Ce este AI generativă? Cum funcţionează?

Inteligența artificială generativă este o formă relativ nouă de inteligență artificială care, spre deosebire de predecesorii săi, poate crea conținut nou prin extrapolare din datele de instruire. Capacitatea sa extraordinară de a produce texte, imagini, înregistrări audio și video asemănătoare cu cele umane a captat imaginația lumii de când primul robot de chat generativ cu inteligență artificială pentru consumatori a fost lansat pentru public în toamna anului 2022. Un raport din iunie 2023 al companiei McKinsey a estimat că AI generativă are potențialul de a adăuga anual între 6,1 și 7,9 trilioane de dolari la economia globală prin creșterea productivității lucrătorilor. Pentru a oferi o imagine de ansamblu, același studiu estimează că potențialul economic anual al creșterii productivității generate de toate tehnologiile de inteligență artificială se situează între 17,1 și 25,6 trilioane de dolari. Așadar, în timp ce inteligența artificială generativă prezintă „scânteia“ aici la mijlocul anului 2023, aceasta este abia o parte din întreaga „friptură“ a inteligenței artificiale.

Fiecare acţiune are o reacţie egală şi opusă. Așadar, pe lângă perspectivele sale remarcabile de productivitate, inteligența artificială generativă aduce cu sine riscuri potențiale noi pentru afaceri (cum ar fi inexactitatea, încălcarea confidențialității și expunerea proprietății intelectuale) precum și capacitatea de a provoca perturbări economice și societale pe scară largă. De exemplu, este puțin probabil ca beneficiile productivității inteligenței artificiale generative să se concretizeze fără eforturi substanțiale de reconversie profesională a lucrătorilor și, chiar și așa, mulți dintre aceștia vor fi, fără îndoială, înlăturați de la locurile lor de muncă actuale. În consecință, responsabilii de politici guvernamentale din întreaga lume, și chiar unii directori din industria tehnologică, susțin adoptarea rapidă a reglementărilor privind AI.

Acest articol este o explorare în profunzime a promisiunilor și pericolelor inteligenței artificiale generative: cum funcționează, aplicațiile, cazurile de utilizare și exemplele cele mai apropiate, limitările sale, potențialele beneficii și riscuri de afaceri, cele mai bune practici de utilizare a acesteia și o privire spre viitorul său.

Ce este AI generativă?

Inteligența artificială generativă (GAI) este denumirea dată unui subset de tehnologii de inteligență artificială de tip machine learning care au dezvoltat recent capacitatea de a crea rapid conținut ca răspuns la solicitări de text, care pot varia de la scurte și simple la foarte lungi și complexe. Diferite instrumente de inteligență artificială generativă pot produce conținut audio, imagine și video nou, însă inteligența artificială conversațională orientată spre text este cea care a stârnit imaginația oamenilor. Practic, oamenii pot dialoga cu modelele generative de inteligență artificială antrenate în text și pot învăța de la acestea în același mod în care o fac cu alți oameni.

Inteligența artificială generativă a luat lumea cu asalt în lunile care au urmat după ce ChatGPT, un robot de chat bazat pe modelul de rețea neuronală GPT-3.5 al OpenAI, a fost lansat pe 30 noiembrie 2022. GPT este abrevierea termenului „generative pretrained transformer“, cuvinte care descriu în primul rând arhitectura rețelei neuronale care stă la baza modelului.

Există multe exemple anterioare de roboți de chat conversaționali, începând cu ELIZA de la Massachusetts Institute of Technology, la mijlocul anilor 1960. Dar cei mai mulți roboți de chat de până acum, inclusiv ELIZA, se bazau în întregime sau în mare parte pe reguli, astfel încât nu aveau o înțelegere contextuală. Răspunsurile lor erau limitate de un set de reguli și modele predefinite. În schimb, modelele generative de inteligență artificială care apar în prezent nu au astfel de reguli sau șabloane predefinite. Metaforic vorbind, acestea sunt creiere primitive, goale (rețele neuronale) care sunt expuse lumii prin intermediul antrenamentului pe date din lumea reală. Acestea dezvoltă în mod independent inteligența (un model reprezentativ al modului în care funcționează acea lume) pe care o folosesc pentru a genera conținut nou ca răspuns la solicitări. Nici măcar experții în inteligență artificială nu știu cu exactitate cum reușesc acest lucru, deoarece algoritmii sunt dezvoltați și adaptați pe măsură ce sistemul este antrenat.

Întreprinderile atât cele mari, cât și cele mici ar trebui să fie încântate de potențialul inteligenței artificiale generative de a aduce beneficiile automatizării tehnologice în munca în domeniul informațiilor, care până acum a rezistat în mare măsură automatizării. Instrumentele de inteligență artificială generativă schimbă modul de calcul al automatizării muncii în domeniul informațiilor. Capacitatea lor de a produce texte, imagini, conținut audio sau video asemănătoare cu cele umane, ca răspuns la solicitări de text în limba engleză, înseamnă că pot colabora cu parteneri umani pentru a genera conținut care să reprezinte munca practică.

„În următorii ani, multe companii îşi vor antrena propriile modele lingvistice mari specializate“, a declarat Larry Ellison, chairman şi chief technology officer la Oracle, în anunțul privind câștigurile companiei din iunie 2023.

AI generativă vs. AI

Inteligența artificială este un domeniu vast al informaticii, din care AI generativă este o mică parte, cel puțin în prezent. Bineînțeles, AI generativă are multe atribute în comun cu AI tradițională. Dar există şi unele distincţii evidente.

• Caracteristici comune: Ambele depind de cantități mari de date pentru antrenament și procesul de luare a deciziilor (deși datele de antrenament pentru AI generativă pot fi cu câteva ordine de mărime mai mari). Ambele învață tipare din date și folosesc aceste „cunoștințe“ pentru a face predicții și a-și adapta propriul comportament. Opțional, ambele pot fi îmbunătățite în timp prin ajustarea parametrilor lor pe baza feedback-ului sau a unor informații noi.
• Diferențe: Sistemele tradiționale de inteligență artificială sunt, de obicei, concepute pentru a îndeplini o anumită sarcină mai bine sau la un cost mai mic decât un om, cum ar fi detectarea fraudelor cu carduri de credit, determinarea direcțiilor în trafic sau, probabil în curând, conducerea mașinii. Inteligența artificială generativă este mai amplă. Aceasta creează conținut nou și original care seamănă cu datele cu care a fost antrenantă, dar nu se regăsește în acestea. De asemenea, sistemele tradiționale de inteligență artificială, cum ar fi sistemele machine learning, sunt antrenate în primul rând pe date specifice funcției pe care o au în vedere, în timp ce modelele generative de inteligență artificială sunt antrenate pe seturi de date mari și diverse (și apoi, uneori, perfecționate pe volume de date mult mai mici legate de o funcție specifică). În cele din urmă, inteligența artificială tradițională este antrenată aproape întotdeauna pe date etichetate/categorizate folosind tehnici de învățare supravegheată, în timp ce inteligența artificială generativă trebuie întotdeauna antrenată, cel puțin inițial, folosind învățarea nesupravegheată (în care datele nu sunt etichetate, iar software-ul de inteligență artificială nu primește nicio îndrumare explicită).

O altă diferență demnă de luat în seamă este faptul că formarea modelelor fundamentale pentru inteligența artificială generativă este „obscen de costisitoare“, pentru a cita un cercetător în domeniul inteligenței artificiale. Să presupunem 100 de milioane de dolari doar pentru hardware-ul necesar pentru a începe, precum și pentru costurile echivalente ale serviciilor de cloud, deoarece acolo se realizează cea mai mare parte a dezvoltării AI. Apoi, mai există și costul volumelor de date extrem de mari necesare.

Concluzii cheie

• Inteligența artificială generativă a devenit o senzație virală în noiembrie 2022 și se preconizează că va adăuga în curând trilioane de dolari pe an în economia globală.
• Inteligența artificială este o formă de machine learning bazată pe rețele neuronale, antrenată pe seturi vaste de date, care poate crea conținut nou sub formă de text, imagine, video sau audio ca răspuns la solicitările în limbaj natural ale utilizatorilor.
• Cercetătorii de piață preconizează că tehnologia va da un impuls economic prin accelerarea dramatică a creșterii productivității pentru specialiștii în prelucrarea informaţiilor, ale căror sarcini au rezistat până acum automatizării.
• Inteligența artificială generativă vine cu riscuri și limite pe care întreprinderile trebuie să le atenueze, cum ar fi „halucinarea“ de informații incorecte sau false și încălcarea involuntară a drepturilor de autor.
• De asemenea, se presupune că va provoca schimbări semnificative în ceea ce privește natura muncii, inclusiv posibile pierderi de locuri de muncă și restructurări de roluri.

Inteligenţa artificială generativă explicată

Pentru întreprinderile atât mari, cât și mici, promisiunea aparent magică a inteligenței artificiale generative este aceea că poate aduce beneficiile automatizării tehnologice în domeniul informațiilor. Sau, conform unui raport McKinsey, „activitățile care implică luarea deciziilor și colaborarea, care anterior aveau cel mai mic potențial de automatizare”.

