vyras, ruošiantis kovoti su dirbtiniu intelektu

Ką galima pasikliauti generatyviniu dirbtiniu intelektu be žmogaus įsikišimo?

Santrauka

Generatyvusis dirbtinis intelektas (DI) – technologija, leidžianti mašinoms kurti tekstą, vaizdus, kodą ir kt. – pastaraisiais metais smarkiai išaugo. Šioje informacinėje knygoje pateikiama suprantama apžvalga, ką generatyvinis DI gali patikimai atlikti šiandien be žmogaus įsikišimo ir ko tikimasi per ateinantį dešimtmetį. Apžvelgiame jo naudojimą rašyme, mene, programavime, klientų aptarnavime, sveikatos priežiūros, švietimo, logistikos ir finansų srityse, pabrėždami, kur DI veikia autonomiškai, o kur žmogaus priežiūra išlieka labai svarbi. Pateikiami realaus pasaulio pavyzdžiai, iliustruojantys tiek sėkmes, tiek trūkumus. Pagrindinės išvados:

Plačiai paplitęs pritaikymas: 2024 m. 65 % apklaustų įmonių nurodė reguliariai naudojančios generatyvinį dirbtinį intelektą – beveik dvigubai daugiau nei ankstesniais metais („ Dirbtinio intelekto padėtis 2024 m. pradžioje“ | „McKinsey“ ). Taikymo sritys apima rinkodaros turinio kūrimą, klientų aptarnavimo pokalbių robotus, kodo generavimą ir kt.
Dabartinės autonominės galimybės: Šiandieninis generatyvinis dirbtinis intelektas patikimai atlieka struktūrizuotas, pasikartojančias užduotis su minimalia priežiūra. Pavyzdžiai: automatinis formulinių naujienų ataskaitų (pvz., įmonių pelno suvestinių) generavimas ( Philana Patterson – ONA bendruomenės profilis ), produktų aprašymų ir apžvalgų santraukų kūrimas el. prekybos svetainėse ir automatinis kodo pildymas. Šiose srityse dirbtinis intelektas dažnai papildo žmonių darbuotojus, perimdamas įprastą turinio generavimą.
Žmogus dalyvauja sudėtingose užduotyse: Sudėtingesnėms ar atviroms užduotims, tokioms kaip kūrybinis rašymas, išsami analizė ar medicininės konsultacijos, vis dar paprastai reikalinga žmogaus priežiūra, siekiant užtikrinti faktinį tikslumą, etinį vertinimą ir kokybę. Daugelyje dirbtinio intelekto diegimo sistemų šiandien naudojamas „žmogus dalyvaujančiame cikle“ modelis, kai dirbtinis intelektas parengia turinio juodraštį, o žmonės jį peržiūri.
Artimiausi patobulinimai: prognozuojama, kad per ateinančius 5–10 metų generatyvinis dirbtinis intelektas (DI) taps daug patikimesnis ir autonomiškesnis . Modelių tikslumo ir apsauginių mechanizmų pažanga gali leisti DI atlikti didesnę kūrybinių ir sprendimų priėmimo užduočių dalį su minimaliu žmogaus įsikišimu. Pavyzdžiui, ekspertai prognozuoja, kad iki 2030 m. DI realiuoju laiku atliks didžiąją dalį klientų aptarnavimo sąveikų ir priims sprendimus („ Norėdami iš naujo įsivaizduoti perėjimą prie klientų patirties, rinkodaros specialistai turi atlikti šiuos 2 dalykus “), o didelis filmas galėtų būti sukurtas naudojant 90 % DI sugeneruoto turinio („ Generatyvaus DI naudojimo atvejai pramonės šakoms ir įmonėms “).
Iki 2035 m.: tikimės, kad po dešimtmečio autonominiai dirbtinio intelekto agentai taps įprastu reiškiniu daugelyje sričių. Dirbtinio intelekto mokytojai galėtų teikti suasmenintą mokymą dideliu mastu, dirbtinio intelekto asistentai galėtų patikimai rengti teisines sutartis ar medicinines ataskaitas, kurias patvirtintų ekspertai, o savaeigės sistemos (padedamos generatyvinio modeliavimo) galėtų vykdyti logistikos operacijas nuo pradžios iki pabaigos. Tačiau tam tikrose jautriose srityse (pvz., svarbiose medicininėse diagnozėse, galutiniuose teisiniuose sprendimuose) greičiausiai vis dar reikės žmogaus sprendimų dėl saugumo ir atskaitomybės.
Etikos ir patikimumo problemos: Didėjant dirbtinio intelekto autonomijai, didėja ir susirūpinimas. Šiandienos problemos apima haliucinacijas (DI išgalvoja faktus), šališkumą generuojamame turinyje, skaidrumo stoką ir galimą netinkamą naudojimą dezinformacijai. Labai svarbu užtikrinti, kad DI būtų patikima, kai jis veikia be priežiūros. Daroma pažanga – pavyzdžiui, organizacijos daugiau investuoja į rizikos mažinimą (sprendžia tikslumo, kibernetinio saugumo, intelektinės nuosavybės klausimus) ( „The State of AI: Global survey“ | McKinsey ), tačiau reikalingos tvirtos valdymo ir etikos sistemos.
Šio straipsnio struktūra: Pradžioje pateikiame įvadą į generatyvinį dirbtinį intelektą ir autonominio bei prižiūrimo naudojimo koncepciją. Tada kiekvienoje pagrindinėje srityje (rašymas, menas, programavimas ir kt.) aptariame, ką dirbtinis intelektas gali patikimai atlikti šiandien, palyginti su tuo, kas ateityje laukia. Baigdami pateikiame tarpsektorinius iššūkius, ateities prognozes ir rekomendacijas, kaip atsakingai panaudoti generatyvųjį dirbtinį intelektą.

Apskritai generatyvinis dirbtinis intelektas (DI) jau įrodė gebėjimą atlikti stebėtinai daug užduočių be nuolatinio žmogaus nurodymų. Suprasdamos dabartinius jo apribojimus ir būsimą potencialą, organizacijos ir visuomenė gali geriau pasiruošti erai, kai DI bus ne tik įrankis, bet ir autonominis bendradarbis darbe ir kūryboje.

Įvadas

Dirbtinis intelektas jau seniai gali analizuoti duomenis, tačiau tik neseniai DI sistemos išmoko kurti – rašyti prozą, komponuoti vaizdus, programuoti programinę įrangą ir kt. Šie generatyviniai DI modeliai (pvz., GPT-4 tekstui arba DALL·E vaizdams) yra apmokyti dirbti su didžiuliais duomenų rinkiniais, kad sukurtų naują turinį, reaguodami į užduotis. Šis proveržis sukėlė inovacijų bangą įvairiose pramonės šakose. Tačiau kyla esminis klausimas: ką iš tikrųjų galime patikėti DI, kad jis atliks pats, be žmogaus dvigubo jo išvesties patikrinimo?

