Co to jest „szeptacz AI” i czy jest to praca dla Ciebie?

Cały czas wymyślane są nowe zawody, a dzięki eksplozji generatywnej sztucznej inteligencji mamy teraz na rynku jeszcze jeden potencjalny nowy tytuł zawodowy: zaklinacz AI. Czy to kolejny chwyt, czy kolejna kariera?

Co to jest zaklinacz AI?

Chociaż być może nie słyszałeś terminu „szeptacz AI”, być może słyszałeś termin „szybki inżynier”, zwłaszcza w kontekście generatywnych systemów graficznych AI, takich jak MidJourney i Stable Diffusion .

Szybki inżynier to ktoś, kto ustala właściwe dane wejściowe w czarnej skrzynce generatywnej sztucznej inteligencji, aby uzyskać pożądane wyniki, ale jeśli umieścisz „szeptacz AI” w wyszukiwarce, zobaczysz, że to nowsze określenie szybkiego inżyniera to już w powszechnym użyciu, ponieważ cały obszar generatywnej sztucznej inteligencji nabiera tempa geometrycznego.

Dla mnie termin „szeptacz AI” z pewnością lepiej odzwierciedla to, z czym właściwie wiąże się ta praca. W żadnym wypadku nie jest to nauka ścisła. Szeptacz AI staje się połączeniem entuzjasty technologii, psychologa i (odważę się to powiedzieć) artysty.

Tam, gdzie przeciętny człowiek może zmagać się z interakcjami AI i czuć, że po prostu nie może zmusić generatywnego silnika AI do robienia tego, co chce, szeptacz może wymyślić magiczne słowa, które pobudzają sztuczną inteligencję do działania, wypluwając dokładnie to, co był zapytany. To jak obserwowanie ludzi, którzy mogą patrzeć na kostkę Rubika przez kilka sekund, a następnie natychmiast ją ułożyć.

Dlaczego potrzebujemy zaklinaczy AI?

Najważniejszym pytaniem, które prawdopodobnie przychodzi ci do głowy, jest to, dlaczego potrzebujemy tych „szeptaczy AI” w pierwszej kolejności. W końcu możesz umieścić dowolne dwie osoby przed, powiedzmy, Microsoft Word, a uzyskają one te same wyniki, postępując zgodnie z instrukcjami zawartymi w podręczniku. Nie musisz nakłaniać Worda ani Photoshopa do współpracy — chociaż z pewnością dopracowane umiejętności korzystania z obu narzędzi są dodatkowym atutem.

Silniki Generative AI są zupełnie inne. Przykładami uczenia maszynowego są duże modele językowe (LLM), takie jak ChatGPT i Google Bard. Zostali wyszkoleni, a nie zaprogramowani, i chociaż program napisany ręcznie może zachowywać się nieoczekiwanie, to jest niczym w porównaniu z LLM.

Te sztuczne sieci neuronowe są tak rozległe i złożone, że nigdy nie można dokładnie przewidzieć, co pojawi się na drugim końcu, gdy uruchomisz przez nie monit. Ponadto mają wbudowany element losowości. Dlatego wielokrotne wysyłanie tego samego monitu do ChatGPT nigdy nie daje dokładnie takich samych rezultatów .

Szeptacz AI intuicyjnie wyczuwa, jakie podpowiedzi są potrzebne, aby uzyskać określony wynik. Ponieważ dane wejściowe do tych LLM mają postać języka naturalnego, ludzie, którzy mają talent do języka, logiki i komunikacji, nagle mają do odegrania nową rolę, gdy świat spieszy się z przyjęciem tej technologii.

Pomyśl o generatywnej sztucznej inteligencji, takiej jak mityczny Dżin. Możesz pomyśleć życzenie, a Dżin może dać ci praktycznie wszystko, czego zapragniesz, ale musisz idealnie sformułować swoje życzenie, ponieważ da ci dokładnie to, o co prosiłeś, niekoniecznie to, czego chciałeś. Im bardziej złożone i dopracowane jest życzenie, tym bardziej złożona i dopracowana musi być twoja prośba.

Czy to naprawdę praca z przyszłością?

Większość miejsc pracy w końcu znika. Teoretycznie połączenie sztucznej inteligencji i postępów w robotyce zastępuje praktycznie każdy rodzaj pracy fizycznej i umysłowej w ciągu następnego stulecia lub przynajmniej całkowicie je przekształca. To może trochę zbyt filozoficzna odpowiedź, ale pomaga nam spojrzeć na to z pewnej perspektywy.

Mówiąc bardziej praktycznie, w miarę jak narzędzia te będą się rozwijać i staną się bardziej samosterowne, samokorygujące i (wzdycha) być może nawet samoświadome , potrzeba tłumacza-człowieka może stać się mniej powszechna.

Z drugiej strony, być może natura ludzka oznacza, że ​​zawsze będziemy chcieli, aby człowiek w pętli opiekował się naszymi zautomatyzowanymi systemami w takim czy innym stopniu.

W powieściach Robot Isaaca Asimova dr Susan Calvin jest robopsychologiem — osobą specjalizującą się w psychologii robotów pozytronowych. Ponieważ mózgi robotów Asimova są tak złożone (i pomimo jego „ trzech praw ”), mogą działać w nieprzewidywalny sposób. Czasami trzeba ich namówić lub namówić, żeby coś zrobili lub przestali coś robić.

Szeptacze AI mogą być wczesną iteracją tego typu roli. Kogoś, kto nie myśli jak programista, bo „program” już tak nie działa. Szeptacze sztucznej inteligencji mogą mieć talent do skłonienia sztucznej inteligencji do obejścia własnych parametrów bezpieczeństwa, co widzieliśmy, jak ludzie robią z radością i prowadzą do pewnych zachowań NSFW ze strony pewnej sztucznej inteligencji .

Po stronie mniej czarnych kapeluszy, bardziej uzasadniona forma tej nowej rasy operatorów komputerowych z większym prawdopodobieństwem sprawi, że sztuczna inteligencja wykona pozytywną pracę, którą chcemy, aby wykonała. Szeptacze AI obejdą swoje przypadkowe napady złości i halucynacje oraz opracują niezawodne procedury operacyjne. Prawdopodobnie będą również odgrywać rolę w kontroli jakości, upewniając się, że wyniki sztucznej inteligencji są zgodne z oczekiwaniami ich pracodawcy.

Bez względu na to, jak inteligentne staną się nasze narzędzia, prawdopodobnie zawsze będziemy chcieli, aby sztuczna inteligencja działała w tandemie z człowiekiem. Z tej perspektywy szeptacze AI i jakakolwiek praca, która ostatecznie nastąpi, prawdopodobnie będą istnieć przez jakiś czas.