Szybki rozwój nowej fali systemów AI może wkrótce zmienić oblicze wielu branż. Potencjał najnowszych narzędzi GenAI, jak ChatGPT, jest tak wielki, że nie da się go zignorować. Firmy, które nie wykorzystają tej przełomowej chwili, w przyszłości mogą znaleźć się w niekorzystnej sytuacji pod względem kosztów i innowacji. 

Na fali technologicznej ewolucji

Generatywna AI nie jest na wczesnym etapie rozwoju. Od dawna ewoluuje i kształtuje przyszłość. Przy jej potencjale transformacyjnym jasne jest, że zrewolucjonizuje sposób, w jaki jednostki i organizacje wchodzą w interakcje z technologią.

Firma Gartner zauważa, że wpływ GenAI staje się podobny do tego, jaki miały silnik parowy, elektryczność i Internet

GenAI prawdopodobnie odegra kluczową rolę w zmianie sposobu, w jaki pracujemy, i wpłynie na życie codzienne społeczeństw. W nadchodzących latach będziemy obserwować przekształcanie się branż w zakresie poprawy wydajności, przyspieszania procesów i odkrywania nowych modeli biznesu. 

Aby utrzymać pozycję na rynku lub uzyskać przewagę konkurencyjną, liderzy biznesowi muszą wiedzieć, jak wykorzystać GenAI, w tym ChatGPT. Dziś jest moment na zbudowanie strategii wokół Generative AI.

Korzyści z GenAI obejmują:

  • poprawę produktywności, wydajności i przepływu pracy poprzez automatyzację (ręcznych lub powtarzalnych zadań); 
  • usprawnianie procesów; 
  • usuwanie barier czasowych w generowaniu treści i pomysłów;
  • personalizację doświadczeń do obsługi klienta
  • przyspieszenie prac badawczo-rozwojowych
  • analizowanie lub eksplorację złożonych danych
  • umożliwienie nowych form tworzenia
  • generowanie danych syntetycznych, na bazie których można trenować, ulepszać systemy AI i tworzyć ich nowe modele.
Jako dowód na znaczenie GenAI dla przyszłości technologii niech posłuży fakt, że Microsoft zainwestował ponad 3 miliardy USD w OpenAI, twórcę ChatGPT, i ogłosił wieloletnią inwestycję o wartości 10 miliardów USD w tę technologię. Podkreśla to rosnące znaczenie narzędzi Open AI nie tylko dla Microsoftu i jego konkurencji (jak Google, Meta i Apple), ale dla wielu innych organizacji. Google także nie zwalnia tempa. W maju 2023 roku ogłosił kilka nowych funkcji opartych na generatywnej sztucznej inteligencji, w tym Search Generative Experience i nowy LLM o nazwie PaLM 2, który będzie zasilał chatbota Bard, m.in. produktami Google.

Generative AI, ChatGPT i LLM – kluczowe pojęcia

Co to jest GenAI?

GenAI, skrót of Generative AI, tłumaczymy na polski jako „generatywna sztuczna inteligencja”. To zestaw algorytmów zdolnych tworzyć treści na podstawie prostych podpowiedzi i kontekstu.

Wobec tradycyjnych systemów AI, które kierują się z góry określonymi wzorcami i regułami, technologia ta ma wyjątkową zdolność tworzenia niemal wszystkiego. Może generować nowe treści, jak tekst, dźwięk, grafikę, po obiekty 3D, a nowsze modele mogą łączyć więcej niż jedną funkcję.

GenAI uczy się na podstawie zestawu danych bez wyraźnych instrukcji, identyfikując zarazem podstawowe wzorce dla szerokiego zakresu zadań.

Czym jest ChatGPT?

ChatGPT jest przykładem narzędzia GenAI typu text-to-text, wyszkolonego do interakcji z użytkownikami za pomocą dialogu w języku naturalnym. Przykłady możliwości ChatGPT to:

  • angażowanie się w długie i spójne dialogi; 
  • odpowiadanie na pytania;
  • generowanie różnorodnych materiałów pisemnych, w tym biznesplanów, kampanii reklamowych czy kodu komputerowego; 
  • komponowanie tekstu w różnych stylach lub gatunkach, np. wiersza, eseju, opowiadania, scenariusza filmowego.