Din punct de vedere istoric, tehnologia a fost cea mai eficientă în automatizarea sarcinilor de rutină sau repetitive pentru care deciziile erau deja cunoscute sau puteau fi determinate cu un nivel ridicat de încredere pe baza unor reguli specifice, bine înțelese. Gândiți-vă la producție, cu liniile sale de asamblare precise și repetitive, sau la contabilitate, cu principiile sale reglementate stabilite de asociațiile industriale. Însă inteligența artificială generativă are potențialul de a realiza activități cognitive mult mai sofisticate. Să sugerăm un exemplu totuși extrem, inteligența artificială generativă ar putea ajuta la formarea strategiei unei organizații, răspunzând la solicitări de idei și scenarii alternative din partea managerilor unei întreprinderi aflate în mijlocul unei perturbări a industriei.

În raportul său, McKinsey a evaluat 63 de cazuri de utilizare în 16 funcții de business, ajungând la concluzia că 75% din valoarea potențială de trilioane de dolari care ar putea fi realizată de inteligența artificială generativă va proveni dintr-un subset de cazuri de utilizare în doar patru dintre aceste funcții: operațiuni cu clienții, marketing și vânzări, inginerie software și cercetare și dezvoltare. Perspectivele de creștere a veniturilor în sectoarele de activitate au fost distribuite mai uniform, deși au existat și unele care s-au remarcat: Tehnologia de vârf a fost în fruntea listei în ceea ce privește posibila creștere ca procent din veniturile industriei, urmată de sectorul bancar, produse farmaceutice și medicale, educație, telecomunicație și sănătate.

În mod separat, o analiză Gartner a fost corelată cu predicțiile McKinsey: De exemplu, că peste 30% din noile medicamente și materiale vor fi descoperite cu ajutorul tehnicilor de inteligență artificială generativă până în 2025, față de zero în prezent, și că 30% din mesajele de marketing ale marilor organizații vor fi, de asemenea, generate sintetic în 2025, față de 2% în 2022. Iar într-un sondaj online, Gartner a găsit că experiența și retenția clienților a fost principalul răspuns (38%) al celor 2.500 de directori care au fost întrebați în ce domenii investesc organizațiile lor în inteligența artificială generativă.

Ceea ce permite ca toate acestea să se întâmple atât de repede este faptul că, spre deosebire de inteligența artificială tradițională, care a automatizat și a adăugat valoare proceselor comerciale timp de zeci de ani, inteligența artificială generativă a explodat în conștiința lumii datorită talentului de conversație de nivel uman oferit de ChatGPT. De asemenea, acest lucru a pus în lumină și a atras oamenii către tehnologia inteligenței artificiale generative care se concentrează pe alte modalități. Toată lumea pare să experimenteze cu scrierea de texte sau cu crearea de muzică, imagini și videoclipuri folosind unul sau mai multe dintre diferitele modele care se specializează în fiecare domeniu. Așadar, având în vedere că multe organizații experimentează deja cu inteligența artificială generativă, impactul acesteia asupra afacerilor și societății probabil că va fi colosal – și se va întâmpla extrem de repede.

Dezavantajul evident este că munca în domeniul informațiilor se va schimba. Rolurile individuale se vor schimba, uneori în mod semnificativ, astfel încât lucrătorii vor trebui să dobândească competențe noi. Unele locuri de muncă vor dispărea. Cu toate acestea, din punct de vedere istoric, marile schimbări tehnologice, cum ar fi inteligența artificială generativă, au adăugat întotdeauna mai multe locuri de muncă (și mai valoroase) decât cele pe care le-au eliminat. Dar acest lucru nu îi consolează prea mult pe cei ale căror locuri de muncă sunt eliminate.

Cum funcţionează AI generativă?

Există două răspunsuri la întrebarea legată de modul în care funcționează modelele de inteligență artificială generativă. Din punct de vedere empiric, știm cum funcționează în detaliu, deoarece oamenii au conceput diversele lor implementări de rețele neuronale pentru a face exact ceea ce fac, iterând aceste modele de-a lungul deceniilor pentru a le face din ce în ce mai bune. Dezvoltatorii de inteligență artificială știu exact cum sunt conectați neuronii. Ei au elaborat procesul de instruire al fiecărui model. Cu toate acestea, în practică, nimeni nu știe exact cum modelele de inteligență artificială generativă fac ceea ce fac – un adevăr jenant.

„Nu știm cum își îndeplinesc sarcina creativă propriu-zisă, deoarece ceea ce se întâmplă în interiorul straturilor rețelei neuronale este mult prea complex pentru a fi descifrat, cel puțin în prezent”, a declarat Dean Thompson, un fost director de tehnologie al mai multor startup-uri de inteligență artificială care au fost achiziționate de-a lungul anilor de companii, inclusiv LinkedIn și Yelp, unde a rămas ca senior software engineer care lucrează la modele lingvistice mari (LLM). Capacitatea inteligenței artificiale generative de a produce conținut nou și original pare a fi o proprietate emergentă a ceea ce este cunoscut, adică structura și pregătirea lor. Așadar, deși sunt multe de explicat în raport cu ceea ce știm, ceea ce face de fapt un model precum GPT-3.5 în interiorul său, ceea ce gândește, dacă vreți, nu a fost încă descoperit. Unii cercetători în domeniul inteligenței artificiale sunt încrezători că acest lucru va deveni cunoscut în următorii 5 - 10 ani; alții nu sunt siguri că va fi vreodată pe deplin înțeles.

Iată o privire de ansamblu asupra a ceea ce știm despre cum funcționează inteligența artificială generativă:

• Începeți cu creierul. Un punct de plecare bun pentru a înțelege modelele generative de inteligență artificială este creierul uman, spune Jeff Hawkins în cartea sa din 2004, „On Intelligence”. Hawkins, informatician, cercetător în domeniul creierului și antreprenor, și-a prezentat lucrările în cadrul unei sesiuni din 2005 la PC Forum, o conferință anuală a celor mai importanți directori din domeniul tehnologiei, condusă de investitorul în tehnologie Esther Dyson. Hawkins a afirmat că, la nivelul neuronilor, creierul funcționează prin prezicerea continuă a ceea ce se va întâmpla în continuare și apoi învață din diferențele dintre predicțiile sale și realitatea ulterioară. Pentru a-și îmbunătăți capacitatea de predicție, creierul își construiește o reprezentare internă a lumii. În teoria sa, inteligența umană rezultă din acest proces. Indiferent dacă a fost sau nu influențată de Hawkins, inteligența artificială generativă funcționează exact în acest fel. Și, în mod surprinzător, se comportă ca și cum ar fi inteligentă.

• Construiți o rețea neuronală artificială. Toate modelele de inteligență artificială generativă încep cu o rețea neuronală artificială codificată în software. Thompson spune că o bună metaforă vizuală pentru o rețea neuronală este să ne imaginăm foaia de calcul binecunoscută, dar în trei dimensiuni, deoarece neuronii artificiali sunt suprapuși în straturi, similar cu modul în care sunt suprapuși neuronii reali în creier. Cercetătorii de inteligență artificială chiar numesc fiecare neuron „celulă”, notează Thompson, iar fiecare celulă conține o formulă care o leagă de alte celule din rețea, imitând modul în care conexiunile dintre neuronii creierului au diferite intensități.

  Fiecare strat poate avea zeci, sute sau mii de neuroni artificiali, dar nu numărul de neuroni este ceea ce îi interesează pe cercetătorii în domeniul inteligenței artificiale. În schimb, ei măsoară modelele în funcție de numărul de conexiuni dintre neuroni. Puterea acestor conexiuni variază în funcție de coeficienții ecuațiilor celulare, care sunt numiți, în general, „weights” sau „parameters”. Acești coeficienți care definesc conexiunile sunt cei la care se face referire atunci când citiți, de exemplu, că modelul GPT-3 are 175 de miliarde de parametri. Se zvonește că cea mai recentă versiune, GPT-4, ar avea trilioane de parametri, deși acest lucru nu este confirmat. Există o mână de arhitecturi de rețele neuronale cu caracteristici diferite care se pretează la producerea de conținut într-o anumită modalitate. De exemplu, arhitectura de transformare pare a fi cea mai bună pentru modele lingvistice mari.

• Predați modelul nou-născut al rețelei neuronale. Modele lingvistice de mari dimensiuni au de procesat volume uriașe de text și sunt însărcinate să facă predicții simple, cum ar fi următorul cuvânt dintr-o secvență sau ordinea corectă a unui set de propoziții. În practică, însă, modelele rețelelor neuronale funcționează în unități numite token-uri, nu cuvinte.

  „Un cuvânt obișnuit poate avea propriul său token, cuvintele neobișnuite vor fi cu siguranță compuse din mai multe token-uri, iar unele token-uri pot fi doar un singur spațiu urmat de „th”, deoarece această secvență de trei caractere este foarte comună”, spune Thompson. Pentru a face fiecare predicție, modelul introduce un token în stratul inferior al unui anumit pachet de neuroni artificiali. Acest strat îl procesează și transmite rezultatul său la stratul următor, care îl procesează și transmite rezultatul său, și așa mai departe până când rezultatul final iese din vârful pachetului. Dimensiunile pachetelor pot varia semnificativ, dar în general sunt de ordinul zecilor de straturi, nu al miilor sau milioanelor.

  În primele etape de instruire, predicțiile modelului nu sunt foarte bune. Dar de fiecare dată când modelul prezice un token, acesta verifică dacă este corect în raport cu datele prin care a fost antrenat. Fie că este corect sau greșit, un algoritm de „backpropagation” ajustează parametrii – adică coeficienții formulelor – în fiecare celulă a pachetului care a făcut acea predicție. Scopul ajustărilor este de a spori probabilitatea unei predicții corecte.

