Эти три предыдущих абзаца, кстати, были написаны версией GPT-4 с подключением к Интернету. И они почти правы. Согласно новостям, было более шести фальшивых дел; ЛоДука не брал на себя дело, а просто прикрывал Шварца; и часть причины штрафа заключалась в том, что адвокаты удвоили количество фальшивых дел, намного превысив свою первоначальную ошибку. Эти мелкие галлюцинации трудно уловить, потому что они совершенно правдоподобны. Я смог заметить эти проблемы только после чрезвычайно внимательного прочтения и исследования каждого факта и предложения в выходных данных. Возможно, я все еще что-то упустил (извините, кто проверяет факты в этой главе). Но именно это и делает галлюцинации такими опасными: проблемы могут возникнуть не из-за больших проблем, которые вы улавливаете, а из-за маленьких, которые вы не замечаете.
Исследователи ИИ неоднозначно относятся к тому, когда эти проблемы будут решены и будут ли вообще. Есть некоторые основания надеяться. По мере совершенствования моделей количество галлюцинаций со временем снижается. Например, исследование количества галлюцинаций и ошибок в цитатах, выдаваемых ИИ, показало, что GPT-3.5 допускал ошибки в 98 % случаев, а GPT-4 галлюцинировал лишь в 20 % случаев. Кроме того, технические уловки, такие как , дающие ИИ клавишу "backspace", чтобы он мог исправлять и удалять свои собственные ошибки, похоже, повышают точность. Так что, хотя эта проблема, возможно, никогда не исчезнет, она, скорее всего, улучшится. Помните принцип 4: "Предположите, что это худший ИИ, который вы когда-либо будете использовать". Уже сегодня, имея определенный опыт, пользователи могут узнать, как избежать принуждения ИИ к галлюцинациям и когда необходима тщательная проверка фактов. А более активное обсуждение этого вопроса не позволит пользователям вроде Шварца полностью полагаться на ответы, сгенерированные LLM. Тем не менее мы должны быть реалистами в отношении главного недостатка, который означает, что ИИ не может быть легко использован для критически важных задач, требующих точности и аккуратности.
Галлюцинации позволяют ИИ находить новые связи вне точного контекста обучающих данных. Это также часть того, как он может выполнять задачи, которым его явно не обучали: , например, создать предложение о слоне, который ест тушеное мясо на Луне, где каждое слово должно начинаться с гласной. (ИИ придумал: "Слон ест луковый хвост на внешней орбите".) Это парадокс креативности ИИ. Та же особенность, которая делает LLM ненадежными и опасными для фактической работы, также делает их полезными. Настоящий вопрос заключается в том, как использовать ИИ, чтобы воспользоваться его сильными сторонами и в то же время избежать его слабых сторон. Для этого давайте рассмотрим, как ИИ "мыслит" творчески.
Автоматическое творчество
Учитывая историю автоматизации, многие могли бы предсказать, что первыми задачами, с которыми хорошо справится ИИ, будут скучные, повторяющиеся и аналитические. Именно такие задачи обычно первыми автоматизируются в любой волне новых технологий - от паровой машины до роботов. Однако, как мы видим, это не так. Большие языковые модели отлично справляются с написанием текстов, но лежащая в их основе технология Transformer также служит ключом к целому ряду новых приложений, включая ИИ, создающий произведения искусства, музыку и видео. В результате исследователи утверждают, что новая волна ИИ в наибольшей степени затронет именно те рабочие места, которые связаны с наиболее творческими, а не повторяющимися задачами.
Это, как правило, заставляет нас чувствовать себя неловко: В конце концов, как может ИИ, машина, создать что-то новое и творческое? Дело в том, что мы часто путаем новизну с оригинальностью. Новые идеи не приходят из эфира; они основаны на существующих концепциях. Специалисты по инновациям давно указывают на важность рекомбинации в генерировании идей. Прорывы часто случаются, когда люди соединяют далекие, казалось бы, несвязанные идеи. Канонический пример: братья Райт объединили свой опыт механика велосипеда и наблюдения за полетом птиц, чтобы разработать концепцию управляемого самолета, который можно было бы сбалансировать и направить, искривив крылья. Они не были изобретателями велосипеда, первыми, кто наблюдал за крыльями птиц, или даже первыми, кто попытался построить самолет. Вместо этого они первыми увидели связь между этими понятиями. Если вы сможете соединить разрозненные идеи из разных областей и добавить немного случайного творчества, то, возможно, вам удастся создать что-то новое.