Co znaczy LLM?

LLM, czyli Large Language Model, to rodzaj modelu uczenia maszynowego, stanowiący algorytmiczną podstawę dla chatbotów, takich jak ChatGPT. Algorytm ten przetwarza dane wejściowe w języku naturalnym (NLP) i przewiduje następne słowo i kolejne na podstawie tego, co już zobaczył, aż jego odpowiedź będzie kompletna.

W ten sposób LLM generuje i klasyfikuje teksty, formułuje odpowiedzi na pytania w sposób konwersacyjny, tłumaczy tekst z jednego języka na inny. Model jest szkolony na bazie ogromnej liczby artykułów, wpisów w Wikipedii, książek, zasobów internetowych i innych danych wejściowych. 

LLM są kontrolowane przez parametry, których są miliony, miliardy, a nawet biliony. Parametr to mniej więcej coś, co pomaga LLM zdecydować między różnymi opcjami odpowiedzi. Np. GPT-3 LLM ma 175 miliardów parametrów, a najnowszy jego model – GPT-4, ma ich podobno bilion! 

Generative AI w życiu codziennym

Jak GenAI rewolucjonizuje sposób, w jaki pracujemy, uczymy się i komunikujemy?

GenAI już zmienia podejście do nauki i pracy. Globalnie i indywidualnie. Rozpoczęła się też rewolucja komunikacyjna, która zmienia metody badań, tworzenia i testowania treści. Zmiany te następują szybciej niż w poprzednich rewolucjach dotyczących treści.

  • W branżach kreatywnych dostęp do generatywnych narzędzi AI, upraszczających codzienne zadania mają już copywriterzy, projektanci, programiści, edytorzy zdjęć/wideo.
  • W biznesie zmienia sposób, w jaki firmy wchodzą w interakcje z klientami, napędzając jego rozwój. W efekcie GenAI wnosi wartość biznesową, jak możliwość zwiększania przychodów, obniżania kosztów i lepszego zarządzania ryzykiem. 
  • W życiu zwykłego człowieka jest stosowana do różnych czynności – od planowania, myślenia projektowego, poprzez pisanie tekstów i konspektów po tworzenie planu podróży.

W niedawnej ankiecie internetowej firmy Gartner, w której wzięło udział ponad 2500 liderów firm, 38% wskazało, że głównym celem ich inwestycji w GenAI jest utrzymanie klientów. W dalszej kolejności wskazali: wzrost przychodów (26%), optymalizacja kosztów (17%) oraz ciągłość działania (7%).

ChatGPT i Generative AI – przykłady zastosowań

Chociaż modele GenAI są wciąż na wczesnym etapie skalowania, już dostrzega się pierwszą falę narzędzi na nich opartych. Służą one do automatyzacji rutynowych zadań, jak sporządzanie dokumentacji, kodowania, edytowania czy ulepszania przepływów pracy. Dzięki temu, GenAI wywoła nie tylko głębokie zmiany w różnych branżach i dziedzinach, ale pomoże w rozwiązaniu niektórych złożonych problemów, przed którymi stoi dzisiejszy świat.

Przy tak powszechnych inwestycjach w GenAI przyszłość świata wygląda transformacyjnie

W dalszej perspektywie GenAI może zwiększyć kompetencje pracowników, którzy będą wyróżniać się zdolnością do wymyślania i udoskonalania pomysłów, projektów, procesów, usług i relacji we współpracy z AI. Owa symbiotyczna relacja przyspieszy czas nabywania biegłości i znacznie rozszerzy zakres i kompetencje pracowników we wszystkich dziedzinach.

Powszechne zastosowania skupiają się wokół kreowania treści

  • w pożądanym stylu (profesjonalizacja tekstu);
  • klasyfikacja wg tematów, nastrojów i słów kluczowych
  • tworzenie skrótów i strzeszczeń (tekstów, rozmów, e-maili, witryn).