  „Acest lucru se întâmplă și în cazul răspunsurilor corecte, pentru că acea predicție corectă ar fi putut avea, să zicem, o certitudine de doar 30%, dar acele 30% au fost cele mai multe dintre toate celelalte răspunsuri posibile”, spune Thompson. „Deci, backpropagation încearcă să transforme acele 30% în 30,001%, sau ceva de genul acesta.”

  După ce modelul repetă acest proces pentru trilioane de token-uri de text, acesta devine foarte bun la prezicerea următorului token sau cuvânt. După instruirea inițială, modelele de inteligență artificială generativă pot fi ajustate cu precizie prin intermediul unei tehnici de învățare supravegheată, cum ar fi învățarea prin întărire din feedback uman (RLHF). În cadrul RLHF, rezultatele modelului sunt prezentate unor evaluatori umani care fac o evaluare binară pozitivă sau negativă care este transmisă înapoi la model. RLHF a fost folosit pentru a perfecționa modelul GPT 3.5 al OpenAI pentru a ajuta la crearea robotului de chat ChatGPT, care a devenit viral.

• Dar cum a răspuns modelul la întrebarea mea? Este un mister. Iată cum explică Thompson stadiul actual al înțelegerii: „În mijlocul explicației mele e un mare 'pur și simplu nu știm'. Ceea ce știm este că ia întreaga întrebare ca o secvență de token-uri și, la primul nivel, le procesează pe toate simultan. De asemenea, știm că apoi procesează rezultatele din primul strat în stratul următor și așa mai departe. Apoi știm că folosește stratul superior pentru a prezice, adică pentru a produce un prim token, iar acest prim token este reprezentat ca un fapt în întregul sistem pentru a produce următorul token, și așa mai departe.

  „Următoarea întrebare logică este: la ce s-a gândit, și cum, prin toată această procesare? Ce au făcut toate aceste straturi? Iar răspunsul crud este că nu știm. Noi ... nu ... știm. O puteți studia. O puteți observa. Dar este complexă, dincolo de capacitatea noastră de a o analiza. Este la fel ca F-MRI [imagistica prin rezonanță magnetică funcțională] pe creierul oamenilor. Este cea mai rudimentară schiță a ceea ce a făcut de fapt modelul. Nu știm.”

  Deși este controversat, un grup de mai mult de o duzină de cercetători care au avut acces anticipat la GPT-4 în toamna anului 2022 a concluzionat că inteligența cu care modelul răspunde la provocările complexe pe care i le-au adresat și gama largă de expertiză pe care o prezintă indică faptul că GPT-4 a atins o formă de inteligență generală. Cu alte cuvinte, a construit un model intern al modului în care funcționează lumea, la fel ca un creier uman, și folosește acest model pentru a răspunde la întrebările care îi sunt adresate. Unul dintre cercetători a declarat pentru podcastul „This American Life” că a avut un moment fulgerător când i-a cerut lui GPT-4: „Dă-mi o rețetă de fursecuri cu ciocolată, dar scrisă în stilul unei persoane foarte depresive”, iar modelul a răspuns: „Ingrediente: O ceașcă de unt înmuiat, dacă reușești să găsești energia necesară pentru a-l înmuia. O linguriță de extract de vanilie, aroma artificială falsă a fericirii. O ceașcă de bucățele de ciocolată semi-dulce, bucurii mici și mărunte care în cele din urmă se vor topi pur și simplu.”

De ce este importantă AI generativă?

O modalitate utilă de a înțelege importanța inteligenței artificiale generative este să ne gândim la ea ca la un calculator pentru conținut creativ și deschis. La fel cum un calculator automatizează calculele matematice de rutină și banale, permițând unei persoane să se concentreze asupra sarcinilor de nivel superior, inteligența artificială generativă are potențialul de a automatiza sarcinile secundare de rutină și banale care alcătuiesc o mare parte din munca în domeniul informațiilor, permițând oamenilor să se concentreze asupra părților mai importante ale muncii.

Gândiți-vă la provocările cu care se confruntă specialiștii în marketing pentru a obține informații utile din datele nestructurate, incoerente și deconectate cu care se confruntă adesea. În mod tradițional, aceștia ar trebui, ca prim pas, să consolideze aceste date, ceea ce necesită o bună parte de inginerie software personalizată pentru a da o structură comună unor surse de date disparate, cum ar fi social media, știri și feedback-ul clienților.

„Dar în cazul LLM-urilor, puteți pur și simplu să introduceți informații din diferite surse direct în solicitarea dvs. și apoi să cereți informații cheie, sau ce feedback să prioritizeze, sau să solicitați o analiză a sentimentului, și va funcționa pur și simplu”, a declarat Basim Baig, manager senior de inginerie specializat în inteligență artificială și securitate la Duolingo. „Puterea unui LLM aici este că îți permite să sari peste acest pas masiv și costisitor de inginerie.”

Mergând mai departe, Thompson sugerează că cei care comercializează produse ar putea folosi LLM-urile pentru a marca text în format liber pentru analiză. De exemplu, imaginați-vă că aveți o bază de date uriașă de menționări ale produsului dvs. în social media. Ați putea scrie un software care să aplice un LLM și alte tehnologii pentru:

• Extragerea temelor principale din fiecare postare pe rețelele de socializare.
• Gruparea temelor idiosincratice care apar din postările individuale în teme recurente.
• Identificarea postărilor care susțin fiecare temă recurentă.

Apoi ați putea aplica rezultatele pentru a:

• Studia cele mai frecvente teme recurente, accesând exemple.
• Urmări creșterea și scăderea temelor recurente.
• Cere unui LLM să aprofundeze o temă recurentă pentru mențiuni recurente ale caracteristicilor produsului.

Modele AI generative

Inteligența artificială generativă reprezintă o categorie largă de aplicații bazate pe o gamă din ce în ce mai bogată de variații ale rețelelor neuronale. Deși toată AI generativă se încadrează în descrierea generală din secțiunea „Cum funcționează AI generativă?“, tehnicile de implementare variază pentru a sprijini diferite medii, cum ar fi imaginile în comparație cu textul, și pentru a încorpora progresele din cercetare și din industrie pe măsură ce acestea apar.

Modelele de rețele neuronale utilizează modele repetitive de neuroni artificiali și interconexiunile acestora. O rețea neuronală – pentru orice aplicație, inclusiv AI generativă – repetă adesea același model de neuroni de sute sau mii de ori, reutilizând de obicei aceiași parametri. Aceasta este o parte esențială a ceea ce se numește „arhitectura unei rețele neuronale”. Descoperirea de arhitecturi noi a fost un domeniu important al inovației în domeniul inteligenței artificiale încă din anii 1980, adesea determinată de obiectivul de a sprijini un nou mediu. Dar, odată ce a fost inventată o nouă arhitectură, progresele ulterioare sunt adesea realizate prin utilizarea ei în moduri neașteptate. O inovație suplimentară provine din combinarea unor elemente din diferite arhitecturi.

Două dintre cele mai vechi și încă cele mai comune arhitecturi sunt:

• Rețelele neuronale recurente (RNN) au apărut la mijlocul anilor 1980 și încă sunt utilizate. RNN-urile au demonstrat modul în care inteligența artificială poate învăța – și poate fi utilizată pentru a automatiza sarcini care depind de date secvențiale, adică informații a căror secvență conține semnificație, cum ar fi limbajul, comportamentul bursei și fluxurile de click-uri pe internet. RNN-urile se află în centrul multor modele de inteligență artificială audio, cum ar fi aplicațiile de generare a muzicii. Gândiți-vă la natura secvențială a muzicii și la dependențele bazate pe timp. Sunt însă bune și la procesarea limbajului natural (NLP). RNN-urile sunt, de asemenea, utilizate în funcții tradiționale de inteligență artificială, cum ar fi recunoașterea vorbirii, analiza scrisului de mână, previziunile financiare și meteorologice, precum și pentru a prezice variațiile cererii de energie, printre multe alte aplicații.
• Rețelele neuronale convolute (CNN) au apărut aproximativ 10 ani mai târziu. Acestea se concentrează pe date de tip grilă și, prin urmare, sunt foarte bune la reprezentarea datelor spațiale și pot genera imagini. Aplicațiile populare de inteligență artificială generativă text-imagine, cum ar fi Midjourney și DALL-E, utilizează CNN-uri pentru a genera imaginea finală.

Deși RNN-urile încă sunt utilizate frecvent, eforturile succesive de îmbunătățire a RNN-urilor au dus la o descoperire:

• Modelele de transformare au evoluat devenind un mod mult mai flexibil și mai puternic de a reprezenta secvențe decât RNN-urile. Acestea au mai multe caracteristici care le permit să proceseze date secvențiale, cum ar fi textul, într-un mod masiv paralel, fără a pierde capacitatea de a înțelege secvențele. Această procesare paralelă a datelor secvențiale se numără printre caracteristicile cheie care fac ca ChatGPT să poată răspunde atât de rapid și de bine la solicitările conversaționale simple.

