Во всяком случае — для бизнеса, общественных и государственных организаций.
Дело в том, что универсальные большие языковые модели (LLM), как показывает практика, не являются самым подходящим решением для выполнения конкретных специализированных задач. Они отлично справляются с ролью личного помощника, но как бизнес-инструмент оставляют желать лучшего.
Для начала — они слишком сложны. Их использование нередко напоминает машины Голдберга (Goldberg machine) — карикатурно-замысловатые устройства, созданные для выполнения простых действий вроде опускания кубика сахара в чашку или нажатия клавиши выключателя лампы.
Во время “рекламных представлений” воображение поражают рассказы о гигантских базах данных из всех областей человеческого знания, использованных для обучения очередного искусственного интеллекта. И магия больших цифр буквально заставляет руководителей и топ-менеджеров компаний тянуться к кошелькам.
Но если без эмоций, сугубо рационально оценить ситуацию, неизбежно возникает вопрос: какие задачи действительно требуют ИИ-инструментов, обученных на миллиардах и триллионах параметров? Расчёт траектории полёта к спутникам Юпитера? Разработка термоядерного реактора?
Сопоставляя сложность LLM и их практическое применение, можно сделать неутешительный вывод: в большинстве случаев их используют, чтобы “сложить два и два”. Иными словами, для основной массы задач их мощность избыточна.
То есть, покупая подписку на LLM, предприниматели и менеджеры часто платят за возможности, львиную долю которых просто не используют.
Вторая проблема вытекает из первой. Сложность и универсальность порождают хорошо известное явление машинных галлюцинаций и низкой точности работы.
LLM нередко ошибаются, “выдумывают” факты и ссылаются на несуществующих людей и источники. Кроме того, LLM склонны усреднять и шаблонизировать решения, что создаёт проблему в ситуациях, где требуется креативность и персонализация.
При этом стоит отметить: ни коммерческим компаниям, ни государственным организациям, ни общественным объединениям не нужно решать “все проблемы Вселенной”. У каждой структуры есть своя специализация и, следовательно, конкретный набор задач, справляться с которыми нужно максимально качественно. Поэтому оптимальным решением для них являются специализированные ИИ-инструменты — созданные и настроенные для того, чтобы быстро и точно работать в своей конкретной сфере.
Зачем ИИ-бухгалтеру уметь писать хокку или сонеты Шекспира, а ИИ-ассистенту юриста — знать биографии актёров немого кино? Любая избыточная информация, выходящая за рамки предназначения специализированного ИИ-инструмента, повышает риск ошибок и галлюцинаций. И наоборот — сужение знаний и навыков ИИ до узкой специализации резко повышает качество и точность его работы.
Это, разумеется, не означает, что LLM бесполезны и их не стоит использовать. В роли универсального личного помощника им сегодня, пожалуй, нет равных. Но работу над конкретными задачами лучше доверять “ИИ-профессионалам”. Тем более что с каждым днём появляется всё больше специализированных ИИ — выбор есть в каждом направлении человеческой деятельности.
Кстати, если вам нужны качественные профессиональные ИИ-инструменты для создания “живых” аватаров, “умных” чат-ботов и видеопрезентаций с цифровыми спикерами — вы знаете, куда обращаться.
