“Ложные знания хуже откровенного незнания, ибо в последнем случае хоть понимаешь свое положение. Не потому ли нас так раздражают наводящие вопросы детей?” К. Прутков-инженер. Мысль № 55.“

За свою двадцатилетнюю профессиональную деятельность, 6 лет из которых я провёл в роли руководителя отдела аналитики я могу сказать, что самое сложное - это не создавать у человека новое знание, а замещать устаревшую, или хуже того, изначально неверную информацию, которая прочно вписывается в его картину мира.

Цель этой статьи - описать мои исследования ChatGPT, а скорее - рассказать чем технология не является и почему опасно думать про этот инструмент в частности, да и про весь ИИ в целом как про человека. Я не думаю, что статья что-то даст продвинутым пользователям, но буду рад обсудить мысли с другими энтузиастами, в особенности если вы используете инструменты ИИ для сбора и анализа информации.

Я также опишу интересный феномен, с которым я столкнулся сам и который мне подсветил один из моих клиентов, использующих ChatGPT для решения важной задачи в своём бизнесе. Я объясню почему для людей с постсоветского пространства может быть непривычно сложно делать качественный prompt engineering даже если вы хорошо знаете английский, и как это связано с нашей высококонтекстной культурой коммуникации.

И ещё расскажу о том, почему на русском, китайском и других языках, используемых в высококонтекстных культурах продукты и сервисы, которые строятся на базе LLM (large language models), технологии, лежащей в основе ChatGPT всегда будут работать хуже, чем на английском.

Потратить на эксперименты силы и время меня вынудила тревога о том, что сейчас все покорят ИИ и улетят в сингулярность, а я останусь тут один :) Хотя вру, конечно, в какой-то момент любопытство к тому, как можно использовать новую технологию себе во благо перебороло лень. За несколько недель использования тревога что я что-то пропущу ушла, а любопытство переросло в неторопливый поиск возможностей для применения нового инструмента.

Целью этих экспериментов было очертить для себя границы возможного использования, попробовать решить некоторые прикладные задачи, и наметить будущие возможности. Я помню что появление big data привело к масштабному сдвигу парадигмы с “сначала фильтруем данные, потом считаем и храним только важное” к “храним всё, а фильтруем и считаем потом”. Это заметно изменило рынок аналитики и дало существенное преимущество экспертам, которые научились использовать технологию себе во благо.

В моём понимании что-то подобное будет происходить и с распространением LLM. В моём представлении generative AI способен совершить подобный сдвиг парадигмы и с поиском информации. Если раньше вы тратили время на то, чтобы найти достоверные источники информации и изучать их самостоятельно, то теперь ваш подход поменяется.

Вы будете задавать темы и области для поиска, а сам поиск источников и суммаризацию будет производить алгоритм - чем-то подобным сейчас занимается сервис Perplexity.ai, о котором я говорил выше. На вас будет лежать ответственность лишь проверить достоверность полученного результата. При необходимости вы сможете самостоятельно углубиться в необходимые материалы.
Именно по этой причине я выбрал для себя такую стратегию - лучшее, что я могу сделать сейчас - это следить за тем, что происходит и учитывать возможности и ограничения новой технологии.