in

გენერაციული AI საძიებო სისტემების რევოლუციას ვერ მოახდენს

ჯერჯერობით მაინც…

ChatGPT-მ დიდი აჟიოტაჟი გამოიწვია… OpenAI-ის LMM-ის გამოშვების შემდეგ, ფართოდ გავრცელდა მოსაზრებები იმის შესახებ, თუ როგორ შეცვლის Generative AI (GenAI) ყველაფერს, ცოდნის, კვლევისა და კონტენტის შექმნის შესახებ. როგორ გარდაქმნის სამუშაო ძალას და იმ უნარ-ჩვევებს, რომლებისთვისაც თანამშრომლები მიისწრაფვიან. ან სულაც, როგორ გამოიწვევს იგი მთლიანი ინდუსტრიის უეცარ ზრდას. 

აქ კი ყველაზე მეტს საძიებო სისტემებზე საუბრობენ. გენერაციულ ხელოვნურ ინტელექტს აქვს პოტენციალი, დრამატულად შეცვალოს ის, რასაც მომხმარებლები ძებნისას ელიან… მიუხედავად ამ აჟიოტაჟისა, გენერაციული AI პრაქტიკულ, ტექნიკურ თუ იურიდიულ გამოწვევებს გვთავაზობს, რომლებიც უნდა დავძლიოთ, სანამ ეს ხელსაწყოები მასშტაბირდება, გაძლიერდება და სანდოობასაც მოიპოვებს. 

გუშინდელი ამბები

საძიებო სისტემები ადრეული 1990-იანი წლებიდან გახდა პოპულარული, მაგრამ მისი ძირითადი მიდგომა უცვლელია: შესთავაზოს მომხმარებელს ის ვებგვერდები, რომლებიც ყველაზე რელევანტურია მისთვის. Search 1.0-ის ეპოქა ინდივიდებს სთხოვდა, შეეყვანა ე. წ. ქივორდი ან მათი კომბინაციები და ამ ფორმით დაესვა კითხვა საძიებო სისტემისთვის. Search 2.0 კი უკვე 2000-იან წლებში ჩნდება და სემანტიკური ძიების პროცესს გვაცნობს, რომელმაც მომხმარებლებს საშუალება მისცა, დაეწერათ ბუნებრივი ფრაზები ისე, თითქოს, ისინი ადამიანებთან ურთიერთობდნენ. 

Google კი დომინანტი 3 მიზეზის გამო გახდა: მარტივია, რელევანტურ პასუხებს გვთავაზობს და სწრაფად პოულობს ვებგვერდებს, რომელთაც თქვენთვის საჭირო ინფორმაცია აქვს. ახლა კი, როგორც ჩანს, მისი გამოყენების კიდევ ერთი გზა იკვეთება — მას შემდეგ, რაც გუგლმა Bard გაგვაცნო, მომხმარებლებს გაუჩინა მოლოდინი, რომ ისინი უფრო სიღრმისეულ ინფორმაციებს მიიღებენ. და ეს სწორედ ის არის, რასაც Search 3.0 აკეთებს — ვებგვერდების ნაცვლად, პირდაპირ პასუხებს გვაწვდის. გადატანითი მნიშვნელობით, Google არის კოლეგა, რომელიც ბიბლიოთეკაში კონკრეტულ წიგნზე მიგვითითებს, რომელსაც, თავის მხრივ, ჩვენს კითხვაზე პასუხის გაცემა შეუძლია. ხოლო ChatGPT წარმოადგენს თანამშრომელს, რომელსაც უკვე ყველა წიგნი აქვს წაკითხული ბიბლიოთეკაში და შეუძლია, პირდაპირ უპასუხოს ჩვენს კითხვას, თეორიულად მაინც. 

თუმცა აქვე იმალება ChatGPT-ის პირველი პრობლემა: ამჟამინდელი ფორმით იგი საძიებო სისტემა არ არის, ძირითადად იმიტომ, რომ არ აქვს წვდომა რეალურ დროში არსებული ინფორმაციის შესახებ, იმ გზით, რა გზითაც ამას ვებ საძიებო სისტემები გვთავაზობს. საინტერესოა ისიც, რომ ChatGPT-ის დიდი მონაცემთა ბაზა შეასწავლეს, რამაც მას სტატიკური ცოდნა მისცა, ამასთან, ადამიანის ენის გაგებისა და წარმოების უნარი. თუმცა, ამის გარდა, მან არაფერი იცის — მისთვის ჯერ არც რუსეთი შეჭრილა უკრაინაში და არც დედოფალი მომკვდარა…

