בינה מלאכותית גנרטיבית (AI) מתארת אלגוריתמים (כגון ChatGPT) שניתן להשתמש בהם ליצירת תוכן חדש, כולל אודיו, קוד, תמונות, טקסט, סימולציות וסרטונים.
בינה מלאכותית גנרטיבית (AI) מתארת אלגוריתמים (כגון ChatGPT) שניתן להשתמש בהם ליצירת תוכן חדש, כולל אודיו, קוד, תמונות, טקסט, סימולציות וסרטונים. לפריצות דרך אחרונות בתחום יש פוטנציאל לשנות באופן דרסטי את הדרך בה אנו ניגשים ליצירת תוכן.
מערכות בינה מלאכותית גנרטיביות נופלות תחת הקטגוריה הרחבה של למידת מכונה, והנה איך מערכת אחת כזו – צאט ג'י פי טי – מתארת את מה שהיא יכולה לעשות:
מוכן לקחת את היצירתיות שלך לשלב הבא? אל תסתכל רחוק יותר מבינה מלאכותית גנרטיבית! הצורה הנחמדה הזו של למידת מכונה מאפשרת למחשבים לייצר כל מיני תוכן חדש ומרגש, ממוזיקה ואמנות ועד עולמות וירטואליים שלמים. וזה לא רק בשביל הכיף – לבינה מלאכותית גנרטיבית יש גם הרבה שימושים מעשיים, כמו יצירת עיצובי מוצרים חדשים ואופטימיזציה של תהליכים עסקיים. אז למה לחכות? שחרר את הכוח של AI מחולל וראה אילו יצירות מדהימות אתה יכול להמציא!
משהו בפסקה ההיא נראה לך לא? אולי לא. הדקדוק מושלם, הטון עובד, והנרטיב זורם.
מה הם ChatGPT ו-DALL-E?
זו הסיבה ש- צאט ג'י פי טי (ChatGPT) – ה-GPT מייצג שנאי מיומן מראש – מקבל כל כך הרבה תשומת לב כרגע. זהו צ'אט בוט חינמי שיכול ליצור תשובה כמעט לכל שאלה שהוא נשאל. פותח על ידי OpenAI, ושוחרר לבדיקה לציבור הרחב בנובמבר 2022, הוא כבר נחשב לצ'אטבוט ה-AI הטוב ביותר אי פעם. וזה גם פופולרי: יותר ממיליון אנשים נרשמו להשתמש בו תוך חמישה ימים בלבד. מעריצים זרועי כוכבים פרסמו דוגמאות לצ'אטבוט שמייצר קוד מחשב, מאמרים ברמת המכללה, שירים ואפילו בדיחות הגונות באמצע הדרך. אחרים, מבין המגוון הרחב של אנשים שמתפרנסים מיצירת תוכן, מקופירייטרים פרסומיים ועד פרופסורים קבועים, רועדים במגפיים.
בעוד שרבים הגיבו ל-ChatGPT (ול-AI ולמידת מכונה באופן רחב יותר) בפחד, ללמידת מכונה יש בבירור פוטנציאל לטובה. בשנים שחלפו מאז הפריסה הרחבה שלה, למידת מכונה הוכיחה השפעה במספר תעשיות, והשיגה דברים כמו ניתוח הדמיה רפואית ותחזיות מזג אוויר ברזולוציה גבוהה. סקר מקינזי משנת 2022 מראה שאימוץ בינה מלאכותית הוכפל בחמש השנים האחרונות, וההשקעה בבינה מלאכותית גוברת במהירות. ברור שלכלי AI גנרטיביים כמו צאט ג'י פי טי (ChatGPT) ו-DALL-E (כלי לאמנות שנוצרת בינה מלאכותית) יש פוטנציאל לשנות כיצד מבוצעות מגוון עבודות. עם זאת, ההיקף המלא של ההשפעה הזו עדיין לא ידוע – וכך גם הסיכונים. אבל יש כמה שאלות שאנחנו יכולים לענות עליהן – כמו איך בנויים דגמי AI גנרטיביים, אילו סוגי בעיות הם המתאימים ביותר לפתור, וכיצד הם משתלבים בקטגוריה הרחבה יותר של למידת מכונה. המשך לקרוא כדי לקבל את ההורדה.
