całe przedsięwzięcie stało się ekonomicznie wykonalne dla Revolution Games.

Nowe narzędzia GenAI dla deweloperów

Tymczasem pojawiają się nowe narzędzia, które pomagają deweloperom wykorzystać GenAI. Na przykład wiodąca firma produkująca oprogramowanie do gier Unity ogłosiła rynek AI, na którym deweloperzy mogą uzyskać dostęp do rozwiązań GenAI, które pomagają przyspieszyć rozwój gier - w tym rozwiązań do tworzenia zasobów, platform NPC i generatorów głosu. Unity stworzyło również platformy generatywne Muse i Sentis, które dodatkowo pomagają deweloperom wykorzystać technologię AI w ich przepływach pracy. Istnieje również nowe narzędzie do animacji o nazwie "Animate Anything", stworzone przez Anything World, którego można użyć do łatwej animacji modeli 3D. Oznacza to, że użytkownicy mogą przesłać statyczny model 3D i zlecić narzędziu utworzenie animowanej wersji 3D w ciągu kilku minut. Istnieje również narzędzie SyncDreamer GenAI, które tworzy wiele perspektyw 2D obiektu na podstawie pojedynczego obrazu 2D (niezależnie od tego, czy jest to obraz narysowany, czy obraz fotorealistyczny). Umożliwia to twórcom gier usprawnienie procesu tworzenia reprezentacji 3D z obrazów 2D - co do tej pory okazało się uporczywie trudne i pracochłonne. Podobnie jest z platformą Auctoria, która wykorzystuje GenAI do tworzenia zasobów gier wideo i poziomów gier od podstaw. Użytkownicy mogą konwertować obrazy na odpowiedniki 3D lub tworzyć zasoby za pomocą prostych monitów tekstowych. Microsoft również przyjmuje GenAI, współpracując z Inworld AI w celu tworzenia narzędzi Xbox, które umożliwiają twórcom gier tworzenie postaci, fabuł i zadań GenAI. Ponadto "współpilot ds. projektowania AI" może tworzyć szczegółowe skrypty i drzewa dialogowe. Partner Microsoftu, Inworld, również pracował nad wykorzystaniem GenAI do tworzenia postaci niezależnych, które reagują na pytania gracza. Gdzie indziej Google Cloud nawiązało strategiczne partnerstwa z wiodącymi twórcami gier w Wietnamie, umożliwiając korzystanie z rozwiązań Google Cloud GenAI w grach. Plany obejmują budowę zaawansowanych chatbotów do bardziej realistycznych rozmów z postaciami i umożliwienie grom dynamicznej reakcji na graczy. W innym przykładzie firma zajmująca się oprogramowaniem NVIDIA zaprezentowała swój Avatar Cloud Engine (ACE) for Games, niestandardowy model GenAI, który "ma na celu przekształcenie gier poprzez zapewnienie inteligencji postaciom niezależnym za pomocą interakcji języka naturalnego opartych na sztucznej inteligencji". Jak zauważa NVIDIA, nawet w dzisiejszych najbardziej zaawansowanych grach interakcje z postaciami niezależnymi nadal mają tendencję do transakcyjnych, skryptowych i krótkich, a opcje dialogowe szybko się wyczerpują. Jednak dzięki ACE for Games twórcy gier mogą poprawić umiejętności konwersacyjne postaci niezależnych, czyniąc je bardziej inteligentnymi dzięki spójnym osobowościom, które ewoluują z czasem. Co ważne, umożliwia to dynamiczne odpowiedzi, które są unikalne dla gracza. Tak więc zamiast krótkich, skryptowych rozmów, gracze mogliby w przyszłości prowadzić niekończące się interesujące konwersacje z postaciami niezależnymi.

Generative AI ukształtuje przyszłość gier wideo

GenAI będzie miało tak duży wpływ na rozwój gier, że dyrektor finansowy Xbox, Tim Stuart, opisał jego moc jako "magiczną". Przemawiając na konferencji MIT Sloan Gaming w 2023 r. Stuart powiedział, że GenAI pomoże jeszcze większej liczbie osób tworzyć gry, opisując "świat, w którym przechodzimy od 2 milionów lub 3 milionów głównych twórców gier do 200 milionów twórców gier, którzy mogą teraz używać AI jako narzędzia". Zauważył również, że modele biznesowe gier ulegają zmianie - odchodzą od modelu, w którym firmy sprzedają konsolę i gry, na rzecz modelu, w którym gracze mają bardziej elastyczne sposoby dostępu do gier. Oznacza to, że kluczowe wskaźniki wydajności mniej dotyczą sprzedaży konsol i gier, a bardziej takich czynników, jak liczba godzin gry i przychody na godzinę (np. od graczy kupujących akcesoria w grze). Oznacza to, że ważniejsze niż kiedykolwiek jest utrzymanie graczy zanurzonych w grach przez dłuższy czas - a GenAI może to wspierać. Jak widzieliśmy w tym rozdziale, GenAI prawdopodobnie przyniesie ogromne zmiany w branży gier wideo, automatyzując niektóre z żmudnych zadań związanych z rozwojem i testowaniem oraz umożliwiając tworzenie naprawdę dynamicznych gier. Pomyśl o tym - programiści nie będą już musieli mozolnie kodować każdej pojedynczej linijki dialogu lub każdego małego ruchu NPC; narzędzie GenAI może to zrobić za nich, reagując nawet w locie na indywidualne interakcje graczy. Jeśli jesteś graczem, który lubi czuć się w pełni zanurzony w świecie i jego postaciach, jest to bez wątpienia kusząca koncepcja. Innymi słowy, podczas gdy GenAI może pomóc odblokować ogromną wydajność w procesach tworzenia gier, być może największą wygraną ze wszystkich jest doświadczenie gry. Dlatego nowe studio gier Jam & Tea Studios stawia GenAI w centrum swojej wizji - ze względu na jego zdolność do "wzmocnienia wcześniej niemożliwych poziomów agencji gracza… Chociaż jesteśmy przekonani, że nastąpią ulepszenia w procesach pracy, jesteśmy o wiele bardziej skupieni na wykorzystaniu AI do odblokowania doświadczeń w grach, których ludzie nigdy wcześniej nie widzieli". Patrząc dalej w przyszłość, możemy nawet zobaczyć narzędzia, które pozwolą graczom tworzyć własne gry, bez żadnej wiedzy na temat programowania. Pahdo Labs, studio stojące za grą anime Halcyon Zero, planuje uruchomić własne narzędzia GenAI do tworzenia gier, po zebraniu 15 milionów dolarów finansowania. Plan zakłada udostępnienie graczom narzędzi dla twórców, umożliwiając im tworzenie własnych gier anime za pomocą GenAI. Czy to wszystko oznacza, że nie będziemy już potrzebować programistów gier? Nie. W tworzeniu gier zawsze będzie ważne miejsce dla ludzkiej kreatywności. Jednak podobnie jak w przypadku innych branż, praca programistów będzie ewoluować, ponieważ będą oni coraz częściej współpracować z SI przy tworzeniu gier.

-Najważniejsze wnioski

•  GenAI oznacza ogromny krok naprzód w rozwoju gier wideo. Technologia ta może być używana do tworzenia immersyjnych środowisk, zasobów gry, poziomów, obiektów, muzyki, dialogów i postaci niezależnych, które zapewniają bardziej realistyczne, immersyjne i angażujące wrażenia z gry.
•  W przyszłości GenAI umożliwi grom dynamiczną ewolucję w oparciu o indywidualnego gracza, a postacie i fabuła będą reagować na styl i strategię gracza.
•  GenAI może również pomóc w usprawnieniu testowania gier i zapewniania jakości, na przykład poprzez tworzenie testerów botów, którzy grają w grę, używając wielu różnych stylów, aby wykrywać wady.

Ze świata gier do czegoś zupełnie innego: sfery prawnej. Dowiedzmy się, w jaki sposób GenAI może pomóc w pracy prawników - i potencjalnie sprawić, że porady prawne będą bardziej przystępne cenowo i dostępne dla każdego.

TRANSFORMACJA OPIEKI ZDROWOTNEJ: OD PERSONALIZOWANYCH PORAD DO ULEPSZEŃ OPERACYJNYCH

GenAI zapowiada erę transformacji w opiece zdrowotnej, z daleko idącymi implikacjami dla opieki nad pacjentem, diagnostyki i nie tylko. W tej dziedzinie dzieje się wiele, więc ten rozdział dotyczy tylko kluczowych wydarzeń, ze szczególnym uwzględnieniem:

•  Spersonalizowanych porad dla pacjentów
•  Wykrywania chorób
•  Spersonalizowanego leczenia
•  I usprawnień operacyjnych

Wrócimy do opieki zdrowotnej później, gdzie przyjrzymy się wykorzystaniu GenAI w odkrywaniu i rozwoju leków. Ale na razie przyjrzyjmy się niesamowitym sposobom, w jakie GenAI może usprawnić opiekę zdrowotną i zapewnić lepsze wyniki dla pacjentów (nie wspominając o lepszym doświadczeniu zawodowym dla pracowników służby zdrowia).

Udzielanie pacjentom spersonalizowanych porad zdrowotnych

To wykracza poza podstawowe chatboty, które mogą pomóc pacjentom umawiać wizyty, uzupełniać recepty lub odpowiadać na rutynowe zapytania (chociaż takie chatboty odgrywają ważną rolę w opiece zdrowotnej, jak zobaczymy później w tym rozdziale). Zaawansowane duże modele językowe, takie jak GPT-4, w połączeniu z wiedzą specjalistyczną lekarzy, doprowadziły do powstania nowej fali wirtualnych asystentów zdrowia - opracowanych w celu udzielania rzeczywistych porad medycznych, które są dostosowane do konkretnych problemów zdrowotnych każdego pacjenta. Ponieważ miliony ludzi na całym świecie nie mogą uzyskać dostępu do opieki medycznej (z powodu swojej lokalizacji geograficznej, z przyczyn ekonomicznych lub po prostu dlatego, że ich lokalne usługi są zbyt obciążone), możemy się spodziewać, że sztuczna inteligencja będzie coraz częściej przejmować pałeczkę. Te systemy sztucznej inteligencji nie tylko poprawiają zaangażowanie pacjentów, ale także odciążają pracowników służby zdrowia, zajmując się rutynowymi problemami zdrowotnymi i odpowiednio kierując pacjentów. Na przykład Ada to opracowana przez lekarzy, oparta na sztucznej inteligencji aplikacja, której celem jest ocena objawów i oferowanie pacjentom wskazówek medycznych w wielu językach (w tym angielskim, niemieckim, francuskim, hiszpańskim, portugalskim i suahili). Do tej pory aplikacja zgromadziła 13 milionów użytkowników i wykonała ponad 30 milionów ocen objawów.1 Działa, zadając pytania dotyczące objawów (możesz tworzyć osobne profile objawów dla bliskich), a następnie wskazując możliwe schorzenia i wskazówki medyczne. Aplikacja śledzi również objawy w miarę ich postępu.

Analiza obrazu i wczesne wykrywanie chorób

AI od jakiegoś czasu zaznacza swoją obecność w tej dziedzinie, ale GenAI znacznie usprawni analizę obrazów medycznych. W związku z tym coraz częściej będziemy widzieć narzędzia GenAI używane do pomocy radiologom w identyfikowaniu i diagnozowaniu chorób na podstawie zdjęć rentgenowskich, MRI i tomografii komputerowej z większą dokładnością i szybkością. Ale czy AI może być tak samo skuteczna jak lekarz, jeśli chodzi o wykrywanie i diagnozowanie problemów na podstawie obrazów? Zdecydowanie. Liczne badania wykazały, że narzędzia AI zapewniają porównywalną dokładność jak lekarze - jeśli nie wyższą. (W końcu maszyny nie męczą się pod koniec długiej zmiany.)

Wykrywanie problemów na zdjęciach rentgenowskich klatki piersiowej

Jedno badanie dotyczyło wykorzystania sztucznej inteligencji do interpretacji zdjęć rentgenowskich klatki piersiowej i generowania raportów radiograficznych na oddziale ratunkowym. Ponieważ wiele oddziałów ratunkowych nie ma całodobowego dostępu do specjalistycznych usług radiologicznych, obrazy są często interpretowane przez zdalnego radiologa (znanego jako "teleradiologia") lub nawet przez lekarzy SOR. Badanie wykazało, że narzędzie AI generowało szybkie interpretacje zdjęć rentgenowskich i raporty o porównywalnym poziomie jakości i dokładności jak raporty radiologów - i wyższej jakości niż raporty teleradiologiczne.2 W jednym z przypadków AI działała nawet lepiej niż ludzki radiolog, wykrywając problem, którego radiolog nie zgłosił. A w innym przypadku ludzki radiolog zgłosił, że zacienienia w płucach pacjenta wydawały się spójne, podczas gdy AI wykryła, że zacienienia pogorszyły się - odkrycie, które może mieć znaczenie w przypadku tego pacjenta. Autorzy badania sugerują, że krótki czas przetwarzania i wysoka dokładność diagnostyki AI mogą pomóc usprawnić przetwarzanie pacjentów na oddziałach ratunkowych. Pokazuje to, że sztuczna inteligencja nie tylko może pomóc radiologom wykonywać swoją pracę szybciej i skuteczniej, ale może również pomóc lekarzom z innych oddziałów interpretować obrazy medyczne i przyspieszyć przetwarzanie pacjentów.

Pomaganie pacjentom w samodzielnym badaniu

GenAI szybko staje się użytecznym narzędziem w diagnostyce medycznej. Może również pomóc pacjentom identyfikować problemy i szukać wczesnej interwencji medycznej. To idea stojąca za SkinVision, aplikacją opartą na sztucznej inteligencji do wczesnego wykrywania raka skóry. SkinVision to regulowana usługa medyczna, która uczy ludzi, jak samodzielnie badać skórę i określać, kiedy należy podjąć działania. I chociaż SkinVision szybko mówi, że jej usługa nie jest diagnozą medyczną, chodzi o to, aby pomóc ludziom szybko wykryć oznaki najczęstszych rodzajów raka skóry, aby mogli uzyskać formalną diagnozę w razie potrzeby. Badania wykazały, że aplikacja może wykrywać raka skóry z 95% dokładnością

Zapewnianie spersonalizowanego i ulepszonego leczenia dla pacjentów

GenAI może pomóc lekarzom ulepszyć leczenie pacjentów - poprzez analizę ogromnych zbiorów danych pacjentów w celu zalecenia spersonalizowanych planów leczenia, optymalizacji dawek leków i przewidywania potencjalnych działań niepożądanych, wszystko w oparciu o indywidualne potrzeby. Ponadto może pomóc w tworzeniu dostosowanych ćwiczeń rehabilitacyjnych i programów terapeutycznych, umożliwiając bardziej precyzyjną i skuteczną opiekę nad poszczególnymi pacjentami. GenAI może również pomóc w ulepszeniu medycyny zapobiegawczej. Na przykład kliniki i szpitale mogłyby wykorzystać GenAI do tworzenia spersonalizowanych planów zdrowotnych opartych na unikalnym składzie genetycznym pacjenta, historii zdrowia i stylu życia. Tego rodzaju podejście oparte na sztucznej inteligencji mogłoby nie tylko pomóc ludziom prowadzić zdrowsze życie, a co za tym idzie, zapobiegać chorobom - pomogłoby również pacjentom poczuć się bardziej zrozumianymi i zaopiekowanymi jako jednostkami.

Uzupełnianie rozmów pacjent-lekarz

Wyobraź sobie scenariusz, w którym pacjent konsultuje się z lekarzem, a system GenAI działa w tle, słuchając, robiąc notatki i formułując potencjalne pytania, które lekarz może zadać - na podstawie historii pacjenta i objawów. Jak połączenie medycznego chatbota i narzędzia diagnostycznego, ale zaprojektowane do użytku podczas sesji z pacjentami, aby informować o rozmowach i pomagać lekarzowi odkrywać objawy i diagnozy. (Rzeczywiście, później w rozdziale zobaczymy, jak GenAI jest już używane do słuchania i podsumowywania konsultacji pacjentów). Tego rodzaju podejście wspomagane przez AI może pomóc lekarzom w jak najlepszym wykorzystaniu wizyt pacjentów (które mogą trwać zaledwie 10 minut), jednocześnie dostosowując opiekę do osoby, z którą mają do czynienia. Ponadto może okazać się szczególnie cenne w diagnozowaniu rzadkich lub trudnych do zdiagnozowania schorzeń, takich jak endometrioza, która dotyka 1 na 10 kobiet, ale ma objawy, które są często ignorowane lub błędnie diagnozowane.

Pomaganie zapracowanym lekarzom w zapewnianiu precyzyjnej opieki

Dobrym przykładem jest firma RhythmX AI, która stworzyła platformę precyzyjnej opieki, która pomaga lekarzom w zapewnianiu hiperpersonalizowanej opieki. W istocie system wykorzystuje GenAI i algorytmy predykcyjnej AI, aby zapewnić pacjentom określone działania i zalecenia. Lekarze mogą następnie przejść do zaleceń za pośrednictwem interfejsu języka naturalnego - jeśli wolisz, drugiego pilota AI dla lekarzy. Jak powiedział dr Gregg Meyer, członek rady doradczej ds. klinicznych w RhythmX, Lekarze biorą teraz pod uwagę doświadczenie kliniczne, czynniki społeczne, czynniki związane ze stylem życia i czynniki związane ze zdrowiem psychicznym, aby zapewnić hiperpersonalizowane interwencje… W branży istnieje pilna potrzeba platformy, która może pomóc lekarzom w rozwiązywaniu tych problemów.

