Бесплатный фрагмент - Не искусственный интеллект

Введение

«Мы попробовали ChatGPT, нам очень нравится. Только можете научить, как правильно задавать вопрос, когда ему нужно скормить текст по частям? А то у нас есть длинные кейсы, на 3—4 страницы, он их не ест».

В этот момент я понимаю, что что-то идет не так. Нет, работать с теми, кому нравится инструмент, которому ты обучаешь, легче и приятнее. Не нужно преодолевать сопротивление и пытаться продать то, к чему ты не имеешь абсолютно никакого отношения. Вот только за окном февраль 2025 года, а значит ChatGPT-3.5 давно канул в небытие. И кейс на 3—4 страницы уже давно не длинный документ, а не очень большой контекст, который можно и в окно запроса вставить и файлом прикрепить к подавляющему большинству моделей. А значит, «кормить» частями ни один из текущих инструментов просто не нужно. И учиться этому тоже. Нужно разбираться.

Прошу открыть сервис, в котором они работают. И вижу, что это так называемый «ChatGPT без сложностей» — российскими сервисами, где модели прикручены через API. Вот и источник проблемы. Сервис, который ограничивает контекстное окно, урезает токены в запросах и в целом релизит новые функции и обновляет модели гораздо дольше, чем официальное решение сервиса для пользователей. Потому что в своих сервисах они эти самые модели и функции зачастую тестируют. Но кого волнуют все эти технические мелочи, прямо влияющие на качество работы, когда им пообещали не заморачиваться с регистрацией, доступами и оплатами?

Знаете, в чем глобальная проблема с внедрением ИИ в работу кого угодно? В том, что на вопрос «Какой нейросети вы хотите научиться (научить своих сотрудников)?» самый частый ответ — чтобы бесплатная и без ВПН. И я сейчас, к сожалению, серьезно.

Потому что я-то наивная жду, когда мне ответят «чтобы точно работал с табличками Exel», «чтобы можно было загрузить туда целую книгу», «чтобы мог отвечать из разных ролей», «чтобы текст был похож на человеческий». Но, оказывается, нет. Главное, чтобы она была бесплатная. То есть, постановка задачи идет не через качество, не через результат, а через отсутствие параметра. Здорово. Только вот дешевле тогда вообще не заходить в этот процесс. Потому что все технооптимисты и продавцы ИИ забывают среди своих громких лозунгов упомянуть один простой факт. Настоящая полноценная цифровизация даже небольшого участка работы — это штука очень затратная. И речь не только про оплату самих нейронок, но и про перестройку процессов, оплату обучения людей и настройки моделей и многое другое. Хочется оказаться на гребне волны, и при этом не инвестировать и не рисковать? Так не бывает. Цифровизация — это инвестиция, а инвестиции и изменения — это всегда риски.

Как бы больно это не звучало, но на текущем уровне развития технологий (и я не про сегодня, а про перспективу трех-пяти, а то и всех десяти лет) человек есть и будет или вовсе незаменимой или гораздо более дешевой единицей выполнения задач, чем искусственный интеллект на тот же функционал. Естественно, если у руководителя бизнеса есть хотя бы малейшее представление о необходимом ему качестве работы. Если смысл решения только в простом «напишите позитивный пост про наш товар как-нибудь со смайликами по-молодежному», то да, всех нас быстренько заменит ИИ. Правда, жить в таком мире и инфополе совершенно точно не хочется. Мне, по крайней мере, точно. Надеюсь, что и вам тоже.

Но то, что я описала, — это лишь одна грань текущей ситуации. Есть и другая.

Общаюсь с командой, которые эти самые «ИИ в одном окне и без зарубежных карт» создают. Очередной такой сервис, но в самом начале пути, — амбициозные, гибкие, открытые для обсуждения, хотя бы на словах. Я в этот момент ищу способ оптимизировать работу с нейронками. И думаю, что мы можем неплохо помочь друг другу. Она через меня узнают запросы бизнеса и фишки, которые нужны для реальной работы тем, кто нейронки использует. А у меня будет для организации работы мощный российский сервис с доступами ко всем нейронкам. Не бесплатный, естественно, зато без танцев с бубнами и со всем необходимым функционалом и корректным объемом контекстного окна.