Cercetarea, industria privată și eforturile open-source au creat modele de impact care inovează la niveluri superioare ale arhitecturii și aplicațiilor rețelelor neuronale. De exemplu, au existat inovații esențiale în procesul de instruire, în modul în care feedback-ul de la instruire este încorporat pentru a îmbunătăți modelul și în modul în care mai multe modele pot fi combinate în aplicații de inteligență artificială generativă. Iată o prezentare a unora dintre cele mai importante inovații ale modelelor de inteligență artificială generativă:

• Autocodificatoarele variaționale (VAE) utilizează inovații în arhitectura rețelelor neuronale și în procesele de formare și sunt adesea încorporate în aplicațiile de generare de imagini. Acestea constau în rețele de codificare și decodificare, iar fiecare dintre acestea poate utiliza o arhitectură de bază diferită, cum ar fi RNN, CNN sau transformator. Codificatorul învață trăsăturile și caracteristicile importante ale unei imagini, comprimă aceste informații și le stochează sub formă de reprezentare în memorie. Apoi, decodorul utilizează informațiile comprimate pentru a încerca să recreeze originalul. În cele din urmă, sistemul VAE învață să genereze imagini noi care sunt similare cu datele de instruire.
• Rețelele adversariale generative (GANs) sunt utilizate într-o varietate de modalități, dar par să aibă o afinitate specială pentru aplicații video și alte aplicații legate de imagini. Ceea ce deosebește GAN-urile de alte modele este faptul că acestea constau în două rețele neuronale care concurează una cu cealaltă pe măsură ce se antrenează. În cazul imaginilor, de exemplu, „generatorul” creează o imagine, iar „discriminatorul” decide dacă imaginea este reală sau generată artificial. Generatorul încearcă în mod constant să păcălească discriminatorul, care încearcă mereu să prindă generatorul în flagrant. În cele mai multe cazuri, cele două rețele neuronale concurente se bazează pe arhitecturi CNN, dar pot fi, de asemenea, variante de RNN sau transformatoare.
• Modelele de difuziune încorporează mai multe rețele neuronale într-un cadru general, integrând uneori diferite arhitecturi, cum ar fi CNN, transformatoare și VAE. Modelele de difuziune învață prin comprimarea datelor, adăugarea de interferențe, denaturarea acestora și încercarea de a regenera originalul. Popularul instrument Stable Diffusion utilizează un codificator și un decodificator VAE pentru prima și, respectiv, ultima etapă, precum și două variații CNN în etapele de noising/denoising.

Care sunt utilizările inteligenței artificiale generative?

În timp ce lumea abia a început să descopere potențialele utilizări ale inteligenței artificiale generative, este ușor de înțeles cum pot beneficia întreprinderile prin aplicarea acesteia în cadrul operațiunilor lor. Gândiți-vă la modul în care inteligența artificială generativă ar putea schimba domeniile cheie ale interacțiunilor cu clienții, vânzărilor și marketingului, ingineriei software și cercetării și dezvoltării.

În domeniul asistenței pentru clienți, tehnologia anterioară de inteligență artificială a automatizat procesele și a introdus autoservirea clienților, dar a provocat și noi frustrări din partea acestora. Inteligența artificială generativă promite să aducă beneficii atât clienților, cât și reprezentanților de servicii, cu ajutorul roboților de chat care pot fi adaptați la diferite limbi și regiuni, creând o experiență mai personalizată și mai accesibilă pentru clienți. Atunci când este necesară intervenția umană pentru a rezolva problema unui client, reprezentanții serviciului de asistență pentru clienți pot colabora cu instrumentele de inteligență artificială generativă în timp real pentru a găsi strategii acționabile, îmbunătățind viteza și acuratețea interacțiunilor. Viteza cu care inteligența artificială generativă poate accesa baza de cunoștințe a unei întregi întreprinderi mari și poate sintetiza noi soluții la plângerile clienților oferă personalului de asistență o capacitate sporită de a rezolva în mod eficient problemele specifice ale clienților, în loc să se bazeze pe sisteme de telefonie învechite și pe transferuri de apeluri până când se găsește un răspuns – sau până când clientul își pierde răbdarea.

În marketing, inteligența artificială generativă poate automatiza integrarea și analiza datelor provenite din surse disparate, ceea ce ar trebui să accelereze dramatic timpul de obținere a informațiilor și să conducă direct la un proces decizional mai bine informat și la dezvoltarea mai rapidă a strategiilor de comercializare. Specialiștii în marketing pot utiliza aceste informații, alături de alte informații generate de inteligența artificială, pentru a crea campanii publicitare noi și mai bine direcționate. Acest lucru permite reducerea timpului pe care angajații trebuie să îl petreacă pentru a colecta date demografice și de comportament de cumpărare și le oferă mai mult timp pentru a analiza rezultatele și pentru a găsi idei noi.

Tom Stein, președinte și director de brand la agenția de marketing B2B Stein IAS, spune că toate agențiile de marketing, inclusiv a sa, explorează astfel de oportunități cu mare viteză. Stein remarcă însă că există și avantaje mai simple și mai rapide pentru procesele back-end ale unei agenții.

„Dacă primim un RFI [cerere de informații], de obicei, 70-80% din RFI vor cere aceleași informații ca orice alt RFI, poate cu unele diferențe contextuale specifice situației companiei respective”, spune Stein, care a fost, de asemenea, președintele juriului premiilor Cannes Lions Creative B2B din 2023. „Nu este atât de complicat să ne punem într-o poziție în care oricare dintre instrumentele de inteligență artificială să facă această muncă pentru noi... Deci, dacă ne recuperăm 80% din timpul nostru și putem petrece acest timp adăugând valoare la cererea de informații, făcând-o să meargă bine, este o victorie în toate sensurile. Există o mulțime de procese de acest gen.”

Dezvoltatorii de software care lucrează cu inteligența artificială generativă pot simplifica și accelera procesele în fiecare etapă, de la planificare la întreținere. În faza inițială de creare, instrumentele de inteligență artificială generativă pot analiza și organiza cantități mari de date și pot sugera mai multe configurații de programe. Odată ce începe codificarea, AI poate testa și depana codul, poate identifica erori, poate rula diagnostice și poate sugera remedieri – atât înainte, cât și după lansare. Thompson remarcă faptul că, din cauza numeroaselor proiecte de software de întreprindere care încorporează mai multe limbaje și discipline de programare, el și alți ingineri de software au folosit inteligența artificială pentru a se instrui în domenii necunoscute mult mai repede decât puteau face înainte. A folosit, de asemenea, instrumente de inteligență artificială generativă pentru a explica coduri necunoscute și pentru a identifica probleme specifice.

În domeniul cercetării și dezvoltării, inteligența artificială generativă poate crește viteza și profunzimea cercetării de piață în timpul fazelor inițiale de proiectare a produselor. Apoi, programele de inteligență artificială, în special cele cu capacități de generare de imagini, pot crea modele detaliate ale produselor potențiale înainte de a le simula și testa, oferindu-le lucrătorilor instrumentele de care au nevoie pentru a face ajustări rapide și eficiente pe tot parcursul ciclului de cercetare și dezvoltare.

Ellison, fondatorul companiei Oracle, a declarat în iunie că „LLM-urile specializate vor accelera descoperirea unor medicamente noi destinate să salveze vieți”. Descoperirea medicamentelor este o aplicație de cercetare și dezvoltare care exploatează tendința modelelor generative de a halucina informații incorecte sau neverificabile – însă într-un mod pozitiv: identificarea de noi molecule și secvențe de proteine în sprijinul căutării de tratamente medicale noi. În mod separat, Cerner Enviza, subsidiara Oracle a colaborat cu administrația americană pentru alimente și medicamente (FDA) și cu John Snow Labs pentru a aplica instrumente de inteligență artificială la provocarea de a „înțelege efectele medicamentelor asupra unor populații mari”. Strategia AI urmărită de Oracle constă în răspândirea inteligenței artificiale în toate aplicațiile și infrastructura de cloud computing.

Cazuri de utilizare a inteligenței artificiale generative

Inteligența artificială generativă are potențialul de a accelera sau de a automatiza în totalitate un număr mare de sarcini. Întreprinderile ar trebui să planifice modalități intenționate și specifice de a maximiza beneficiile pe care le poate aduce operațiunilor lor. Iată câteva cazuri de utilizare specifice:

• Acoperirea lipsurilor de cunoștințe: Cu interfețele de utilizator simple, bazate pe chat, instrumentele de inteligență artificială generativă pot răspunde la întrebările generale sau specifice ale lucrătorilor pentru a-i îndruma în direcția corectă atunci când se blochează cu ceva, de la cele mai simple întrebări la operațiuni complexe. Vânzătorii, de exemplu, pot cere informații despre un anumit client, iar programatorii pot învăța noi limbaje de programare.
• Verificarea erorilor: Instrumentele de inteligență artificială generativă pot căuta greșeli în orice text, de la e-mailuri informale la mostre profesionale de scriere. Acestea pot face chiar mai mult decât doar corectarea erorilor: Pot explica ce și cum pentru a ajuta utilizatorii să învețe și să-și îmbunătățească munca.
• Îmbunătățirea comunicării: Instrumentele de inteligență artificială generativă pot traduce texte în diferite limbi, pot ajusta tonul, pot crea mesaje unice pe baza unor seturi de date diferite și multe altele. Echipele de marketing pot utiliza instrumente de inteligență artificială generativă pentru a crea campanii publicitare mai relevante, în timp ce personalul intern poate utiliza acest instrument pentru a căuta în comunicările anterioare și a găsi rapid informații relevante și răspunsuri la întrebări fără a întrerupe alți angajați. Thompson este de părere că această capacitate de a sintetiza cunoștințele instituționale cu privire la orice întrebare sau idee pe care o poate avea un lucrător va modifica în mod fundamental modul în care oamenii comunică în cadrul organizațiilor mari, stimulând astfel descoperirea de cunoștințe.
• Reducerea sarcinii administrative: Întreprinderile cu sarcini administrative grele, cum ar fi codificarea/facturarea medicală, pot utiliza inteligența artificială generativă pentru a automatiza sarcini complexe, inclusiv arhivarea adecvată a documentelor și analiza notelor medicilor. Acest lucru permite personalului să se concentreze pe activități mai practice, cum ar fi îngrijirea pacienților sau serviciile de asistență pentru clienți.
• Scanarea imaginilor medicale pentru anomalii: Furnizorii de servicii medicale pot folosi inteligența artificială generativă pentru a scana fișele și imaginile medicale cu scopul de a semnala problemele notabile și de a oferi medicilor recomandări de medicamente, inclusiv potențialele efecte secundare contextualizate cu istoricul pacientului.
• Depanarea de cod: Inginerii de software pot utiliza modele generative de inteligență artificială pentru a depana și pentru a-și ajusta codul mai rapid și mai fiabil decât dacă ar trece prin el rând după rând. Ulterior, aceștia pot cere instrumentului explicații mai amănunțite pentru a informa viitoarele codări și pentru a-și îmbunătăți procesele.

