Недавно я прочитал несколько статей о том, что ChatGPT пишет для Medium. Это заставило меня задаться вопросом, насколько низким ChatGPT может сделать порог для того, кто напишет свою самую первую статью на Medium.

Таким образом, ниже моя самая первая статья на Medium. Мне остается только гадать, человек ли это управляет роботами или роботы управляют человеком (мной).

Заранее, скрытый раздел модели Маркова ниже на 99% написан ChatGPT. Мне пришлось удалить лишние, в основном пустые блоки сегментов кода. Последний раздел — это моя философская интерпретация того, что означает ChatGPT для мира машинного обучения.

Чтобы обучить скрытую марковскую модель в Python, вам нужно будет сначала импортировать необходимые библиотеки и модули. Например, вы можете импортировать библиотеку hmmlearn, которая предоставляет простой и эффективный способ обучения и использования скрытых марковских моделей в Python:

import hmmlearn.hmm

Далее вам нужно будет определить параметры вашей скрытой марковской модели, такие как количество скрытых состояний, выбросы и переходы. Например, вы можете определить простой HMM с двумя скрытыми состояниями, двумя возможными выбросами ('A' и 'B') и матрицей перехода, которая определяет вероятности перехода из одного состояния в другое:

model = hmmlearn.hmm.MultinomialHMM(n_components=2)
model.startprob_ = np.array([0.5, 0.5])
model.transmat_ = np.array([[0.8, 0.2], [0.2, 0.8]])
model.emissionprob_ = np.array([[0.8, 0.2], [0.2, 0.8]])

После того, как вы определили свою скрытую марковскую модель, вы можете обучить ее на последовательности наблюдений (также известной как обучающие данные), используя метод fit(). Этот метод принимает последовательность наблюдений в качестве входных данных и обновляет параметры модели, чтобы максимизировать вероятность наблюдений с учетом модели. Например, если у вас есть последовательность наблюдений ['A', 'B', 'A', 'A'], вы можете обучить свой HMM, используя следующий код:

observations = ['A', 'B', 'A', 'A']
model.fit(observations)

После обучения модели вы можете использовать ее для прогнозирования наиболее вероятных скрытых состояний для заданной последовательности наблюдений с помощью метода predict(). Например, чтобы предсказать скрытые состояния для последовательности наблюдений ['A', 'B', 'A', 'A'], вы можете использовать следующий код:

hidden_states = model.predict(['A', 'B', 'A', 'A'])

Этот код вернет массив скрытых состояний, который является наиболее вероятной последовательностью скрытых состояний с учетом последовательности наблюдений и обученной модели.

Философская головоломка

ChatGPT действительно написал неплохую статью. Это было не то, что я написал бы; и этот пример действительно не поможет кому-то, кроме одного примера куда что положить? и в каком порядке? Он следовал стандартной последовательности инструкций: импорт модулей | импортировать данные | создать экземпляр модели | подгонка модели с данными | прогнозировать с другими данными.

Напротив, основная концепция того, что ИИ может имитировать человеческое мышление и даже творчество, не лишена необходимого страха, благоговения, недоумения и удивления. В зачаточном состоянии я видел, как ChatGPT написал около дюжины статей, которые стоило бы прочитать вместе с учебником Scikit-Learn или другими ReadTheDocs.

Приведет ли это к одурманиванию человечества? Или пробуждение сингулярности (AI Revolution)? Я тоже сомневаюсь.

Напротив, я вижу два (более вероятных) результата больших, общедоступных и простых в использовании операций языковой модели:

  1. Больше людей получат доступ к подробной и контекстуальной информации. Это может помочь подтолкнуть людей к первым шагам в вопросе «как мне что-то сделать?» В настоящее время мы все (95 % из нас) используем Google для этого:
    «Дорогой Google, как мне сделать кое-что?»
    Ответ на него чаще всего представляет собой список ссылок, написанный множеством как великих, так и не очень писателей или поставщиков ответов.
    В смысле ChatGPT результатом является, по крайней мере, попытка разговорного объяснения, направленного на конкретный вопрос. Это не всегда то решение, которое мы искали (см. статью HMM выше); но это может помочь людям преодолеть это первое препятствие.
  2. Второй результат более мрачный; и заслуга в этом принадлежит моему коллеге Йоханнесу Шунтеру:
    В конце концов, все тексты в Интернете будут создаваться с помощью больших языковых моделей ИИ. Это не обязательно может подавлять человеческое творчество; но может в конечном итоге (скажем, через 10–20 лет) стать великим уроборосом языковых моделей, где новые языковые модели можно обучать только на выходе предыдущих языковых моделей. В этом будущем контент, создаваемый людьми, станет аномалией — как сегодняшние энтузиасты любительского радио.

Не такая мрачная граница

Забегая вперед, я предлагаю два положительных возможных результата ChatGPT.

  1. Порог входа для письма мгновенно стал ниже. Простое признание того, что машина может что-то написать, означает, что возможно, я тоже могу. Либо используя текст ChatGPT в качестве вдохновения (см. выше), либо принимая вызов быть на один процент лучше, чем компьютер, в чем-то определенно человеческом.
    Любой из этих аспектов в худшем случае создаст/вдохновит больше создателей контента принять участие в игре — сродни WordPress для создания веб-сайтов. Не весь новый контент будет великолепным; но те немногие, которые будут великолепны, возможно, не были написаны без толчка со стороны ChatGPT.
  2. Минимальный порог для получения базовой информации в Интернете изменился с [Google] мне это на [ChatGPT] мне это.
    Когда Интернет был впервые создан, мы должны были знать, откуда можно получить информацию из уст в уста (или по электронной почте), т. е. путем ввода IP-адресов или URL-адресов в браузеры или терминалы.
    После этого поисковые системы предоставили доступ к каталогам ссылок, где взять информацию — чуть лучше желтых страниц. Достаточно скоро Google произвел революцию в мире поисковых систем, эффективно перерабатывая метаданные для создания собственных, быстро развивающихся желтых страниц.
    Затем Google превратился в полный конгломерат и предоставил информацию напрямую, так что людям никогда не приходилось покидать Google — как Гензель и Гретель в кондитерской.
    По состоянию на 30 ноября 2022 г. ChatGPT может не только отображать ту же информацию. Он может агрегировать их, разделять на части, интерпретировать ваши неявные намерения, делать выводы о вашем языке (разговорном или кодовом), а затем отображать ответ с учетом контекста, сегментации и предыстории. ChatGPT чувствует себя почти лучше, чем классический позвонить другу.

Что касается «снижения планки входа для создателей контента»: это мой первый пост на Medium; и я хотел написать в течение многих лет.