Badania w opiece zdrowotnej i rozwój nowych leków

Porozmawiamy o tym więcej , który dotyczy wykorzystania GenAI do projektowania produktów i rozwiązań przyszłości. Chcę tu jednak zaznaczyć, że implikacje GenAI dla badań w opiece zdrowotnej i odkrywania leków są ogromne. GenAI może pomóc badaczom łatwiej zrozumieć markery chorób i znaleźć optymalne kombinacje substancji chemicznych (a nawet wymyślić zupełnie nowe kombinacje) w celu tworzenia nowych metod leczenia farmaceutycznego. W związku z tym GenAI zrewolucjonizuje odkrywanie i rozwój leków poprzez generowanie nowych struktur molekularnych, szybkie przesiewanie związków, przewidywanie interakcji leków, ponowne wykorzystywanie istniejących leków do nowych zastosowań, optymalizację badań klinicznych i ulepszanie formulacji leków. Nie tylko pomoże to lekarzom lepiej leczyć choroby w przyszłości, ale także sprawi, że leczenie będzie bardziej spersonalizowane - ponieważ leki mogą być teoretycznie dostosowywane na podstawie danych poszczególnych pacjentów.

Wprowadzanie usprawnień administracyjnych i operacyjnych

GenAI może pomóc zmniejszyć obciążenie administracyjne w opiece zdrowotnej poprzez automatyzację zadań, takich jak kodowanie medyczne, wystawianie rachunków, rutynowe zapytania i sporządzanie notatek. Jeśli pomyślimy o zadaniach, które GenAI jest w stanie wykonać - pisanie, słuchanie i interpretowanie ludzkiej mowy i tekstu - jasne jest, że GenAI może wnieść wiele wartości za kulisami w warunkach klinicznych. Nawet kilka minut zaoszczędzonych na każdym spotkaniu z pacjentem dzięki automatycznemu robieniu notatek może przełożyć się na znaczne usprawnienia operacyjne - uwalniając pracowników służby zdrowia, aby mogli spędzać więcej czasu z pacjentami, a mniej na zadaniach administracyjnych.

Konwersacyjna sztuczna inteligencja do odbierania rutynowych połączeń i wiadomości

Hyro to zgodna z HIPAA "konwersacyjna sztuczna inteligencja" zaprojektowana, aby pomóc klinikom zautomatyzować typowe interakcje, przezwyciężyć niedobory personelu i zwiększyć zaangażowanie pacjentów. Korzystając z tekstu i mowy w języku naturalnym, Hyro pomaga zespołom opieki zdrowotnej zautomatyzować proste zadania i prośby pacjentów, w tym umawianie wizyt i uzupełnianie recept - tymczasem bardziej złożone przypadki są kierowane do odpowiedniego działu. Hyro twierdzi, że jego asystenci AI mogą rozwiązać około 85% połączeń.

Korzystanie z GenAI do robienia notatek i dokumentacji klinicznej

Innym dobrym przykładem jest NextGen Healthcare i jego narzędzie do robienia notatek Ambient Assist, które słucha rozmów między pacjentami a lekarzami, a następnie tworzy notatki podsumowujące. Notatki są dostępne dla lekarza do przejrzenia w ciągu zaledwie 30 sekund od zakończenia spotkania z pacjentem, a narzędzie dokumentuje wizyty z dokładnością ponad 90%. Badanie z 2017 r. wykazało, że lekarze podstawowej opieki zdrowotnej spędzają prawie połowę dnia pracy na elektronicznej dokumentacji medycznej i zadaniach administracyjnych, a tylko 27% czasu z pacjentami - przy czym obciążenie administracyjne jest wymieniane jako główna przyczyna wypalenia zawodowego lekarzy. Narzędzia takie jak NextGen pomagają lekarzom ograniczyć zadania administracyjne bez narażania dokumentacji klinicznej. W innym przykładzie Baptist Health, system opieki zdrowotnej na południu Florydy obejmujący 11 szpitali, również korzysta z GenAI, aby skrócić czas poświęcany na dokumentację kliniczną. Wdraża aplikację do dokumentacji opartą na GenAI, która łączy technologię transkrypcji medycznej z modelami językowymi AI - co oznacza, że system może transkrybować rozmowy pacjentów i szybko generować notatki kliniczne z rozmów. Oczekuje się, że automatyzacja skróci czas dokumentacji do około dwóch minut po wizycie, dając lekarzom więcej czasu na zajęcie się pacjentami.

Pomaganie lekarzom w łatwiejszym wyszukiwaniu informacji

GenAI nie polega tylko na generowaniu treści dla lekarzy; może również pomóc lekarzom w łatwiejszym dostępie do informacji i ich przyswajaniu. To idea stojąca za platformą wyszukiwania Vertex AI firmy Google Cloud, która została teraz dostosowana specjalnie do organizacji zajmujących się opieką zdrowotną i naukami przyrodniczymi. Korzystając z tego narzędzia, lekarze mogą wyszukiwać informacje w różnych źródłach danych - nie tylko w elektronicznej dokumentacji medycznej, ale potencjalnie w całym ekosystemie danych organizacji, w tym w surowych nieustrukturyzowanych danych. Jedną z firm integrujących możliwości wyszukiwania GenAI firmy Google Cloud jest care.ai. Firma AI twierdzi, że jej "Smart Care Facility Platform" wykorzysta technologię GenAI firmy Google, aby umożliwić nowe sposoby analizowania danych, generowania spostrzeżeń i ulepszania świadczenia opieki

Przewidywanie ognisk chorób w celu optymalizacji zasobów

Innym sposobem, w jaki sztuczna inteligencja może usprawnić świadczenie opieki zdrowotnej, jest prognozowanie ognisk chorób lub przewidywanie, w jaki sposób wirusy mogą się zmieniać. Ekscytującym przykładem jest narzędzie AI o nazwie "EVEscape", opracowane przez naukowców z Harvard Medical School i University of Oxford. EVEscape wykorzystuje modele generatywne do przewidywania, w jaki sposób wirus może ewoluować, aby uciec przed układem odpornościowym, przewidując w ten sposób nowe mutacje wirusów. (Narzędzie pomyślnie przewidziało najbardziej niepokojące nowe warianty COVID-19). Może to nie tylko pomóc globalnym systemom opieki zdrowotnej w przygotowaniu się na pandemie i zarządzaniu nimi, ale także może pomóc w opracowaniu szczepionek i terapii na szybko zmieniające się wirusy.

Czy sztuczna inteligencja generatywna może pomóc rozwiązać kryzys opieki zdrowotnej?

Na całym świecie systemy opieki zdrowotnej są poddawane ogromnemu obciążeniu. W wielu regionach występuje krytyczny niedobór lekarzy i pracowników służby zdrowia. Światowa Organizacja Zdrowia (WHO) szacuje, że do 2030 r. prognozowany niedobór wyniesie 10 milionów pracowników służby zdrowia, co dotknie przede wszystkim kraje o niskich i średnio-niskich dochodach. Nawet w tak bogatym kraju jak USA, Association of American Medical Colleges przewiduje niedobór nawet 139 000 lekarzy do 2033 r. Co więcej, systemy opieki zdrowotnej są nękane przez wydłużający się czas oczekiwania. W momencie pisania tego tekstu lista oczekujących na planowane leczenie w brytyjskiej Narodowej Służbie Zdrowia osiągnęła kolejny rekordowy poziom 7,75 miliona pacjentów, a tysiące czekały ponad 18 miesięcy na rozpoczęcie leczenia. I tak wygląda sytuacja w kraju z powszechną opieką zdrowotną - czymś, z czego wiele osób nie ma tyle szczęścia, aby korzystać. Co szokujące, dane WHO z 2021 r. wskazują, że około 4,5 miliarda ludzi na całym świecie nie jest w pełni objętych podstawowymi usługami zdrowotnymi. Obietnica GenAI Nie ma nic lepszego niż otrzymanie niesamowitej opieki od ludzkich lekarzy i innych pracowników służby zdrowia. Ale jasne jest, że GenAI oferuje rozwiązania, które mogą pomóc w zniwelowaniu luki między rosnącymi potrzebami w zakresie opieki zdrowotnej a pozornie malejącymi zasobami opieki zdrowotnej. Nie musimy się tego obawiać. Narzędzia GenAI wykazały się niezwykłą wiedzą medyczną - do tego stopnia, że niektóre z nich są wystarczająco kompetentne, aby zdać egzaminy certyfikacyjne. A jak widzieliśmy, mogą nawet przewyższyć ludzkich lekarzy, jeśli chodzi o diagnozowanie problemów. Tak więc przyszłość, w której lekarze i GenAI współpracują ze sobą - gdzie ludzka intuicja i wiedza specjalistyczna łączą się z precyzją maszyn - jest kusząca. W miarę jak systemy opieki zdrowotnej stają się coraz bardziej rozciągnięte, łączenie wiedzy ludzkiej i maszynowej będzie prawdopodobnie najlepszym sposobem diagnozowania pacjentów i zapewniania odpowiedniego leczenia. Co więcej, narzędzia GenAI mogą pomóc osobom przejąć kontrolę nad własną opieką zdrowotną, angażując się w dyskusje z chatbotami opieki zdrowotnej na temat potencjalnych diagnoz i opcji leczenia oraz szukając pomocy medycznej w razie potrzeby. Pomyśl o tym jak o nowej wersji wyszukiwania objawów w Google, tylko o wiele bardziej zaawansowanej i precyzyjnej! A gdy pacjent wchodzi w interakcję z lekarzem, GenAI może dodać wartość w tle, generując notatki medyczne i pomagając lekarzom w wyszukiwaniu informacji.

Ale są wyzwania

Kiedy narzędzie GenAI generuje niedokładne lub "halucynacyjne" treści w sektorze takim jak marketing, jest to prawdopodobnie dość żenujące dla firmy wykorzystującej te treści. Ale jeśli GenAI w opiece zdrowotnej generuje niedokładne lub niespójne odpowiedzi, to zupełnie inna historia. Tak więc, podczas gdy duże modele językowe i inne modele GenAI są bardzo obiecujące w rozwiązywaniu problemów w opiece zdrowotnej, dostawcy oczywiście muszą zapewnić dokładność i niezawodność odpowiedzi. Czy istnieją wyzwania związane z wdrażaniem GenAI w opiece zdrowotnej? Zdecydowanie. Ale biorąc pod uwagę obecny stan świadczenia opieki zdrowotnej i dostępu do niej na całym świecie, uważam, że GenAI obiecuje więcej rozwiązań niż przeszkód.

Najważniejsze wnioski

•  Dzięki bardziej inteligentnym, responsywnym chatbotom GenAI może być używane do udzielania pacjentom spersonalizowanych porad, umożliwiając im omawianie obaw, uzyskiwanie potencjalnych diagnoz i zrozumienie, kiedy mogą potrzebować leczenia. Nowe narzędzia już pojawiają się, aby sprostać temu zapotrzebowaniu na bardziej natychmiastowy dostęp do porad opieki zdrowotnej.
•  Jeśli chodzi o wczesne wykrywanie chorób, AI udowodniło już, że jest tak samo zdolna i niezawodna jak lekarze w interpretowaniu obrazów medycznych i generowaniu raportów na podstawie tych obrazów. Może to nie tylko pomóc radiologom w ich pracy, ale także lekarzom z innych oddziałów (takich jak SOR) w szybkim diagnozowaniu problemów i przyspieszaniu leczenia pacjentów.
•  Spersonalizowane leczenie to szczególnie gorący obszar w medycynie, ale taki, który jest trudny do dostarczenia, ponieważ każdy pacjent ma inną historię medyczną, inne potrzeby i inny styl życia. GenAI może pomóc lekarzom pokonać to wyzwanie, działając jako medyczny "drugi pilot" - sugerując potencjalne metody leczenia i kolejne kroki.
•  Za kulisami GenAI może również zapewnić ogromne usprawnienia operacyjne - szczególnie jeśli chodzi o usprawnienie sporządzania notatek medycznych, obsługę rutynowych połączeń i zapytań w klinikach i nie tylko. Może to poprawić doświadczenia pacjentów i pomóc zmniejszyć wypalenie zawodowe lekarzy.
•  Systemy opieki zdrowotnej na całym świecie borykają się z problemami, a czas oczekiwania może być frustrująco długi. GenAI może pomóc rozwiązać niektóre z największych wyzwań, przed którymi stoją globalne systemy opieki zdrowotnej, i sprawić, że opieka zdrowotna stanie się znacznie bardziej dostępna i wydajna.

Teraz zwróćmy się ku czemuś zupełnie innemu: światu gier. W następnym rozdziale przyjrzymy się, w jaki sposób projektowanie gier wideo jest przekształcane przez GenAI i w jaki sposób gry przyszłości będą bardziej responsywne, spersonalizowane i wciągające niż kiedykolwiek wcześniej. Jesteś gotowy na gracza pierwszego? Następnie przewróć stronę.

PERSONALIZOWANA NAUKA: PRZYSZŁOŚĆ EDUKACJI

AI wkracza do edukacji od kilku lat i podobnie jak w wielu sektorach, GenAI znacznie przyspieszy ten trend. Rzeczywiście, może to być przełom, mając głęboki wpływ na sposób nauczania nauczycieli i sposób uczenia się uczniów - nie wspominając o tym, czego uczą się uczniowie. Jednak GenAI wiąże się z ryzykiem i wyzwaniami dla nauczycieli. Jak możemy upewnić się, że uczniowie nie będą oszukiwać podczas ocen i prac domowych? Jak nauczyciele powinni przygotować się na tę nową erę spersonalizowanych narzędzi AI na żądanie? GenAI w edukacji jest jeszcze na wczesnym etapie, ale nakreślmy obraz tego, w jakim kierunku zmierza sektor.

Przemyślenie sposobu uczenia się uczniów i nauczania nauczycieli

W każdym środowisku edukacyjnym, od szkół i uczelni po samodzielną naukę przez całe życie, GenAI ma zdolność zapewniania superspersonalizowanej nauki, ułatwiania pracy nauczycieli i pomagania uczniom w łatwiejszym zrozumieniu tematów. W związku z tym możemy zobaczyć ogromne zmiany w sposobie uczenia się uczniów i nauczania nauczycieli. O tym, co to oznacza dla polityki edukacyjnej, porozmawiamy szerzej w dalszej części, teraz jednak przyjrzyjmy się praktycznym zastosowaniom GenAI w edukacji.

Jak GenAI może dodać wartości dla nauczycieli i uczniów

Niewątpliwie największą zaletą GenAI jest możliwość zapewnienia bardziej spersonalizowanego doświadczenia edukacyjnego. Jednym z wielu wyzwań, z jakimi mierzą się nauczyciele, jest określenie, gdzie każdy uczeń potrzebuje dodatkowego wsparcia, a następnie zapewnienie tego wsparcia w zatłoczonym środowisku klasowym (lub w środowisku nauki zdalnej). GenAI może w tym pomóc, tworząc oceny i pytania w czasie rzeczywistym - dając nauczycielom więcej informacji zwrotnych, aby pomóc im określić, jak uczniowie robią postępy i wskazać, którzy uczniowie mogą mieć trudności z danym pojęciem. I oczywiście GenAI może pomóc zapewnić dodatkowe wsparcie, gdy jest potrzebne. Na przykład, gdy uczeń ma problemy z zadaniem matematycznym, korepetytor GenAI może wyjaśnić pojęcie krok po kroku, dostosowując swoje wyjaśnienia do poziomu zrozumienia ucznia. GenAI może być również używane do generowania spersonalizowanych pytań uzupełniających, aby pomóc utrwalić zrozumienie. Ponadto GenAI może tworzyć indywidualne plany zadań domowych dla każdego ucznia. Mówimy zasadniczo o adaptacyjnym uczeniu się - uczeniu się, które jest dostosowane do potrzeb każdego ucznia i jego tempa. Innym ważnym zastosowaniem jest tworzenie treści. GenAI może generować materiały edukacyjne, takie jak quizy, gry interaktywne, fiszki, plany lekcji, a nawet całe podręczniki lub kursy wideo, ułatwiając nauczycielom tworzenie angażujących i istotnych zasobów edukacyjnych do wykorzystania w klasie. I ponownie, te materiały można łatwo spersonalizować, jeśli jest to pożądane. Co więcej, modele językowe, takie jak GPT-4, umożliwiły chatboty zasilane przez AI, które mogą odpowiadać na pytania uczniów w czasie rzeczywistym, zwiększając dostępność i wsparcie dla uczniów (szczególnie dla uczniów uczących się zdalnie i online). Jak pokażą poniższe przykłady, GenAI można wykorzystać do tworzenia dedykowanych wirtualnych korepetytorów, którzy są dostępni 24 godziny na dobę, 7 dni w tygodniu, umożliwiając uczniom naukę w całości we własnym tempie. Nawet poza formalnymi klasami lub platformami do nauki online, GenAI już wkracza do edukacji. Dzięki rozwiązaniom takim jak ChatGPT zintegrowanym ze Snapchatem, dzieci zaczynają już uzyskiwać dostęp do GenAI, zadawać mu pytania i wykorzystywać je jako część swojej nauki, nawet w nieformalny sposób. Ogólnie rzecz biorąc, GenAI zrewolucjonizuje edukację, zwiększając personalizację, dostępność i wydajność procesu uczenia się. Nic dziwnego, że rząd Wielkiej Brytanii stwierdził, że GenAI ma potencjał, aby "zmniejszyć obciążenie pracą w całym sektorze edukacji" i "uwolnić czas nauczycieli, pozwalając im skupić się na zapewnianiu doskonałego nauczania".1 Brytyjski Departament Edukacji twierdzi, że współpracuje z sektorem edukacji w celu "identyfikacji możliwości poprawy edukacji i zmniejszenia obciążenia pracą przy użyciu generatywnej AI". Więcej na ten temat wkrótce.