Beneficiile inteligenței artificiale generative

Beneficiile pe care inteligența artificială generativă le poate aduce unei întreprinderi derivă în principal din trei atribute primordiale: sinteza cunoștințelor, colaborarea dintre oameni și inteligența artificială și viteza. Deși multe dintre beneficiile menționate mai jos sunt asemănătoare cu cele promise în trecut de modelele anterioare de inteligență artificială și de instrumentele de automatizare, prezența unuia sau a mai multora dintre aceste trei caracteristici poate ajuta întreprinderile să realizeze avantajele mai rapid, mai ușor și mai eficient.

Cu ajutorul inteligenței artificiale generative, organizațiile pot crea modele personalizate instruite pe baza propriilor cunoștințe instituționale și a proprietății intelectuale (PI), după care lucrătorii din domeniul informațiilor pot cere software-ului să colaboreze la o sarcină în același limbaj pe care l-ar folosi cu un coleg. Un astfel de model generativ specializat de inteligență artificială poate răspunde prin sintetizarea informațiilor din întreaga bază de cunoștințe a companiei cu o viteză uimitoare. Această abordare nu numai că reduce sau elimină nevoia de expertiză complexă (și adesea mai puțin eficientă și mai costisitoare) în domeniul ingineriei de software pentru a crea programe specifice pentru aceste sarcini, dar este, de asemenea, susceptibilă să scoată la iveală idei și conexiuni pe care abordările anterioare nu le-au putut găsi.

• Productivitate sporită: Specialiștii în prelucrarea informaţiilor pot utiliza inteligența artificială generativă pentru a-și reduce timpul petrecut cu activitățile zilnice de rutină, cum ar fi pregătirea într-o nouă disciplină de care au nevoie brusc pentru un proiect viitor, organizarea sau clasificarea datelor, căutarea pe internet a unor cercetări aplicabile sau redactarea de e-mailuri. Prin utilizarea inteligenței artificiale generative, un număr mai mic de angajați poate îndeplini sarcini care anterior necesitau echipe mari sau ore de muncă într-o fracțiune de timp. O echipă de programatori, de exemplu, ar putea petrece ore întregi examinând codul defectuos pentru a stabili ce nu a funcționat corect, dar un instrument de inteligență artificială generativă ar putea găsi erorile în câteva momente și să le raporteze împreună cu sugestii de depanare. Deoarece unele modele de inteligență artificială generativă dețin aptitudini care sunt aproximativ medii sau mai bune într-un spectru larg de competențe în domeniul informațiilor, colaborarea cu un sistem de inteligență artificială generativă poate crește dramatic productivitatea partenerului său uman. De exemplu, un Junior Product Manager ar putea fi, de asemenea, un Project Manager cel puțin acceptabil, dacă ar avea alături un coach AI. Toate aceste capacități ar accelera în mod dramatic abilitatea lucrătorilor din domeniul informațiilor de a finaliza un proiect.

• Costuri reduse: Datorită vitezei lor, instrumentele de inteligență artificială generativă reduc costurile de finalizare a proceselor, iar dacă o sarcină necesită jumătate din timpul acordat pentru a fi realizată, aceasta costă jumătate față de cât ar fi costat altfel. În plus, inteligența artificială generativă poate minimiza erorile, poate elimina perioadele de inactivitate și poate identifica redundanțele și alte ineficiențe costisitoare. Cu toate acestea, din cauza tendinței inteligenței artificiale generative de a halucina, supravegherea umană și controlul calității sunt încă necesare. Însă se așteaptă ca colaborarea dintre oameni și AI să realizeze mult mai multă muncă în mai puțin timp decât oamenii pe cont propriu – mai bine și cu mai multă precizie decât instrumentele de inteligență artificială pe cont propriu – reducând astfel costurile. La testarea unor produse noi, de exemplu, inteligența artificială generativă poate ajuta la crearea unor simulări mai avansate și mai detaliate decât instrumentele mai vechi. Acest lucru reduce în cele din urmă timpul și costurile de testare a produselor noi.

• Satisfacție îmbunătățită a clienților: Clienții pot avea parte de o experiență superioară și mai personalizată prin intermediul autoservirii pe bază de inteligență artificială generativă și al instrumentelor de inteligență artificială generativă care „șoptesc la ureche” reprezentanților serviciului de asistență pentru clienți, oferindu-le cunoștințe în timp real. În timp ce roboții de chat pentru servicii de asistență pentru clienți cu inteligență artificială care se întâlnesc în prezent pot părea uneori frustrant de limitați, este ușor să ne imaginăm o experiență a clienților de o calitate mult mai bună, alimentată de un model generativ de inteligență artificială special instruit de o companie, bazat pe nivelul conversațiilor ChatGPT de astăzi.

• Procese decizionale mai bine informate: Modelele de inteligență artificială generativă special instruite și specifice unei întreprinderi pot oferi informații detaliate prin modelarea scenariilor, evaluarea riscurilor și alte abordări sofisticate ale analizei predictive. Responsabilii decizionali pot utiliza aceste instrumente pentru a obține o înțelegere mai profundă a industriei lor și a poziției întreprinderii în cadrul acesteia, prin recomandări personalizate și strategii de acțiune, bazate pe date de mai mare profunzime și pe o analiză mai rapidă decât ar putea genera singuri analiștii umani sau o tehnologie mai veche.

  De exemplu, responsabilii decizionali pot planifica mai bine alocarea stocurilor înainte de un sezon aglomerat prin intermediul unor previziuni mai precise ale cererii, posibile datorită unei combinații de date interne colectate de sistemul de planificare a resurselor întreprinderii (ERP) și a unor studii de piață externe cuprinzătoare, care sunt apoi analizate de un model generativ specializat de inteligență artificială. În acest caz, deciziile de alocare mai bune reduc excesul de cumpărături și epuizarea stocurilor, maximizând în același timp vânzările potențiale.

• Lansări mai rapide de produse: Inteligența artificială generativă poate produce prototipuri de produse și primele schițe, poate ajuta la ajustarea lucrărilor în curs și poate testa/problematiza proiectele existente pentru a găsi îmbunătățiri mult mai rapid decât era posibil până acum.

• Controlul calității: Un model de inteligență artificială generativă specializată, specifică întreprinderii, poate scoate la iveală lipsuri și neconcordanțe în manualele de utilizare, videoclipurile și alte conținuturi pe care o întreprindere le prezintă publicului.

Limitările AI generative

Oricine a folosit vreodată instrumente de inteligență artificială generativă pentru educație și/sau cercetare a experimentat probabil cea mai cunoscută limitare a acestora: Inventează lucruri. Având în vedere că modelul prezice doar următorul cuvânt, acesta poate extrapola din datele sale de instruire pentru a afirma lucruri neadevărate cu la fel de multă autoritate ca și adevărurile pe care le raportează. Aceasta este ceea ce cercetătorii de inteligență artificială înțeleg prin halucinație și este un motiv cheie pentru care actuala serie de instrumente de inteligență artificială generativă necesită colaboratori umani. Întreprinderile trebuie să aibă grijă să se pregătească și să gestioneze aceste limitări, precum și altele, pe măsură ce implementează inteligența artificială generativă. În cazul în care o întreprindere stabilește așteptări nerealiste sau nu gestionează eficient tehnologia, consecințele pot afecta performanța și reputația companiei.