В этот момент сам проект находится на грани заморозки из-за непонимания перспектив. Поэтому изначально показалось, что мы можем быть полезны друг другу, даже без каких-то взаимных финансовых обязательств между нами лично. Мне станет проще работать, команде — как минимум, будет площадка для стартовой развертки на платформе моей текущей компании. В перспективе года внедрение их инструмента на тысячу человек, на горизонте полугода — около двухсот человек. Главное — пройти тестовый период на уже отработанной группе. Я часто занимаюсь таким бизнес-сводничеством, поэтому никаких сложностей на этом этапе не вижу, ведь интерес обоюдный.

Но вот наступает первый же созвон по функционалу. Напоминаю, стартап уже на рынке, у него уже есть какие-то тарифы на услуги и в целом он на грани заморозки, но функционирующий. И вот на этом созвоне я объясняю, что чтобы мне договориться на пилот, им нужно посчитать, сколько будет стоит внедрение в месяц на десяток сотрудников. Естественно, у меня есть первичное описание текущего объема использования нейросетей на этом участке. Десять сотрудников, у них пятидневная рабочая неделя, ChatGPT пользуются активно, где-то четыре часа в день, скармливают рабочие документы по десять-пятнадцать страниц, в среднем в чате цепочка из десяти запросов по этому документу. Сухой язык бизнесового расчета.

Как думаете, какой ответ я от них получаю? Давайте процитирую дословно:

«Проблема в том, что нейросети не измеряются ни в часах, ни в килограммах, ни в амперах. Нам чтобы посчитать, нужно точно знать, сколько токенов вы расходуете каждый день. Когда вы нам это скажете, мы определим, сколько их нужно в месяц и тогда скажем по тарифам».

То есть, я, не айтишник (или вообще любой бизнес, который пришел к ним с желанием разобраться с ИИ на основе их инструментов), должна сначала разобраться, что такое токены, как их считать, найти какой-то способ посчитать их расход в день, а они уже, так и быть, умножат это на двадцать или двадцать два, на стоимость токена в API нужной нейронки и прибавят к этому свою наценку. Кто не в курсе — статистики в аккаунтах у ChatGPT нет, по крайней мере прямо сейчас. Посмотреть я это никак не могу.

Чтобы у вас не проснулось сочувствие к команде, которая не знает нашей нагрузки и вообще внешний подрядчик, давайте проведем аналогию. Просто представьте, какая у вас была бы реакция, если бы в EdTech вдруг начали выпускать вот такие курсы: десять теоретических лекций, а дальше текст «А теперь вам нужна практика. Не знаю, какие навыки вам пригодятся именно в вашей работе, поэтому сами решите, что из этого вам нужно и идите практикуйтесь».

Наверное, вы отнесетесь к такому обучению с пониманием и будете в восторге. Ведь откуда команде проекта знать именно вашу ситуацию и ее особенности… Надеюсь, иронию все считали.

Такие ситуации бывают, но это не должно переводить их в разряд нормы. Все-таки бизнес — это про понимание своей ниши. Когда вы его запускаете, то предполагается, что вы продаете свои опыт и знания тем, кто не разбирается в теме. А если чтобы с вами поработать, нужно сначала самим во всем разобраться… Мне кажется или тогда уж дешевле сразу поставить своим айтишникам ТЗ, чтоб они собрали такую песочницу для внутренних нужд? По крайней мере, комиссию стороннему сервису не платить. Раз уж и так все во всем разобрались.

На самом деле, таких кейсов немало. Но эта книга не о специфике построения бизнеса или даже ведения деловой коммуникации, поэтому остановимся на этом.

Вот такая вторая грань. И мне пришлось быть мостиком между этими двумя мирами. Между айтишниками, которые не сильны в нуждах бизнеса и его степени понимания темы, и пользователями, которым сложно разобраться, почему телеграм-бот с названием ChatGPT нельзя использовать в работе и говорить всем, что они внедрили ИИ в свою деятельность. Это даже не разные стороны бизнес-процесса. Не разная степень владения технологиями. Это совершенно разные картины мировоззрения. И рассказываю я вам о них не чтобы вы примкнули к какой-то из сторон, а чтобы увидели реальность, в которой мы используем нейросети. Хотя бы один из ее фрагментов.

