Nasza strona internetowa zawiera linki do stron partnerskich. Jeśli przejdziesz z naszej strony na stronę partnera i tam dokonasz zakupu jego usług, otrzymamy prowizję za pośrednictwo (Dowiedz się więcej). Ta forma współpracy nie wpływa na obiektywność naszych recenzji. Przy każdym zakupie za pomocą kliknięcia z naszej strony internetowej wspierasz naszą redakcję, dzięki czemu możemy tworzyć wysokiej jakości treści. Dziękujemy.
O co możesz zapytać sztuczną inteligencję ChatGPT?
W listopadzie 2022 roku firma Open AI udostępniła swoje narzędzie ChatGPT do publicznych testów. Rozpoczęło się szaleństwo, prawie każdy chce porozmawiać z czatem – zarówno laicy, jak i profesjonalni użytkownicy. Czat posługuje się różnymi językami, w tym także językiem polskim. My też go wypróbowaliśmy i na konkretnych przykładach pokażemy zarówno mocne strony jak i ograniczenia ChatGPT.
Zaskakujące jest, jak naturalnie brzmią zdania tworzone przez system oraz to, jak swoimi odpowiedziami nawiązuje na wybrany przez Ciebie temat rozmowy. Umie również podtrzymywać rozmowę i pamięta całą poprzednią konwersację, dzięki czemu możesz wrócić do poprzednich pytań, a on prawidłowo je zrozumie.
Zapalony tester
Pierwszym testerem chatGPT był mój kolega:
- Wykorzystał go po to, aby skonsultować różne teorie fizyczne, docierając czasami nawet do granic swojej wiedzy. Próbował uzyskać wskazówki dotyczące unifikacji mechaniki kwantowej z ogólną teorią względności (która jest dobrze znanym, otwartym problemem w fizyce). Z entuzjazmem oraz pewnego rodzaju rozczarowaniem podsumował ten eksperyment: „Chciałbym mieć takiego nauczyciela jak ChatGPT. Pogłębiłem trochę swoją wiedzę, jednak ChatGPT nie wymyśla niczego nowego, nie jest w stanie połączyć teorii, które nie zostały jeszcze połączone przez ludzi, i nie wykrywa logicznych niespójności w rozmowie”.
- ChatGPT wykorzystał także do ulepszenia kodu HTML w ramach Bootstrap. Szukał instrukcji, jak umieścić logo w górnym menu strony oraz szukał odpowiedzi, jak włączyć różne wersje menu dla strony przeznaczonej na desktop, tablety i urządzenia mobilne. Rozwiązania oferowane przez ChatGPT były użyteczne i praktyczne.
- Z ChatGPT konsultuje też modyfikacje diety dla sportowców z nadciśnieniem. Konsultuje również zmiany w jadłospisie. Stosuje się do zaleceń ChatGPT, ponieważ sugerowane dania są zgodne z listą pokarmów zalecanych mu przez innych sportowców.
Wrażenia końcowe zapalonego testera: „Wow! Jestem zdumiony tym, co potrafi ChatGPT. Jego umiejętność podsumowywania złożonych i skomplikowanch tematów w prostych zdaniach jest zaskakująca i praktyczna. W pewnym sensie naprawdę można z nim rozmawiać, tak jak z osobą myślącą, która ma swoje zdanie i potrafi go bronić”.
Ostrożny tester
Entuzjazm jest zaraźliwy, więc ja również testowałam GPT na różne sposoby:
- Zadawałam te same pytania po angielsku i po polsku, aby sprawdzić podobieństwo odpowiedzi. Czasami podczas tłumaczenia wystąpił jakiś błąd. Były to „nieszkodliwe” teksty o różnych zwyczajach noworocznych. Dodatkowo, jeśli sama nie znałam odpowiedzi na pytanie, które zadawałam ChatGPT, weryfikowałam je w innych źródłach.
- Poprosiłam o wygenerowanie szkiców i konspektów artykułów na różne tematy – były bardzo przydatne. Bazowałam na recenzji AI Jasper, która używa właśnie takich szablonów dla różnych rodzajów tekstów.
- Poprosiłam także o polecenie różnych wtyczek dla WordPressu. Rekomendacje odpowiadały temu, jakich wtyczek sama używam szukając konkretnych funkcji.
- Następnie poprosiłam również o wygenerowanie kodu prostej wtyczki WordPress, którą można umieścić na pasku bocznym i która powinna wyświetlać tekst „Dzisiaj jest…” z nazwą aktualnego dnia. Poprosiłam też o instrukcje, jak zapisać kod i jak przesłać go do WordPressu. Kod wtyczki działał, wskazówki dotyczące instalacji również, a wynik możesz zobaczyć na poniższym filmie.”
- Sprawdziłam też swoją wiedzę z matematyki na przykładach z siódmej olimpiady pitagorejskiej i konkursu matematycznego. ChatGPT poprawnie rozszyfrował zagadki pitagorejskie, które polegały głównie na odgadnięciu kalamburów. Olimpiada okazała się nieco trudniejsza. Równanie zostało zbudowane poprawnie, ale ChatGPT nie był w stanie go rozwiązać. Gdy wskazałam błąd i zapytałam o cząstkowe obliczenia, podał poprawny wynik, ale nie umiał poprawić całego rozwiązania. (Myślę, że żadne wyjaśnienie nie jest potrzebne, ChatGPT dokonał niewłaściwych podstawień, wiek babci w poniższym przykładzie powinien wynosić 74 lata.)