בעוד שרבים הגיבו ל-ChatGPT (ול-AI ולמידת מכונה באופן רחב יותר) בפחד, ללמידת מכונה יש בבירור פוטנציאל לטובה. בשנים שחלפו מאז הפריסה הרחבה שלה, למידת מכונה הוכיחה השפעה במספר תעשיות, והשיגה דברים כמו ניתוח הדמיה רפואית ותחזיות מזג אוויר ברזולוציה גבוהה. סקר מקינזי משנת 2022 מראה שאימוץ בינה מלאכותית הוכפל בחמש השנים האחרונות, וההשקעה בבינה מלאכותית גוברת במהירות. ברור שלכלי AI גנרטיביים כמו ChatGPT ו-DALL-E (כלי לאמנות שנוצרת בינה מלאכותית) יש פוטנציאל לשנות כיצד מבוצעות מגוון עבודות. עם זאת, ההיקף המלא של ההשפעה הזו עדיין לא ידוע – וכך גם הסיכונים. אבל יש כמה שאלות שאנחנו יכולים לענות עליהן – כמו איך בנויים דגמי AI גנרטיביים, אילו סוגי בעיות הם המתאימים ביותר לפתור, וכיצד הם משתלבים בקטגוריה הרחבה יותר של למידת מכונה. המשך לקרוא כדי לקבל את ההורדה.
מה ההבדל בין למידת מכונה ג'נרטיב לבינה מלאכותית?
בינה מלאכותית היא פחות או יותר מה שזה נשמע – התרגול של לגרום למכונות לחקות אינטליגנציה אנושית לבצע משימות. סביר להניח שקיימת אינטראקציה עם AI גם אם אינך מבין זאת – עוזרות קוליות כמו סירי ואלקסה מבוססות על טכנולוגיית AI, וכך גם צ'אטבוטים של שירות לקוחות שצצים כדי לעזור לך לנווט באתרים.
למידת מכונה היא סוג של בינה מלאכותית. באמצעות למידת מכונה, מתרגלים מפתחים בינה מלאכותית באמצעות מודלים שיכולים "ללמוד" מדפוסי נתונים ללא כיוון אנושי. הנפח העצום והמורכבות הבלתי ניתנת לניהול של נתונים (שלא ניתן לניהול על ידי בני אדם, בכל מקרה) שנוצר כעת, הגדילו את הפוטנציאל של למידת מכונה, כמו גם את הצורך בה.
מהם הסוגים העיקריים של מודלים של למידת מכונה ג'נרטיב?
למידת מכונה מושתתת על מספר אבני בניין, החל בטכניקות סטטיסטיות קלאסיות שפותחו בין המאות ה-18 וה-20 עבור מערכי נתונים קטנים. בשנות ה-30 וה-40 החלו חלוצי המחשוב – כולל המתמטיקאי התיאורטי אלן טיורינג – לעבוד על הטכניקות הבסיסיות ללמידת מכונה. אבל טכניקות אלה הוגבלו למעבדות עד סוף שנות ה-70, כאשר מדענים פיתחו לראשונה מחשבים חזקים מספיק כדי להרכיב אותם.
עד לאחרונה, למידת מכונה הייתה מוגבלת במידה רבה למודלים חזויים, ששימשו לצפייה וסיווג דפוסים בתוכן. לדוגמה, בעיה קלאסית של למידת מכונה היא להתחיל עם תמונה או כמה תמונות של, למשל, חתולים מקסימים. לאחר מכן, התוכנית תזהה דפוסים בין התמונות, ולאחר מכן בודקת תמונות אקראיות עבור אלה שיתאימו לדפוס החתול המקסים. AI גנרטיבי היה פריצת דרך. במקום פשוט לתפוס ולסווג תמונה של חתול , למידת מכונה יכולה כעת ליצור תמונה או תיאור טקסט של חתול לפי דרישה.