Norint į tai atsakyti, svarbu atskirti prižiūrimą ir autonominį dirbtinio intelekto naudojimą:

Žmogaus prižiūrimas DI reiškia scenarijus, kai DI rezultatus peržiūri arba kuruoja žmonės prieš juos užbaigdami. Pavyzdžiui, žurnalistas gali pasitelkti DI rašymo asistentą straipsniui parašyti, bet redaktorius jį redaguoja ir patvirtina.
Autonominis dirbtinis intelektas (DI be žmogaus įsikišimo) – tai DI sistemos, kurios vykdo užduotis arba kuria turinį, kuris yra tiesiogiai naudojamas, beveik be žmogaus įsikišimo. Pavyzdys yra automatizuotas pokalbių robotas, kuris išsprendžia kliento užklausą be žmogaus įsikišimo, arba naujienų agentūra, automatiškai skelbianti DI sugeneruotą sporto rezultatų santrauką.

Generatyvinis dirbtinis intelektas jau diegiamas abiem būdais. 2023–2025 m. jo diegimas smarkiai išaugo , o organizacijos noriai eksperimentavo. Vieno pasaulinio 2024 m. tyrimo duomenimis, 65 % įmonių reguliariai naudoja generatyvinį dirbtinį intelektą, palyginti su maždaug trečdaliu vos prieš metus ( „DI padėtis 2024 m. pradžioje“ | „McKinsey“ ). Ir pavieniai asmenys naudojasi tokiomis priemonėmis kaip „ChatGPT“ – maždaug 79 % specialistų iki 2023 m. vidurio bent šiek tiek susidūrė su generatyviniu dirbtiniu intelektu ( „DI padėtis 2023 m.: Generatyvaus dirbtinio intelekto proveržio metai“ | „McKinsey“ ). Šį spartų diegimą skatina efektyvumo ir kūrybiškumo didėjimo pažadas. Vis dėlto tai dar tik „pradinis etapas“, ir daugelis įmonių vis dar formuoja politiką, kaip atsakingai naudoti DI ( „DI padėtis 2023 m.: Generatyvaus dirbtinio intelekto proveržio metai“ | „McKinsey“ ).

Kodėl svarbi autonomija: Leidžiant dirbtiniam intelektui veikti be žmogaus priežiūros, galima pasiekti didžiulių efektyvumo rezultatų – visiškai automatizuoti nuobodžias užduotis – tačiau tai taip pat padidina patikimumo riziką. Autonominis dirbtinio intelekto agentas turi viską atlikti teisingai (arba žinoti savo ribas), nes realiuoju laiku gali nebūti žmogaus, kuris pastebėtų klaidas. Kai kurios užduotys tam tinka labiau nei kitos. Paprastai dirbtinis intelektas geriausiai veikia autonomiškai, kai:

Užduotis turi aiškią struktūrą arba modelį (pvz., įprastinių ataskaitų generavimas iš duomenų).
Klaidos yra mažos rizikos arba lengvai toleruojamos (pvz., vaizdo generavimas, kurį galima atmesti, jei jis netenkina, palyginti su medicinine diagnoze).
Yra daug mokymo duomenų , apimančių scenarijus, todėl dirbtinio intelekto išvestis pagrįsta realiais pavyzdžiais (sumažinant spėliones).

Priešingai, užduotys, kurios yra atviro tipo , didelės rizikos arba reikalauja subtilaus vertinimo, šiandien mažiau tinka jokiai priežiūrai.

Tolesniuose skyriuose nagrinėsime įvairias sritis, kad pamatytume, ką generatyvinis dirbtinis intelektas veikia dabar ir kas bus toliau. Panagrinėsime konkrečius pavyzdžius – nuo dirbtinio intelekto parašytų naujienų straipsnių ir dirbtinio intelekto sukurtų iliustracijų iki kodo rašymo asistentų ir virtualių klientų aptarnavimo agentų, – pabrėždami, kurias užduotis dirbtinis intelektas gali atlikti nuo pradžios iki pabaigos, o kurioms vis dar reikalingas žmogus. Kiekvienoje srityje aiškiai atskiriame dabartinius pajėgumus (apie 2025 m.) nuo realių prognozių, kas galėtų būti patikima iki 2035 m.

Apžvelgdami autonominio dirbtinio intelekto dabartį ir ateitį įvairiose srityse, siekiame suteikti skaitytojams subalansuotą supratimą: nei pervertinti dirbtinio intelekto kaip stebuklingai neklystančio, nei nuvertinti jo labai realių ir augančių kompetencijų. Remdamiesi šia informacija, aptarsime svarbiausius iššūkius, kylančius pasitikint dirbtiniu intelektu be priežiūros, įskaitant etinius aspektus ir rizikos valdymą, o pabaigoje pateiksime pagrindines išvadas.

Generatyvus dirbtinis intelektas rašant ir kuriant turinį

Viena pirmųjų sričių, kurioje išpopuliarėjo generatyvinis dirbtinis intelektas, buvo teksto generavimas. Dideli kalbos modeliai gali kurti viską – nuo naujienų straipsnių ir rinkodaros tekstų iki socialinių tinklų įrašų ir dokumentų santraukų. Tačiau kiek šio rašymo darbų galima atlikti be žmogaus redaktoriaus?

Dabartinės galimybės (2025 m.): Dirbtinis intelektas kaip įprastinio turinio automatinis rašytojas

Šiandien generatyvinis dirbtinis intelektas patikimai atlieka įvairias įprastas rašymo užduotis su minimaliu arba visai be žmogaus įsikišimo. Puikus pavyzdys yra žurnalistika: „Associated Press“ jau daugelį metų naudoja automatizavimą, kad kiekvieną ketvirtį tiesiogiai iš finansinių duomenų srautų generuotų tūkstančius įmonių pajamų ataskaitų ( Philana Patterson – ONA bendruomenės profilis ). Šios trumpos naujienos rengiamos pagal šabloną (pvz., „X įmonė pranešė, kad pajamos siekė Y, padidėjo Z %...“), o dirbtinis intelektas (naudodamas natūralios kalbos generavimo programinę įrangą) gali užpildyti skaičius ir žodžius greičiau nei bet kuris žmogus. AP sistema šias ataskaitas skelbia automatiškai, smarkiai išplėsdama jų aprėptį (daugiau nei 3000 istorijų per ketvirtį) nereikalaujant žmonių rašytojų ( Automatizuotos pajamų istorijos dauginasi | „The Associated Press“ ).