• Necesită supraveghere: Modelele generative de inteligență artificială pot introduce informații false sau înșelătoare, deseori cu atât de multe detalii și pe un ton atât de autoritar încât chiar și experții pot fi păcăliți. În mod similar, rezultatele lor pot conține un limbaj tendențios sau ofensator învățat din setul de date pe care a fost antrenat modelul. Oamenii rămân o parte esențială a fluxului de lucru pentru a preveni ca aceste rezultate eronate să se răspândească și să ajungă la clienți sau să influențeze politica companiei.
• Puterea de calcul și investițiile inițiale: Modelele de inteligență artificială generativă necesită cantități masive de putere de calcul atât pentru instruire, cât și pentru operare. Multe companii nu dispun de resursele și expertiza necesare pentru a construi și întreține aceste sisteme pe cont propriu. Acesta este unul dintre motivele pentru care o mare parte din dezvoltarea inteligenței artificiale generative se face utilizând infrastructura cloud.
• Potențialul de convergență, nu de divergență: Organizațiile care nu își construiesc propriile modele specializate, bazându-se în schimb pe instrumente publice de inteligență artificială generativă, pot fi condamnate la mediocritate. Adesea, vor descoperi că concluziile lor sunt identice cu cele ale altora, deoarece se bazează pe aceleași date de instruire. Dacă aceste firme nu-și insuflă activitatea cu inovație umană, s-ar putea să se adapteze efectiv la cele mai bune practici actuale, aibă probleme în a-și găsi un element de diferențiere competitivă.
• Rezistența din partea personalului și a clienților: Personalul, în special angajații cu vechime îndelungată, cu protocoale și metode înrădăcinate, poate avea dificultăți în a se adapta la AI generativă, ceea ce duce la o scădere a productivității în timp ce se adaptează. În mod similar, este posibil ca personalul să se împotrivească tehnologiei de teama de a-și pierde locul de muncă. Managerii și liderii de afaceri trebuie să atenueze aceste temeri și să fie deschiși și transparenți cu privire la modul în care tehnologia va schimba (sau nu va schimba) structura afacerii.

Riscuri și preocupări legate de AI generativă

Inteligența artificială generativă a stârnit reacții extreme de ambele părți ale spectrului de risc. Unele grupuri sunt preocupate de faptul că ar putea duce la dispariția omului de pe piață, în timp ce altele insistă că va salva lumea. Aceste extreme nu se încadrează în cadrul acestui articol. Cu toate acestea, iată câteva riscuri și preocupări importante pe care liderii de afaceri care implementează tehnologia AI trebuie să le înțeleagă, astfel încât să poată lua măsuri pentru a atenua orice potențiale consecințe negative.

• Încredere și fiabilitate: Modelele generative de inteligență artificială fac afirmații inexacte, uneori „halucinând” informații complet inventate. În mod similar, multe modele sunt antrenate cu date mai vechi, analizând de obicei doar informațiile publicate până la o anumită dată, astfel încât ceea ce se potrivește pieței de anul trecut ar putea să nu mai fie relevant sau util. De exemplu, întreprinderile care doresc să își îmbunătățească operațiunile lanțului de aprovizionare pot constata că sugestiile din modelele lor sunt depășite și nu mai sunt relevante în contextul unei economii globale în continuă schimbare. Utilizatorii trebuie să verifice toate afirmațiile înainte de a acționa asupra lor pentru a asigura acuratețea și relevanța lor.

• Confidențialitate/proprietate intelectuală: Modelele de inteligență artificială generativă continuă adesea să învețe din intrările de informații furnizate ca parte a solicitărilor. Întreprinderile, în special cele care colectează informații personale sensibile de la clienții lor, cum ar fi cabinetele medicale, trebuie să aibă grijă să nu expună proprietatea intelectuală protejată sau datele confidențiale. În cazul în care modelul accesează aceste informații, poate crește probabilitatea de expunere.

• Inginerie socială supraîncărcată: Actorii amenințători deja folosesc inteligența artificială generativă ca să personalizeze mai bine ingineria socială și alte atacuri cibernetice, făcându-le să pară mai autentice.

  „În prezent, este deja foarte greu să distingi dacă vorbești cu un robot sau cu un om online”, a declarat Baig, inginerul de inteligență artificială și securitate de la Duolingo. „A devenit mult mai ușor pentru infractorii care vor să facă bani să genereze o grămadă de conținut care poate păcăli oamenii.”

• Scăderea calității și originalității producției: Inteligența artificială generativă poate facilita și accelera crearea de produse și conținut, dar nu garantează un rezultat de calitate superioară. Bazarea pe modele de inteligență artificială fără o colaborare umană semnificativă poate avea ca rezultat produse care devin standardizate și lipsite de creativitate.

• Prejudecăți: Dacă un model de inteligență artificială generativă este antrenat pe date părtinitoare, variind de la lipsuri în perspective la conținut dăunător și cu prejudecăți, aceste prejudecăți se vor reflecta în rezultatul său. De exemplu, în cazul în care o întreprindere a angajat în mod tradițional un singur tip de angajat, modelul face referințe indirecte între noii candidați și angajatul „ideal” și poate elimina candidații calificați pentru că nu se încadrează în tipare, chiar dacă organizația a intenționat să renunțe la acest tip de angajat.

• Utilizarea AI din umbră: Utilizarea de către angajați a inteligenței artificiale generative fără aprobarea oficială a organizației sau fără știrea acesteia poate duce la difuzarea involuntară de către o întreprindere a unor informații incorecte sau la încălcarea drepturilor de autor ale unei alte organizații.

• Colapsul modelului: Cercetătorii în domeniul inteligenței artificiale au identificat un fenomen numit colapsul modelului care ar putea face ca modelele de inteligență artificială generativă să devină mai puțin utile în timp. În esență, pe măsură ce conținutul generat de inteligența artificială se înmulțește, modelele care sunt antrenate pe aceste date sintetice (care conțin inevitabil erori) vor „uita” în cele din urmă caracteristicile datelor generate de oameni pe care au fost antrenate inițial. Această problemă ar putea atinge un punct de ruptură pe măsură ce internetul devine tot mai populat de conținut de inteligență artificială, creând o buclă de feedback care degradează modelul.

• Reglementare AI: Deoarece inteligența artificială generativă este atât de nouă, nu există prea multe reglementări aplicabile. Cu toate acestea, guvernele din întreaga lume încearcă să cerceteze modul în care să o reglementeze. Unele țări, cum ar fi China, au propus deja măsuri de reglementare cu privire la modul în care modelele pot fi instruite și la ceea ce au voie să producă. Pe măsură ce tot mai multe țări impun reglementări, întreprinderile, în special cele internaționale, trebuie să monitorizeze legile noi și în continuă schimbare pentru a asigura conformitatea și pentru a evita amenzi sau dosare penale pentru utilizarea abuzivă a tehnologiei.

Etica inteligenței artificiale generative

În urmă cu mai bine de un deceniu, apariția analizei big data a ridicat noi întrebări și dezbateri etice, deoarece instrumentele apărute permiteau să se deducă informații private sau sensibile despre persoane pe care acestea nu le-au dezvăluit și nici nu ar fi dorit să le dezvăluie. Cum ar trebui să gestioneze companiile capacitatea lor de a deține astfel de informații?

Având în vedere potențialul său de a supraîncărca analiza datelor, inteligența artificială generativă ridică noi întrebări etice și le readuce la suprafață pe cele mai vechi.

• Ce impact va avea inteligența artificială generativă asupra lucrătorilor? Inteligența artificială generativă provoacă deja neliniște în rândul multor lucrători cu privire la perspectivele lor de angajare pe termen lung – pe bună dreptate. În timp ce istoria ne demonstrează că progresele tehnologice au condus întotdeauna la crearea mai multor locuri de muncă, cu o valoare mai mare decât cele pe care le elimină, rolurile pe care inteligența artificială le-ar putea elimina sunt cele care plătesc facturile pentru oamenii de astăzi.
• Cum putem elimina eventualele prejudecăți? Știm că toate modelele de inteligență artificială au potențialul de a produce rezultate părtinitoare. Întreprinderile trebuie să aleagă în mod proactiv cum să gestioneze această provocare atât din perspectiva riscului de întreprindere, cât și din cea etică.
• Cum ar putea actorii nepotriviți să folosească modelele de GAI pentru a face rău și a provoca ravagii asupra publicului? Printre nenumăratele utilizări potențiale ale inteligenței artificiale generative se regăsesc, din păcate, și acte criminale și dăunătoare, mai ales pe măsură ce modelele generative devin mai accesibile publicului. Videoclipurile deepfake care folosesc vocea și asemănarea cuiva, instrumentele de hacking pentru a spori atacurile cibernetice, dezinformarea pe scară largă și campaniile de inginerie socială sunt doar câteva dintre modalitățile potențiale prin care actorii rău intenționați pot folosi inteligența artificială generativă. În prezent, multe modele dispun de mecanisme de protecție, dar aceste garduri de protecție nu sunt considerate perfecte. Întreprinderile care își implementează propriile modele trebuie să înțeleagă ce pot face sistemele lor și să ia măsuri pentru a asigura o utilizare responsabilă a acestora.
• Cine deține drepturile de autor asupra lucrărilor generate de AI? Chiar dacă o întreprindere ajustează un model pe propriile date, modelele generative de inteligență artificială sunt antrenate pe cantități mari de date externe. Prin urmare, rezultatele unui model pot include elemente din activitatea altor organizații, ceea ce poate duce la potențiale probleme etice și juridice, cum ar fi plagiatul și încălcarea drepturilor de autor. Acest lucru este valabil mai ales în cazul modelelor de inteligență artificială care generează imagini. Artiștii din toate domeniile de creație explorează modalități de a evita ca lucrările lor să fie introduse în aceste programe. Organismele de reglementare pot crea reguli noi de-a lungul timpului, astfel încât oricine folosește inteligența artificială generativă ar trebui să ia în considerare de unde provine conținutul și cum va fi utilizat înainte de a-l publica ca fiind al său.