כיצד פועלים מודלים של למידת מכונה מבוססי טקסט? איך הם מאומנים?
ייתכן ש-ChatGPT מקבל את כל הכותרות כעת, אבל זה לא המודל הראשון של למידת מכונה מבוססת טקסט שמצליח להשפיע. ה-GPT-3 של OpenAI ו-BERT של גוגל הושקו שניהם בשנים האחרונות בקול תרועה רמה. אבל לפני ChatGPT, שלפי רוב החשבונות עובד די טוב רוב הזמן (אם כי הוא עדיין בהערכה), צ'אטבוטים של AI לא תמיד קיבלו את הביקורות הטובות ביותר. GPT-3 הוא "לפי דרכו סופר מרשים וסופר מאכזב", אמר כתב הטכנולוגיה של ניו יורק טיימס, קייד מץ, בסרטון שבו הוא וסופרת האוכל פריה קרישנה ביקשו מ-GPT-3 לכתוב מתכונים לארוחת חג ההודיה (די הרת אסון) .
המודלים הראשונים של למידת מכונה שעבדו עם טקסט אומנו על ידי בני אדם לסיווג תשומות שונות לפי תוויות שנקבעו על ידי חוקרים. דוגמה אחת תהיה מודל שהוכשר לתייג פוסטים במדיה החברתית כחיוביים או שליליים. סוג זה של הכשרה ידוע כלמידה מפוקחת מכיוון שאדם אחראי על "ללמד" את המודל מה לעשות.
הדור הבא של מודלים ללימוד מכונה מבוססי טקסט מסתמך על מה שמכונה למידה בפיקוח עצמי. סוג זה של אימון כרוך בהזנת מודל בכמות עצומה של טקסט כדי שיוכל ליצור תחזיות. לדוגמה, מודלים מסוימים יכולים לחזות, על סמך כמה מילים, כיצד יסתיים משפט. עם הכמות הנכונה של טקסט לדוגמה – נניח, חלק נרחב של האינטרנט – מודלים של טקסט אלה הופכים מדויקים למדי. אנו רואים עד כמה מדויק עם ההצלחה של כלים כמו ChatGPT.
מה נדרש כדי לבנות מודל בינה מלאכותית?
בניית מודל בינה מלאכותית יצירתית הייתה על פי רוב משימה גדולה, עד כדי כך שרק כמה כבדי משקל טכנולוגיים בעלי משאבים טובים ניסו. ל-OpenAI, החברה שמאחורי ChatGPT, דגמי GPT לשעבר ו-DALL-E, יש מיליארדי מימון מתורמים עם שם מודגש. DeepMind היא חברת בת של אלפבית, חברת האם של גוגל, ומטה פרסמה את מוצר ה-Make-A-Video שלה המבוסס על AI גנרטיבי. חברות אלו מעסיקות כמה מטובי מדעני המחשב והמהנדסים בעולם.
אבל זה לא רק כישרון. כשאתה מבקש מדוגמנית להתאמן באמצעות כמעט כל האינטרנט, זה יעלה לך. OpenAI לא פרסמה עלויות מדויקות, אך הערכות מצביעות על כך ש-GPT-3 הוכשר על כ -45 טרה-בייט של נתוני טקסט – כלומר כמיליון רגל של שטח מדף ספרים, או רבע מכל ספריית הקונגרס – בעלות משוערת של כמה מיליון דולר. אלה אינם משאבים שהסטארט-אפ שלך מזן הגן שלך יכול לגשת אליהם.
אילו סוגי פלט יכול לייצר מודל בינה מלאכותית?