Panašiai buvo patobulinta ir sporto žurnalistika: dirbtinio intelekto sistemos gali rinkti sporto rungtynių statistiką ir generuoti santraukas. Kadangi šios sritys yra pagrįstos duomenimis ir formulėmis, klaidos retos, jei tik duomenys yra teisingi. Tokiais atvejais matome tikrą autonomiją – dirbtinis intelektas rašo, o turinys iš karto publikuojamas.

Įmonės taip pat naudoja generatyvinį dirbtinį intelektą (DI), kad parengtų produktų aprašymus, el. pašto naujienlaiškius ir kitą rinkodaros turinį. Pavyzdžiui, el. prekybos milžinė „Amazon“ dabar naudoja DI, kad apibendrintų klientų atsiliepimus apie produktus. DI nuskaito daugelio individualių atsiliepimų tekstą ir sukuria glaustą pastraipą apie tai, kas žmonėms patinka arba nepatinka prekėje, kuri vėliau rodoma produkto puslapyje be rankinio redagavimo ( „Amazon“ pagerina klientų atsiliepimų patirtį naudodama DI ). Žemiau pateikta šios funkcijos, įdiegtos „Amazon“ mobiliojoje programėlėje, iliustracija , kurioje skiltis „Klientų atsiliepimai“ yra visiškai sugeneruota DI iš atsiliepimų duomenų:

( „Amazon“ pagerina klientų atsiliepimų patirtį naudodama dirbtinį intelektą ) Dirbtinio intelekto sugeneruota atsiliepimų santrauka el. prekybos produkto puslapyje. „Amazon“ sistema apibendrina bendrus vartotojų atsiliepimų punktus (pvz., naudojimo paprastumą, našumą) į trumpą pastraipą, kuri pirkėjams rodoma kaip „DI sugeneruota iš klientų atsiliepimų teksto“.

Tokie naudojimo atvejai rodo, kad kai turinys atitinka nuspėjamą modelį arba yra agreguojamas iš esamų duomenų, dirbtinis intelektas dažnai gali jį apdoroti savarankiškai . Kiti dabartiniai pavyzdžiai:

Orų ir eismo atnaujinimai: žiniasklaidos priemonės, naudojančios dirbtinį intelektą, kasdienėms orų ataskaitoms arba eismo pranešimams rengti, remdamosi jutiklių duomenimis.
Finansinės ataskaitos: įmonės automatiškai generuoja aiškias finansines santraukas (ketvirčio rezultatus, akcijų rinkos apžvalgas). Nuo 2014 m. „Bloomberg“ ir kitos naujienų agentūros naudoja dirbtinį intelektą, kad padėtų rašyti naujienų santraukas apie įmonių pajamas – šis procesas daugiausia vyksta automatiškai, kai tik įvedami duomenys ( AP „robotai žurnalistai“ dabar rašo savo istorijas | „The Verge“ ) ( Vajomingo žurnalistas pagautas naudojantis dirbtinį intelektą netikroms citatoms ir istorijoms kurti ).
Vertimas ir transkripcija: Transkribavimo paslaugos dabar naudoja dirbtinį intelektą, kad sukurtų susitikimų transkriptus ar subtitrus be žmonių spausdintojų. Nors šios kalbos užduotys nėra generatyvios kūrybine prasme, jos veikia autonomiškai, užtikrindamos didelį tikslumą ir aiškų garsą.
Juodraščių generavimas: daugelis specialistų naudoja tokias priemones kaip „ChatGPT“, kad parengtų el. laiškų juodraščius arba pirmąsias dokumentų versijas, kartais siųsdami juos beveik be jokių pakeitimų, jei turinys yra mažos rizikos.

Tačiau sudėtingesnių prozos tekstų atveju žmogaus priežiūra 2025 m. išlieka norma . Naujienų organizacijos retai skelbia tiriamuosius ar analitinius straipsnius tiesiai iš dirbtinio intelekto – redaktoriai tikrina faktus ir tobulina dirbtinio intelekto parašytus juodraščius. Dirbtinis intelektas gali atkartoti stilių ir struktūrą , tačiau gali įterpti faktinių klaidų (dažnai vadinamų „haliucinacijomis“) arba nepatogių frazių, kurias žmogus turi pastebėti. Pavyzdžiui, Vokietijos laikraštis „ Express“ įtraukė dirbtinio intelekto „skaitmeninę kolegę“ Klarą, kuri padeda rašyti pirminius naujienų straipsnius. Klara gali efektyviai rašyti sporto reportažus ir netgi parašyti antraštes, kurios pritraukia skaitytojus, ir tai sudaro 11 % „Express“ straipsnių, tačiau žmonės redaktoriai vis tiek peržiūri kiekvieną straipsnį, ar jis tikslus ir žurnalistinis sąžiningumas, ypač sudėtingų istorijų atveju ( 12 būdų, kaip žurnalistai naudoja dirbtinio intelekto įrankius naujienų redakcijoje – „Twipe “). Ši žmogaus ir dirbtinio intelekto partnerystė šiandien yra įprasta: dirbtinis intelektas atlieka sunkų teksto generavimo darbą, o žmonės kuruoja ir taiso pagal poreikį.

2030–2035 m. perspektyvos: link patikimo autonominio rašymo

Tikimės, kad per ateinantį dešimtmetį generatyvinis dirbtinis intelektas taps daug patikimesnis generuojant aukštos kokybės, faktiškai teisingą tekstą, o tai išplės rašymo užduočių, kurias jis gali atlikti savarankiškai, spektrą. Tai patvirtina kelios tendencijos:

Didesnis tikslumas: Nuolatiniai tyrimai sparčiai mažina dirbtinio intelekto polinkį pateikti klaidingą arba nereikšmingą informaciją. Iki 2030 m. pažangūs kalbos modeliai, geriau apmokyti (įskaitant metodus, skirtus faktams realiuoju laiku tikrinti duomenų bazėse), galėtų pasiekti beveik žmogaus lygio vidinį faktų tikrinimą. Tai reiškia, kad dirbtinis intelektas galėtų parašyti visą naujienų straipsnį su teisingomis citatomis ir statistika, automatiškai paimta iš šaltinio medžiagos, ir jam reikėtų nedaug redagavimo.
Konkrečioms sritims būdingi dirbtiniai intelektai: matysime labiau specializuotus generatyvinius modelius, pritaikytus tam tikroms sritims (teisės, medicinos, techninio rašymo). 2030 m. teisinio dirbtinio intelekto modelis galėtų patikimai parengti standartines sutartis arba apibendrinti teismų praktiką – užduotis, kurios yra formulinės struktūros, bet šiuo metu reikalauja teisininko laiko. Jei dirbtinis intelektas yra apmokytas dirbti su patvirtintais teisiniais dokumentais, jo juodraščiai gali būti pakankamai patikimi, kad teisininkas į juos tik trumpai ir galutinai žvilgtelėtų.
Natūralus stilius ir darna: modeliai vis geriau išlaiko kontekstą ilguose dokumentuose, todėl ilgalaikis turinys tampa nuoseklesnis ir tikslesnis. Iki 2035 m. tikėtina, kad dirbtinis intelektas galėtų pats parašyti neblogą pirmąjį negrožinės knygos juodraštį ar techninį vadovą, o žmonės daugiausia atliktų patariamąjį vaidmenį (nustatant tikslus arba teikiant specializuotas žinias).