Pomaganie nauczycielom w nauczaniu

Teraz przyjrzyjmy się niektórym z wielu narzędzi GenAI zaprojektowanych specjalnie do celów edukacyjnych. MagicSchool to tylko jeden przykład narzędzia GenAI zaprojektowanego dla nauczycieli. Oparte na technologii OpenAI narzędzie może być używane do tworzenia zadań tekstowych, arkuszy roboczych, testów i planów lekcji. Może również dostosowywać poziom czytania materiałów do indywidualnych potrzeb uczniów, doradzać nauczycielom, jak radzić sobie z problemami behawioralnymi na zajęciach i nie tylko. Obiecując nauczycielom oszczędność czasu, redukcję stresu i uniknięcie wypalenia, narzędzia takie jak to staną się coraz bardziej popularne wśród nauczycieli. Rzeczywiście, MagicSchool zgromadził imponujące 150 000 użytkowników w ciągu pierwszych czterech miesięcy. Kortext to kolejny interesujący przykład. Platforma edukacyjna została zaprojektowana, aby pomóc uniwersytetom i szkołom wyższym w zapewnianiu nauczania wspomaganego sztuczną inteligencją i spersonalizowanych doświadczeń edukacyjnych. Narzędzia Kortext mogą natychmiast podsumowywać treści, generować notatki do nauki i tworzyć interaktywne pytania i odpowiedzi, aby utrwalić naukę. Mogą również dostarczać cennych danych liderom kursów na temat zaangażowania studentów, wzorców nauki i korzystania z treści. Co ważne, w przeciwieństwie do wielu innych narzędzi GenAI, Kortext używa wyłącznie zaufanych treści (podręczników itp.), które zostały przepisane jako część własnego programu nauczania danej instytucji. Wśród tysięcy uniwersytetów korzystających z Kortext są Middlesex University, University of Manchester i University of Oxford. GenAI można również używać wewnętrznie, aby pomagać pracownikom i studentom w codziennych zadaniach administracyjnych. W jednym z przykładów Purdue University twierdzi, że używał GenAI do udzielania porad technicznych - na przykład wyjaśniania, jak skonfigurować drukarkę sieciową - i planuje używać tej technologii do innych porad, takich jak wyszukiwanie budynków na terenie kampusu.

Transformacja tego, czego uczymy

Poza transformacją sposobu nauczania przedmiotów, rozwój GenAI może zmienić to, jakich przedmiotów się uczy. Rozmawialiśmy o tym trochę w rozdziale 5 - o tym, jak ważne umiejętności potrzebne do osiągnięcia sukcesu będą się różnić w świecie, w którym maszyny będą mogły wykonywać coraz więcej zadań. To jest temat mojej książki Future Skills: The 20 skills and competencies, everyone needs to succeed in a digital world, i polecam jej lekturę, jeśli chcesz dokładniej przyjrzeć się umiejętnościom. Jednak z perspektywy formalnej nauki możemy zobaczyć, że instytucje włączają przedmioty i umiejętności, które uzupełniają maszyny w naszym coraz bardziej napędzanym przez AI świecie. Umiejętności takie jak kreatywne myślenie, empatia i praca zespołowa. Będziemy musieli również nauczyć młodych ludzi, jak krytycznie oceniać informacje, do których uzyskują dostęp, zwłaszcza biorąc pod uwagę ogromny potencjał dezinformacji generowanej przez AI. Na przykład uczniowie będą musieli nauczyć się szukać wskazówek w tekście, aby określić autentyczność i dokładność tekstu. Będą potrzebować wskazówek, jak zbierać dowody - i co stanowi dobry dowód - w świecie, w którym można po prostu zapytać chatbota o informacje i natychmiast otrzymać odpowiedź. I oczywiście uczniowie będą musieli nauczyć się, jak być cyfrowym kompetentnym. Nie mówię o nauczaniu każdego młodego człowieka kodowania; raczej mówię o nauczaniu każdego młodego człowieka o AI i jej wpływie na nasz świat. Obejmuje to zrozumienie potencjału dezinformacji, zrozumienie potencjału stronniczości danych, zrozumienie, w jaki sposób AI są szkolone (i jak wpływa to na informacje, które serwują) i zrozumienie, w jaki sposób AI dyktuje tak wiele treści, które widzimy online (prowadząc do baniek informacyjnych). Chciałbym, aby młodzi ludzie uczyli się, jak prosperować w cyfrowym świecie i jak ludzkość może wyciągnąć to, co najlepsze z AI, nie tracąc tego, co czyni nas ludźmi. Biorąc pod uwagę jej potencjał transformacyjny, możemy zobaczyć GenAI zintegrowane z podstawowymi programami nauczania na całym świecie. Z pewnością mam taką nadzieję. Ponieważ coraz więcej miejsc pracy będzie uzupełnianych przez GenAI, ma sens, aby uczniowie nauczyli się, jak wykorzystać GenAI do rozwiązywania problemów, zwiększania swojej produktywności i pobudzania innowacji. California Department of Education to jeden z organów "zachęcających" dystrykty do eksplorowania potencjalnych korzyści AI jako części programu nauczania. Ale potrzebujemy bardziej formalnych ram niż to - nie tylko pod względem uwzględnienia AI w programie nauczania, ale także tego, jak właściwie wykorzystać GenAI w środowisku edukacyjnym.

Potrzeba formalnej polityki i wskazówek w szkołach

Powinno być już jasne, że generalnie opowiadam się za tym, aby szkoły, uczelnie i poszczególni uczniowie przyjęli GenAI. Ale GenAI nie jest pozbawione wyzwań. Po pierwsze, potrzebujemy nauczycieli (i uczniów), aby byli świadomi potencjalnych stronniczości i dezinformacji w treściach edukacyjnych generowanych przez AI. Potrzebujemy instytucji, które zapewnią, że GenAI jest inkluzywne. Musimy używać GenAI jako uzupełnienia dla nauczycieli-ludzi, a nie jako zamiennika. I być może będziemy musieli przemyśleć sposób oceniania uczniów - ściąganie jest dużym problemem wśród niektórych nauczycieli. Powiedzmy na przykład, że uczeń nosi inteligentny zegarek na egzaminie, co powstrzyma go przed tym, aby ChatGPT dyktował mu odpowiedzi za pomocą niewidocznych bezprzewodowych słuchawek dousznych? Przynajmniej istnieje niebezpieczeństwo, że uczniowie będą polegać na ChatGPT, aby pisał za nich prace domowe. Jak więc nauczyciele mogą się do tego przygotować - i przygotować swoich uczniów do odpowiedzialnego korzystania z GenAI? Oczywiście instytucje musiały zmierzyć się z podobnymi rozmowami, gdy wprowadzono kalkulatory, a później komputery, ale pytanie pozostaje: jak zachęcić uczniów do efektywnego korzystania z tych narzędzi GenAI, ale nie polegać na nich? Mimo że nauczyciele i uczniowie już zaczęli eksperymentować z narzędziami GenAI, sektor edukacji pozostaje w dużej mierze nieprzygotowany na rozwój GenAI. Badanie UNESCO obejmujące ponad 450 szkół i uniwersytetów na całym świecie wykazało, że mniej niż 10% z nich miało instytucjonalne polityki lub formalne wytyczne określające korzystanie z aplikacji GenAI - głównie z powodu braku ram rządowych. Spowodowało to, że UNESCO wezwało rządy do zapewnienia formalnych regulacji i szkoleń dla nauczycieli w zakresie korzystania z GenAI w środowisku edukacyjnym. UNESCO twierdzi, że brak kontroli, kontroli lub regulacji dotyczących korzystania z GenAI jest niepokojący, zwłaszcza biorąc pod uwagę kontrolę stosowaną do innych aspektów edukacji, takich jak to, które książki są nauczane w klasie. Niektóre władze zaczynają zmagać się z polityką dotyczącą AI. Na przykład New York City Public Schools nawiązało współpracę z ekspertami ds. AI w celu uruchomienia AI Policy Lab, aby pokierować podejściem okręgu szkolnego do AI. Policy Lab skupi się na "wdrożeniu AI zorientowanej na człowieka, równości, bezpieczeństwie, etyce, skuteczności i przejrzystości". To zachęcająca i pragmatyczna zmiana, biorąc pod uwagę, że okręg początkowo zakazał używania ChatGPT w sieciach szkolnych. Kolejnym gorącym tematem jest używanie GenAI w aplikacjach na studia. Common App, narzędzie do aplikacji na studia używane przez ponad 1000 instytucji, wprowadziło ograniczenie dotyczące używania "istotnej treści lub wyników platformy sztucznej inteligencji" w aplikacjach na studia. Chociaż, moje pytanie brzmi, jak oni to kontrolują? Jak zamierzają identyfikować, kiedy "istotna" ilość treści została napisana przez GenAI?) Tutaj, w Wielkiej Brytanii, wspomniałem już, że brytyjski Department for Education (DfE) jest zainteresowany zbadaniem możliwości użycia GenAI w szkołach. W momencie pisania tego tekstu DfE uruchomiło "wezwanie do składania dowodów", aby zebrać opinie profesjonalistów z branży edukacyjnej na temat kwestii etycznych, ryzyka i możliwości AI, a także zaprosiło nauczycieli do udziału w wydarzeniu "hackathon" mającym na celu zbadanie potencjału AI w różnych scenariuszach. Wyniki miały zostać opublikowane pod koniec 2023 r. Również w Wielkiej Brytanii Russell Group, obejmująca 24 uniwersytety, opracowała "zasady przewodnie" dotyczące wykorzystania GenAI na swoich uniwersytetach - mające na celu pomóc uniwersytetom wykorzystać technologię przy jednoczesnym zachowaniu rygoru akademickiego. Nowe zasady "jasno informują studentów i pracowników, gdzie wykorzystanie generatywnej AI jest niewłaściwe, i mają na celu wsparcie ich w podejmowaniu świadomych decyzji oraz umożliwienie im właściwego korzystania z tych narzędzi i uznania ich użycia w razie potrzeby". Bez wątpienia zobaczymy, jak więcej instytucji edukacyjnych na całym świecie zacznie uwzględniać GenAI w swoich zasadach i wytycznych, ale nie możemy tego zrobić wystarczająco szybko. Obecnie wykorzystanie GenAI w edukacji przypomina stary Dziki Zachód

Najważniejsze wnioski

•  GenAI rewolucjonizuje edukację, zwiększając personalizację, dostępność i wydajność procesu uczenia się. Adaptacyjne, dostępne na żądanie korepetycje to szczególnie gorący temat. Wykorzystanie GenAI w edukacji obiecuje nie tylko pomóc uczniom w nauce, ale także pomóc nauczycielom w nauczaniu - uwalniając czas nauczycieli, aby mogli skupić się na uczniach, a nie, powiedzmy, na pisaniu planów lekcji i opracowywaniu testów.
•  Rozwój GenAI może również wpłynąć na to, czego uczy się w instytucjach. Od poziomu szkoły do uniwersytetu uczniowie będą musieli zostać wyposażeni w umiejętności i wiedzę, aby odnieść sukces w świecie napędzanym przez AI.
•  Obecnie niewiele instytucji ma formalne zasady dotyczące sposobu korzystania z GenAI przez nauczycieli i uczniów, co budzi obawy dotyczące oszustw oraz potencjalnej dezinformacji i stronniczości w treściach edukacyjnych. To coś, o czym dostawcy usług edukacyjnych muszą pomyśleć, i to szybko!

Lubię rozmawiać o edukacji, ponieważ jest to temat bliski wielu naszym sercom - wszyscy byliśmy kiedyś uczniami i wielu z nas ma dzieci w edukacji. Teraz zwróćmy się ku innemu sektorowi o uniwersalnym zainteresowaniu: opiece zdrowotnej. W jaki sposób GenAI przekształci sektor opieki zdrowotnej i, miejmy nadzieję, poprawi wyniki opieki zdrowotnej dla nas wszystkich?

ODNOWIONY HANDEL DETALISTYCZNY: ROZWÓJ WIRTUALNYCH PRZYMIAREK, ASYSTENTÓW ZAKUPOWYCH AI I WIĘCEJ

Niesamowite narzędzia GenAI, takie jak ChatGPT, z pewnością wpłyną na każdą branżę, a sektor handlu detalicznego nie jest wyjątkiem. Tutaj przyjrzymy się niektórym głównym sposobom wykorzystania GenAI w handlu detalicznym - i temu, jak może ono przekształcić doświadczenie zakupowe zarówno klientów, jak i sprzedawców detalicznych. Moda będzie często pojawiać się w tym rozdziale, ale nie myl się, GenAI wpłynie na wszelkiego rodzaju sprzedawców detalicznych. Mówimy o immersyjnych sklepach wirtualnych i stronach internetowych zoptymalizowanych pod kątem technologii GenAI. Mówimy o interaktywnych wyświetlaczach w sklepach stacjonarnych. Mówimy o hiperpersonalizacji na skalę masową. I mówimy o zoptymalizowanych procesach za kulisami. Jesteś gotowy na odnowę handlu detalicznego? Zajmijmy się tym.

Ulepszone zakupy cyfrowe

Doświadczenia

Od zoptymalizowanych stron internetowych po wirtualne sklepy w metawersum, GenAI może kształtować sposób, w jaki robimy zakupy online. Wirtualne witryny sklepowe: immersyjne zakupy w metawersum Wraz z coraz większą popularnością rozszerzonej i wirtualnej rzeczywistości, GenAI może pomóc w tworzeniu immersyjnych wirtualnych doświadczeń zakupowych. Wiąże się to z koncepcją metawersum - immersyjnych wirtualnych światów, w których możemy robić zakupy, grać, pracować i nie tylko. Myślący przyszłościowo sprzedawcy detaliczni już budują swoją obecność w metawersum, tworząc immersyjne, interaktywne i spersonalizowane wirtualne sklepy oraz doświadczenia marki. Nike jest prawdziwym liderem w przestrzeni metawersum dzięki swojemu częściowo grze, częściowo showroomowi Nikeland na platformie metawersum Roblox. Nikeland oferuje budynki, areny i gry, a także wirtualny showroom z produktami cyfrowymi.1 Kolejną marką, która pojawiła się w Roblox, jest Forever 21, która stworzyła wirtualne doświadczenie marki, które pozwala użytkownikom "prowadzić" własny wirtualny sklep Forever 21. GenAI może pomóc uczynić te wirtualne doświadczenia bardziej responsywnymi. Na przykład, gdy użytkownik porusza się po tych cyfrowych domenach, AI może generować spersonalizowane układy sklepów, rozmieszczenie produktów, a nawet wirtualnych asystentów sprzedaży dostosowanych do historii zakupów i preferencji użytkownika.

Dostarczanie lepszych wrażeń na stronie internetowej (i w aplikacji)

Poza metawersum GenAI umożliwi również lepsze, bardziej intuicyjne wrażenia na zwykłych stronach internetowych i w aplikacjach. Weźmy na przykład Expedia Group. Użytkownicy mogą teraz planować swoje podróże, prowadząc otwartą "czat" z aplikacją, od omawiania zakwaterowania po wskazanie najlepszych miejsc do zobaczenia. Jest to tak blisko, jak to tylko możliwe, do doświadczenia staromodnego agenta podróży w formie aplikacji. Expedia twierdzi, że funkcja ta poinformuje również użytkowników o ekskluzywnych nagrodach i zniżkach, z których mogą skorzystać bezpośrednio za pośrednictwem interfejsu ChatGPT. Jak pokazuje ten rozdział, zobaczymy, że coraz więcej witryn handlowych będzie włączać funkcje w stylu ChatGPT do swoich stron internetowych i aplikacji. Technologia ta może być używana do tworzenia spersonalizowanych asystentów zakupów (więcej na ten temat wkrótce), zapewniania ulepszonej obsługi klienta, a nawet może być używana jako narzędzie do badania rynku, gromadząc dane z interakcji z klientami. Innym sposobem, w jaki GenAI może okazać się przydatne, jest podsumowywanie opinii klientów. Czy kiedykolwiek chciałeś sprawdzić produkt, tylko po to, aby znaleźć setki recenzji oferujących mnóstwo (czasem sprzecznych) opinii? GenAI może zapewnić pomocne podsumowania, które zaoszczędzą Ci przedzierania się przez cały ten bałagan. Internetowy sprzedawca elektroniki Newegg zrobił właśnie to, dodając funkcję obsługiwaną przez ChatGPT, która podsumowuje recenzje w krótkich fragmentach lub dłuższym akapicie, który podkreśla, co klienci często mówią o produkcie. Amazon zaczyna również używać GenAI do podsumowywania recenzji klientów w jednym przyswajalnym akapicie. Kluczowym wnioskiem jest to, że GenAI może ulepszyć proces zakupów, dodając nowe, bardziej intuicyjne i bardziej spersonalizowane funkcje, które zwiększają satysfakcję klienta i pomagają znaleźć dokładnie odpowiedni dla niego produkt.