Разумеется, эту книгу можно было бы написать как курс. Как выбрать нейросеть, как с ней общаться, как внедрять в работу. Я в таком контенте успела набить руку, пока записывала скринкасты и составляла учебные планы курсов по ИИ для представителей разных профессий для онлайн-школ. Только давайте честно. Какой в этом всем смысл?

Предсказывающие модели сменятся рассуждающими, и промпты устареют. Они устаревают с каждой новой моделью.

Кто-то откроет книгу, желая узнать, как генерировать реалистичные картинки, и расстроится, что про это будет лишь предложение “ добавьте в конце промпта слово photorealism». А главное: не заметит, что до этого было несколько предложений про то, что важно правильно выбрать инструмент — не все нейронки справляются с реалистичным рендером, большинство замыливают изображение.

В этой среде каждый день появляются новые инструменты. Которые мощнее, лучше, быстрее, доступнее. Новые фишки, которые делают старые приемы не актуальными. Там, где вчера нужно было разбивать исследование на этапы, теперь достаточно выбрать «углубленное исследование» и ввести тему. Где приходилось копировать абзацы из нужного отчета — достаточно прикрепить целый файл. Где просили действовать шаг за шагом и рассуждать — теперь просто включаем рассуждающие модели. И это только про изменения в текстовых нейросетях за последние полтора года. Так что в этой сфере стремительно меняется все. Кроме человека.

В большинстве случаев сложности в работе с нейросетями связаны не с их возможностями или отсутствием технического навыка составления промптов. Это не так сложно, как кажется. Если вы оказались способны осилить школьные сочинения в свое время, то и написать два абзаца по формуле «Роль + Цель + Задача + Контекст + Примеры и Антипримеры» не составит для вас особого труда. Основная сложность кроется в другом. В особенностях мышления людей, которым в руки попадает инструмент.

В нашем восприятии и задач, и реальности, и инструментов. В умении или неумении расставлять приоритеты. В отношении к работе и понимании собственных задач. И даже в осознании того, что мы любим, и что нам катастрофически не нравится и умении действовать в соответствии с этим.

Знаете, что я заметила и по себе и по всем, с кем работала и кого учила? Мы чаще всего разочаровываемся не в самих нейросетях как таковых. Большинство из нас адекватные люди, которые до того, как нажать «Сгенерировать», не сильно и рассчитывают получить абсолютно идеальный результат. Но, увидев его, мы очень часто разочаровываемся в своих возможностях работы с искусственным интеллектом. Или в его возможности воплотить наши глобальные мечты и мгновенные хотелки. В том, сколько усилий на самом деле требует получение результата. Это нормально. Но все-таки, разочаровываться хотелось бы меньше и реже. Не для этого мы пытаемся их освоить.

Я надеюсь, вы не открыли эту книгу с желанием получить понятную схему, гарантирующую идеальный результат с первого раза. Потому что эта книга не будет учить вас составлять промпты (если что, базовую формулу я и так дала выше). Но мы разберемся, как пользоваться вашим собственным разумом так, что эти самые шаблонные промпты вам больше не понадобятся. Чтобы вы могли просто говорить с нейронкой, как с коллегой или ассистентом, и получать результат.

На каждую из глав этой книги меня натолкнул один из вопросов, которые чаще всего я слышала от людей, видела в разборах коллег или задавала себе сама. Из тех, которые обросли мифами и стали основой для массовых заблуждений. И которые очень часто мы задаем вместо других, более важных для нас. Ведь очень часто мы задаем вопрос «как» вместо того, чтобы остановиться и подумать «зачем». Я очень надеюсь, что к концу этой книги вы найдете для себя ответы на эти вопросы. Не вынесенные в заголовки. А те, которые волнуют на самом деле.

***

Кстати, вот решение кейса про расчет токенов, вдруг кому пригодится:

Итого на сотрудника в день:

Сумма токенов за 10 запросов в 1 цепочке ≈ 79,000 токенов.

На 10 сотрудников в день (примерно 4 цепочки): 79,000 × 10 × 4 = 3 160 000 токенов.

В месяц: 3 160 000 × 22 ≈ 69 520 000 токенов.

При более интенсивной работе возможно в 2 раза больше: 139 040 000 токенов.