Kaip tai galėtų atrodyti praktiškai? Įprasta žurnalistika tam tikrais atvejais galėtų tapti beveik visiškai automatizuota. Galbūt 2030 m. naujienų agentūra turės dirbtinio intelekto sistemą, kuri parašys pirmąją kiekvienos pajamų ataskaitos, sporto reportažo ar rinkimų rezultatų atnaujinimo versiją, o redaktorius ims tik keletą pavyzdžių kokybės užtikrinimui. Iš tiesų, ekspertai prognozuoja, kad vis didėjanti internetinio turinio dalis bus kuriama mašinomis – viena drąsi pramonės analitikų prognozė rodo, kad iki 2026 m. iki 90 % internetinio turinio gali būti sukurta dirbtinio intelekto ( Iki 2026 m. ne žmonių sukurtas internetinis turinys gerokai viršys žmonių sukurtą turinį – OODAloop ), nors dėl šio skaičiaus diskutuojama. Net ir konservatyvesnis rezultatas reikštų, kad iki 2030-ųjų vidurio dauguma įprastų interneto straipsnių, produktų tekstų ir galbūt net suasmenintų naujienų srautų bus kuriami dirbtinio intelekto.

Rinkodaros ir įmonių komunikacijos srityje generatyviniam dirbtiniam intelektui greičiausiai bus patikėta savarankiškai vykdyti ištisas kampanijas. Jis galėtų generuoti ir siųsti suasmenintus rinkodaros el. laiškus, socialinių tinklų įrašus ir reklaminių tekstų variantus, nuolat koreguodamas žinutes pagal klientų reakcijas – visa tai be žmogaus, kuris rašytų tekstus. „Gartner“ analitikai prognozuoja, kad iki 2025 m. bent 30 % didelių įmonių siunčiamų rinkodaros pranešimų bus sintetiniu būdu generuojami dirbtinio intelekto ( Generatyvaus dirbtinio intelekto naudojimo atvejai pramonės šakoms ir įmonėms ), o iki 2030 m. šis procentas tik didės.

Vis dėlto svarbu atkreipti dėmesį, kad žmogaus kūrybiškumas ir sprendimų priėmimas vis dar vaidins svarbų vaidmenį, ypač kalbant apie didelį pavojų turintį turinį . Iki 2035 m. dirbtinis intelektas galbūt pats tvarkys pranešimą spaudai ar tinklaraščio įrašą, tačiau tiriamosios žurnalistikos, susijusios su atskaitomybe ar jautriomis temomis, atveju žiniasklaidos priemonės vis dar gali reikalauti žmogaus priežiūros. Ateityje greičiausiai bus taikomas pakopinis požiūris: dirbtinis intelektas savarankiškai kuria didžiąją dalį kasdienio turinio, o žmonės sutelks dėmesį į strateginių ar jautrių dalių redagavimą ir kūrimą. Iš esmės, „rutinos“ riba plėsis augant dirbtinio intelekto įgūdžiams.

Be to, gali atsirasti naujų turinio formų, tokių kaip dirbtinio intelekto generuojami interaktyvūs pasakojimai arba suasmenintos ataskaitos . Pavyzdžiui, įmonės metinę ataskaitą dirbtinis intelektas galėtų generuoti keliais stiliais – santrauka vadovams, pasakojimo versija darbuotojams, duomenimis praturtinta versija analitikams – kiekvienas stilius būtų automatiškai sukurtas remiantis tais pačiais pagrindiniais duomenimis. Švietimo srityje vadovėlius dirbtinis intelektas galėtų dinamiškai rašyti, kad jie atitiktų skirtingus skaitymo lygius. Šios programos galėtų būti daugiausia autonominės, tačiau pagrįstos patikrinta informacija.

Rašymo tendencijos rodo, kad iki 2030-ųjų vidurio DI taps produktyviu rašytoju . Svarbiausias išties autonomiško veikimo veiksnys bus pasitikėjimo savo rezultatais įgijimas. Jei DI galės nuolat demonstruoti faktinį tikslumą, stilistinę kokybę ir atitiktį etikos standartams, poreikis eilutė po eilutės žmogaus atliekamai peržiūrai sumažės. Pačios šios baltosios knygos dalis iki 2035 m. gali būti parengtos DI tyrėjo be redaktoriaus – į šią perspektyvą žiūrime atsargiai optimistiškai, jei bus imtasi tinkamų apsaugos priemonių.

Generatyvusis dirbtinis intelektas vaizduojamajame mene ir dizaine

Generatyviosios dirbtinio intelekto (DI) gebėjimas kurti vaizdus ir meno kūrinius užvaldė visuomenės vaizduotę – nuo DI sukurtų paveikslų, laiminčių meno konkursus, iki giluminio padirbimo vaizdo įrašų, kurių neįmanoma atskirti nuo tikros filmuotos medžiagos. Vizualinėje srityje DI modeliai, tokie kaip generatyviniai priešiški tinklai (GAN) ir difuzijos modeliai (pvz., „Stable Diffusion“, „Midjourney“), gali sukurti originalius vaizdus, remdamiesi tekstinėmis užuominomis. Taigi, ar DI dabar gali veikti kaip autonominis menininkas ar dizaineris?