Rozwój funkcji wirtualnego przymierzania

Doświadczenie zakupów online często może być niewystarczające, ponieważ nie można czegoś przymierzyć przed zakupem. Określenie, jak element garderoby będzie wyglądał na Tobie (zamiast na modelce) lub wyobrażenie sobie, jak element umeblowania będzie wyglądał w Twoim domu, może być całkowitą grą w zgadywanie. I te problemy dotyczą w równym stopniu okularów, artykułów kosmetycznych i innych produktów. Do tej pory funkcje wirtualnego przymierzania były dość prymitywne - na przykład wybieranie z małej listy kształtów ciała, aby zobaczyć, jak konkretna sukienka może wyglądać na Twoim ciele. Jednak dzięki technologii rozszerzonej rzeczywistości (AR) wirtualne przymierzanie staje się coraz lepsze. Zazwyczaj odbywa się to za pomocą aparatu w telefonie, ale można to również zrobić za pomocą "inteligentnych luster" (więcej na ten temat wkrótce). Technologia AR nakłada następnie elementy cyfrowe (np. okulary lub element garderoby) na obraz ze świata rzeczywistego w aparacie. GenAI wprowadzi nowy poziom realizmu do takich funkcji. Wyobraź sobie, że tworzysz realistyczny awatar siebie, oparty na zdjęciu i swoich dokładnych wymiarach, a następnie możesz wygenerować obraz siebie noszącego konkretny strój (nawet łącząc różne elementy, aby zobaczyć, jak dobrze do siebie pasują) i zobaczyć siebie noszącego te elementy w różnych sytuacjach, wszystko po to, aby pomóc Ci w pełni zwizualizować, czy produkt jest dla Ciebie odpowiedni. GenAI sprawia, że wszystko to jest możliwe. Przybycie przedmiotu tylko po to, aby odkryć, że nie jest odpowiedni, może być przeszłością. Dla sprzedawców detalicznych oznacza to niższy wskaźnik zwrotów i wyższy poziom zadowolenia klientów. Niektóre z marek eksperymentujących z funkcjami wirtualnego przymierzania to Sephora (cyfrowe nakładanie odcieni makijażu na twarz użytkownika), Ray-Ban (w przypadku okularów) i Baume & Mercier (w przypadku luksusowych zegarków). W modzie, start-up Body Labs (należący do Amazon) stworzył technologię mieszanej rzeczywistości, która umożliwia kupującym "zobaczenie" siebie noszących wirtualne ubrania w wirtualnym otoczeniu, takim jak formalne wydarzenie lub plaża. Google wprowadził również technologię wirtualnego przymierzania, która wykorzystuje GenAI do pokazywania ubrań "na szerokiej gamie prawdziwych modelek". Google twierdzi, że model GenAI może zrobić tylko jedno zdjęcie elementu garderoby i dokładnie pokazać, jak będzie się on układał, drapował itp. na różnych rzeczywistych modelach w rozmiarach od XXS do 4XL, reprezentujących różne odcienie skóry i grupy etniczne. Funkcja ta jest dostępna dla marek takich jak Anthropologie i H&M. Nawet meble i wystrój wnętrz mogą skorzystać z wirtualnych funkcji trybuefore-you-buy obsługiwanych przez GenAI. Na przykład Wayfair wprowadził nową funkcję GenAI o nazwie "Decorify", która tworzy fotorealistyczne obrazy, które pomagają klientom zobaczyć swoje domy w nowych stylach (wybierając spośród motywów takich jak Bohemian i Farmhouse).9 Użytkownicy mogą następnie robić zakupy w katalogu Wayfair bezpośrednio ze swojego przeprojektowanego pokoju. Nawiasem mówiąc, funkcje wirtualnego przymierzania mogą również dotyczyć fizycznego doświadczenia zakupów w sklepie.

Rozszerzanie sklepów stacjonarnych

Doświadczenie w sklepie można również ulepszyć dzięki technologii GenAI, szczególnie jeśli chodzi o tworzenie interaktywnych ekspozycji sklepowych i inteligentnych luster do wirtualnych przymiarek w sklepach. GenAI można wykorzystać do tworzenia responsywnych ekspozycji sklepowych, które zmieniają się w oparciu o dane w czasie rzeczywistym. Powiedzmy na przykład, że front atmosferyczny zbliża się do danego obszaru, cyfrowa ekspozycja sklepowa może dostosować się do prezentacji odzieży zimowej i generować żywe tło opadów śniegu, aby przyciągnąć ludzi. W połączeniu ze spersonalizowanymi danymi klientów, w przyszłości ekspozycje sklepowe mogłyby nawet dostosowywać się do każdego klienta, pokazując mu produkty, które mogą go zainteresować w sklepie. Jeśli chodzi o inteligentne lustra (lub inteligentne przymierzalnie), GenAI w połączeniu z technologią AR może zapewnić, że cyfrowa reprezentacja odzieży na kliencie będzie dokładna, dając fotorealistyczną wizualizację dopasowania i wyglądu. Po co mielibyśmy wirtualnie przymierzać ubrania, skoro odwiedziliśmy sklep stacjonarny? Cóż, sklep, o którym mowa, może nie mieć wszystkich stylów, kolorów i rozmiarów dostępnych w sklepie do przymierzenia. Zanim zamówią konkretny produkt, czy nie byłoby miło zobaczyć, jak realistycznie będzie na Tobie wyglądał? Wspomniałem wcześniej, że marka kosmetyczna Sephora korzysta z technologii wirtualnego przymierzania; firma zainstalowała również kioski w sklepach, które oferują takie samo doświadczenie przymierzania klientom odwiedzającym sklepy stacjonarne. Marka torebek i akcesoriów Coach również eksperymentowała z technologią inteligentnych luster. Aby uczcić premierę swojej kampanii Tabby Bag, marka zainstalowała inteligentne lustro w swoim sklepie w Soho w Nowym Jorku.10 Klienci korzystający z lustra mogli zobaczyć siebie z różnymi cyfrowymi wersjami torby (i innymi efektami cyfrowymi, takimi jak skrzydła motyla). Mogli również pobrać swój obraz i udostępnić go online. Tak więc, jako dodatkowy bonus, Coach skorzystał z bezpłatnego marketingu społecznościowego dzięki użytkownikom udostępniającym swoje zdjęcia w mediach społecznościowych. Nawet podczas przymierzania fizycznego, prawdziwego elementu garderoby, lustra zasilane sztuczną inteligencją mogłyby nadal dodawać wartości klientom. Mogłyby na przykład zapewniać informacje zwrotne w czasie rzeczywistym, sugerując rozmiary, kolory lub alternatywne style na podstawie przymierzanych ubrań. Lustro mogłoby nawet generować wirtualne podglądy tego, jak różne akcesoria lub buty będą pasować do wybranego stroju. Podsumowując, podczas gdy GenAI ma ulepszyć cyfrowe doświadczenie zakupowe, może również zapewnić nam bardziej angażujące doświadczenie zakupowe w świecie rzeczywistym.

Personalizacja ścieżki klienta

Personalizacja ponownie pojawia się jako główny przypadek użycia GenAI. Dotyczy to wszystkich aspektów handlu detalicznego, ale przyjrzyjmy się kilku konkretnym sposobom, w jakie sprzedawcy detaliczni mogą zapewnić bardziej spersonalizowane doświadczenie zakupowe. Spersonalizowane, wyjątkowe projekty produktów Nie ograniczając się już do podejścia "jeden rozmiar dla wszystkich", sprzedawcy detaliczni mogą wykorzystać GenAI do tworzenia niestandardowych projektów produktów w oparciu o indywidualne zachowania i preferencje konsumentów. Na przykład marka modowa może generować unikalne wzory ubrań lub akcesoria, które ściśle odpowiadają zmieniającym się trendom i indywidualnym gustom. Specjaliści od technologii modowych Space Runners stworzyli narzędzie GenAI, które pozwala ludziom projektować własne unikalne ubrania, używając tylko prostych podpowiedzi tekstowych. Narzędzie do projektowania AI o nazwie "Ablo" pozwala osobom fizycznym skutecznie stać się własną marką modową - a dla marek Ablo zapewnia niesamowite możliwości współtworzenia z ich klientami. Połączmy ten trend z rosnącą popularnością druku 3D, a otrzymamy więcej niż kiedykolwiek możliwości dla osób prywatnych i marek tworzenia niepowtarzalnych przedmiotów, które można drukować bez obaw o efekt skali.

Spersonalizowane ścieżki zakupowe

Platformy internetowe mogą używać GenAI do dynamicznego przeprojektowywania ścieżki zakupowej, zmieniając to, co użytkownik widzi w locie. Na przykład, gdy użytkownik przegląda, AI może zmienić rozmieszczenie produktów na podstawie zainteresowań klienta, zaprezentować treści generowane przez użytkowników, aby zachęcić do dłuższego zaangażowania, a nawet zmienić kolorystykę witryny, aby odpowiadała preferencjom kupującego. Według badań McKinsey, 7 na 10 konsumentów oczekuje, że marki będą personalizować treści, które widzą, takie jak reklamy i rekomendacje, a 76% czuje frustrację, gdy nie czuje, że ich doświadczenie jest spersonalizowane. Silniki rekomendacji Amazon i Netflix są dobrze znanymi przykładami personalizacji ścieżki klienta. Jednak dzięki GenAI możemy oczekiwać, że ta personalizacja stanie się bardziej inteligentna. Zamiast po prostu grupować klientów w persony na podstawie zainteresowań lub przeszłych nawyków (np. "osoby, które kupiły X"), personalizacja oparta na AI może dostarczać informacje i rekomendacje na podstawie osoby, a nie ogólnej persony. Mówimy o prawdziwej, indywidualnej personalizacji, innymi słowy. Pamiętasz Newegg? Jako sposób na personalizację ścieżki klienta, sprzedawca internetowy zintegrował ChatGPT ze swoim narzędziem do zakupów online "PC Builder", które pozwala klientom na zbudowanie systemu stacjonarnego komputera klienta. Nowa, ulepszona funkcjonalność pozwala klientom na wpisanie pożądanych atrybutów, a następnie ChatGPT będzie udzielał rekomendacji. Zobaczymy, że coraz więcej sprzedawców detalicznych wprowadza takie funkcje, w których kupujący może opisać, czego szuka, a czat AI będzie w stanie udzielać odpowiednich rekomendacji.

Wirtualni asystenci zakupów AI

Rekomendacje produktów z osobowością - to właśnie GenAI wnosi do ścieżki klienta. Wykorzystanie ChatGPT przez Expedię do pomocy podróżnym w planowaniu idealnej podróży jest świetnym przykładem wykorzystania GenAI do stworzenia czegoś, co jest w zasadzie wirtualnym, osobistym asystentem zakupów. Mówimy zatem o konwersacyjnych botach, które pomagają klientom w trakcie zakupów, udzielając przemyślanych odpowiedzi na ich pytania i rekomendując produkty. Francuski sprzedawca detaliczny Carrefour zrobił to, integrując robota doradczego o nazwie "Hopla" (opartego na ChatGPT) ze swoją witryną. Klienci mogą zadawać botowi pytania w języku naturalnym, które pomagają im w realizacji zakupów - na przykład, które produkty są najlepsze dla ich budżetu, ograniczeń żywieniowych lub pomysłów na menu oraz jak ponownie wykorzystać składniki, aby zaoszczędzić na marnowaniu żywności. eBay wprowadził ShopBot, osobistego asystenta zakupów AI dostępnego (w momencie pisania) w Facebook Messenger. ShopBot został zaprojektowany, aby pomóc klientom poruszać się po miliardzie ofert produktów na eBay i znaleźć najlepsze oferty dla nich - wpisując lub mówiąc, czego szukają, lub robiąc zdjęcie. Następnie bot zadaje pytania, aby lepiej zrozumieć potrzeby klienta, i udziela spersonalizowanych rekomendacji. eBay twierdzi, że jego celem jest "uczynienie zakupów na eBay tak łatwymi, jak rozmowa ze znajomym, niezależnie od tego, czy szukasz czegoś konkretnego, czy po prostu przeglądasz w poszukiwaniu inspiracji". Tymczasem nadchodzący asystent zakupów GenAI firmy Walmart (nadchodzący w momencie pisania) będzie w stanie pomóc kupującym zaplanować idealne wydarzenie. Powiedzmy, że chcesz zorganizować przyjęcie w stylu jednorożca dla sześciolatka, narzędzie zarekomenduje odpowiednie produkty, takie jak balony i banery w stylu jednorożca - bez konieczności wykonywania wielu indywidualnych wyszukiwań. Rynek z drugiej ręki Mercari zaprezentował własnego asystenta zakupów AI o nazwie "Merchat AI", obsługiwanego przez (zgadłeś) ChatGPT. Zamiast wyszukiwać i przewijać wiele opcji, kupujący mogą po prostu powiedzieć AI, czego szukają, a ona wskaże im właściwy kierunek. Wierzę, że asystenci zakupów AI to główny przypadek użycia GenAI w handlu detalicznym i spodziewam się, że tradycyjne doświadczenia "wyszukiwania i przewijania" będą coraz częściej zastępowane konwersacyjnym wyszukiwaniem i rekomendacjami. Jako ktoś, kto często jest sfrustrowany zakupami online, brzmi to dla mnie całkiem nieźle. Co więcej, asystenci zakupów AI nie będą tylko pomagać w zakupach - będą w stanie zapewnić więcej kontekstów i, co za tym idzie, zapewnić większą wartość dla klientów. Weźmy na przykład narzędzie wyszukiwania AI "Ask Instacart" zaprezentowane przez Instacart. Nie tylko pomaga klientom w pytaniach dotyczących zakupów i spersonalizowanych rekomendacjach - może również dostarczać dodatkowych informacji na temat przygotowywania żywności, kwestii dietetycznych i nie tylko. Możesz więc zapytać go, jakie dodatki pasują do wybranego białka, jakie rodzaje sosów będą dobrze pasować lub pomysły na potrawy "bez".

Dostosowane promocje, rabaty i programy lojalnościowe

Mówiliśmy już o tym w kontekście hiperpersonalizowanej reklamy i marketingu, ale pozwólcie mi krótko powtórzyć, że GenAI może tworzyć niestandardowe promocje i oferty dla każdego kupującego - analizując jego indywidualne nawyki zakupowe i preferencje. Na przykład, jeśli klient często kupuje zrównoważone produkty, AI może generować specjalne rabaty lub oferty pakietowe związane z ekologicznymi przedmiotami podczas jego następnej wizyty. Można to zrobić automatycznie i na dużą skalę. GenAI można również wykorzystać do opracowywania wysoce spersonalizowanych programów lojalnościowych, które ewoluują w oparciu o interakcje każdego członka z marką. Tak więc zamiast ogólnego systemu punktowego, członkom można oferować spersonalizowane wyzwania, nagrody dostosowane do ich preferencji lub wyjątkowe doświadczenia przygotowane specjalnie dla nich.

Inne potencjalne zastosowania w handlu detalicznym

Oprócz rozszerzania doświadczenia zakupów online i w świecie rzeczywistym oraz umożliwiania spersonalizowanej ścieżki klienta, GenAI może wspierać sprzedawców detalicznych w inny innowacyjny sposób. Może być używany do zapewniania wsparcia marketingowego i sprzedaży za pośrednictwem zautomatyzowanych i spersonalizowanych wiadomości marketingowych (ponownie, zobacz rozdział 7). Może zwiększać sprzedaż klientom, informując ich o podobnych lub uzupełniających się produktach. Może być używany do zarządzania poziomami zapasów w bardziej inteligentny sposób, poprzez analizowanie danych sprzedaży i prognozowanie popytu - pomagając w ten sposób sprzedawcom detalicznym upewnić się, że mają odpowiednie produkty w odpowiednich ilościach. Może też pomagać klientom w obsłudze zwrotów i wymian, odpowiadając na pytania dotyczące procesu zwrotów i prowadząc klientów przez proces krok po kroku. Przyjrzyjmy się bliżej kilku przypadkom użycia. Generowanie opisów produktów Jednym z obszarów, w którym GenAI się wyróżnia, jest pisanie opisów, w tym opisów na zamówienie, które opowiadają historię o produkcie. Na przykład marka kawy może stworzyć dynamiczną historię dla każdej mieszanki kawy, szczegółowo opisując jej podróż z konkretnej farmy, unikalny proces palenia i nuty smakowe. Dla firm, które kładą nacisk na opowiadanie historii jako część swojej tożsamości marki, GenAI może dodać ogromną wartość. To samo dotyczy ogólnych opisów produktów. Sprzedawca detaliczny lub sprzedawca internetowy może nie chcieć tworzyć przekonującej historii dla każdego pojedynczego produktu, ale po prostu chcieć usprawnić proces tworzenia informacyjnych, przyjaznych wyszukiwaniu opisów. eBay pomaga sprzedawcom robić właśnie to dzięki nowemu narzędziu GenAI "magical listing", które tworzy oferty produktów na podstawie zdjęć. Sprzedawca może więc po prostu zrobić lub przesłać zdjęcie w aplikacji, a następnie pozwolić AI uzupełnić szczegóły produktu za niego. Shopify ma podobne narzędzie, które nazywa Shopify Magic - które automatyzuje proces tworzenia treści dla opisów, tematów wiadomości e-mail i nagłówków dla sklepu internetowego. Podobnie Amazon zadebiutował narzędziem GenAI, które pomaga sprzedawcom tworzyć opisy produktów Diesel również zwrócił się do AI, aby ulepszyć swoje dane dotyczące produktów, wykorzystując automatyczne tagowanie produktów w celu usprawnienia wyszukiwania produktów online. Dzięki przejściu z ręcznego tagowania produktów według różnych atrybutów i kategorii na tagowanie automatyczne firma była w stanie zaoszczędzić 30 godzin czasu tygodniowo na osobę

Automatyzacja negocjacji z dostawcami

Oprócz stworzenia osobistego asystenta zakupów AI, wiemy, że Walmart eksperymentował z GenAI w ramach operacji wewnętrznych (patrz rozdział 3). Jednym ze szczególnie interesujących przypadków użycia są negocjacje z dostawcami. W eksperymencie sprzedawca detaliczny użył chatbota do zamknięcia transakcji z 89 dostawcami artykułów, takich jak wózki sklepowe i inne wyposażenie sklepu. Spośród tych dostawców chatbot zamknął transakcje z 64%, uzyskując średnio 1,5% oszczędności kosztów i dodatkowe 35 dni w wydłużonych terminach płatności. Imponujące 83% dostawców faktycznie polubiło negocjacje z chatbotem.