Exemple de AI generativă

Întreprinderi de toate dimensiunile și din toate sectoarele, de la armata Statelor Unite pâna la Coca-Cola, experimentează în mod uimitor cu inteligența artificială generativă. Iată un mic set de exemple care demonstrează potențialul amplu al tehnologiei și adoptarea rapidă a acesteia.

Snap Inc., compania din spatele aplicației Snapchat, a lansat un robot de chat numit „My AI”, care funcționează cu o versiune a tehnologiei GPT de la OpenAI. Fiind personalizat pentru a se potrivi cu tonul și stilul Snapchat, My AI este programat să fie amabil și plăcut. Utilizatorii îi pot personaliza înfățișarea cu avatare, imagini de fundal și nume și îl pot folosi pentru a discuta individual sau între mai mulți utilizatori, simulând modul tipic în care utilizatorii Snapchat comunică cu prietenii lor. De asemenea, utilizatorii pot solicita sfaturi personale sau pot purta o conversație ocazională pe subiecte precum mâncare, hobby-uri sau muzică – robotul poate spune chiar și bancuri. Snapchat vrea ca My AI să ajute utilizatorii să exploreze caracteristicile aplicației, cum ar fi obiectivele de realitate augmentată, și să obțină informații pentru care nu ar apela în mod normal la Snapchat, cum ar fi recomandarea unor locuri de vizitat pe o hartă locală.

Bloomberg a anunțat BloombergGPT, un robot de chat antrenat aproximativ jumătate pe date generale despre lume și cealaltă jumătate pe date exclusive Bloomberg sau pe date financiare filtrate. Acesta poate îndeplini sarcini simple, cum ar fi scrierea unor titluri bune pentru articole, și trucuri specifice, cum ar fi transformarea mesajelor din limba engleză simplă în limbajul de interogare Bloomberg Query Language, necesar pentru terminalele de date ale companiei, care sunt indispensabile în multe firme din industria financiară.

Oracle a încheiat un parteneriat cu dezvoltatorul de inteligență artificială Cohere pentru a ajuta companiile să construiască modele interne rafinate cu date corporative private, într-o mișcare care are ca scop răspândirea utilizării de instrumente de inteligență artificială generativă specializate, specifice fiecărei companii.

„Cohere şi Oracle colaborează pentru a facilita enorm de mult clienților din mediul de afaceri formarea propriilor modele LLM specializate, protejând în același timp confidențialitatea datelor de instruire”, a declarat Ellison de la Oracle analiștilor financiari în timpul teleconferinței privind câștigurile din iunie 2023. Oracle intenționează să integreze servicii de inteligență artificială generativă în platformele de afaceri pentru a spori productivitatea și eficiența proceselor de afaceri existente, evitând necesitatea ca multe companii să construiască și să antreneze propriile modele de la zero. Cu acest scop, compania a anunțat recent și încorporarea de capacități de inteligență artificială generativă în software-ul său de resurse umane, Oracle Fusion Cloud Human Capital Management (HCM).

În plus:

• Coca-Cola folosește generatoare de text și de imagini pentru a personaliza textele publicitare și pentru a crea experiențe enorm de personalizate pentru clienți.
• American Express, care se află de mult timp în prima linie a utilizării inteligenței artificiale în detectarea fraudelor cu carduri de credit, are o filială Amex Digital Labs care dezvoltă capacități atât pentru consumatori, cât și pentru B2B.
• În prezent, biroul digital și de inteligență artificială al Pentagonului experimentează cu cinci modele de inteligență artificială generativă, alimentându-le cu date clasificate și testându-le pentru a explora modul în care acestea ar putea fi folosite pentru a sugera opțiuni creative pe care liderii militari umani nu le-au luat niciodată în considerare.
• Duolingo utilizează un robot alimentat de ChatGPT pentru a-i ajuta pe cei care vor să învețe limbi străine. Acesta oferă lămuriri detaliate despre motivele pentru care răspunsurile la testele practice sunt corecte sau greșite, imitând modul în care utilizatorii ar putea interacționa cu un meditator uman.
• Slack a lansat un robot de chat care are ca scop să îi ajute pe angajații fiecărui client să extragă informații și sfaturi din fondul de cunoștințe instituționale care se află pe canalele Slack ale fiecărui client.

Instrumente de AI generativă

ChatGPT reprezintă instrumentul care a devenit o senzație virală, însă există o multitudine de instrumente de inteligență artificială generativă pentru fiecare modalitate. De exemplu, doar pentru activități de redactare există Jasper, Lex, AI-Writer, Writer și multe altele. În ceea ce privește generarea de imagini, Midjourney, Stable Diffusion și Dall-E par a fi cele mai populare în prezent.

Printre zecile de generatoare de muzică se numără AIVA, Soundful, Boomy, Amper, Dadabots și MuseNet. Deși se știe că programatorii de software colaborează cu ChatGPT, există, de asemenea, o mulțime de instrumente specializate în generarea de coduri, inclusiv Codex, codeStarter, Tabnine, PolyCoder, Cogram și CodeT5.

Istoria inteligenței artificiale generative

Poate că este surprinzător faptul că primul pas pe drumul către modelele generative de inteligență artificială utilizate în prezent a fost făcut în 1943, în același an în care a fost prezentat primul calculator electric programabil (Colossus), care a fost folosit de Marea Britanie pentru a decoda mesaje criptate în timpul celui de-al Doilea Război Mondial. Pasul AI a fost o lucrare de cercetare, „A Logical Calculus of Ideas Immanent in Nervous Activity”, scrisă de Warren McCulloch, psihiatru și profesor la Colegiul de Medicină al Universității din Illinois, și de Walter Pitts, un neurolog autodidact în neuroștiințe computaționale.

Pitts, un aparent geniu matematician, a fugit de acasă la vârsta de 15 ani și era un om al străzii când l-a întâlnit pe McCulloch, care l-a primit pe Pitts să locuiască cu familia sa. Singura diplomă a lui Pitts a fost un Associate of Arts acordat de Universitatea din Chicago după ce a publicat lucrarea fundamentală care a stabilit matematica de bază prin care un neuron artificial „decide” dacă să emită un unu sau un zero.

Al doilea pas a avut loc în nord-est, la Buffalo, New York, acolo unde se afla un psiholog cercetător al Laboratorului Aeronautic Cornell, pe nume Frank Rosenblatt. Lucrând în cadrul unei subvenții acordate în iulie 1957 de către Oficiul de Cercetare Navală din Departamentul Marinei din Statele Unite, ca parte a Proiectului PARA (Perceiving and Recognizing Automaton) de la Cornell, Rosenblatt s-a bazat pe matematica lui McCulloch și Pitts pentru a dezvolta perceptronul, o rețea neuronală cu un singur strat „ascuns” între straturile de intrare și ieșire. Înainte de a construi Perceptronul Mark I, care astăzi se află la Smithsonian Institution, Rosenblatt și Marina Militară l-au simulat pe un computer IBM 704 pentru o demonstrație publică în iulie 1958. Dar perceptronul era o rețea neuronală atât de simplă încât a atras critici din partea informaticianului Marvin Minsky, co-fondator al laboratorului de inteligență artificială al MIT, de la Massachusetts Institute of Technology. Se pare că Minsky și Rosenblatt au dezbătut perspectivele pe termen lung ale perceptronului în forumuri publice, ceea ce a dus la abandonarea în mare măsură de către comunitatea de inteligență artificială a cercetării în domeniul rețelelor neuronale din anii 1960 până în anii 1980.

Această perioadă a ajuns să fie cunoscută sub numele de „iarna inteligenței artificiale”.

Peisajul cercetării în domeniul rețelelor neuronale s-a dezghețat în anii 1980, datorită contribuțiilor mai multor cercetători, în special a lui Paul Werbos, a cărui lucrare inițială a redescoperit perceptronul, a lui Geoffrey Hinton, a lui Yoshua Bengio și a lui Yann LeCun. Munca lor combinată a demonstrat viabilitatea rețelelor neuronale cu mai multe straturi de mari dimensiuni și a arătat modul în care aceste rețele pot învăța din răspunsurile corecte și greșite prin atribuirea de merite prin intermediul unui algoritm de backpropagation. Acesta a fost momentul în care au apărut RNN-urile și CNN-urile. Dar limitele acestor rețele neuronale inițiale, combinate cu așteptările timpurii exagerate care nu au putut fi îndeplinite din cauza acestor limite și a puterii de calcul de la acea vreme, au dus la o a doua iarnă a inteligenței artificiale în anii 1990 și la începutul anilor 2000.

De data aceasta, însă, mulți cercetători din domeniul rețelelor neuronale au rămas pe poziții, inclusiv Hinton, Bengio și LeCun. Trioul, numit uneori „nașii inteligenței artificiale”, a împărtășit premiul 2018 Turing Award pentru munca lor din anii 1980, perseverența lor ulterioară și contribuțiile lor continue. Până la mijlocul anilor 2010, au apărut rapid variante noi și diverse de rețele neuronale, așa cum este descris în secțiunea Modele de AI generativă.

Viitorul inteligenței artificiale generative

Rămâne de văzut ce impact va avea inteligența artificială generativă asupra întreprinderilor și a modului în care lucrează oamenii. Dar un lucru este clar: se fac investiții masive în inteligența artificială generativă în mai multe dimensiuni ale activității umane. Investitorii de capital de risc, corporațiile consacrate și aproape toate companiile care se află la mijloc investesc în startup-uri de inteligență artificială generativă cu o viteză amețitoare. „Magia” universală a LLM-urilor este o abilitate extraordinară de a media interacțiunea umană cu big data, pentru a ajuta oamenii să înțeleagă informațiile explicându-le simplu, clar și uimitor de rapid. Acest lucru sugerează că inteligența artificială generativă va fi încorporată într-o multitudine de aplicații existente și va duce la inventarea unui al doilea val de aplicații noi.