Dabartinės galimybės (2025 m.): Dirbtinis intelektas kaip kūrybinis asistentas

Nuo 2025 m. generatyviniai modeliai puikiai kuria vaizdus pagal poreikį su įspūdinga raiška. Vartotojai gali paprašyti vaizdų DI nupiešti „viduramžių miestą saulėlydyje Van Gogo stiliumi“ ir per kelias sekundes gauti įtikinamai menišką vaizdą. Tai lėmė platų DI naudojimą grafinio dizaino, rinkodaros ir pramogų srityse konceptiniam menui, prototipams ir net galutiniams vaizdams kai kuriais atvejais. Pažymėtina:

Grafinis dizainas ir iliustracijos: įmonės kuria svetainių grafiką, iliustracijas ar nuotraukas naudodamos dirbtinį intelektą, taip sumažindamos poreikį užsakyti kiekvieną kūrinį iš menininko. Daugelis rinkodaros komandų naudoja dirbtinio intelekto įrankius, kad sukurtų reklamų ar produktų vaizdų variantus ir patikrintų, kas patrauklu vartotojams.
Menas ir iliustracijos: individualūs menininkai bendradarbiauja su dirbtiniu intelektu, kad generuotų idėjas arba užpildytų detales. Pavyzdžiui, iliustratorius gali naudoti dirbtinį intelektą fono dekoracijoms kurti, kurias vėliau integruoja su žmogaus pieštais personažais. Kai kurie komiksų kūrėjai eksperimentavo su dirbtinio intelekto generuojamomis panelėmis arba spalvinimu.
Žiniasklaida ir pramogos: Dirbtinio intelekto sukurti meno kūriniai pasirodė ant žurnalų ir knygų viršelių. Garsus pavyzdys – 2022 m. rugpjūčio mėn. „Cosmopolitan“ viršelis, kuriame pavaizduotas astronautas – kaip pranešama, tai pirmasis žurnalo viršelio vaizdas, kurį, vadovaujant meno vadovui, sukūrė dirbtinis intelektas („OpenAI“ DALL·E). Nors tam reikėjo žmogaus raginimų ir atrankos, pats meno kūrinys buvo sukurtas mašininiu būdu.

Svarbiausia, kad dauguma šių dabartinių panaudojimo būdų vis dar susiję su žmogaus kuravimu ir iteracija . Dirbtinis intelektas gali sukurti dešimtis vaizdų, o žmogus pasirenka geriausią ir galbūt jį pataiso. Šia prasme dirbtinis intelektas dirba savarankiškai, kad sukurtų variantus, tačiau žmonės vadovauja kūrybinei krypčiai ir priima galutinius sprendimus. Jis patikimas, kai reikia greitai sukurti daug turinio, tačiau negarantuojama, kad visi reikalavimai bus įvykdyti iš pirmo karto. Tokios problemos kaip neteisingos detalės (pvz., dirbtinis intelektas piešia rankas su neteisingu pirštų skaičiumi, žinoma ypatybė) arba nenumatyti rezultatai reiškia, kad žmogus, meno vadovas, paprastai turi prižiūrėti išvesties kokybę.

Tačiau yra sričių, kuriose dirbtinis intelektas artėja prie visiško autonomiškumo:

Generatyvus dizainas: tokiose srityse kaip architektūra ir gaminių dizainas, dirbtinio intelekto įrankiai gali savarankiškai kurti dizaino prototipus, kurie atitinka nurodytus apribojimus. Pavyzdžiui, atsižvelgiant į pageidaujamus baldo matmenis ir funkcijas, generatyvus algoritmas gali be žmogaus įsikišimo, viršijant pradines specifikacijas, pateikti kelis perspektyvius dizainus (kai kurie gana netradicinius). Šiuos dizainus žmonės gali tiesiogiai naudoti arba tobulinti. Panašiai ir inžinerijoje generatyvus dirbtinis intelektas gali suprojektuoti dalis (pavyzdžiui, lėktuvo komponentą), optimizuotas pagal svorį ir stiprumą, sukurdamas naujas formas, kurių žmogus galbūt nebūtų sugalvojęs.
Vaizdo žaidimų ištekliai: Dirbtinis intelektas gali automatiškai generuoti tekstūras, 3D modelius ar net ištisus vaizdo žaidimų lygius. Kūrėjai juos naudoja turinio kūrimui pagreitinti. Kai kurie nepriklausomi žaidimai pradėjo įtraukti procedūriniu būdu generuojamus meno kūrinius ir net dialogus (per kalbos modelius), kad sukurtų didžiulius, dinamiškus žaidimų pasaulius su minimaliais žmogaus sukurtais ištekliais.
Animacija ir vaizdo įrašai (naujovėję): Nors ir mažiau išvystyta nei statiniai vaizdai, generatyvinė dirbtinio intelekto technologija vaizdo įrašams sparčiai vystosi. Dirbtinis intelektas jau gali generuoti trumpus vaizdo įrašus ar animacijas iš raginimų, tačiau kokybė nepastovi. „Deepfake“ technologija, kuri yra generatyvinė, gali sukurti tikroviškus veidų sukeitimus arba balso klonus. Kontroliuojamoje aplinkoje studija galėtų naudoti dirbtinį intelektą, kad automatiškai sukurtų foninę sceną arba minios animaciją.

Pažymėtina, kad „Gartner“ prognozavo, jog iki 2030 m. pamatysime didelį filmą, kurio 90 % turinio (nuo scenarijaus iki vaizdo medžiagos) generuos dirbtinis intelektas ( Generative AI Use Cases for Industries and Enterprises ). 2025 m. dar nepasiekėme tikslo – dirbtinis intelektas negali savarankiškai sukurti pilnametražio filmo. Tačiau dėlionės dalys tobulėja: scenarijaus generavimas (teksto dirbtinis intelektas), personažų ir scenų generavimas (vaizdų / vaizdo įrašų dirbtinis intelektas), balso vaidyba (dirbtinio intelekto balso klonai) ir montažo pagalba (dirbtinis intelektas jau gali padėti su kirpimais ir perėjimais).

2030–2035 m. perspektyvos: dirbtinio intelekto generuojama žiniasklaida dideliu mastu

Žvelgiant į ateitį, generatyvinio dirbtinio intelekto vaidmuo vaizduojamajame mene ir dizaine turėtų smarkiai išaugti. Manome, kad iki 2035 m. dirbtinis intelektas taps pagrindiniu turinio kūrėju daugelyje vizualinių medijų, dažnai veikdamas su minimaliu žmogaus indėliu, viršijančiu pradines gaires. Kai kurie lūkesčiai:

Visiškai dirbtinio intelekto sukurti filmai ir vaizdo įrašai: per ateinančius dešimt metų visiškai įmanoma pamatyti pirmuosius filmus ar serialus, kuriuos daugiausia sukurs dirbtinis intelektas. Žmonės gali pateikti aukšto lygio režisūrą (pvz., scenarijaus planą ar norimą stilių), o dirbtinis intelektas perteiks scenas, sukurs aktorių atvaizdus ir viską animuos. Pirmieji eksperimentai su trumpametražiais filmais greičiausiai prasidės per kelerius metus, o pilnametražiai filmai – iki 2030-ųjų. Šie dirbtinio intelekto filmai gali pradėti būti nišiniai (eksperimentinė animacija ir pan.), tačiau gerėjant kokybei gali tapti įprastais. „Gartner“ prognozė, kad iki 2030 m. filmų bus sukurta 90 % ( Generative AI Use Cases for Industries and Enterprises ), nors ir ambicinga, pabrėžia pramonės įsitikinimą, kad dirbtinio intelekto turinio kūrimas bus pakankamai sudėtingas, kad galėtų prisiimti didžiąją dalį kino kūrimo krūvio.
Projektavimo automatizavimas: tokiose srityse kaip mada ar architektūra generatyvinis dirbtinis intelektas greičiausiai bus naudojamas šimtams dizaino koncepcijų automatiškai parengti remiantis tokiais parametrais kaip „kaina, medžiagos, stilius X“, o galutinį dizainą pasirinkti leis žmonėms. Tai pakeičia dabartinę dinamiką: užuot kūrę nuo nulio ir galbūt įkvėpimui naudodami dirbtinį intelektą, būsimi dizaineriai gali atlikti daugiau kuratorių vaidmenį, pasirinkdami geriausią dirbtinio intelekto sugeneruotą projektą ir galbūt jį koreguodami. Iki 2035 m. architektas gali įvesti pastato reikalavimus ir gauti išsamius brėžinius kaip dirbtinio intelekto pasiūlymus (visi struktūriškai pagrįsti, dėka įterptųjų inžinerijos taisyklių).
Suasmenintas turinio kūrimas: Galime pamatyti, kaip dirbtinis intelektas (DI) akimirksniu kuria vaizdinius elementus individualiems vartotojams. Įsivaizduokite vaizdo žaidimą ar virtualios realybės patirtį 2035 m., kurioje peizažai ir personažai prisitaiko prie žaidėjo pageidavimų, kuriuos realiuoju laiku generuoja DI. Arba suasmenintus komiksus, generuojamus pagal vartotojo dieną – autonominį „kasdienio dienoraščio komiksą“, kuris kiekvieną vakarą automatiškai paverčia jūsų tekstinį žurnalą iliustracijomis.
Multimodalinis kūrybiškumas: generatyvinės dirbtinio intelekto sistemos vis labiau tampa multimodalinės – tai reiškia, kad jos gali kartu apdoroti tekstą, vaizdus, garsą ir kt. Sujungdamos šiuos elementus, dirbtinis intelektas galėtų, remdamasis paprasta užduotimi, pavyzdžiui, „Sukurkite man rinkodaros kampaniją produktui X“, sugeneruoti ne tik rašytinį tekstą, bet ir atitinkamą grafiką, galbūt net trumpus reklaminius vaizdo įrašus, visus vienodo stiliaus. Toks vieno paspaudimo turinio rinkinys greičiausiai bus pristatytas iki 2030-ųjų pradžios.

Ar DI pakeis žmones menininkus ? Šis klausimas kyla dažnai. Tikėtina, kad DI perims daug gamybos darbo (ypač pasikartojančio ar greitai sukuriamo meno, reikalingo verslui), tačiau žmonių menas išliks siekiant originalumo ir inovacijų. Iki 2035 m. autonominis DI gali patikimai nupiešti paveikslą garsaus menininko stiliumi, tačiau naujo stiliaus ar giliai kultūriškai rezonuojančio meno kūrimas vis dar gali būti žmogaus stiprioji pusė (potencialiai su DI kaip bendradarbiu). Numatome ateitį, kai žmonės menininkai dirbs kartu su autonominiais DI „bendramenininkais“. Pavyzdžiui, galima užsakyti asmeninį DI, kad jis nuolat kurtų meną skaitmeninei galerijai namuose, taip sukurdamas nuolat kintančią kūrybinę atmosferą.

Patikimumo požiūriu, vizualiai generatyvusis dirbtinis intelektas (DI) kai kuriais atžvilgiais turi lengvesnį kelią į autonomiją nei tekstas: vaizdas subjektyviai gali būti „pakankamai geras“, net jei ir nėra tobulas, o faktinė klaida tekste kelia daugiau problemų. Taigi, jau matome santykinai mažos rizikos pritaikymą – jei DI sukurtas dizainas yra negražus ar neteisingas, jo tiesiog nenaudojate, tačiau jis pats savaime nedaro jokios žalos. Tai reiškia, kad iki 2030-ųjų įmonės gali būti patenkintos leisdamos DI kurti dizainus be priežiūros ir įtraukdamos žmones tik tada, kai reikia kažko tikrai naujo ar rizikingo.

Apibendrinant, tikimasi, kad iki 2035 m. generatyvinis dirbtinis intelektas taps galingu vizualinio turinio kūrėju, greičiausiai atsakingu už didelę dalį mus supančių vaizdų ir medijos. Jis patikimai generuos turinį pramogoms, dizainui ir kasdienei komunikacijai. Autonominis menininkas jau netoli, tačiau diskusija apie tai, ar dirbtinis intelektas laikomas kūrybingu , ar tiesiog labai išmaniu įrankiu, vystysis, nes jo rezultatai taps neatskiriami nuo žmogaus sukurtų.

Generatyvusis dirbtinis intelektas programinės įrangos kūrime (kodavimas)

Programinės įrangos kūrimas gali atrodyti kaip labai analitinė užduotis, tačiau jis taip pat turi kūrybinį elementą – kodo rašymas iš esmės yra teksto kūrimas struktūrizuota kalba. Šiuolaikinis generatyvusis dirbtinis intelektas, ypač dideli kalbų modeliai, pasirodė esą gana meistriški kodavimo srityje. Tokios priemonės kaip „GitHub Copilot“, „Amazon CodeWhisperer“ ir kitos veikia kaip dirbtinio intelekto porų programuotojai, siūlydami kodo fragmentus ar net ištisas funkcijas, kūrėjams rašant. Kiek toli tai gali nueiti link autonominio programavimo?

Dabartinės galimybės (2025 m.): Dirbtinis intelektas kaip programavimo antroji piloto pozicijoje

Iki 2025 m. dirbtinio intelekto kodo generatoriai tapo įprastu daugelio kūrėjų darbo eilučių elementu. Šie įrankiai gali automatiškai užbaigti kodo eilutes, generuoti standartinius kodus (pvz., standartines funkcijas ar testus) ir netgi rašyti paprastas programas, pateikiant natūralios kalbos aprašymą. Tačiau svarbiausia, kad jie veikia prižiūrint kūrėjui – kūrėjas peržiūri ir integruoja dirbtinio intelekto pasiūlymus.