Wdrażanie GenAI w całej organizacji

Hiszpański sprzedawca detaliczny odzieży, Mango, wprowadził własną konwersacyjną platformę GenAI o nazwie "Lisa", która ma pomóc pracownikom w całej firmie wprowadzać ulepszenia - i może to obejmować wszystko, od ulepszania obsługi posprzedażowej po opracowywanie nowych kolekcji odzieży. Narzędzie zostało opisane jako "współpilot dla naszych pracowników". Firma Mango opracowała wcześniej platformę obrazową GenAI o nazwie "Inspire", której celem jest pomoc zespołowi projektantów w znalezieniu inspiracji i tworzeniu nowych koncepcji nadruków, tkanin i ubrań.

Najważniejsze wnioski

Nie myl się, handel detaliczny zostanie całkowicie przekształcony przez narzędzia GenAI. Podsumowując niektóre z głównych przypadków użycia w handlu detalicznym:

•  GenAI umożliwia bardziej wciągające doświadczenia cyfrowe - na przykład poprzez dynamiczną, responsywną podróż klienta w sklepach metawersum. Ale umożliwi również lepsze wrażenia zakupowe na zwykłych stronach internetowych i w aplikacjach, z realistycznymi funkcjami wirtualnymi i przydatnymi podsumowaniami opinii klientów.
•  GenAI rozszerzy również fizyczne wrażenia w sklepie, dzięki dynamicznym wyświetlaczom i inteligentnym lustrom.
•  Ponownie, personalizacja jest ogromnym tematem. GenAI umożliwia hiperpersonalizację dla sprzedawców detalicznych na wiele sposobów, w tym produkty jednorazowe, spersonalizowane podróże zakupowe, asystentów zakupowych AI i dostosowane promocje.
•  Inne zastosowania w handlu detalicznym obejmują automatyczne generowanie opisów produktów, automatyzację aspektów łańcucha dostaw, a nawet automatyzację negocjacji z dostawcami.
A teraz wróćmy do szkoły i zobaczmy, w jaki sposób GenAI zmieni sposób uczenia się ludzi, czego się uczą i jak nauczyciele uczą.

PONOWNE ODKRYCIE ZAANGAŻOWANIA KLIENTA POPRZEZ INTELIGENTNE SYSTEMY

Jak już widzieliśmy, funkcja obsługi klienta ma szansę zostać zrewolucjonizowana przez GenAI, szczególnie przez modele tekstowo-mowy. Ale obsługa klienta nie jest jedynym aspektem zaangażowania klienta, który może skorzystać z GenAI; dzięki nowym spersonalizowanym ofertom, interwencjom zapobiegawczym oraz inteligentnym produktom i usługom, GenAI zmieni sposób, w jaki marki wchodzą w interakcje ze swoimi klientami. Krótko mówiąc, GenAI oferuje niezrównane możliwości personalizacji, responsywności i zwiększonego zadowolenia klienta. Przyjrzyjmy się, w jaki sposób GenAI może zbliżyć do siebie marki i ich klientów.

Generatywna sztuczna inteligencja w obsłudze klienta

Zobaczyliśmy, jak brytyjski dostawca energii, Octopus Energy, wdrożył ChatGPT w obsłudze klienta - do tego stopnia, że bot obsługuje teraz 44% zapytań klientów, wykonuje pracę 250 osób i otrzymuje wyższe oceny zadowolenia klientów niż ludzcy agenci obsługi klienta. To doskonały przykład tego, w jaki sposób centra kontaktowe będą coraz częściej korzystać z narzędzi do obsługi czatów i połączeń głosowych GenAI, aby radzić sobie z prostymi, łatwymi do powtarzania zadaniami.

Możliwości GenAI

Możesz myśleć, że klienci nie chcą rozmawiać z botami, ale przykład Octopus Energy pokazuje, że narzędzia GenAI mogą dawać imponujące rezultaty i wprowadzać nowy poziom responsywności do botów obsługi klienta. Tradycyjne oferty AI (jak niektóre niezbyt inteligentne chatboty, z którymi mogłeś wchodzić w interakcje) opierają się na systemach opartych na regułach, aby dostarczać z góry określone odpowiedzi na pytania. A gdy natrafiają na zapytanie, którego nie rozpoznają lub nie przestrzegają zdefiniowanych reguł, są w impasie. A nawet gdy udzielają pomocnej odpowiedzi, język jest zazwyczaj dość sztywny. Z drugiej strony GenAI potrafi zrozumieć nawet złożone pytania i odpowiadać w bardziej naturalny, konwersacyjny sposób. I oczywiście te narzędzia zapewniają klientom całodobowy dostęp do pomocy technicznej za pośrednictwem wielu kanałów (takich jak telefon, czat online i wiadomości w mediach społecznościowych). Ale odpowiadanie na zapytania klientów nie jest jedynym sposobem, w jaki GenAI może dodać wartości do obsługi klienta. Niektóre z innych zadań, które GenAI może wykonywać lub w których może pomóc, obejmują:

•  Udzielanie klientom spersonalizowanych rekomendacji, opartych na danych klienta i poprzednich interakcjach, co dodatkowo pomaga w ulepszeniu doświadczeń klienta. (Więcej na temat personalizacji później).
•  Zapewnianie funkcji wyszukiwania konwersacyjnego, na przykład w przypadku często zadawanych pytań online. GenAI może przyjmować naturalne podpowiedzi językowe, takie jak "gdzie jest moja paczka" lub "nienawidzę swetra, który zamówiłem" i albo kierować klienta do właściwej odpowiedzi na często zadawane pytania, albo dostarczać dostosowaną odpowiedź. I nie zapomnij, że można to robić w wielu językach.
•  Optymalizacja danych w celu wsparcia operacji obsługi klienta. GenAI może obsługiwać ogromne ilości danych i przekształcać te informacje w praktyczne spostrzeżenia - spostrzeżenia takie jak "Jakie są nasze najczęstsze skargi?". Może również z łatwością śledzić i kategoryzować trendy klientów.
•  Wspieranie ludzkich agentów obsługi klienta. GenAI może pomóc ludzkim agentom być bardziej produktywnymi. Na przykład może automatycznie generować odpowiedzi na typowe zapytania, dostarczać podsumowania poprzednich skarg i rozwiązań, z których agenci mogą korzystać w rozmowach, oraz generować rekomendacje produktów.

W ten sposób GenAI może pomóc w poprawie doświadczeń pracowników, jak również klientów. Może wspierać pracę agentów ludzkich i uwolnić ich, aby mogli skupić się na bardziej złożonych interakcjach z klientami, w których mogą dodać najwięcej wartości. Nic dziwnego, że obsługa klienta stała się priorytetem numer jeden GenAI dla CEO, zgodnie z IBM Institute for Business Value, przy czym 85% dyrektorów twierdzi, że GenAI będzie wchodzić w interakcje bezpośrednio z klientami w ciągu najbliższych dwóch lat.2 Ale jak wdrożyć GenAI bez alienowania pracowników? W swojej książce Human + Machine: Reimagining Work in the Age of AI, Paul R. Daugherty i H. James Wilson twierdzą, że GenAI wzbogaci, a nie zastąpi stanowiska obsługi klienta. Zalecają organizacjom rozbicie zadań na zadania podstawowe, a następnie zbadanie, w jaki sposób GenAI wpłynie na każde zadanie. W przypadku obsługi klienta odkryli, że większość pracy związanej z obsługą klienta można podzielić na 13 zadań. Cztery z tych zadań pozostały niezmienione przez GenAI, cztery mogłyby zostać w pełni zautomatyzowane przez GenAI, a pięć mogłoby zostać rozszerzone przez GenAI. Co więcej, pojawiło się pięć nowych zadań o wysokiej wartości dzięki temu, że GenAI przejęło zadania, które można łatwo zautomatyzować. Podobnie jak we wszystkich aspektach GenAI, przejrzystość jest koniecznością - mam na myśli wyraźne wskazanie, kiedy klienci rozmawiają z botem.

Przykłady z obsługi klienta

Teraz przyjrzyjmy się kilku rzeczywistym przykładom narzędzi GenAI i firm, które wykorzystują GenAI do ulepszania obsługi klienta. Jednym z przykładów GenAI zaprojektowanego do obsługi klienta jest rozwiązanie Zendesk Expanding Agent Replies, które jest jak predykcyjny tekst na sterydach. Agenci mogą wpisać szkielet odpowiedzi dla klienta, a następnie narzędzie ją dla nich dopracowuje. Albo jest Generative FAQ dla CCAI Insights firmy Google Cloud, które pozwala centrom kontaktowym przesyłać (zredagowane) transkrypcje połączeń i odkopywać często zadawane pytania klientów. Podobnie rozwiązanie CustomerAI firmy Twilio może generować artykuły, aby wypełnić luki w wiedzy - artykuły, które mogą być publikowane dla klientów lub analizowane przez agentów w celu lepszej poprawy wyników. Albo jest narzędzie Sprinklr do automatyzacji notatek telefonicznych, które automatycznie notuje kluczowe informacje, gdy klient mówi - pozwalając agentowi skupić się na aktywnym słuchaniu. JetBlue nawiązał współpracę z firmą technologiczną ASAPP w celu wdrożenia GenAI, co przyniosło imponujące rezultaty. Centrum kontaktowe JetBlue zaoszczędziło średnio 280 sekund na czacie, uwalniając 73 000 godzin czasu agenta w ciągu zaledwie jednego kwartału. To mnóstwo godzin, które można poświęcić klientom z bardziej szczegółowymi problemami. Inna linia lotnicza, Air India, poinformowała, że wdraża ChatGPT firmy OpenAI w ramach ogromnej modernizacji systemu. Podobno chatboty zostały użyte do modernizacji witryny internetowej i aplikacji mobilnych linii lotniczych, marketingu cyfrowego, systemu powiadomień dla klientów, portalu obsługi klienta (w tym śledzenia żądań pomocy technicznej w czasie rzeczywistym) i operacji centrum kontaktowego. Tymczasem brytyjska firma telekomunikacyjna BT Group wykorzystała możliwości GenAI w Microsoft Power Platform do stworzenia asystenta cyfrowego o nazwie "Aimee", który pomaga klientom w różnych zapytaniach. BT twierdzi, że asystent wiadomości w aplikacji odpowiedział na około 60% zapytań klientów z dużym zadowoleniem klienta (wynik Net Prompter 60). W Indiach firma zajmująca się płatnościami cyfrowymi PhonePe wykorzystuje bota Freddy AI opracowanego przez Freshworks do automatyzacji odpowiedzi na proste zapytania, takie jak "Jakie jest moje saldo?" - oferując spersonalizowane doświadczenie samoobsługi.

Nowy poziom personalizacji

Oczywiście GenAI można wykorzystać do zapewnienia bardziej spersonalizowanej obsługi klienta, ale można go również wykorzystać do personalizacji wszelkiego rodzaju interakcji z klientami. W przyszłości większość systemów i usług w większości branż będzie zawierać pewne elementy AI, aby lepiej zrozumieć preferencje klientów i odpowiednio dostosować usługę. (Będzie to miało miejsce również w przypadku codziennych przedmiotów domowych, ale porozmawiamy o tym później).

Personalizacja wszędzie

Weźmy na przykład przemysł motoryzacyjny. Systemy samochodowe z GenAI mogą generować spersonalizowane wrażenia z jazdy. Tak więc, na podstawie mojej historii i preferencji, mój samochód może potencjalnie dostosować atmosferę w kabinie, sugerować nowe listy odtwarzania muzyki lub podcasty i automatycznie wybierać tryby jazdy w zależności od terenu i warunków pogodowych - wszystko to poprawi wrażenia z jazdy. W sektorze hotelarskim pokoje hotelowe z ulepszoną AI mogą oferować gościom środowisko, które przewiduje ich preferencje dotyczące oświetlenia i temperatury. GenAI może być również używane do generowania rekomendacji dotyczących lokalnych zajęć i opcji gastronomicznych, na podstawie wcześniejszych wyborów gości. Podobnie, biura podróży mogłyby używać narzędzi GenAI, takich jak ChatGPT, do tworzenia spersonalizowanych tras podróży dla osób na podstawie ich historii podróży, hobby, a nawet aktywności w mediach społecznościowych. Trasa dla entuzjasty jedzenia, na przykład, byłaby zupełnie inna niż trasa dla miłośnika natury - wszystko generowane automatycznie na podstawie danych klienta. W rozrywce platformy streamingowe mogłyby wykorzystać GenAI do tworzenia spersonalizowanych rekomendacji filmów lub programów telewizyjnych, nie tylko na podstawie tego, co oglądali w przeszłości, ale poprzez analizę preferencji fabularnych, archetypów postaci lub stylów kinematograficznych preferowanych przez widza. A w dziedzinie fitnessu technologia noszona na ciele (taka jak opaski na rękę) zintegrowana z GenAI może tworzyć spersonalizowane programy treningowe lub schematy treningowe. Na przykład, jeśli użytkownik często biegał, AI może sugerować ćwiczenia krzyżowe w celu zrównoważenia rozwoju mięśni, a nawet tworzyć listę lokalnych wyścigów lub wydarzeń, którymi może być zainteresowany. To tylko kilka sposobów, w jakie branże mogą oferować coraz bardziej spersonalizowane rozwiązania, obsługiwane przez GenAI.

PGA i spersonalizowane zaangażowanie fanów

Widzieliśmy już kilka przykładów personalizacji w świecie rzeczywistym - i zobaczymy ich znacznie więcej w pozostałych częściach. Personalizacja jest z pewnością powtarzającym się motywem w GenAI. Ale oto kolejny przykład, który podkreśla możliwości. PGA Tour nawiązał współpracę z Amazon Web Services (AWS), aby zapewnić lepsze, bardziej spersonalizowane wrażenia wizualne dla fanów golfa, dzięki GenAI. Pomysł polega na tym, że technologia uczenia maszynowego AWS zostanie wykorzystana do wykorzystania setek godzin surowego materiału z turnieju i przekształcenia treści w nowe oferty cyfrowe, które zapewnią fanom własne, wyjątkowe wrażenia wizualne. Wśród planów jest platforma streamingowa o nazwie "Every Shot Live", która zapewni fanom dostęp na żywo do każdego uderzenia wykonanego przez każdego gracza - obejmującego ponad 32 000 uderzeń wykonanych przez 144 golfistów. Zasadniczo fani będą mogli śledzić dowolnego gracza w czasie rzeczywistym i korzystać z fajnych funkcji, takich jak zmiana kąta kamery lub przeglądanie statystyk gry na żądanie.

Dostarczanie bardziej proaktywnych interwencji za pośrednictwem predykcyjnej sztucznej inteligencji

Personalizacja umożliwia również bardziej proaktywne interwencje - co oznacza, że rozumiejąc, w jaki sposób klient korzysta z Twojego produktu lub usługi, możesz przewidzieć, czego chce i bezproblemowo to dostarczyć. Dzieje się tak już w wielu branżach - predykcyjna konserwacja maszyn jest najlepszym przykładem - ale kluczowym wnioskiem jest to, że GenAI dodatkowo wzmocni możliwości predykcyjne, umożliwiając tym samym bardziej proaktywne interwencje, które zachwycą i zrobią wrażenie na klientach.

Jak to może wyglądać w przyszłości?