ნეტავ, შეიცვლება თუ არა ეს ახლო მომავალში? კონკრეტული საკითხი მეორე, კიდევ უფრო დიდ პრობლემას გამოკვეთს — ამ ეტაპისთვის, LLM-ის უწყვეტად დატრენინგება ძალიან დიდ სირთულეს წარმოადგენს. ამას უზარმაზარი ენერგია და ფინანსური რესურსები დასჭირდება… მაგრამ კომპანიებმა ამ ტექნიკური თუ ფინანსური გამოწვევის დაძლევაც რომ შეძლონ, კვლავ იკვეთება პრობლემა, რომელსაც ამჯერად ინფორმაციები გვთავაზობს: რის სწავლას აპირებს ისეთი ხელსაწყოები, როგორიცაა ChatGPT და ვისგან?

განიხილეთ წყარო

ჩეტბოტები საზოგადოების სარკესავითაა, ისინი ირეკლავენ იმას, რასაც ხედავენ. შესაბამისად, თუ მათი გაუფილტრავი მონაცემებით გაწვრთნას დათანხმდებით, შეცდომებიც გარანტირებული გექნებათ. დიახ, სწორედ ამიტომ არჩევენ ფრთხილად მონაცემებს LLM-ისთვის. თუმცა ესეც ვერ უზრუნველყოფს იმას, რომ მასიური ონლაინ მონაცემებიდან ყველა კონტენტი ფაქტობრივად სწორი იყოს და მიკერძოებებისგან თავისუფალიც. კვლევის თანახმად, აქ ხშირად გვაქვს ისეთ საკითხებთან შეხება, როგორებიცაა ჰეგემონური შეხედულებები და მიკერძოებები, რომლებიც მარგინალიზებული საზოგადოებების მიმართ არსებობს. 

ეს დიდი პრობლემაა, რადგან ამას მომხმარებლები ზუსტად იმ ვებგვერდებამდე მიჰყავს, რომლებიც მიკერძოებულ, რასისტულ, არასწორ ან სხვაგვარად შეუსაბამო კონტენტს გვთავაზობს. მაგრამ აქ გუგლი უბრალო სახელმძღვანელოა, რომელიც ადამიანებს წყაროებისკენ მიუთითებს, მათ კონტენტზე კი ნაკლებ პასუხისმგებლობას იღებს. თავად მომხმარებლებმა უნდა განასხვაონ ფაქტები თუ ობიექტური მოსაზრებები და გადაწყვიტონ, რომელი ინფორმაცია გამოიყენონ. ეს უკანასკნელი კი ChatGPT-ს არ აქვს, შესაბამისად, თავადვეა პასუხისმგებელი იმ მიკერძოებულ თუ რასისტულ შედეგებზე, რომლებსაც გვაწვდის. 

კონკრეტული საკითხები გამჭვირვალობის თემას წევს წინ — მომხმარებლებს წარმოდგენა არ აქვთ იმ წყაროებზე, რომლებზე დაფუძნებითაც ChatGPT მათ პასუხებს სთავაზობს. ხოლო, როცა ჰკითხავენ, ამაზე არც AI უპასუხებს მათ. ეს რთულ მდგომარეობას გვთავაზობს, რომელშიც მიკერძოებული პასუხი მომხმარებელმა ობიექტურ რეალობად შეიძლება ჩათვალოს. ამ გამოწვევის დაძლევაზე კი OpenAI WebGPT-სთან ერთად მუშაობს, ხელოვნური ინტელექტის ხელსაწყოსთან, რომელსაც წყაროების მითითება შეუძლია. თუმცა ამან, თავის მხრივ, პლაგიატის პრობლემა შეიძლება წარმოშვას…

ერთია პლაგიატის საკითხი და მეორე ის, რაც LLM-მ მოიგონა“. მაგალითად, Google-ის Bard-მა დემო ვერსიაში ჯეიმს ვების ტელესკოპის შესახებ ფაქტობრივად არასწორი ინფორმაცია შემოგვთავაზა. ასე იყო ChatGPT-ს შემთხვევაშიც, როცა მას ეკონომიკის ყველაზე ხშირად ციტირებული ნაშრომის დასახელება სთხოვეს… ამ საკითხების გამო, ChatGPT-სა და LLM-ს ჯერ მთავარი გამოწვევების დაძლევა მოუწევთ, რათა შემდგომში ის ინფორმაციების სერიოზულ და სანდო წყაროდ აღიქვან. 