Итого: 70—140 млн токенов в месяц на компанию, 7—14 млн токенов в месяц на сотрудника.

Вопрос остается про входные-выходные токены, но по крайней мере отправная точка теперь есть.

Глава 1. Нейросети — это очередной хайп?

Главный аргумент, с которым приходится бороться каждый раз, когда речь заходит об искусственном интеллекте, это что он очень быстро исчезнет. Мол, это такая же игрушка-однодневка, айтишный аналог финансовой пирамиды, как крипта, NFT и метавселенные. И знаете, что? Во многих случаях я согласна. То, как сейчас мы применяем ИИ, не выдерживает никакой критики.

Вспомните, что появилось в нашем поле одновременно с общедоступными генеративными нейросетями. Статьи в соцсети, написанные по промпту «Ты — самый лучший в мире копирайтер, напиши статью по психологии отношений с конкретными советами, чтобы ее все в мире репостили 14 февраля». Картинки, созданные генератором изображений DALL-E прямо внутри ChatGPT, с замыленной однотипной рисовкой и монструзным количеством деталей, как, например, вот это, вместо обложек для постов. Кстати, к моменту издания этой книги ChatGPT уже сменил DALL-E на Sora Image, который способен создавать изображения очень высокого качества. Именно поэтому уметь работать с нейросетями в целом я считаю важнее, чем обучиться конкретному инструменту — вы можете завтра проснуться, войти в интерфейс и просто его не узнать.

Все это, а также автоматизация всего и всех — коммуникации с клиентами, отбора вакансий, создания контента — это все действительно уйдет в прошлое. Любые действия, построенные на истеричном желании не упустить свой единственный-в-мире золотой и уникальный шанс, уходят в прошлое спустя полгода, для самых упрямых — пару лет. В случае с нейросетями я уже вижу спад интереса по сравнению с ажиотажем прошлого года. Люди попробовали их и поняли, что снова обманулись. Вопреки обещаниям, очередная технологическая новинка оказалась именно технологической новинкой, а не кнопкой «бабло».

Вот для них история с нейросетями будет закрыта по крайней мере на какое-то время. Но это не значит, что мы должны поставить генеративный ИИ в один ряд с криптой, NFT или метавселенными. Даже если очень хочется. Я сама, еще пробуя первый ChatGPT-3.5 в Google Sheets и Google Docs, периодически то восхищалась удобством систематизации и генерации черновиков, то хотела бросить всё, потому что каждый день читала статьи о том, что уже завтра все площадки введут ИИ-детекторы и запретят создавать контент с нейросетями, и те исчезнут так же быстро, как и появились.

К слову, даже не спрашивайте, почему я первым делом прикрутила нейронки в эти инструменты, а не использовала в пользовательском интерфейсе — я банально не помню, что в тот момент мной двигало. Скорее всего, о чем получилось найти более простую и понятную инструкцию, с того и начала.

Так вот, если рассуждать здраво, то можно увидеть у крипты, NFT и метавселенных одно маленькое, но очень важное сходство. Это некие метафорические бантики. Сейчас объясню. По сути, в нашей жизни есть некие объекты, процессы, отношения, информация, эмоции — всё то, что вообще-то ее и составляет. То, из чего каждый из нас ее себе построил. И есть некие фишечки, которые можно в нее привнести. Условные «бантики». Давайте на примере оверпрайс кофе на вынос из кофеен.

Кофе на вынос более популярно у офисных сотрудников, чем у работающих из дома удаленщиков. Потому что одни могут заглянуть за ним по дороге на работу, с работы, в обеденный перерыв, назначить там встречу — он встраивается в их жизнь как дополнительная опция, которая делает ее приятнее (реально или по мнению, навязанному маркетологами, мы здесь выяснять не будем). А вторым нужно менять свою жизнь, делать дополнительные действия — одеваться, выходить из дома, прогуливаться по улице или идти с этим стаканчиком домой. То есть от них этот же стаканчик кофе будет требовать дополнительных действий, которые нужно как-то встроить между другими. Или даже заменить часть привычных шагов новыми.

Ведь вы что-то делали в аналогичные моменты вместо того, чтобы ходить за кофе. И вот в этом и есть главный момент.