Firmy użyteczności publicznej mogłyby z pewnością wdrożyć sztuczną inteligencję, aby proaktywnie rozwiązywać problemy użytkowników. Powiedzmy na przykład, że schemat użytkowania konsumenta nagle odbiega od normy, system GenAI mógłby proaktywnie skontaktować się z klientem, aby sprawdzić, co się dzieje lub zapewnić rozwiązania problemów - wszystko zanim konsument zauważy, że istnieje problem. Łatwo sobie wyobrazić podobne opcje w różnych branżach. Na przykład w sektorze telekomunikacyjnym AI mogłaby analizować jakość połączeń, zużycie danych i przerwy w świadczeniu usług, aby wyprzedzająco oferować lepsze rozwiązania, a nawet tworzyć spersonalizowane pakiety usług, które dokładnie odpowiadają wzorcom konsumpcji użytkownika. W transporcie dojeżdżający do pracy mogliby zdecydowanie skorzystać z bardziej proaktywnej obsługi. Jeśli ktoś często podróżuje określoną trasą, na której spodziewane są opóźnienia lub roboty drogowe, sieć transportu publicznego mogłaby wykorzystać GenAI do proaktywnego sugerowania alternatywnych tras lub metod transportu.

Predykcyjne rozwiązania fintech

Sektor finansowy i bankowy to kolejny obszar, który mógłby ogromnie skorzystać z predykcyjnych rozwiązań opartych na GenAI. Rzeczywiście, dzieje się to już w dużym stopniu dzięki automatycznemu wykrywaniu oszustw i ocenie ryzyka opartej na AI. Ale wyobraź sobie, jak GenAI mogłoby przenieść to na zupełnie nowy poziom, na przykład dzięki spersonalizowanym poradom finansowym i planowaniu. Jedno z badań wykazało, że korzystanie z GenAI w celu dostarczania spersonalizowanych porad finansowych może zaoszczędzić klientom średnio 1200 USD rocznie. JPMorgan Chase to jedna z organizacji wykorzystujących GenAI do tworzenia spersonalizowanych planów finansowych, dostosowanych do indywidualnych potrzeb i celów finansowych klientów. W innym miejscu Visa uruchomiła inicjatywę o wartości 100 milionów dolarów amerykańskich, aby zainwestować w rozwiązania GenAI, które usprawnią handel i płatności - prawdopodobnie skupiając się na zapobieganiu oszustwom, spersonalizowanych kampaniach marketingowych dla firm, a potencjalnie nawet na opracowaniu nowych metod płatności.

Włączanie sztucznej inteligencji generatywnej do produktów

Już mówiłem, że przewiduję, że samochody staną się bardziej inteligentne i będą oferować bardziej spersonalizowane doświadczenia dzięki sztucznej inteligencji.

Jak GenAI można wbudować w codzienne urządzenia

Prawdopodobnie zobaczymy piekarniki, pralki i inne codzienne przedmioty domowe z wbudowaną GenAI. Rzeczywiście, AI wkrada się do naszych domów od lat (pomyśl o inteligentnych żarówkach i Alexie) - ale dzięki GenAI te interakcje staną się jeszcze bardziej ludzkie i osobiste. Na przykład moglibyśmy prowadzić rozmowy w języku naturalnym ze sprzętami gospodarstwa domowego. Tak, potencjalnie możesz zadać swojej pralce pytania, takie jak to, czy można bezpiecznie prać ukochany element garderoby przy określonym ustawieniu. Albo możesz powiedzieć do swojej lodówki: "Hej, kiedy skończy mi się mleko?", a ona ci powie. Zintegrowanie GenAI z codziennymi produktami może doprowadzić do nowej ery inteligentnych urządzeń, które nie tylko będą bardziej dostosowane do naszych potrzeb, ale także bardziej interaktywne i angażujące. Angażujące piekarniki? Czemu nie! Oto, jak to może wyglądać w przyszłości:

Bardziej spersonalizowane doświadczenia użytkownika

Dzięki nowym możliwościom "widzenia" ChatGPT możesz już zrobić zdjęcie zawartości lodówki i zapytać ją, co ugotować na obiad. Ale w przyszłości będziesz mógł zapytać lodówkę bezpośrednio, ponieważ urządzenia zaczynają zawierać asystentów GenAI. Urządzenia będą coraz częściej dostosowywać się do naszych potrzeb. Na przykład pralka może dostosowywać się do rodzajów ubrań, które zazwyczaj pierzesz (np. ciężkie ubrania robocze, które bardzo się brudzą) i tworzyć spersonalizowane cykle w celu optymalnej pielęgnacji tkanin i czystości. Podobnie Twój piekarnik może z czasem nauczyć się Twojego stylu gotowania i preferencji, sugerując optymalne ustawienia temperatury i czasy gotowania dla różnych potraw, a nawet nowe propozycje przepisów.

Interaktywne rozwiązywanie problemów

Jeśli masz problem ze sprzętem, GenAI może generować przewodniki rozwiązywania problemów krok po kroku, dostosowane do konkretnego modelu i jego aktualnych warunków. Nie ma potrzeby dzwonienia do centrum kontaktowego ani przeglądania obszernej instrukcji obsługi.

Konserwacja predykcyjna

Zamiast czekać na awarię części, GenAI może przewidzieć, kiedy komponent prawdopodobnie będzie wymagał wymiany lub konserwacji, i wysłać Ci wyprzedzający alert. Może nawet zamówić niezbędne części lub zaplanować wizytę serwisową z wyprzedzeniem.

Ulepszona obsługa klienta

Jeśli musisz skontaktować się z obsługą klienta, AI może dostarczyć agentowi szczegółową historię wzorców użytkowania urządzenia, wszelkich anomalii i wcześniejszych kroków rozwiązywania problemów - wszystko to jest pomocnym kontekstem, który umożliwia bardziej efektywne rozwiązywanie problemów. GenAI może również pomóc w tworzeniu dynamicznych instrukcji lub interaktywnych samouczków, dostarczając użytkownikom informacji, gdy ich potrzebują.

Aktualne przykłady GenAI w urządzeniach

Jeśli uważasz, że moje przewidywania są nieco szalone, być może przekonają Cię te rzeczywiste przykłady. Samsung podobno zamierza włączyć "jednostki przetwarzania neuronowego" do wszystkich nowych urządzeń gospodarstwa domowego, w tym telewizorów Smart TV i lodówek, od 2024 r. - umożliwiając inteligentne narzędzia GenAI 24/7, które mogą pomagać użytkownikom.11 Nie jest jeszcze jasne, jakie dokładnie funkcje będą oferowane, ale inteligentny piekarnik, który może ostrzegać, gdy coś się przypala, jest jednym z możliwych zastosowań. Niemiecki producent urządzeń Miele włącza również GenAI do swojego systemu wspomagania gotowania Smart Food ID - początkowo dla dużych piekarników ze zintegrowanymi kamerami.12 Aparat robi zdjęcia składników, a AI interpretuje obraz i automatycznie sugeruje tryb gotowania. Użytkownik musi tylko potwierdzić, a piekarnik zajmuje się resztą. AI będzie również wykorzystywane przez Miele do diagnostyki urządzeń, aby pomóc klientom rozwiązywać problemy w przypadku wystąpienia awarii. Jednym z przykładów jest pralka wytwarzająca zbyt dużo piany, ponieważ użytkownik dodał zbyt dużo detergentu - w takim przypadku AI zaleciłaby odpowiednią ilość detergentu do wielkości załadunku. LG wprowadza również AI, aby pomóc klientom lepiej korzystać ze sprzętu AGD. AI firmy LG może powiadomić użytkowników o wystąpieniu problemu, takiego jak spadek chłodzenia lodówki, zanim sytuacja się pogorszy. Problemy takie nie są od razu oczywiste dla użytkownika, ale mogą skrócić żywotność urządzenia. AI może zapewnić szybkie rozwiązania lub zaplanować wizytę u agenta serwisowego. Może również udzielać rutynowych sugestii dotyczących konserwacji, takich jak uruchomienie cyklu czyszczenia w pralce co 30 prań.13 (Nawiązując w ten sposób do zdolności GenAI do przewidywania przyszłych problemów i zapewniania proaktywnych rozwiązań). Wspomnieliśmy już krótko o samochodach, ale przyjrzyjmy się kilku przykładom. Continental współpracuje z Google Cloud, aby wprowadzić technologię języka naturalnego GenAI do samochodów - zasadniczo umożliwiając kierowcom prowadzenie rozmów ze swoimi samochodami, na przykład na temat najlepszej trasy lub tego, czy opony wymagają napompowania. W międzyczasie Mercedes-Benz nawiązał współpracę z Microsoftem, aby wprowadzić ChatGPT do ponad 00 000 pojazdów za pośrednictwem asystenta głosowego "Hej Mercedes". ChatGPT rozszerza istniejące możliwości Hej Mercedes, oferując bardziej rozbudowane tematy i lepsze rozumienie języka naturalnego. Nie ma wątpliwości, że od dłuższego czasu zmierzamy w kierunku "sztucznej inteligencji we wszystkim", ale GenAI przyspieszy te zmiany i wprowadzi nowe, bardziej intuicyjne możliwości sztucznej inteligencji do codziennych urządzeń. Z jakimi produktami będziesz "czatować" w przyszłości?

Najważniejsze wnioski

•  W obsłudze klienta GenAI może oczywiście obsługiwać klientów bezpośrednio, ale także wykonywać lub pomagać w innych zadaniach, takich jak identyfikacja trendów w obsłudze klienta, generowanie odpowiedzi dla agentów i pomaganie agentom w dostarczaniu bardziej spersonalizowanych odpowiedzi. Zamiast całkowicie zastępować agentów obsługi klienta, GenAI przejmie zadania o niższej wartości, uwalniając agentów, aby mogli skupić się na pracy o wyższej wartości.
•  Personalizacja jest ogromnym tematem w GenAI i możemy oczekiwać, że wszystkie organizacje odkryją nowe możliwości dostarczania klientom spersonalizowanych rozwiązań. GenAI może w tym pomóc, rozumiejąc historię i preferencje klienta oraz generując przemyślane sugestie i zalecenia.
•  Personalizacja umożliwia również nowy poziom proaktywnej reakcji dla organizacji. Od identyfikowania potencjalnych problemów i awarii przed ich wystąpieniem po dostarczanie proaktywnych porad, które pomagają klientom osiągnąć ich cele, GenAI może pomóc firmom lepiej przewidywać potrzeby ich klientów.
•  I wreszcie możemy spodziewać się, że GenAI będzie wbudowane we wszelkiego rodzaju codzienne urządzenia i sprzęty, takie jak samochody, piekarniki i pralki. AI wkrada się do urządzeń od lat, ale GenAI przyspieszy ten trend i umożliwi bardziej intuicyjne, naturalne konwersacje z przedmiotami codziennego użytku.

Zaangażowanie klienta to temat, który dotyczy każdej organizacji w każdej branży. Następnie przejdziemy do konkretnego sektora, aby zbadać możliwości GenAI. Przewróć stronę, aby przeczytać o zastosowaniach GenAI w handlu detalicznym.

REKLAMA I MARKETING:

ŁĄCZENIE KREATYWNOŚCI Z AI

Podczas badania przypadków użycia GenAI i apetytu zespołów sprzedaży i marketingu, McKinsey odkrył, że 90% liderów handlowych spodziewa się, że w ciągu najbliższych dwóch lat będzie wdrażać rozwiązania GenAI "często". Oczekuje się, że GenAI zrewolucjonizuje świat reklamy i marketingu, dzięki możliwości automatycznego generowania i personalizowania treści, nawet w czasie rzeczywistym. Jak zobaczymy w tym rozdziale, rozwiązania GenAI umożliwią firmom każdej wielkości tworzenie pięknych, profesjonalnych reklam i kampanii marketingowych. Przyjrzyjmy się, w jaki sposób marki będą przyciągać klientów w erze GenAI. Nawet jeśli nie pracujesz w tej dziedzinie, sposób, w jaki organizacje reklamują się Tobie, wkrótce się zmieni.

Przegląd: Jak można zastosować generatywną sztuczną inteligencję w reklamie i marketingu?

GenAI można wykorzystać do tworzenia profesjonalnie wyglądających treści, które nie tylko angażują odbiorców, ale także są dostosowane do ich konkretnych potrzeb

Zalety GenAI w marketingu i reklamie

Jedną z największych korzyści jest możliwość tworzenia spersonalizowanych treści. W końcu GenAI doskonale radzi sobie z analizą danych i identyfikacją wzorców w danych - w tym przypadku wzorców, które rzucają światło na zachowania i preferencje konsumentów. Następnie może tworzyć pomysłowe treści, które są ściśle ukierunkowane na pożądaną grupę odbiorców, na przykład w formie ukierunkowanych kampanii w mediach społecznościowych lub spersonalizowanych wiadomości e-mail. Inna ważna korzyść sprowadza się do czasu i pieniędzy, ponieważ GenAI może zautomatyzować wiele procesów związanych z tworzeniem materiałów marketingowych i reklamowych. Pozwala to marketerom skupić swój czas na bardziej strategicznych działaniach - i skoncentrować swój budżet na działaniach o dużym wpływie. Ponadto GenAI pozwala nawet mniejszym zespołom zwiększyć innowacyjność i generować inspirujące reklamy i materiały marketingowe.Co zatem marki mogą stworzyć za pomocą GenAI?

Omówimy wiele przypadków użycia w świecie rzeczywistym, ale jako ogólny przewodnik, GenAI może być używane w marketingu i reklamie do:

•  Generowania świeżych pomysłów, które wzmacniają sesje burzy mózgów. Generowania pięknych obrazów - od zdjęć produktów po pomysłowe wizualizacje dla ambitnych reklam. Może być również używane do tworzenia materiałów promocyjnych marki, w tym grafik i logo.
•  Generowania tekstu do różnych celów, w tym wiadomości e-mail, tekstów reklamowych, postów na blogach, postów w mediach społecznościowych, opisów produktów, a nawet skryptów do reklam.
•  Generowania wideo, w tym reklam wideo do mediów społecznościowych (lub transmisji) i demonstracji produktów.
•  Generowania muzyki do filmów.
•  Ponadto GenAI może być używane jako narzędzie do analizy nastrojów, analizując dane pod kątem nastrojów (np. przeglądając wzmianki w mediach społecznościowych, aby sprawdzić, czy wzmianki klientów są pozytywne, negatywne czy neutralne).

Ostrożnie

Już mówiliśmy o potencjalnych pułapkach i obawach związanych z GenAI, więc profesjonaliści muszą zadbać o wdrożenie GenAI w bezpieczny i etyczny sposób. Oto kilka wskazówek, które mogą Cię skłonić do myślenia:

•  Ważne jest, aby zrównoważyć automatyzację z ludzkim akcentem. Pamiętaj, że GenAI naśladuje ludzką kreatywność, ale nie jest człowiekiem. Nic nie zastąpi ludzkiej wrażliwości, empatii i świadomości kulturowej.
•  Ponadto lepiej poznasz swoją markę, jej wartości i etykę niż model komputerowy. Dlatego zawsze dodawaj ludzką wiedzę i doświadczenie, aby mieć pewność, że w pełni wykorzystasz GenAI.
•  Zachowaj najwyższą ostrożność w zakresie danych osobowych, ograniczeń praw autorskich i innych kwestii prawnych. I bądź świadomy potencjalnego wkradnięcia się stronniczości.
•  I jak zawsze, bądź transparentny wobec interesariuszy w kwestii sposobu korzystania z GenAI.

Wykorzystanie generatywnej sztucznej inteligencji do tworzenia reklam i materiałów marketingowych

Dzięki możliwości generowania tekstu, obrazów, wideo i muzyki jasne jest, że GenAI ma duży potencjał do tworzenia reklam i materiałów marketingowych - przy znacznie mniejszym nakładzie pracy i kosztów niż tradycyjne metody.

Tworzenie reklam i materiałów marketingowych przy użyciu generatywnej sztucznej inteligencji

Dzięki możliwości generowania tekstu, obrazów, wideo i muzyki jasne jest, że GenAI ma duży potencjał do tworzenia reklam i materiałów marketingowych - przy znacznie mniejszym nakładzie pracy i kosztów niż tradycyjne metody.