כפי שאולי שמתם לב לעיל, ניתן להבחין בין פלטים מדגמי AI גנרטיביים לבין תוכן שנוצר על ידי אדם, או שהם יכולים להיראות קצת מוזרים. התוצאות תלויות באיכות המודל – כפי שראינו, התפוקות של ChatGPT עד כה נראות עדיפות על אלו של קודמיו – ובהתאמה בין המודל למקרה השימוש, או הקלט.
ChatGPT יכול להפיק את מה שפרשן אחד כינה מאמר " מוצק A- " המשווה תיאוריות של לאומיות של בנדיקט אנדרסון וארנסט גלנר – תוך עשר שניות. זה גם הפיק קטע מפורסם שכבר מתאר כיצד להסיר כריך חמאת בוטנים ממכשיר וידאו בסגנון התנ"ך של קינג ג'יימס. דגמי אמנות שנוצרו על ידי בינה מלאכותית כמו DALL-E (שמו אוסף של האמן הסוריאליסטי סלבדור דאלי ורובוט Pixar החביב WALL-E) יכולים ליצור תמונות מוזרות ויפות לפי דרישה, כמו ציור של רפאל של מדונה וילד , אוכל פיצה . מודלים אחרים של בינה מלאכותית יכולים לייצר קוד, וידאו, אודיו או סימולציות עסקיות .
אבל התפוקות לא תמיד מדויקות – או מתאימות. כשפריה קרישנה ביקשה מ-DALL-E 2 להמציא תמונה לארוחת חג ההודיה, היא הפיקה סצנה שבה תרנגול ההודו היה מקושט בליים שלמים, מוצב ליד קערה של מה שנראה כמו גוואקמולי. מצידו, נראה ש-ChatGPT מתקשה לספור, או לפתור בעיות אלגברה בסיסיות – או, למעשה, להתגבר על ההטיה הסקסיסטית והגזענית האורבת בזרמים התחתונה של האינטרנט והחברה באופן רחב יותר.
פלטי AI יצירתיים הם שילובים מכוילים בקפידה של הנתונים המשמשים לאימון האלגוריתמים. מכיוון שכמות הנתונים המשמשת לאימון האלגוריתמים הללו היא כה מסיבית להפליא – כפי שצוין, GPT-3 הוכשר על 45 טרה-בייט של נתוני טקסט – המודלים יכולים להיראות "יצירתיים" בעת הפקת פלטים. יתרה מכך, לדגמים יש בדרך כלל אלמנטים אקראיים, מה שאומר שהם יכולים להפיק מגוון פלטים מבקשת קלט אחת – מה שגורם להם להיראות אפילו יותר אמיתיים.
אילו סוגים של בעיות מודל AI גנרטיבי יכול לפתור?
בטח ראיתם שכלי AI (צעצועים?) גנרטיביים כמו ChatGPT יכולים לייצר אינסוף שעות של בידור. ההזדמנות ברורה גם לעסקים. כלי AI גנרטיבי יכולים לייצר מגוון רחב של כתיבה אמינה בשניות, ואז להגיב לביקורת כדי להפוך את הכתיבה למתאימה יותר למטרה. יש לכך השלכות על מגוון רחב של תעשיות, מארגוני IT ותוכנה שיכולים להפיק תועלת מהקוד המיידי, הנכון במידה רבה, שנוצר על ידי מודלים של בינה מלאכותית ועד לארגונים הזקוקים לעותק שיווקי. בקיצור, כל ארגון שצריך לייצר חומרים כתובים ברורים עשוי להועיל. ארגונים יכולים גם להשתמש בבינה מלאכותית גנרטיבית כדי ליצור חומרים טכניים יותר, כגון גרסאות ברזולוציה גבוהה יותר של תמונות רפואיות. ועם הזמן והמשאבים שנחסכו כאן,
ראינו שפיתוח מודל AI גנרטיבי הוא כל כך אינטנסיבי במשאבים שהוא לא בא בחשבון עבור כל החברות חוץ מהחברות הגדולות ביותר ובעלי המשאבים הטובים ביותר. לחברות המעוניינות להפעיל בינה מלאכותית ישנה אפשרות להשתמש ב-AI גנרטיבי מחוץ לקופסה, או לכוונן אותן כדי לבצע משימה ספציפית. אם אתה צריך להכין שקפים לפי סגנון ספציפי, למשל, תוכל לבקש מהמודל "ללמוד" כיצד כותרות בדרך כלל נכתבות על סמך הנתונים בשקפים, ואז להזין אותו בנתוני השקופית ולבקש ממנו לכתוב כותרות מתאימות.