Для удаленщика это самое кофе должно приносить очевидное, несомненное и однозначное удовольствие или пользу (например, как фактор, выводящий человека на прогулку). Только тогда этот «бантик» приживется. В противном случае он или отпадет как неподходящий к жизни человека, или будет вызывать раздражение, как еще одно дело, которое необходимо выполнять.

Технологические новинки последних лет, вот эти громкие заявления про криптовалюты, волна создания майнинговых ферм на балконах, инвестиции в NFT — это «бантики», причем подходящие не очень большому числу людей. Тем, кто глубоко в теме цифровых инноваций и инвестиций. То есть это технология, изначально усложняющая жизнь дополнительными конструкциями, и от того интересная не очень большому числу людей.

Другое дело — вспомнить, что (если вы читаете эту книгу) вы живете больше десяти последних лет. И видели своими глазами, как выглядят настоящие цифровые инновации, которые действительно меняют нашу жизнь, встраиваются в нее и делают ее своей частью. Персональные компьютеры. Интернет. Мобильные телефоны. Ноутбуки. Смартфоны. Социальные сети. Наверняка вы вспомните и другие примеры, эти просто лично для меня самые очевидные.

Да что там! Мы прошли путь от магнитных кассет до стриминговых сервисов. И каждый из этих этапов: кассеты, DVD, флешки, фильмы в интернете, — все они, пусть ненадолго, но уверенно занимали место в нашей жизни. А если уж рассматривать маркетплейсы и доставку еды как социально-технологические инновации… думаю, логику вы поняли.

Эти инновации не похожи на те, о которых мы говорили до этого. Они не надстраиваются над нашей жизнью, а меняют саму суть процессов, делая их проще и удобнее. Не нужно бежать в телефонную будку — можно позвонить с мобильного, не нужно ходить по библиотекам или в прокат — все книги и фильмы можно найти в сети. Не нужно быть привязанным к месту — можно брать ноутбук с собой и в поездку, и в соседнюю комнату. Это не «бантики», это технологии, которые решают те запросы, что уже реально есть в нашей жизни.

Генеративные нейросети правильнее поставить в один ряд с интернетом и смартфонами, а не NFT и криптовалютой. Мы уже создаем контент — пишем посты, письма и отчеты. Подбираем фото и иллюстрации для презентаций. Ищем атмосферную музыку для мероприятий. Придумываем и снимаем видео для соцсетей. Анализируем графики и таблицы. Ищем ответы на вопросы в интернете. Не только информацию, но и статьи или ветки на форумах вроде «как лучше всего пережить расставание» или «на что обратить внимание при выборе подержанного автомобиля». ИИ — это лишь инструмент, с помощью которого мы можем делать это иначе. Что-то просто быстрее. Что-то качественнее и персонализированнее.

Давайте честно. Вы абсолютно уверены, что захотите снова сидеть на фотостоках в поисках подходящего изображения, а не вбивать описание в нейросеть? Что готовы думать, с кем бы из друзей посоветоваться по какому-либо вопросу, не попробовав задать его нейронке? Или что готовы каждый раз писать текст с нуля, не используя результат генерации, как черновик? Если вы ответили да — скорее всего, вы не пробовали (или пробовали, но очень поверхностно) использовать нейросети для решения этих задач. Потому что откатываться назад, к более сложным сценариям выполнения своих повседневных дел, весьма и весьма неудобно. Примерно также, как снова ходить по торговым центрам и рынкам за каждой мелочью вместо того, чтобы заказывать то, что нужно, в ближайший пункт выдачи на маркетплейсе.

Но хочется сказать еще кое-что. Очень часто люди начинают относиться к нейросетям иначе, когда понимают, какая история на самом деле стоит за созданием генеративного искусственного интеллекта.

Дело в том, что это не нечто, появившееся в последние десять лет и даже в это тысячелетие. Это результат огромной работы ученых по всему миру, официально начавшейся с Дартмутской конференции 1956 года. Если коротко, именно тогда ученые обсудили идею создания программ, способных работать с естественным человеческим языком, а не специализированным языком программирования, и дающих меняющиеся ответы на переменную среду. То есть, способных реагировать на контекст и нюансы запроса.