Branże z największym potencjałem wykorzystania GenAI:

  • Opieka zdrowotna – szybsze identyfikowanie potencjalnych problemów zdrowotnych; analizowanie badań w celu lepszego diagnozowania pokazującego przyszły rozwój choroby, a która w przeciwnym razie mogłaby zostać przeoczona.
  • Biofarmacja przyspieszenie odkrywania leków oraz nowych struktur chemicznych, nowych cząsteczek lub proponowanie nowych związków leków do testowania.
Wg badania Gartnera przewiduje się, że do 2025 roku ponad 30% nowych leków będzie systematycznie odkrywanych przy użyciu technik generatywnych, co wygląda obiecująco, biorąc pod uwagę możliwość obniżenia kosztów i czasu opracowywania leków.
  • Badanie i rozwój naukowy – przyspieszanie cyklów badawczo-rozwojowych, np. poprzez generowanie danych dotyczących milionów cząsteczek skłaniających się ku określonej chorobie, a następnie testowanie ich zastosowania. 
  • Klimat i meteorologia – symulowanie klęsk żywiołowych, prognozowanie pogody i modelowanie różnych scenariuszy klimatycznych.
  • Edukacja – tworzenie materiałów szkoleniowych, planów lekcji lub internetowych platform edukacyjnych, ew. do uzupełniania nauki za pośrednictwem chatbota.
  • Finanse – tworzenie spersonalizowanych rekomendacji inwestycyjnych, analiza danych rynkowych i testowanie różnych scenariuszy w celu proponowania nowych strategii handlowych. 
  • Marketing – tworzenie spersonalizowanych treści marketingowych i produktowych, treści w mediach społecznościowych, technicznych treści sprzedażowych, takich jak tekst, obrazy i wideo. 
Badanie Gartnera przewiduje, że do 2025 roku 30% wiadomości marketingowych wychodzących z dużych organizacji będzie generowana syntetycznie. 
  • IT/inżynieria – pisanie lepszego kodu, tłumaczeniu oprogramowania między językami i analizowaniu różnych typów informacji, dokumentowanie i przeglądanie kodu w celu usprawnienia procesu programowania.
  • Motoryzacja – do prowadzenia symulacji i trenowania pojazdów autonomicznych. 
  • Media i rozrywka – szybkie generowania treści lub (jako narzędzie) do usprawniania pracy twórców, takich jak pisarze i projektanci; tworzenie nowych poziomów gier wideo lub generowanie efektów specjalnych do filmów . 
  • Branża modowaprojektowania wnętrz – do tworzenia wirtualnych projektów lub przewidywania nadchodzących trendów.
  • Prawo – odpowiadanie na złożone pytania i wyciąganie informacji z ogromnej ilości dokumentacji prawnej. Sporządzanie i opiniowanie raportów rocznych. 
  • Przetwarzanie języka naturalnego – jako siły napędowej chatbotów, wirtualnych asystentów i zaawansowanych narzędzi do pisania.
  • Inne: architektura, przemysł produkcyjny, przemysł lotniczy, obronny, elektroniczny i energetyczny – poprzez rozszerzenie podstawowych procesów o modele AI. 

Jak dotarliśmy do ChatGPT? 

Od prostych algorytmów do złożonych modeli generatywnych

GenAI ma zaskakująco długą historię. Przenikała życie ludzi stopniowo od technologii napędzającej nasze smartfony, poprzez funkcje autonomicznej jazdy w samochodach, po narzędzia używane przez sprzedawców. W efekcie jej postęp był prawie niezauważalny.

Gdy obecnie zmagamy się z rewolucyjnymi przemianami w dziedzinie AI, zrozumienie historii tej technologii może pomóc w poruszaniu się po jej przyszłości.