מהן המגבלות של דגמי AI? איך אפשר להתגבר על אלה?
מכיוון שהם כל כך חדשים, עדיין לא ראינו את השפעת הזנב הארוך של דגמי AI גנרטיביים. המשמעות היא שיש כמה סיכונים טבועים בשימוש בהם – חלקם ידועים וחלקם לא ידועים.
התפוקות שדגמי בינה מלאכותית מייצרים עשויות לעתים קרובות להישמע משכנעות ביותר. זה בתכנון. אבל לפעמים המידע שהם מייצרים פשוט שגוי. גרוע מכך, לפעמים הוא מוטה (מכיוון שהוא בנוי על ההטיות המגדריות, הגזעיות ושלל ההטיות האחרות של האינטרנט והחברה באופן כללי יותר) וניתן לתמרן אותו כדי לאפשר פעילות לא אתית או פלילית. לדוגמה, ChatGPT לא ייתן לך הוראות כיצד לחבר מכונית ב-hotwire, אבל אם אתה אומר שאתה צריך לחבר רכב חם כדי להציל תינוק, האלגוריתם ישמח לציית. ארגונים המסתמכים על מודלים של AI מחוללים צריכים להתחשב בסיכונים מוניטין ומשפטיים הכרוכים בפרסום לא מכוון של תוכן מוטה, פוגע או מוגן בזכויות יוצרים.
קשור: יש לך עסק? אלה 10 כלי בינה מלאכותית AI לשיווק דיגיטלי הטובים ביותר
עם זאת, ניתן לצמצם סיכונים אלו בכמה דרכים. ראשית, חיוני לבחור בקפידה את הנתונים הראשוניים המשמשים לאימון מודלים אלה כדי להימנע מהכללת תוכן רעיל או מוטה. בשלב הבא, במקום להשתמש במודל AI מחולל מהמדף, ארגונים יכולים לשקול להשתמש במודלים קטנים יותר ומתמחים. ארגונים עם יותר משאבים יכולים גם להתאים אישית מודל כללי על סמך הנתונים שלהם כדי להתאים לצרכים שלהם ולמזער הטיות. ארגונים צריכים גם לשמור על מידע אנושי (כלומר, כדי לוודא שאדם אמיתי בודק את הפלט של מודל בינה מלאכותית לפני שהוא מתפרסם או נעשה בו שימוש) ולהימנע משימוש במודלים של בינה מלאכותית עבור החלטות קריטיות, כגון אלו הכרוכות במשאבים משמעותיים. או רווחת האדם.
אי אפשר להדגיש מספיק שזה תחום חדש. נוף הסיכונים וההזדמנויות עשוי להשתנות במהירות בשבועות, חודשים ושנים הקרובים. מקרי שימוש חדשים נבדקים מדי חודש, ודגמים חדשים צפויים להתפתח בשנים הקרובות. ככל שבינה מלאכותית גנרטיבית משתלבת יותר ויותר בעסק, בחברה ובחיים האישיים שלנו, אנו יכולים לצפות גם לאקלים רגולטורי חדש שיתגבש. כאשר ארגונים מתחילים להתנסות – וליצור ערך – עם הכלים הללו, טוב יעשו מנהיגים אם יהיו עם אצבע על הדופק של הרגולציה והסיכון.