Kai kurie dabartiniai faktai ir skaičiai:

Iki 2023 m. pabaigos daugiau nei pusė profesionalių kūrėjų buvo įsidiegę dirbtinio intelekto kodavimo asistentus („ Coding on Copilot“: 2023 m. duomenys rodo mažesnį spaudimą kodo kokybei (įskaitant 2024 m. prognozes) – „GitClear“ ), o tai rodo spartų diegimą. Pranešama, kad „GitHub Copilot“, viena iš pirmųjų plačiai prieinamų įrankių, projektuose, kuriuose ji naudojama, vidutiniškai generuoja 30–40 % kodo ( kodavimas nebėra MOAT. 46 % kodo „GitHub“ platformoje jau yra... ). Tai reiškia, kad dirbtinis intelektas jau rašo dideles kodo dalis, nors jį valdo ir tikrina žmogus.
Šie dirbtinio intelekto įrankiai puikiai atlieka tokias užduotis kaip pasikartojančio kodo rašymas (pvz., duomenų modelių klasės, „getter“ / „setter“ metodai), vienos programavimo kalbos konvertavimas į kitą arba paprastų algoritmų, panašių į mokymo pavyzdžius, kūrimas. Pavyzdžiui, kūrėjas gali pakomentuoti „// funkcija, skirta rūšiuoti vartotojų sąrašą pagal vardą“, ir dirbtinis intelektas beveik akimirksniu sugeneruos atitinkamą rūšiavimo funkciją.
Jie taip pat padeda taisyti klaidas ir jas paaiškinti : kūrėjai gali įklijuoti klaidos pranešimą, o dirbtinis intelektas gali pasiūlyti pataisymą, arba paklausti „Ką veikia šis kodas?“ ir gauti natūralios kalbos paaiškinimą. Tam tikra prasme tai yra autonomiška (dirbtinis intelektas gali pats diagnozuoti problemas), tačiau žmogus nusprendžia, ar taikyti pataisymą.
Svarbu tai, kad dabartiniai dirbtinio intelekto kodavimo asistentai nėra neklystantys. Jie gali pasiūlyti nesaugų kodą arba kodą, kuris beveik išsprendžia problemą, bet turi subtilių klaidų. Todėl šiandien geriausia praktika yra nuolat informuoti žmogų – kūrėjas testuoja ir derina dirbtinio intelekto parašytą kodą taip, kaip tai darytų žmogaus parašytą kodą. Reguliuojamose pramonės šakose arba kritinės programinės įrangos srityje (pvz., medicinos ar aviacijos sistemose) bet koks dirbtinio intelekto indėlis yra griežtai peržiūrimas.

Šiandien nėra jokios pagrindinės programinės įrangos sistemos, kuri būtų visiškai parašyta dirbtinio intelekto nuo nulio be kūrėjo priežiūros. Tačiau atsiranda tam tikrų autonominių arba pusiau autonominių jos naudojimo būdų:

Automatiškai generuojami vienetiniai testai: DI gali analizuoti kodą ir kurti vienetinius testus, apimančius įvairius atvejus. Testavimo sistema gali automatiškai generuoti ir vykdyti šiuos DI parašytus testus, kad aptiktų klaidas ir taip papildytų žmonių parašytus testus.
Mažo kodo / be kodo platformos su dirbtiniu intelektu: kai kurios platformos leidžia neprogramuotojams apibūdinti, ko jie nori (pvz., „sukurti tinklalapį su kontaktine forma ir duomenų baze įrašams išsaugoti“), o sistema sugeneruoja kodą. Nors tai dar ankstyvosiose stadijose, tai užsimena apie ateitį, kai dirbtinis intelektas galėtų savarankiškai kurti programinę įrangą standartiniams naudojimo atvejams.
Scenarijai ir „klijavimo“ kodas: IT automatizavimas dažnai apima scenarijų rašymą sistemoms sujungti. Dirbtinio intelekto įrankiai dažnai gali automatiškai generuoti šiuos mažus scenarijus. Pavyzdžiui, rašant scenarijų, skirtą žurnalo failui analizuoti ir el. pašto įspėjimui siųsti, dirbtinis intelektas gali sukurti veikiantį scenarijų su minimaliais arba visai be pakeitimų.

2030–2035 m. perspektyvos: link „savarankiškai besivystančios“ programinės įrangos

Tikimasi, kad per ateinantį dešimtmetį generatyvinis dirbtinis intelektas perims didesnę kodavimo naštos dalį, tam tikroms projektų klasėms artėjant prie visiškai autonominio programinės įrangos kūrimo. Kai kurie numatomi pokyčiai:

Visiškas funkcijų įdiegimas: iki 2030 m. tikimės, kad dirbtinis intelektas (DI) galės įdiegti paprastas programų funkcijas nuo pradžios iki pabaigos. Produkto vadovas galėtų aprašyti funkciją paprasta kalba („Vartotojai turėtų galėti iš naujo nustatyti slaptažodį naudodami el. pašto nuorodą“), o DI galėtų sugeneruoti reikiamą kodą (priekinė forma, vidinė logika, duomenų bazės atnaujinimas, el. laiškų siuntimas) ir integruoti jį į kodo bazę. DI iš esmės veiktų kaip jaunesnysis kūrėjas, galintis laikytis specifikacijų. Žmogus-inžinierius galėtų tiesiog atlikti kodo peržiūrą ir atlikti testus. Didėjant DI patikimumui, kodo peržiūra gali tapti greita peržvelgimu, jei iš viso įmanoma.
Autonominis kodo palaikymas: didelė programinės įrangos inžinerijos dalis yra ne tik naujo kodo rašymas, bet ir esamo kodo atnaujinimas – klaidų taisymas, našumo gerinimas, prisitaikymas prie naujų reikalavimų. Būsimi dirbtinio intelekto kūrėjai greičiausiai puikiai atliks šį darbą. Turint kodo bazę ir direktyvą („mūsų programa užstringa, kai vienu metu prisijungia per daug vartotojų“), dirbtinis intelektas gali rasti problemą (pvz., lygiagretaus veikimo klaidą) ir ją pataisyti. Iki 2035 m. dirbtinio intelekto sistemos gali automatiškai tvarkyti įprastinius priežiūros užklausimus per naktį, tarnaudamos kaip nenuilstanti programinės įrangos sistemų priežiūros komanda.
Integracija ir API naudojimas: Kadangi vis daugiau programinės įrangos sistemų ir API turi dirbtinio intelekto skaitomą dokumentaciją, dirbtinio intelekto agentas gali savarankiškai išsiaiškinti, kaip sujungti A sistemą su B paslauga, parašydamas sujungimo kodą. Pavyzdžiui, jei įmonė nori, kad jų vidinė HR sistema būtų sinchronizuota su nauja darbo užmokesčio API, ji gali užduoti dirbtiniam intelektui „priversti šias sistemas bendrauti tarpusavyje“, o jis parašys integracijos kodą perskaitęs abiejų sistemų specifikacijas.
Kokybė ir optimizavimas: Ateities kodo generavimo modeliuose greičiausiai bus įtrauktos grįžtamojo ryšio kilpos, skirtos patikrinti, ar kodas veikia (pvz., atliekant testus ar modeliavimus smėlio dėžėje). Tai reiškia, kad dirbtinis intelektas galėtų ne tik rašyti kodą, bet ir pats jį taisyti jį testuodamas. Iki 2035 m. galėtume įsivaizduoti dirbtinį intelektą, kuris, gavęs užduotį, nuolat kartoja savo kodą, kol visi testai sėkmingai išlaikomi – šio proceso žmogui gali nereikėti stebėti eilutė po eilutės. Tai labai padidintų pasitikėjimą savarankiškai sugeneruotu kodu.