Zarys historii AI:Narodziny GenAI sięgają koncepcji uczenia maszynowego, tj. końca lat 50. XX w., gdy naukowcy wprowadzili koncepcję wykorzystania algorytmów do kreowania nowych danych; przełomem był stworzony przez Adama Turinga tzw. Test Turinga.Pierwsze sieci neuronowe (kluczowy element technologii leżącej u podstaw GenAI), które można było trenować, wynalazł w 1957 r. psycholog Frank Rosenblatt. Uczenie maszynowe zaczęło rozkwitać w latach 90. i po 2000 roku, kiedy zaawansowany sprzęt i dane cyfrowe stały się szerzej dostępne; narodziny generatywnej AI, jaką znamy dzisiaj, zwiastowało pojawienie się rodzaju uczenia maszynowego znanego jako sieci neuronowe. W 2014 roku Ian Goodfellow i jego współpracownicy wynaleźli określony typ sieci neuronowej zwanej generative adversarial network (GAN), tj. generatywna sieć przeciwstawna – rodzaj algorytmu, z którego pochodzi twórcza moc GenAI; umożliwiła ona tworzenie generatywnych aplikacji AI, jak obrazy, wideo i audio. W 2014 roku nastąpił też kolejny znaczący krok dzięki autoenkoderom wariacyjnym (VAE) i rekurencyjnym sieciom neuronowym (RNN), które zaczęły wykazywać zdolność do generowania nowych treści. Pojawienie się tych technologii przygotowało grunt pod ekspansję Generative AI i rozwój zaawansowanych modeli językowych, jak ChatGPT w 2023 roku.

GenAI jest świadectwem potęgi ludzkiej wyobraźni i innowacji technologicznych – od skromnych początków rozrosła się do wyrafinowanej technologii zdolnej do wytwarzania niezwykłych rzeczy.

Dlaczego teraz jest idealny moment, aby zainteresować się  Generative AI?

Kiedy patrzymy w przyszłość, jasne jest, że GenAI będzie kształtować nasz świat w sposób, jakiego jeszcze nie możemy sobie wyobrazić. Z pewnością technologia ta będzie miała znaczące implikacje dla firm, kapitału i struktur regulacyjno-prawnych.  

Nowe model GenAI mogą znacząco przyspieszyć wdrażanie sztucznej inteligencji nawet w organizacjach, które nie mają głębokiej wiedzy na temat AI lub nauki o danych.

Przewidywania na najbliższe 5 lat w zakresie wykorzystania GenAI wg firmy Gartner:Do 2024 – 40% aplikacji korporacyjnych będzie miało wbudowaną konwersacyjną AI (w porównaniu z ok. 5% w 2020).Do 2025 – 30% organizacji wdroży strategię rozwoju i testowania wspomaganą AI (wzrost z 5% w 2021).Do 2026 – GenAI zautomatyzuje 60% prac związanych z projektowaniem nowych stron internetowych i aplikacji mobilnych. Do 2026 – ponad 100 milionów ludzi zaangażuje robo-kolegów, aby wspomogli ich w pracy.Do 2027 – prawie 15% nowych aplikacji będzie generowanych automatycznie przez AI bez udziału człowieka.

Jak rozpocząć przygodę z GenAI na poziomie organizacyjnym?

Włączanie GenAI w strategię firmy:

  • Małe i średnie firmy mogą czerpać wartość biznesową z bezpłatnych wersji narzędzi, otwartych aplikacji, jak ChatGPT lub płacąc niższe opłaty abonamentowe. 
  • Większe firmy mogą rozważyć połączenie oprogramowania z podstawowym modelem. Szczególnie, gdy potrzebują dokładniejszej analizy lub wykorzystania własnych danych korporacyjnych. Dedykowane rozwiązanie jest polecane z uwagi na wyższy poziom bezpieczeństwa i lepszą ochronę własności intelektualnej.

Chcesz dowiedzieć się więcej na temat GenAI? Zasubskrybuj nasz kanał YouTube, gdzie oferujemy regularne aktualizacje i wgląd w rozwijający się świat AI: Beyond AI – kanał na YouTube.

Podsumowanie 

GenAI, ChatGPT i LLM to technologie, które przekształcają krajobraz sztucznej inteligencji, wynosząc ją na zupełnie nowy poziom. Eksplozja GenAI, a także zakres jej zastosowań sprawiają, że staje się technologią ogólnego przeznaczenia, otwierając nowe możliwości i zmieniając reguły gry firm i całych branż. W niedalekiej przyszłości stanie się przewagą konkurencyjną i wyróżnikiem.