ვერტიკალური მომავლისკენ სვლა

შესაძლოა, LLM ტრადიციული საძიებო სისტემების გარკვეულ ასპექტებს აძლიერებდეს, მაგრამ იგი გუგლისთვის გვირგვინის წართმევას ჯერ მაინც ვერ შეძლებს. თუმცა მას კვლავ შეუძლია, ითამაშოს რევოლუციური როლი სხვა ტიპის საძიებო სისტემებში. კონკრეტულად კი აქ ვერტიკალური ძიების ხელსაწყოებს ვგულისხმობთ, რაც LLM-ის გამოყენებას რამდენიმე მიზეზით ხდის შესაძლებელს. პირველი — იგი ფოკუსირდება კონკრეტულ სფეროებსა და შემთხვევებზე, შესაბამისად, ვიწრო, მაგრამ სიღრმისეულ ცოდნას გვთავაზობს. ეს ამარტივებს LLM-ების დატრენინგებას რთულ მონაცემთა ბაზებზე. ასე ამ მონაცემების მართვაც მარტივდება შესაბამისი უფლებებით, ინტელექტუალური საკუთრებით, კანონებით, წესებითა თუ რეგულაციებით. მიზნობრივი ენობრივი მოდელების წყალობით კი, მათი ხშირად გაწვრთნაც შესაძლებელია და ეს დიდ ხარჯებთანაც არ არის დაკავშირებული.

ამგვარად, ვერტიკალურ LLM-ებს შეუძლია, შემოგვთავაზოს პროდუქტიული ხელსაწყოების ახალი თაობა, რომლებსაც ადამიანები დღეს სრულიად ახალი გზებით გამოიყენებენ. თუმცა იმისათვის, რომ ბიზნესებმა და მეწარმეებმა განსაზღვრონ, რამდენად შეძლებენ ვერტიკალური LLM-ებით სარგებლობა, ეს 5 კითხვა უნდა დასვან:

  1. ეს ამოცანა ან პროცესი ტრადიციულად მოითხოვს ბევრ კვლევასა და გამოცდილებას?
  2. ამოცანის შედეგი სინთეზირებული ინფორმაცია ან ცოდნაა, რომელიც მომხმარებლებს მოქმედებისა და გადაწყვეტილების მიღების საშუალებას აძლევს?
  3. არსებობს თუ არა ტექნიკური და ფაქტობრივი მონაცემები AI-ს გასაწვრთნელად, რათა იგი ვერტიკალური ძიების ექსპერტი გახდეს?
  4. შესაძლებელია თუ არა, LLM შესაბამისი სიხშირით გაიწვრთნას ახალ ინფორმაციაზე, რათა უახლესი ინფორმაცია მოგვაწოდოს?
  5. ლეგალური ან ეთიკურია ხელოვნური ინტელექტისგან, რომ მათ ისწავლონ ან გაიმეორონ ის შეხედულებები, ვარაუდები თუ ინფორმაციები, რომლებსაც მონაცემები სთავაზობს მას?

ამ კითხვებზე პასუხის გაცემა მოითხოვს ბიზნესის, ტექნიკური, ფინანსური, იურიდიული და ეთიკური პერსპექტივების გაერთიანებას. და თუ ყველა კითხვაზე პასუხი არის დიახ, გამოდის, ვერტიკალური LLM-სგან მაქსიმალური სარგებლის მიღებას შეძლებთ. 

დაუბრუნდით ჩვეულ რეჟიმს

ChatGPT-ს მიღმა არსებული ტექნოლოგია შთამბეჭდავია, მაგრამ არა, ექსკლუზიური და მის რეპლიკას მალევე შემოგვთავაზებენ. დროთა განმავლობაში საზოგადოების გატაცება ChatGPT-ს სასიამოვნო პასუხების მიმართ გაცვდება, როცა ტექნოლოგიის პრაქტიკული რეალობები და შეზღუდვები წარმოჩენას დაიწყებს. შედეგად, ინვესტორებმა და მომხმარებლებმა ყურადღება უნდა გაამახვილონ კომპანიებზე, რომლებიც ზემოთ აღნიშნული ტექნიკური, იურიდიული თუ ეთიკური გამოწვევების დაძლევაზე ზრუნავენ, რადგან სწორედ აქ არის შესაძლებელი პროდუქტის დიფერენციაცია და სწორედ ეს არის სივრცე, სადაც AI ბრძოლები შეგიძლიათ მოიგოთ.

 

 წყარო: HBR



საუკეთესო მანქანების ათეული დამწყები მძღოლებისთვის

Spotify-ის ახალი ფუნქცია ინდივიდუალურად მორგებულ რეკომენდაციებს გვთავაზობს