Wrażenia końcowe ostrożnego testera: ChatGPT jest w stanie zrozumieć pytania i treść zadania, ale czy można mu w pełni zaufać? Czy przewidywania modeli językowych mogą być tak dokładne, jak rzeczywistość? Jak to faktycznie działa? Jaka jest różnica między „myśleniem” sztucznej inteligencji a myśleniem człowieka? Jaka jest różnica między zdaniami tworzonymi przez czat oraz człowieka?
Jakim typem testera jesteś: entuzjastycznym czy ostrożnym? Jeśli chcemy polegać na odpowiedziach sztucznej inteligencji, powinniśmy zrozumieć, w jaki sposób ona je generuje.
Model językowy ChatGPT
Można spotkać się z określeniami „State-of-the-art Language Model” lub „Natural Language Model”, które opisują zaawansowanie modelu językowego – tworzone przez niego teksty są podobne do ludzkiej mowy i są tworzone przez system prawie tak szybko, jak ludzka mowa.
W poniższej tabeli wymieniono zaawansowane modele językowe używane obecnie przez różne firmy (stan na wrzesień 2022 r.):
W tabeli znajdziesz ilość danych, na których uczyły się systemy, liczbę parametrów (przykładowo aktualna wersja ChatGPT przechowuje aż 175 miliardów różnych parametrów), organizację, która rozwija dany model językowy, podstawowy język, na którym szkolony jest model, a w kolumnie Access Regime znajdziesz informację o dostępności systemu do użytku publicznego.
Skrót GPT oznacza „Generative Pre-trained Transformer”. Architektura transformatorowa to rodzaj sieci neuronowej przeznaczona do przetwarzania danych sekwencyjnych (tekstów, mowy, obrazów itp.), została wprowadzona przez pracowników Google w 2017 roku i jest często określana jako punkt zwrotny w dziedzinie sztucznej inteligencji do przetwarzania sekwencyjnych typów danych. Do tego czasu do uczenia maszynowego używano rekurencyjnych lub konwolucyjnych sieci neuronowych. Architektura transformatorowa umożliwia równoległe wykonywanie wielu obliczeń i wymaga mniej czasu na nauczenie się danych. Możemy sobie to bardzo prosto wyobrazić w następujący sposób:
- Tekst wejściowy już na wejściu jest dzielony na mniejsze części (embeddings).
- Przechodzą one przez warstwy transformatorów, które mają na celu zrozumienie relacji pomiędzy tymi częściami – w oparciu o prawdopodobieństwo.
- Wynikiem jest znaczenie tekstu wejściowego.
Modele językowe zbudowane na architekturze transformatorowej są w stanie zrozumieć kontekst i znaczenie słów nawet w przypadku dłuższych tekstów wejściowych.
W dokumentacji „Attention Is All You Need” znajdziesz pełny opis projektowania i testowania tej architektury pod kątem tłumaczenia maszynowego z języka angielskiego na niemiecki i z angielskiego na francuski.
Jeśli interesują Cię szczegóły techniczne, polecam serię Andreja Karpathego o sieciach neuronowych na jego kanale YouTube. Andrej Karpathy jest pochodzenia słowackiego, w Open AI pracował w latach 2015-2017, w dziale AI firmy Tesla w latach 2017-2022.
W poniższym filmie szczegółowo wyjaśnia, jak działa ChatGPT.
Film jest w języku angielskim i zawiera bardzo szczegółową instrukcję techniczną dla osób posługujących się językiem Python, niezbędna jest również znajomość podstawowych metod matematycznych i statystycznych.
Nie patrz z góry na dzisiejszą sztuczną inteligencję! Albo jednak tak?
Udało Ci się już przetestować ChatGPT? Jakim jesteś typem testera: zapalonym czy ostrożnym? Opowiedz nam o swoich doświadczeniach w komentarzach. Jakie jest najzabawniejsze pytanie, które udało Ci się zadać? Jaka jest najzabawniejsza odpowiedź, jaką udało Ci się otrzymać?
Na końcu artykułu macham do Was za pomocą obrazu wygenerowanego przez sztuczną inteligencję Midjourney. Bądźcie ostrożni i przynajmniej od czasu do czasu sprawdźcie, czy odpowiedzi uzyskane od czatu są prawidłowe! Dzisiejsza sztuczna inteligencja wie dużo, ale nie jest nieomylna. Nie można polegać w 100% na wszystkich wygenerowanych tekstach, nawet ich twórcy zwracają uwagę na możliwość wystąpienia błędów.
Jeśli chcielibyśmy znaleźć bardzo uproszczone wyjaśnienie, możemy postrzegać ChatGPT jako model predykcyjny, który może zrozumieć znaczenie i kontekst tekstu wejściowego na podstawie statystyk. W oparciu o szkolenie na dużym zbiorze danych może generować teksty podobne do naturalnego języka ludzkiego, ale musimy wziąć pod uwagę to, że jego odpowiedzi są generowane na podstawie prawdopodobieństwa, wzorców i informacji pochodzących z danych treningowych. Nie zawsze są one poprawne i prawdziwe.
Modele językowe nadal będą wymagały udoskonalenia.