Gartner, de exemplu, preconizează că 40% dintre aplicațiile de întreprindere vor avea încorporată inteligența artificială conversațională până în 2024, 30% dintre întreprinderi vor avea strategii de dezvoltare și testare cu inteligență artificială până în 2025, iar mai mult de 100 de milioane de lucrători vor colabora cu „robocolegi” până în 2026.

Bineînțeles, este posibil ca riscurile și limitările inteligenței artificiale generative să deraieze acest tăvălug. Reglarea fină a modelelor generative pentru a învăța nuanțele a ceea ce face ca o afacere să fie unică s-ar putea dovedi prea dificilă, rularea unor astfel de modele de calcul intensiv s-ar putea dovedi prea costisitoare, iar o expunere involuntară a secretelor comerciale ar putea speria companiile.

Sau s-ar putea ca totul să se întâmple, dar într-un ritm mai lent decât se așteaptă mulți în prezent. Vă reamintim însă că promisiunea internetului a fost îndeplinită, în cele din urmă. Dar a durat un deceniu mai mult decât anticipase prima generație de entuziaști, timp în care a fost construită sau inventată infrastructura necesară, iar oamenii și-au adaptat comportamentul la posibilitățile noului mediu. În multe privințe, inteligența artificială generativă este un alt mediu nou.

Persoanele cu influență se gândesc pe larg la viitorul inteligenței artificiale generative în afaceri.

„Ar putea însemna că, în viitor, vom construi companii în mod diferit”, spune Sean Ammirati, un investitor de capital de risc care este, de asemenea, profesor de antreprenoriat la Tepper School of Business din cadrul Universității Carnegie Mellon și cofondator al Corporate Startup Lab din cadrul CMU. În același mod în care companiile „nativ digitale” au avut un avantaj după apariția internetului, Ammirati consideră că viitoarele companii construite de la zero pe baza automatizării generative bazate pe inteligența artificială vor putea prelua conducerea.

„Aceste companii vor avea ca prioritate automatizarea, astfel încât nu vor trebui să învețe din nou cum să nu mai facă în mod manual lucruri pe care ar trebui să le facă în mod automatizat”, spune el. „Ați putea deveni o companie cu totul diferită.”

Adoptați cu ușurință tehnologia AI generativă cu Oracle

Oracle nu numai că lucrează de mult timp cu funcții de inteligență artificială și le încorporează în produsele sale, dar se află și în prima linie a dezvoltării și activităților de inteligență artificială generativă. Oracle Cloud Infrastructure este utilizată de principalele companii de inteligență artificială generativă. Acest cloud de ultimă generație poate oferi platforma perfectă pentru ca întreprinderile să construiască și să implementeze modele de inteligență artificială generativă specializate, specifice organizațiilor lor și domeniilor de activitate individuale. Conform explicațiilor oferite de Ellison de la Oracle, „Toate centrele de date în cloud de la Oracle au o rețea RDMA [remote direct memory access] cu lățime de bandă mare și latență redusă, care este perfect optimizată pentru construirea clusterelor GPU pe scară largă care sunt folosite pentru a antrena modelele LLM generative. Performanța extrem de bună și reducerile de costuri aferente rulării de sarcini de lucru de inteligență artificială generativă în cloud-ul nostru Gen 2 au transformat Oracle în opțiunea numărul unu în rândul companiilor de dezvoltare a inteligenței artificiale de ultimă oră.”

Parteneriatul dintre Oracle și Cohere a dus la un nou set de oferte de servicii cloud de inteligență artificială generativă. „Acest serviciu nou protejează confidențialitatea datelor de instruire ale clienților noștri, permițându-le acestora să utilizeze propriile date private în condiții sigure pentru a-și instrui propriile modele LLM specializate și private”, afirmă Ellison.

Povestea inteligenței artificiale generative a început în urmă cu 80 de ani cu matematica unui adolescent care fugise de acasă, și a devenit o senzație virală la sfârșitul anului trecut, odată cu lansarea ChatGPT. Inovațiile în domeniul inteligenței artificiale generative se intensifică rapid, pe măsură ce întreprinderi de toate dimensiunile și din toate sectoarele experimentează și investesc în capacitățile sale. Dar, pe lângă abilitățile sale de a îmbunătăți foarte mult munca și viața, inteligența artificială generativă aduce cu sine riscuri mari, de la pierderea locului de muncă până la, dacă îi credem pe profeții catastrofismului, potențialul de dispariție a oamenilor. Ceea ce știm cu siguranță este că geniul a ieșit din sticlă și nu se va mai întoarce la loc.

Întrebări frecvente despre AI generativă

Ce este tehnologia AI generativă?

Tehnologia de inteligență artificială generativă este construită pe arhitecturi software de rețele neuronale care imită modul în care se presupune că funcționează creierul uman. Aceste rețele neuronale sunt antrenate prin introducerea unor cantități mari de date în probe relativ mici și apoi se cere inteligenței artificiale să facă predicții simple, cum ar fi următorul cuvânt dintr-o secvență sau ordinea corectă a unei secvențe de propoziții. Rețeaua neuronală primește aprecieri sau reproșuri pentru răspunsurile corecte și greșite, astfel încât învață din acest proces până când devine capabilă să facă predicții bune. În cele din urmă, tehnologia se bazează pe datele sale de instruire și pe învățarea sa pentru a da răspunsuri asemănătoare cu cele umane la întrebări și alte solicitări.

Care este un exemplu de inteligență artificială generativă?

Cel mai cunoscut exemplu de inteligență artificială generativă din prezent este ChatGPT, care este capabil să poarte conversații comparabile cu cele umane și să compună texte pe o gamă largă de subiecte. Alte exemple sunt Midjourney și Dall-E, care creează imagini, precum și o multitudine de alte instrumente care pot genera texte, imagini, videoclipuri și sunet.

Care este diferența dintre inteligența artificială generativă și inteligența artificială?

Este important de reținut că inteligența artificială generativă nu este o tehnologie fundamental diferită de inteligența artificială tradițională. Acestea se află în poziții diferite ale unui spectru. Sistemele tradiționale de inteligență artificială îndeplinesc, de obicei, o sarcină specifică, cum ar fi detectarea fraudelor cu carduri de credit. Inteligența artificială generativă este, de obicei, mai amplă și poate crea conținut nou. Acest lucru se datorează în parte faptului că instrumentele de inteligență artificială generativă sunt antrenate pe seturi de date mai mari și mai diverse decât cele tradiționale. În plus, AI tradițională este, de obicei, instruită prin tehnici de învățare supravegheată, în timp ce AI generativă este instruită prin învățare nesupravegheată.

Care sunt pericolele inteligenței artificiale generative?

La momentul de față, se desfășoară o dezbatere majoră în societate cu privire la posibilele riscuri ale inteligenței artificiale generative. Extremiștii din taberele opuse ale dezbaterii spun că această tehnologie poate duce în cele din urmă la dispariția oamenilor, pe de o parte, sau poate salva lumea, pe de altă parte. Cel mai probabil, AI va duce la eliminarea multor locuri de muncă existente. Întreprinderile ar trebui să fie preocupate de modul în care inteligența artificială generativă va determina schimbări în procesele de lucru și în rolurile profesionale, precum și de potențialul ca aceasta să expună din greșeală informații personale sau sensibile sau să încalce drepturile de autor.

La ce este bună AI generativă?

Inteligența artificială generativă poate fi utilizată în mod excelent împreună cu colaboratorii umani pentru a ajuta, de exemplu, la elaborarea de idei noi și la educarea lucrătorilor în discipline similare. Este, de asemenea, un instrument excelent pentru a ajuta oamenii să analizeze mai rapid datele nestructurate. La nivel mai general, poate aduce beneficii întreprinderilor prin îmbunătățirea productivității, reducerea costurilor, îmbunătățirea satisfacției clienților, furnizarea de informații mai bune pentru procesul decizional și accelerarea ritmului de dezvoltare a produselor.

Ce nu poate face inteligența artificială generativă?

AI generativă nu poate avea idei cu adevărat noi care nu au fost exprimate anterior în datele de instruire sau cel puțin extrase din datele respective. De asemenea, nu ar trebui să fie lăsată de una singură. Inteligența artificială generativă are nevoie de o supraveghere umană și funcționează cel mai bine doar în cadrul colaborării cu oamenii.

Ce industrii folosesc inteligența artificială generativă?

Datorită amplorii sale, inteligența artificială generativă este predispusă să fie utilă în aproape toate industriile.

Cum va influența inteligența artificială generativă viitorul muncii?

Inteligența artificială generativă probabil că va avea un impact major asupra muncii în domeniul informațiilor, activități în care oamenii lucrează împreună și iau decizii de afaceri. În orice caz, rolurile lucrătorilor din domeniul informațiilor vor trebui să se adapteze pentru a lucra cu instrumente de inteligență artificială generativă, iar unele locuri de muncă vor fi eliminate. Cu toate acestea, istoria demonstrează că o schimbare tehnologică precum cea așteptată de la inteligența artificială generativă duce întotdeauna la crearea mai multor locuri de muncă decât la distrugerea lor.