То, что мы видим сейчас — это результат почти семидесяти лет работы, который наконец-то стал доступен пользователям по всему миру благодаря огромным вычислительным мощностям. Это не мгновенная инновация, а тестирование и доработки дорогой и очень длительной стратегической разработки. И, если вы обратите внимание на то, как развивается ИИ сейчас, модели не делают каких-то фантастических квантовых скачков в своем развитии. Да, айтишники объясняют нам, что предсказательные модели сменяются рассуждающими, появляются ИИ-агенты как основа решения задач… Но для нас это выглядит пока иначе. Для нас нейросеть пока просто ходит по большему числу сайтов, чтобы ответить на вопрос. Пишет тексты, лучше попадая в живой человеческий стиль и допуская все меньше артефактов. Качественнее прорабатывает текстуры на фото и, кажется, наконец-то научилась писать на картинках тексты. Позволяет лучше контролировать движение камеры при генерации видео, хотя и все еще может сгенерировать кадр из сюрреалистичного хоррора при простой просьбе помахать рукой персонажа и заставить его улыбнуться. Просто учится лучше выполнять те же задачи, для которых мы начали ее использовать осенью 2022 года.

Так что, надеяться на то, что ИИ неожиданно исчезнет из нашей жизни, ровно как и что за пару лет разовьется до разумных гуманоидов, пожалуй, не стоит. Пока это совсем другая история с совсем другими темпами развития

Глава 2. ИИ сделает нас глупее?

Еще искусственного интеллекта очень боятся люди, которые уверены, что он может сделать их глупыми. Иногда кажется, что в их представлении ИИ — это некий монстр, который самовольно сожжет все книги в их библиотеке (а она у них есть?), запретит мыслить, рассуждать и наблюдать реальность. И вместо этого заставит по каждому чиху советоваться с ним, хотят они того или нет. Ну а если их силы воли хватит, чтобы сопротивляться этому монстру, то условная «молодежь» точно падет его жертвой и мир будет страдать от всеобщей деградации.

Это, конечно, ирония. Но тональность подобных дискуссий вызывает именно такие ощущения. Правда, есть пара деталей. Первая — я все-таки оптимист, которая верит в силу и мощь человеческой воли и интереса к жизни. В стремление к творческому переосмыслению и созданию собственного видения реальности. А людям, обладающим этими качествами, очень быстро становится скучно от типовых ответов нейросетей.

А вторая — это что я еще и технореалист. И знаю, что искусственный интеллект вообще-то уже давно поработил человечество. И от чего все всполошились именно сейчас, совершенно не ясно. До этого всем прекрасно жилось в этом мире, где ИИ реально ограничивал их развитие и мышление, и никому от этого не было плохо. Но как только к нему подключился генеративный собрат, он почему-то привлек непростительно много внимания и стал главным злодеем в этой истории. Забавно все это.

Сейчас будут объяснения. Но прежде только один вопрос. Вы правда стали бы добровольно подписываться на аккаунты в соцсетях, читать и смотреть материалы, созданные искусственным интеллектом? Даже достоверные и качественные. Еще раз подчеркну: добровольно.

Я — нет. Я кстати не прочь, чтобы ИИ писал разные энциклопедические статьи на основе проверенных материалов и под редактурой профильных специалистов. Вполне вероятно, что тогда они будут проще для понимания и увлекательнее без потери содержания. Но вот именно в блогах, колонках и соцсетях хочется видеть человека. С его живым и объемным мнением. И добровольно я бы не стала смотреть материалы, созданные ИИ, кроме как в рамках какого-нибудь эксперимента о его возможностях. Но тем не менее каждый день я читаю статьи, смотрю видео или фото, созданные нейросетями. Каждый день. И все из-за того самого «собрата» генеративных моделей.

Для понимания. Искусственный интеллект — это не только генеративные нейросети. И даже не только нейросети в целом (если что, в основе поиска по фото тоже лежит технология нейросетей). Это целый класс технологий.

Разумеется, в быту мы употребляем слова искусственный интеллект, нейросети, ИИ, генеративные модели и подобные им как синонимы. Как-то люди из не айтишной среды очень быстро сошлись в том, что нет необходимости разбираться во всех этих терминах. Все равно, как бы и что мы не называли, речь идет именно о хайповой теме генеративных нейросетей. Даже я в книге использую все эти слова как синонимы. Но с точки зрения профессионалов есть огромная разница, и генеративные нейросети — это лишь кусочек нейросетей, которые лишь кусочек искусственного интеллекта. И вот это мнение профессионалов прямо сейчас объяснит, почему мы боимся не того.