Automatyzacja aspektów tworzenia reklam

Podczas konferencji Adobe 2023 EMEA Summit zobaczyłem demonstrację pakietu Adobe Firefly GenAI i muszę przyznać, że zachwycił mnie swoimi możliwościami. Firefly to silnik do generowania obrazów w języku naturalnym, który pobiera prosty tekst i używa go do tworzenia obrazów, projektów lub wszelkiego rodzaju dzieł sztuki. Firefly został zintegrowany z platformą do generowania treści Adobe Express, która umożliwia nieprofesjonalnym projektantom tworzenie wysokiej jakości obrazów do mediów społecznościowych i treści promocyjnych. (Firefly jest również integrowany z innymi aplikacjami Creative Cloud, takimi jak Photoshop i Illustrator.) Podczas demonstracji pokazano nam zdjęcie pięknej dzikiej wyspy, która wyglądała jak Kanada. Następnie demonstrator poprosił system o dodanie turysty z markowym plecakiem, który odtwarza się na wyspie… co zrobił bezproblemowo. Co powiesz na dodanie kajaka w wodzie, aby pokazać, jak turysta się tam dostał? Nie ma problemu, zrobione (i z całkowicie realistycznym cieniowaniem, mogę dodać). Następnie demonstrator poprosił o zmianę orientacji zdjęcia z pionowej na poziomą. Ale aby to zrobić, system musiał wypełnić "luki" po bokach obrazu - ponownie, co zrobił bezproblemowo. Następnie, na koniec, dodali tekst marki. To była oszałamiająca demonstracja mocy GenAI i tego, jak pozwoli ona firmom o różnych kształtach i rozmiarach z łatwością tworzyć piękne treści reklamowe i marketingowe. (Dla porządku, Firefly jest trenowany wyłącznie na licencjonowanych lub publicznych obrazach, a firma oświadczyła, że będzie chronić klientów przed roszczeniami dotyczącymi praw autorskich)

Przykłady reklam GenAI

Łatwo zrozumieć, dlaczego marki wybierają reklamy generowane przez AI zamiast tradycyjnych reklam. Jest to znacznie tańsze i łatwiejsze, co pozwala markom zwiększyć produkcję przy mniejszych wydatkach; ponadto pozwala na nieograniczoną kreatywność, wolną od ograniczeń w świecie rzeczywistym. Przyjrzyjmy się kilku przykładom z prawdziwego świata. Znane marki, takie jak Oreo i Cadbury, wykorzystały DALL-E 2 firmy OpenAI do tworzenia reklam (w przypadku Cadbury stworzyły reklamę na rynek indyjski z wersją gwiazdy Bollywood Shah Rukh Khana z AI). Marki modowe Nike i Tommy Hilfiger wykorzystały Midjourney do tworzenia obrazów reklamowych prezentujących ich produkty. A Coca-Cola wdrożyła ChatGPT i DALL-E 2 w oszałamiającej kampanii reklamowej o nazwie "Masterpiece". Reklama ożywia niektóre z najsłynniejszych dzieł sztuki na świecie, płynnie integrując animację rozszerzoną o AI z akcją na żywo. Bardzo podoba mi się ten przykład, ponieważ pokazuje, że GenAI można wykorzystać nie tylko do taniego tworzenia reklam, ale także do tworzenia znaczącego efektu wow. Coca-Cola jest tak zaangażowana w GenAI jako narzędzie transformacyjne, że mianowała Head of Generative AI. W międzyczasie Heinz karmił DALL-E 2 podpowiedziami takimi jak "ketchup w kosmosie" (i wieloma innymi zabawnymi pomysłami), publikując powstałe obrazy na swoich kontach w mediach społecznościowych. Heinz zachęcał również konsumentów do tworzenia i udostępniania własnych obrazów ketchupu AI, co pomogło kampanii stać się wirusową. To nawiązuje do ogromnego ruchu w kierunku personalizacji w reklamie i marketingu, ale porozmawiamy o tym więcej później. Nowe narzędzia pomagające markom wykorzystać GenAI Wspomniałem, że Meta tworzy narzędzia, które umożliwiają firmom automatyczne tworzenie wielu wersji reklam na Facebooku, zawierających różne teksty i obrazy skierowane do różnych odbiorców. Ale Meta nie jest jedyną firmą, która obiecuje pomóc firmom łatwiej tworzyć reklamy GenAI i teksty marketingowe. W 2023 r. Salesforce ogłosił Einstein GPT, który reklamuje jako "pierwszą na świecie generatywną sztuczną inteligencję do zarządzania relacjami z klientami". Narzędzie wykorzystuje GenAI do tworzenia spersonalizowanych treści w chmurze Salesforce, co oznacza, że klienci Salesforce mogą łączyć swoje dane i używać podpowiedzi w języku naturalnym, aby generować treści, które dostosowują się do zmieniających się informacji i potrzeb klientów "w czasie rzeczywistym". (Ponownie, wkrótce więcej na temat personalizacji). Inny przykład pochodzi od Aprimo, dostawcy oprogramowania do automatyzacji marketingu. Aprimo stworzyło "wbudowanego generatywnego asystenta AI" przy użyciu Azure OpenAI i ChatGPT, którego można używać między innymi do tworzenia angażujących i spersonalizowanych treści, które są trenowane na głosie i tonie marki. Inną usługą opartą na Microsoft Azure jest Typeface, która wykorzystuje GenAI do "tworzenia angażujących, zgodnych z marką komunikatów marketingowych w ciągu kilku sekund". Pomysł polega na tym, że przekazujesz Typeface swoje wytyczne dotyczące stylu, obrazy i szczegóły produktu, a następnie możesz zacząć generować sugerowane obrazy i tekst. Gdzie indziej LinkedIn uruchomił nową funkcję, która umożliwia marketerom B2B korzystanie z GenAI. Narzędzie o nazwie "Accelerate" ma na celu przyspieszenie konfiguracji kampanii reklamowych i automatyzację optymalizacji reklam. LinkedIn twierdzi, że pomoże marketerom B2B tworzyć dostosowane treści kreatywne w ciągu zaledwie pięciu minut. Podobny ruch zaczyna mieć miejsce w reklamie telewizyjnej. Fox TV nawiązało współpracę ze specjalistami od generowania wideo AI Waymark, aby umożliwić reklamy GenAI we wszystkich stacjach Fox, w tym stacjach lokalnych. Dzięki temu reklama telewizyjna stanie się znacznie bardziej dostępna dla małych i lokalnych firm - umożliwiając im łatwe tworzenie wysokiej jakości reklam telewizyjnych przy ograniczonym czasie i budżecie.

Personalizacja treści z GenAI

Personalizacja to powtarzający się temat w całej książce, a szczególnie istotny w dziedzinie marketingu i reklamy.

Personalizacja na skalę

Marki wiedzą, że my, konsumenci, pragniemy tego poczucia wyjątkowości i ekskluzywności - że chcemy czuć, że mamy osobistą relację z markami, które kochamy, i że nasze wsparcie ma znaczenie. Jednak osiągnięcie tego efektu na masową skalę jest trudne i kosztowne. Albo przynajmniej było do tej pory. Ponieważ GenAI umożliwia markom dostarczanie wyjątkowości i osobistego charakteru, który wcześniej był domeną wyłącznie marek z najwyższej półki. Dlatego coraz więcej narzędzi GenAI obejmuje funkcjonalność związaną z personalizacją. Adobe Experience Cloud to zbiór narzędzi, w tym Adobe Real Time Customer Data Platform, Journey Optimizer i Adobe Analytics. Narzędzia te wykorzystują sztuczną inteligencję do dostarczania spostrzeżeń na temat podróży klientów, zachowań i zaangażowania. Informacje, które w połączeniu z GenAI mogą być używane do automatycznego tworzenia hiperpersonalizowanych treści. Kluczem jest oczywiście osiągnięcie tego wyjątkowego uczucia bez wywoływania u ludzi odrazy lub sprawiania wrażenia, że ich prywatność została naruszona. To kolejna rzecz, którą marki będą musiały dokładnie rozważyć, wdrażając GenAI w wysoce spersonalizowanych kampaniach.

Przykłady spersonalizowanych doświadczeń

Przyjrzyjmy się teraz kilku przykładom. Netflix używa AI do tworzenia bardzo ukierunkowanych miniatur dla swoich treści przesyłanych strumieniowo, aby zwiększyć prawdopodobieństwo, że klienci klikną i obejrzą. Gigant streamingu ma tysiące klatek z każdego filmu lub programu telewizyjnego, które można wykorzystać do automatycznego generowania miniatur - ale czy wiesz, że miniatury, które widzisz, mogą się całkowicie różnić od miniatur, które widzę ja? Netflix używa AI do analizowania i klasyfikowania obrazów według tego, które mają największe prawdopodobieństwo kliknięcia - na podstawie tego, w co kliknęli inni, którzy są uważani za podobnych do Ciebie. A co z spersonalizowanymi kampaniami reklamowymi? Film Barbie dostarczył mistrzowską lekcję promocji filmów, najwyraźniej przejmując internet na kilka tygodni w 2023 roku. Jednym z największych hitów kampanii był Generator Selfie Barbie, strona internetowa, która pozwalała fanom tworzyć spersonalizowane wersje plakatu filmu z ich udziałem (lub kimkolwiek chcieli). Nie trzeba dodawać, że stała się wirusowa. Co pokazuje apetyt konsumentów na cyfrowe, interaktywne doświadczenia, które można łatwo personalizować (i, w idealnym przypadku, udostępniać znajomym). Połącz personalizację z możliwością tworzenia wersji gwiazd AI, a masz potencjał, aby dostarczyć konsumentom bardzo zabawne doświadczenia - trochę jak przykład Heinza z wcześniejszej części rozdziału, ale z udziałem prawdziwych celebrytów. Supergwiazdor piłki nożnej Lionel Messi podpisał umowę z PepsiCo, pozwalając marce na wykorzystanie deepfake'owej wersji jego samego do promowania chipsów Lays. W ramach kampanii Lays Messi Message użytkownicy mogą tworzyć spersonalizowane wiadomości od Messiego do siebie, w języku angielskim, hiszpańskim, portugalskim i tureckim. A wszystko to jest możliwe dzięki GenAI. Istnieje jednak ciemna strona tego wszystkiego - możliwość deepfake'owania naszych ulubionych celebrytów. Tom Hanks opublikował na mediach społecznościowych ostrzeżenie dla fanów przed nagraniem, na którym promuje plan stomatologiczny. Nagranie było fałszywe, a Hanks nie miał z nim nic wspólnego, co jest dość przerażające.

Influencerzy i modelki AI.

Wspomniałem o Noonoouri, influencerce generowanej przez AI, która podpisała kontrakt płytowy z Warnerem. Przyjrzyjmy się bliżej wirtualnym influencerom i modelkom i zobaczmy, jak stają się coraz ważniejsi dla marek. Wirtualny influencer to cyfrowy awatar, który oferuje fanom całkowitą personalizację i dostępność 24/7, zazwyczaj za pośrednictwem mediów społecznościowych. Mogą przybrać kształt realistycznie wyglądającego człowieka, człowieka z kreskówki lub stworzenia niebędącego człowiekiem. Nie jest to nowe zjawisko, nawiasem mówiąc - pierwszą wirtualną gwiazdą popu była japońska postać o imieniu "Kyoko Date", stworzona w latach 90. Nowością jest tutaj przecięcie się mediów społecznościowych (które pozwalają tym "osobowościom" dotrzeć do szerokiej globalnej publiczności), GenAI (które daje nieograniczony potencjał twórczy) i koncepcji metawersum (gdzie świat rzeczywisty i cyfrowy coraz bardziej się ze sobą łączą). Niektórzy wirtualni influencerzy, tacy jak Lil Miquela i Lu do Magalu, mają miliony obserwujących. Jednak dla marek, które chcą współpracować z influencerem, wirtualni influencerzy często okazują się wyraźnie bardziej przystępni cenowo niż ludzcy influencerzy. Ale czy marki naprawdę wykorzystują wirtualne kreacje? Wygląda na to, że tak. Marka modowa Prada ma własną wirtualną "muzę" o nazwie "Candy", zaprezentowaną w 2021 r. w celu ponownego wprowadzenia na rynek zapachu Prada Candy. Wirtualna influencerka Lil Miquela współpracowała z kilkoma markami, w tym z Calvinem Kleinem, i podobno jest warta aż 125 milionów dolarów. I nie mówimy tu tylko o wirtualnych gwiazdach mediów społecznościowych, ale także o wirtualnych modelkach mody i urody. Shudu Gram została nazwana "pierwszą na świecie supermodelką awatara" i współpracowała z markami takimi jak Fenty. Levi&[rime;s ogłosił również, że będzie eksperymentował z modelami generowanymi przez sztuczną inteligencję w celu zwiększenia różnorodności, współpracując ze studiem mody cyfrowej Lalaland.ai w celu tworzenia hiperrealistycznych modeli. Współpracując z wirtualnym influencerem lub modelką, możesz tworzyć nieskończone kampanie i obrazy za pośrednictwem GenAI, bez konieczności zatrudniania studia, fotografa itp. Te kreacje AI się nie starzeją (chyba że chcesz). Mogą reprezentować wiele odcieni skóry i typów sylwetki. Można je natychmiast przerobić zgodnie z nowymi trendami, bez konieczności kosztownych ponownych sesji zdjęciowych. I nigdy nie utkną w skandalu narkotykowym lub seksualnym. W związku z tym wirtualni influencerzy i modelki mają potencjał, aby zmienić znaczenie tworzenia, marketingu i konsumpcji treści online. Istnieją jednak pewne problemy. Jednym z nich jest przejrzystość - co oznacza, że w miarę jak ci influencerzy stają się bardziej realistyczni, w jaki sposób ich twórcy powinni jasno dać do zrozumienia, że nie są to prawdziwe istoty? Istnieje również niebezpieczeństwo, że wirtualni influencerzy i modelki mogą utrwalać nierealistyczne standardy piękna i typu sylwetki (chociaż to samo można powiedzieć o większości kampanii reklamowych). Następnie pojawiają się kwestie tego, kto dokładnie stoi za tymi cyfrowymi kreacjami. W przypadku Shudu, młodej czarnoskórej kobiety, jej twórcą jest biały mężczyzna - co skłoniło niektórych krytyków do opisania jego dzieła jako przywłaszczenia, wywłaszczenia lub w najlepszym razie wskoczenia na trend na ciemniejsze modele.21 I wreszcie, jest argument, że tym wirtualnym influencerom i modelom brakuje ludzkiej więzi, jaką można uzyskać z prawdziwym, żywym, oddychającym, niedoskonałym człowiekiem. Czy naprawdę mogą zaoferować rodzaj więzi z odbiorcami, której pragną marki? Czas pokaże. Ale bez względu na to, czy jesteś zaintrygowany, czy przerażony ideą wirtualnych influencerów i modeli, nie ma wątpliwości, że marki są zainteresowane eksperymentowaniem z tym nowym podejściem.

Najważniejsze wnioski

•  GenAI może być używane do generowania tekstów, wizualizacji, wideo i muzyki dla wysokiej jakości kampanii reklamowych i marketingowych - znacznie taniej i szybciej niż za pomocą tradycyjnych metod. Dzięki temu GenAI umożliwi firmom każdej wielkości tworzenie pięknych obrazów,angażujących tekstów i nie tylko.
•  GenAI może pomóc firmom wymyślać pomysły i automatyzować aspekty procesu twórczego - na przykład poprzez tworzenie obrazów za pomocą naturalnych podpowiedzi tekstowych. Kilka znanych marek już przyjęło GenAI do reklam.
•  Pojawiają się nowe narzędzia, które umożliwiają markom wykorzystanie możliwości GenAI, w tym na platformach takich jak Facebook i LinkedIn.
•  Możliwość personalizacji reklam i materiałów marketingowych na masową skalę jest główną zaletą GenAI - od tekstów i obrazów dostosowanych do preferencji odbiorców po tworzenie interaktywnych, deepfake′owych doświadczeń wideo z udziałem celebrytów.
•  Marki decydują się również na współpracę z wirtualnymi influencerami i modelami AI - tworząc obrazy, kampanie i filmy bez konieczności zatrudniania ludzkich modeli i influencerów (oraz fotografów, studiów itp.). Marketing i reklama polegają na angażowaniu klientów za pomocą przemyślanych, inspirujących i przekonujących treści. Ale w jaki inny sposób marki wykorzystują GenAI, aby angażować klientów i zapewniać lepszą obsługę? Przejdź do następnej strony

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 filmie

Zobaczyliśmy, że niektórzy aktorzy głosowi tracą już pracę na rzecz głosów generowanych przez AI (lub klonowanych przez AI). Przyjrzyjmy się innym sposobom wykorzystania GenAI w świecie filmu.

Co GenAI może zrobić dla filmowców?

GenAI ma zdolność tworzenia efektów specjalnych, generowania postaci i tła, a nawet produkcji całych scen, zmniejszając zależność od kosztownych fizycznych planów zdjęciowych i usprawniając procesy postprodukcji. Otwiera to nowe możliwości dla mniejszych studiów i niezależnych filmowców w celu uzyskania wysokiej jakości wizualizacji, które wcześniej były domeną produkcji wysokobudżetowych. W ten sposób GenAI może pomóc w demokratyzacji procesu tworzenia filmów i skróceniu czasu produkcji i kosztów na całej linii. Może być również używany na etapie preprodukcji, w celu ulepszenia pisania scenariuszy i generowania nowych pomysłów. Co więcej, AI może być używana do tworzenia narracji, dubbingu dźwięku w bardziej autentyczny sposób, a nawet potencjalnie wskrzeszania głosów (i wizerunków) gwiazd, których już nie ma z nami. To ostatnie zastosowanie jest jednak problematyczne, ponieważ zmarłe gwiazdy filmowe nie mogą wyrazić zgody ani otrzymać rekompensaty za wykorzystanie swojego głosu i wizerunku. Ponadto może być wręcz przerażające. Zelda Williams, córka legendarnego Robina Williamsa, który zmarł w 2014 roku, powiedziała, że uważa odtworzenia głosu jej ojca przez AI za "osobiste niepokojące".

