НЕЙРОСТИ
ПОБЕДЯТ
Нейросети уже научились думать, и они поработят мир! Или не поработят? Давайте разберёмся, как работает искусственный интеллект и проведём собственное исследование, кто же всё-таки лучше: нейронная сеть или человек?
Впервые о нейросети ChatGPT мы услышали в конце ноября 2022 года. Но в январе её возможностями воспользовались уже 100 млн человек (по данным Reuters), в то время как TikTok для этого понадобилось 9 месяцев, а Instagram* – 2,5 года. Это вновь вызвало волну публикаций о том, что нейросети заменят человека. Столь же бурную реакцию вызвала Midjorney, занимающаяся генерацией изображений по текстовым запросам. Также вы наверняка слышали, что студент российского вуза написал дипломную работу с помощью ChatGPT и защитил ее. Мы решили провести свой эксперимент: протестировать нейронные сети, чтобы разобраться, действительно ли они могут заменить человека в некоторых профессиях.

* принадлежит Meta, признанной в РФ экстремистской организацией и ее деятельность запрещена на территории РФ
Эссе, английский и тест Тьюринга
Наш корреспондент:
Здравствуйте, Алсу Шарифуллаевна. Мы бы хотели обратиться к вам, преподавателю английского языка в ГУАП, чтобы вы для нашего эксперимента проверили два эссе на тему «Grades are good motivation for students to learn better». Подскажите, вы сможете нам помочь?

Алсу Габдуллина:
Да, конечно, проверю. Я отправлю до вечера пятницы.
Наш корреспондент:
Подскажите, вам удалось проверить эссе?
Алсу Габдуллина:
Да, конечно, вот прикрепляю файлы.
А как вы считаете, какой текст написала нейронка? Кликни, чтобы узнать.
Наш корреспондент:
Спасибо! Теперь мы раскроем тайну. Один из текстов написала нейронная сеть. Угадаете, какой?
Алсу Габдуллина:
Наверное, первый? Слишком много каких-то неестественных фраз.
Наш корреспондент:
К сожалению, это не так. Нейронка написала второй текст.
Алсу Габдуллина:
Ого. Неожиданно.
Кодим и программируем
Следующим этапом нашего эксперимента была проверка кода, сгенерированного нейронной сетью. Мы попросили ChatGPT решить несколько легких задач по программированию на языке Python. Бот справился с ними успешно, но в большинстве случаев недостаточно качественно. Не хватало оптимизации кода. В то же время в 80% задач нейросеть дала пояснения к своему решению, хотя это не требовалось. Когда мы попросили ChatGPT создать собственную нейросеть, что было уже сложнее, он справился намного хуже человека. Нужно было создать модель, которая распознает возраст по фотографии. Предсказания программы отличались от реального возраста в среднем на 26 лет. В то время как код, написанный специалистом по Data Science, получил точность со средней ошибкой в 6 лет.
ChatGPT, напиши |

import keras
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D

# Загрузка датасета
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

# Преобразование меток в бинарный формат
num_classes = 10
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

# Нормализация входных данных
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255

# Создание модели нейронной сети
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(32,32,3)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(128, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

# Компиляция модели....
Пишем курсовую за вечер
И, наконец, мы проверили, можно ли с помощью нейронной сети написать курсовую работу. Выбрали тему «Проблема снятия многозначности амбивалентных конструкций в русском и английском языках». То есть как люди понимают, какое значение многозначных слов или конструкций использует собеседник. Сравнивать будем с уже написанной курсовой работой нашего корреспондента Дмитрия Дутова. Для начала запросили у ChatGPT подробный план работы.
При работе с ChatGPT над научным текстом, оказалось, что он отвечает слишком кратко, если просить его писать по предложенному плану. Поэтому мы изменили тактику. Теперь каждый запрос включал в себя только один пункт. Тогда нейронная сеть начала генерировать более подробные тексты, но этого все равно было недостаточно для качественной научной работы. Постепенно мы подобрали нужную формулировку запроса.
Следующая проблема заключалась в том, что информацию, которую генерирует нейронная сеть, нужно проверять, а также подтверждать ссылками на источники. ChatGPT цитировал без указания авторства, просто приводил список литературы в конце. С этим мы справились лишь частично. В работе представлен текст из 10 запросов.
Выводы
Подводя итоги работы с ChatGPT можно точно сказать, что это хороший помощник в учебе, работе с мелкими задачами, для которых не требуется детальной проработки решения. Нейронная сеть хорошо генерирует текст, но все равно допускает грамматические ошибки, не знакома с относительно новыми названиями. Например, ChatGPT не расскажет вам ничего о Midjorney, хотя информация о ней есть в интернете. Нейронные сети как любительские фото для художников, они дают решение задачи. Но создать что-то с глубокой идеей, так, как нужно человеку, вряд ли получится. Поэтому пока победа остается за нами.
Made on
Tilda