Дело в том, что рекомендательные алгоритмы поисковых систем и социальных сетей… Да! Это тоже искусственный интеллект. И вот они-то давно управляют всеми нами, нашим сознанием, мировосприятием и границами интеллектуального развития.

Попробуйте найти в интернете, а еще лучше в соцсетях, что-то прям принципиально новое для вас. Никак совсем не связанное с вашими интересами. Если и получилось, то только по четкому прямому запросу, верно? Причем все равно есть подвязка к вашим интересам.

Условно, если любители почитать светскую хронику захотят разобраться в том, что такое квантовая физика, скорее всего после кристализированного встроенной в поисковик нейросетью четкого академического определения будут идти статьи условной Марьи Вселеновны о том, что мебель в ее новой квартире расставлена с учетом принципов квантовой физики. Или что именно на них базируется ее новый ретрит по дыханию. И не важно, что это полная чушь. Важно, что эта чушь делает квантовую физику максимально релевантной вашим интересам.

Если что, именно здесь должно стать жутко. Да, генеративный ИИ — это рок-звезда, которая у всех на слуху и о которой не говорит только ленивый. Но за ней стоят, посмеиваясь, рекомендательные алгоритмы — эдакие продюсеры с миллионами в саквояжах, которые на самом деле управляют всей информационной сферой человечества.

Так что, глобально, мы остаемся в мире один на один со своей крошечной точкой зрения на всю окружающую нас реальность. Со своим узеньким представлением. Жалким пятнышком бледно-зеленого фонарика, который делает зелеными все объекты, на которые падает луч его света.

И это действительно проблема. Возможности для интеллектуального роста взрослого человека сконцентрированы в зоне его ближайшего развития. Это ребенку достаточно просто усваивать абсолютно новую информацию о мире. Взрослый уже имеет свое представление обо всем на свете, некую картину мира, в которую эту новую информацию нужно встроить. И встраивается она только если есть возможность «зацепиться» за какие-то уже существующие знания. Чем уже область интересов человека, тем меньше у него возможности «подцепить» что-то, что его интеллектуально разовьет. При этом не важно, насколько детально он уходит вглубь вопроса. Даже если новая информация попадет к нему, он рискует ее или не понять из-за отсутствия достаточной базы знаний и аналогий или забыть из-за нехватки тематических «полочек» в голове, куда их можно положить.

Рекомендательные алгоритмы, стремясь максимально точно попасть в интересы человека, с каждым днем все сильнее и сильнее сужают темы контента, которые ему выдают. Условно, сегодня они поняли, что ему нравится что-то про людей, начали выдавать информацию про людей. Завтра — что про людей ему нравится именно психология. Послезавтра — что из психологии именно психология отношений. И вот уже спустя неделю вся его лента как на подбор состоит из статей «Через сколько после окончания прошлых отношений стоит идти в новые, когда тебе больше 35», просто с разными названиями. Потому что до алгоритма дошло, что именно интересует человека.

Естественно, сам человек из-за этого не может взглянуть на свою проблему объемно. Статьи о том, что иногда стоит налаживать старые отношения, а не кидаться в новые, до него просто не дойдут. Как и о том, какие вопросы задать себе в этот период, чтобы осознать произошедшее. И чем кроме отношений важно наполнить свою жизнь. Потому что алгоритм понял не просто какая сфера нравится пользователю — он определил, какая точка зрения удерживает его внимание максимально долго. И пользуется этим. А человек начинает думать, что есть лишь один правильный сценарий, ведь все вокруг пишут лишь о нем.

Но сужение зоны ближайшего развития и формирование искаженной картины мира — это не все последствия захвата человечества искусственным интеллектом. Есть и еще одна. Потеря связи с реальностью. В том числе разобщенность с другими людьми.