Realne przypadki użycia w filmie

Oczywiste jest, że GenAI ma duży potencjał w tworzeniu filmów, ale w jaki sposób filmowcy faktycznie wykorzystują tę technologię? Jednym z przykładów jest nagrodzony Oscarem film Everything Everywhere All at Once, który zatarł granice między światem rzeczywistym a fantazją, integrując elementy AI z materiałami z udziałem żywych aktorów. Twórcy chwalili AI i powiedzieli, że efekty wizualne, które wcześniej zajmowały pół dnia, można teraz wykonać w ciągu kilku minut.20 Technologia edycji AI Runway ML, która została wykorzystana przy tworzeniu Everything Everywhere All at Once, może być używana do wielu efektów wizualnych - w tym usuwania obiektów ze sceny. Pamiętasz, jak internet oszalał z powodu kubka Starbucksa przypadkowo pozostawionego w kadrze w odcinku Gry o tron? Technologia edycji AI mogłaby z łatwością rozwiązać takie problemy w ciągu kilku minut. Runway ma również ofertę wideo-wideo, która może tworzyć nowe treści wizualne na podstawie istniejących treści - dzięki czemu filmowcy mogą tworzyć nowe sceny na podstawie istniejących materiałów filmowych. W innym przykładzie laboratorium AI Flawless, założone przez reżysera i producenta filmowego Scotta Manna, wykorzystuje GenAI do ulepszania dubbingu. Minęły czasy, gdy ruchy ust postaci nie przypominały w żaden sposób dubbingowanego dźwięku; technologia TrueSync Flawless wykorzystuje GenAI, aby usta aktora płynnie pasowały do języka napisów (proces ten nazywają "vubbing"). Firma twierdzi, że tę samą technologię można wykorzystać do usuwania przekleństw z filmów, aby uzyskać określoną ocenę. Została ona wykorzystana w filmie Fall z 2022 r., aby usunąć przekleństwa i uzyskać ocenę PG-13.

Generowanie muzyki za pomocą AI

W świecie muzyki dzieje się tak wiele ekscytujących rzeczy, że trudno było zawęzić tę sekcję. Przyjrzyjmy się jednak niektórym głównym sposobom, w jakie GenAI wpływa na muzykę.

Transformacja przemysłu muzycznego

GenAI może być katalizatorem kreatywności i innowacji, dlatego też jest chętnie wykorzystywany przez wielu muzyków amatorów i profesjonalistów. GenAI może być używany do tworzenia nowych kompozycji i pomagania artystom i producentom w eksperymentowaniu z nowymi dźwiękami. Co więcej, GenAI może być wykorzystywany do masteringu i miksowania utworów, automatyzując te procesy, a tym samym oszczędzając czas i zasoby artystom. Łącząc ludzką kreatywność ze sztuczną inteligencją, przemysł muzyczny może zapoczątkować nową erę współkreatywności i odkryć. GenAI ma również potencjał, aby zrewolucjonizować platformy muzyczne, umożliwiając tworzenie różnorodnych, spersonalizowanych i unikalnych treści muzycznych. Analizując ogromne zbiory danych muzycznych, algorytmy GenAI mogą uczyć się wzorców, stylów i struktur inherentnych dla różnych gatunków, a następnie wykorzystywać tę wiedzę do tworzenia zupełnie nowych kompozycji. Platformy muzyczne mogą integrować te technologie, aby oferować użytkownikom dostosowane do ich potrzeb doświadczenia, generując listy odtwarzania i utwory zgodne z indywidualnymi preferencjami.

Generatory muzyki

Wypuszczono falę narzędzi do generowania muzyki opartych na sztucznej inteligencji, które mogą tworzyć lub pomagać w tworzeniu muzyki. Mogą generować wszelkiego rodzaju muzykę, w różnych gatunkach, wymyślając melodie, rytmy, harmonie, a nawet całe piosenki. Takie narzędzia mogą zdemokratyzować tworzenie muzyki. Nie potrzebujesz już drogiego sprzętu ani formalnego szkolenia, aby móc tworzyć muzykę. (A dzięki generatorom głosu nie musisz nawet umieć śpiewać. Ale więcej na ten temat wkrótce.) Ale te narzędzia nie są przeznaczone tylko dla początkujących muzyków; uznani artyści i producenci mogą używać takich narzędzi do generowania pomysłów, odkrywania nowych kierunków muzycznych i usprawniania produkcji. Więc o jakich narzędziach do generowania muzyki mówimy? Weźmy na przykład "Loudly". Platforma pozwala każdemu generować własną muzykę wolną od tantiem, używając prostych podpowiedzi języka naturalnego. Na przykład poproś ją o stworzenie ścieżki dźwiękowej do filmu promującego Twój produkt, a otrzymasz to. Możesz wybrać styl muzyki, tempo, nastrój, a nawet poszczególne instrumenty. Wszystkie dźwięki są oparte na nagraniach generowanych przez człowieka, a nie syntezowanych, a co ważne, Loudly posiada prawa autorskie do całej muzyki używanej do trenowania swojego systemu. (Wróć do kwestii praw autorskich, rozdział 4.) Każdy z istniejących utworów można dostosować do indywidualnych projektów lub nowe utwory można tworzyć od podstaw. Inne przykłady generatorów muzyki AI to Soundful, Mubert, MuseNet, Dadabots, Beatbot i Aiva. Narzędzia muzyczne GenAI mogą być nawet używane do finalizowania utworów zmarłych artystów. W czerwcu 2023 r. Sir Paul McCartney ujawnił, że AI została użyta do stworzenia "ostatniej płyty Beatlesów"23, wykorzystując przywrócone wokale z jednego ze starych nagrań demo Johna Lennona - części kilku utworów na kasetach oznaczonych "For Paul", nagranych na krótko przed śmiercią Lennona.

Generatory głosu AI

Oprócz beatów, rytmów i całych piosenek, AI może również syntetyzować głosy brzmiące jak ludzkie. Obecne narzędzia do generowania głosu obejmują Lovo.ai, Genny, Synthesys i głosy AI firmy Microsoft dostępne w ramach Azure OpenAI. Chociaż są one głównie przeznaczone do produkcji profesjonalnych głosów lektorskich, tworzenie głosów śpiewających jest kolejnym logicznym krokiem. W rzeczywistości generowani przez AI piosenkarze już się pojawiają. Nastoletnia influencerka Noonoouri została pierwszą wirtualną gwiazdą AI, która podpisała kontrakt płytowy z Warner Music we wrześniu 2023 r.24 Noonoouri jest dziełem artysty Joerga Zubera. Jej głos został stworzony poprzez nagranie prawdziwego ludzkiego śpiewaka, a następnie użycie AI do stworzenia nowego głosu, który jest unikalny dla wirtualnego wykonawcy. Jeśli zastanawiasz się, dlaczego wytwórnia płytowa taka jak Warner może być zainteresowana podpisywaniem kontraktów z artystami, którzy tak naprawdę nie istnieją, rozważ to: Noonoouri nigdy nie zmęczy się trasami koncertowymi i promocją, można ją zmienić w ciągu kilku sekund, aby nadążała za zmieniającymi się trendami wśród nastolatków, nie wywoła skandalu i nigdy nie będzie stawiać żądań diwy. Dla porządku dodam, że jej debiutancki utwór mi się podoba! Ale nawet prawdziwe gwiazdy eksperymentują z generowaniem głosu za pomocą sztucznej inteligencji. W 2023 roku artystka znana jako "Grimes" uruchomiła oprogramowanie o nazwie "Elf Tech", które umożliwia fanom tworzenie piosenek przy użyciu wygenerowanej przez sztuczną inteligencję wersji jej głosu.25 Tak więc zasadniczo każdy może użyć głosu Grimes do tworzenia nowej muzyki - pod warunkiem, że przekaże jej 50% tantiem. Podsumowując, dzięki narzędziom do generowania muzyki i głosu, sztuczna inteligencja pozwala każdemu tworzyć nową muzykę - niezależnie od tego, czy jesteś kompletnym nowicjuszem, czy profesjonalnym artystą. Osobiście uważam, że to cudowne.

Interaktywna, oparta na sztucznej inteligencji konsumpcja muzyki

AI już informuje, jak słuchamy muzyki. Na przykład rekomendacje Spotify są napędzane przez algorytmy AI. Jednak ta era GenAI przyniesie nowe możliwości personalizacji i interaktywności. Mając to na uwadze, Spotify niedawno wprowadził nową funkcję AI o nazwie "DJ" - spersonalizowany przewodnik AI, który tak dobrze rozumie Twój gust muzyczny, że może wybrać artystów i utwory do odtworzenia. Jest to więc starannie wyselekcjonowany skład utworów, ale z dodatkowymi funkcjami AI, w tym komentarzami generowanymi przez AI i faktami "w oszałamiająco realistycznym głosie".26 Odświeża również skład na podstawie naszych opinii - więc jeśli powiesz mu, że nie podoba Ci się konkretny utwór, nauczy się i odpowiednio zmieni skład. Podobno Spotify opracowuje również generowane przez AI listy odtwarzania, które użytkownicy mogą tworzyć za pomocą podpowiedzi tekstowych.27 Co ciekawe, Spotify, choć w niektórych aspektach przyjmuje GenAI, usunął również tysiące utworów generowanych przez AI ze swojej platformy. Utwory zostały usunięte nie z powodu obaw dotyczących praw autorskich, ale z powodu podejrzenia użycia botów do zawyżania statystyk streamingu muzyki AI

AI w sztuce

Podobnie jak w przypadku muzyki, GenAI może działać jako katalizator współtworzenia i innowacji w sztuce. Ale czy sztuka AI kwestionuje to, co znaczy być człowiekiem i wyrażać siebie? Co o tym sądzą artyści? Przyjrzyjmy się roli AI w sztuce.

Artystyczna obietnica GenAI

W miarę jak zagłębiamy się w erę cyfrową, płótno kreatywności staje się coraz bardziej cyfrowe. Artyści nie są już ograniczeni do tradycyjnych narzędzi swojego rzemiosła i jako tacy eksplorują nowe technologie - używając GenAI do tworzenia skomplikowanych i nowatorskich dzieł, które rozciągają granice ludzkiej wyobraźni. Ucząc się z ogromnych zbiorów danych obejmujących różne style i elementy artystyczne, modele GenAI mogą generować sztukę, która łączy, modyfikuje i ekstrapoluje istniejące koncepcje artystyczne, co skutkuje estetycznie unikalnymi kreacjami, które mogłyby nie być możliwe dzięki samemu ludzkiemu wysiłkowi. Najlepiej jest myśleć o GenAI jako o narzędziu współpracy, współpracującym z artystami-ludźmi w celu udoskonalenia i ulepszenia ich pracy, otwierając w ten sposób nowe ścieżki do artystycznej eksploracji. W istocie integracja GenAI ze sztuką nie jest tylko ewolucją narzędzi artystycznych; poszerzy ona horyzonty twórcze i zdefiniuje na nowo to, co jest możliwe w sztuce. A dzięki infrastrukturze Web3 artyści mogą wydawać swoje prace generowane przez AI jako NFT (niezamienne tokeny), otwierając w ten sposób nowe ścieżki dla artystów, aby zarabiać na swojej kreatywności. (Więcej o Web3 i metawersum możesz przeczytać w mojej książce The Future Internet: How the Metaverse, Web3.0 and Blockchain Will Transform Business and Society.)

Artyści są za

Jeśli sztuka jest wyrazem ludzkiego doświadczenia, to czy jest mniej ludzka - mniej wartościowa - gdy jest tworzona za pomocą AI? Wielu sceptyków szybko poniżyło sztukę generowaną przez AI jako w jakiś sposób "gorszą" od sztuki tworzonej wyłącznie przez ludzi. Ale już to przerabialiśmy. Kiedy wynaleziono fotografię, niektórzy malarze nazwali ją końcem sztuki. (Ponoć francuski malarz Paul Delaroche, widząc fotografię po raz pierwszy, oświadczył: "Od dziś malarstwo umarło"). Przesuwamy się o kilka stuleci do przodu, a fotografia od dawna jest uznawana za sztukę piękną, a malarstwo wciąż żyje i ma się dobrze. Dlaczego więc sztuka generowana przez AI nie miałaby być uznawana za ważną formę sztuki pięknej? W rzeczywistości wielu artystów otwarcie przyjęło GenAI, w tym artyści tacy jak Stephanie Dinkins, Mimi Onuoha i Wayne McGregor. We wrześniu 2023 r. grupa artystów podpisała otwarty list do Kongresu Stanów Zjednoczonych, popierając GenAI. W liście argumentuje się, że algorytmiczne i automatyzacyjne narzędzia są używane w muzyce i sztuce od dziesięcioleci, a GenAI jest po prostu kolejnym etapem tej podróży. Co więcej, GenAI "obniża bariery w tworzeniu sztuki - kariery, która tradycyjnie była ograniczona do osób o znacznych środkach finansowych, sprawnych ciałach i odpowiednich powiązaniach społecznych".29 W liście proszono również o włączenie artystów AI do rozmów na temat tego, w jaki sposób należy regulować systemy AI. Tak więc GenAI, dalekie od reprezentowania śmierci samej sztuki, prawdopodobnie poszerzy pole artystyczne i umożliwi nowe formy ekspresji.

Przykłady dzieł sztuki AI i generatorów obrazów

Jednym z najsłynniejszych przykładów dzieła sztuki generowanego przez AI jest Portret Edmonda de Belamy'ego, który został sprzedany w domu aukcyjnym Christie's za 432 000 USD w 2018 r.30 Obraz został stworzony przez francuski kolektyw o nazwie "Obvious", który wprowadził 15 000 portretów sprzed XX wieku do algorytmu, aby nauczyć go estetyki portretu. Niedawno Christie's połączył siły z Gucci, aby zlecić artystom cyfrowym stworzenie 21 dzieł sztuki, które zostaną wystawione na aukcji jako NFT.31 Dzieła sztuki badają, w jaki sposób GenAI wpłynie na przyszłość mody i sztuki. Od czasu sprzedaży Portretu Edmonda de Belamy'ego w 2018 r. wydano nowe systemy GenAI, które pozwalają każdemu tworzyć własne dzieła sztuki. Istnieją narzędzia do generowania obrazów, które będą tworzyć obrazy na podstawie podpowiedzi tekstowych w języku naturalnym, podpowiedzi obrazowych (np. istniejącego zdjęcia) lub przy użyciu kombinacji podpowiedzi obrazowych i tekstowych. Przykłady narzędzi do generowania obrazów AI obejmują Midjourney, Stable Diffusion, Dall-E 2, Deep Dream Generator, Artbreeder, DeepArt.io, GoArt i Deep Angel (który usuwa obiekty ze zdjęć). Jest też Ideogram, który może tworzyć obrazy z tekstem. Innym przykładem, który bardzo mi się podoba, jest funkcja pocztówki z wierszem i sztuką w aplikacji Google Arts & Culture. Funkcja ta umożliwia generowanie pocztówek z wierszem na podstawie dzieł sztuki, takich jak Krzyk i Gwiaździsta noc. Wybierasz więc dzieło sztuki, wybierasz rodzaj wiersza (w tym sonet, limeryk i haiku) i podajesz temat, który ma zainspirować wiersz (np. "wiosna" lub "wodospad"). Następnie AI łączy wszystkie Twoje wybory i tworzy nowy wiersz, którym możesz się podzielić ze znajomymi. Podobnie jak w przypadku muzyki, GenAI można również wykorzystać do ukończenia niedokończonych prac. Tak było w przypadku chińskiego giganta AI i Internetu Baidu, który użył GenAI do ukończenia arcydzieła tradycyjnej chińskiej sztuki tuszem, niedokończonego po śmierci jego znanego twórcy, Lu Xiaomana, ponad 50 lat temu.32 W projekcie wykorzystano model generowania obrazu Baidu o nazwie "Wenxin Yige", który został specjalnie zaprojektowany do generowania tradycyjnych chińskich obrazów tuszem.

Najważniejsze wnioski

•  W mediach i dziennikarstwie GenAI jest wykorzystywane do pisania artykułów i zwiększania wydajności kurczących się redakcji. Może być jednak również wykorzystywane jako narzędzie zwiększające produktywność, pomagające dziennikarzom przyswajać informacje, tworzyć podsumowania, tworzyć treści wideo i nie tylko.
•  Świat transmisji sportowych również zaczyna przyjmować GenAI - w szczególności do generowania komentarzy w czasie rzeczywistym w wielu językach i tworzenia interaktywnych, spersonalizowanych funkcji dla widzów.
•  Ludzkie opowiadanie historii, poprzez wiersze, opowiadania, powieści, podcasty i inne, może być również ulepszone dzięki GenAI - od tworzenia nowych prac pisemnych i generowania pomysłów i inspiracji, po automatyczne tłumaczenie treści i tworzenie narracji AI do audiobooków.
•  W filmie GenAI ma szczególne znaczenie dla procesów postprodukcyjnych, takich jak generowanie realistycznych efektów wizualnych i usprawnianie edycji.
*•  GenAI obiecuje również zrewolucjonizować tworzenie muzyki, dzięki nowym platformom do generowania muzyki i głosu, które pozwalają każdemu tworzyć muzykę. Jako narzędzie do współtworzenia GenAI pozwala muzykom i producentom wypróbowywać nowe dźwięki i usprawniać produkcję muzyki.
•  Tymczasem artyści wykorzystują GenAI do poszerzania swoich kreatywnych horyzontów. GenAI można wykorzystać do generowania nowych obrazów, manipulowania istniejącymi obrazami, a nawet dokończenia niedokończonych dzieł sztuki.

Innym sposobem, w jaki GenAI jest wykorzystywane do zwiększania ludzkiej kreatywności, jest reklama i marketing. Przyjrzyjmy się, w jaki sposób GenAI tworzy innowacyjne reklamy i tworzy zabawne, spersonalizowane doświadczenia dla konsumentów.

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?"

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.

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.

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.

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.

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.