Изначально социальные сети создавались для поддержания связи между людьми, обмена информацией и общения. Но постепенно сформировалась витринная модель коммуникации, по аналогии со СМИ. Транслятор — потребители контента. С той лишь разницей, что потребители могут в комментариях пообщаться с транслятором. Но глобально контекст задают создатели контента, коммуникация строится вокруг их точки зрения, а не фактов объективной реальности.

Давайте попроще. В нулевые вы не могли не слышать про «Фабрику звезд», «Последнего героя» и «Поле чудес». Даже если никогда не смотрели ничего из этого, сам факт, что вы были среди людей, давал вам представление об этих программах. Это были некие общие части актуального на тот момент культурного кода, о которых так или иначе знали все. Ровно как и про культовых звезд, актеров, певцов. Про значимые фигуры и события в области спорта. Избегать того, что не входит в зону твоих интересов, было сложно. Как минимум, в любимой программе была рекламная вставка другой программы, о которой вы иначе никогда бы не узнали. Да, молодежь и пенсионеры, работающие и домохозяйки, семейные и холостяки могли посмеиваться над вкусами друг друга, но они в общих чертах представляли те самые вкусы и интересы. Сейчас это почти исчезло.

Массовой культуры будто бы не существует. Рекомендательные алгоритмы и переход медиа в интернет создали среду, в которой каждый может сидеть в своем информационном пузыре и не иметь ни малейшего представления о том, что на самом деле происходит в мире. Чем живут и как общаются другие люди. Даже шутки про бумеров, миллениалов и зумеров во многом построены на том, что возможность информационной изоляции усилила наши различия. Ведь интернет-медиа показывают лишь похожих на нас людей и подтверждают нашу точку зрения. И никакой режим инкогнито от этого не спасет.

Мы застряли в идеально герметичных информационных пузырях, созданных рекомендательными системами. И без любопытства, намерения понять многообразие мира и взглядов на него, без усилий по преодолению этого пузыря не то что выбраться, а хотя бы проделать в нем крошечное отверстие просто невозможно. Только общаться точечно с настоящими, отличающимися от вас людьми. Только намеренно их искать. Только открывать книги и фильмы, которые ты никогда бы не посмотрел. Искать намерено онлайн витрины, журналы, порталы, аккаунты с другой точкой зрения, а еще лучше — с несколькими разными. Прикладывать усилия, чтобы расширять свой пузырь изнутри, заполняя новой разнообразной информацией. Осознанно подходить к его формированию.

Бороться с порабощением нас рекомендательным искусственным интеллектом. Который на самом деле делает нас глупее, если не сказать скудоумными. Отрывает нас от реальности. Формирует не выдерживающее никакой критики узкое и однобокое представление о мире, людях и обществе. И прикладывать для этого все усилия. Осознанно простраивая свою стратегию развития. Даже неформального. Просто как человека мыслящего. Просто как Человека.

Глава 3. Как создавать тексты с ИИ?

В каком-то смысле генеративный ИИ не так уж плох. Да, он может галлюцинировать и очень часто делает это. Придумывает факты и события, книги и фильмы. Ошибается при расчетах и попытке дать совет. Но в каком-то смысле он прямая противоположность рекомендательных алгоритмов. Хотя сложно сказать, что хуже — личные заблуждения или коллективные.

Коллективные заблуждения — это то, что по своей сути составляет базу обучения искусственного интеллекта и что он воспроизводит в каждом своем ответе. Кстати, именно из-за этого многие активисты борются против внедрения моделей искусственного интеллекта в жизненно важных сферах. Чтобы не дать ему множить расовые и гендерные стереотипы в судебной сфере или опираться на распространенные ошибки врачей при постановке диагнозов. Потому что даже идеально обученный ИИ, который будет точно воспроизводить именно нужные ответы и никогда не станет сбиваться, будет действовать не исходя из объективной реальности (он ничего о ней не знает), а опираясь на некое усредненное коллективное представление о ней.

Потому что во время обучения ИИ не запоминает факты. Это не гигантский поисковик по заложенной в него библиотеке. Это программа, которая выявила общие закономерности в текстах определенного типа или тематики и теперь воспроизводит их, когда запрос пользователя так или иначе касается этой области. Знать она ничего не знает.

Это как если бы вам предложили сыграть в игру. Вам будут задавать вопросы, а вы обязаны на них ответить, при чем отвечать «не знаю» нельзя.