Galima įsivaizduoti scenarijų iki 2035 m., kai nedidelį programinės įrangos projektą, tarkime, pritaikytą mobiliąją programėlę verslui, daugiausia galėtų kurti dirbtinio intelekto agentas, gavęs aukšto lygio instrukcijas. Žmogus „kūrėjas“ tokiame scenarijuje labiau veikia kaip projekto vadovas arba validatorius, nustatantis reikalavimus ir apribojimus (saugumo, stiliaus gaires) ir leidžiantis dirbtiniam intelektui atlikti sunkųjį kodavimo darbą.

Tačiau sudėtingos, didelio masto programinės įrangos (operacinių sistemų, pačių pažangių dirbtinio intelekto algoritmų ir kt.) atveju žmonės ekspertai vis tiek bus glaudžiai susiję. Kūrybinis problemų sprendimas ir architektūrinis projektavimas programinėje įrangoje greičiausiai kurį laiką išliks žmonių valdomas. Dirbtinis intelektas gali atlikti daug kodavimo užduočių, tačiau nuspręsti, ką kurti, ir suprojektuoti bendrą struktūrą yra kitoks iššūkis. Tačiau generatyviniam dirbtiniam intelektui pradedant bendradarbiauti – keliems dirbtinio intelekto agentams tvarkant skirtingus sistemos komponentus – įsivaizduojama, kad jie tam tikru mastu galėtų kartu kurti architektūras (pavyzdžiui, vienas dirbtinis intelektas siūlo sistemos projektą, kitas jį kritikuoja ir jie jį kartoja, o žmogus prižiūri procesą).

Pagrindinis tikėtinas dirbtinio intelekto (DI) privalumas kodavime yra produktyvumo padidėjimas . „Gartner“ prognozuoja, kad iki 2028 m. net 90 % programinės įrangos inžinierių naudosis DI kodo asistentais (palyginti su mažiau nei 15 % 2024 m.) ( „GitHub Copilot“ pirmauja tyrimų ataskaitoje apie DI kodo asistentus – „Visual Studio Magazine“ ). Tai rodo, kad išskirtinių – tų, kurie nenaudoja DI, – bus nedaug. Taip pat galime pastebėti žmonių kūrėjų trūkumą tam tikrose srityse, kurį sušvelnins DI, užpildantis spragas; iš esmės kiekvienas kūrėjas gali nuveikti daug daugiau su DI pagalbininku, kuris gali savarankiškai kurti kodo juodraščius.

Pasitikėjimas išliks pagrindiniu klausimu. Net ir 2035 m. organizacijos turės užtikrinti, kad savarankiškai generuojamas kodas būtų saugus (DI neturi sukelti pažeidžiamumų) ir atitiktų teisines / etines normas (pvz., DI neįtrauktų plagiato kodo iš atvirojo kodo bibliotekos be tinkamos licencijos). Tikimės, kad patobulintos DI valdymo priemonės, galinčios patikrinti ir atsekti DI parašyto kodo kilmę, padės užtikrinti autonomiškesnį kodavimą be rizikos.

Apibendrinant galima teigti, kad iki 2030-ųjų vidurio generatyvinis dirbtinis intelektas greičiausiai atliks didžiąją dalį įprastų programinės įrangos užduočių kodavimo ir ženkliai padės atliekant sudėtingas užduotis. Programinės įrangos kūrimo gyvavimo ciklas bus daug labiau automatizuotas – nuo reikalavimų iki diegimo – o dirbtinis intelektas potencialiai automatiškai generuos ir diegs kodo pakeitimus. Žmonės kūrėjai daugiau dėmesio skirs aukšto lygio logikai, naudotojo patirčiai ir priežiūrai, o dirbtinio intelekto agentai kruopščiai spręs diegimo detales.

Generatyvus dirbtinis intelektas klientų aptarnavimo ir palaikymo srityje

Jei pastaruoju metu bendravote su internetiniu klientų aptarnavimo pokalbių kambariu, yra didelė tikimybė, kad bent dalį šio proceso kitame gale buvo dirbtinis intelektas. Klientų aptarnavimas yra sritis, kurioje puikiai tinka dirbtinio intelekto automatizavimas: jis apima atsakymus į vartotojų užklausas, ką generatyvinis dirbtinis intelektas (ypač pokalbių modeliai) gali atlikti gana gerai, ir dažnai vadovaujasi scenarijais arba žinių bazės straipsniais, kuriuos dirbtinis intelektas gali išmokti. Kiek savarankiškai dirbtinis intelektas gali tvarkyti klientus?

Dabartinės galimybės (2025 m.): pokalbių robotai ir virtualūs agentai užima priešakines linijas

Šiandien daugelis organizacijų diegia dirbtinio intelekto pokalbių robotus kaip pirmąjį klientų aptarnavimo kontaktinį asmenį . Tai gali būti nuo paprastų taisyklėmis pagrįstų robotų („1 paspaudus sąskaitą, 2 palaikymo komandą...“) iki pažangių generatyvinių dirbtinio intelekto pokalbių robotų, kurie gali interpretuoti laisvos formos klausimus ir atsakyti pokalbio forma. Svarbiausi aspektai:

Dažnai užduodamų klausimų sprendimas: Dirbtinio intelekto agentai puikiai atsako į dažniausiai užduodamus klausimus, teikia informaciją (parduotuvės darbo laikas, grąžinimo politika, žinomų problemų šalinimo veiksmai) ir padeda vartotojams atlikti standartines procedūras. Pavyzdžiui, banko dirbtinio intelekto pokalbių robotas gali savarankiškai padėti vartotojui patikrinti sąskaitos likutį, iš naujo nustatyti slaptažodį arba paaiškinti, kaip kreiptis dėl paskolos, be žmogaus pagalbos.
Natūralios kalbos supratimas: šiuolaikiniai generatyviniai modeliai leidžia sklandžiau ir „žmogiškiau“ bendrauti. Klientai gali įvesti klausimą savais žodžiais, o dirbtinis intelektas (DI) paprastai gali suprasti jo tikslą. Įmonės praneša, kad šiandieniniai DI agentai klientams teikia daug daugiau pasitenkinimo nei gremėzdiški robotai prieš kelerius metus – beveik pusė klientų dabar mano, kad DI agentai gali būti empatiški ir veiksmingi spręsdami problemas ( 59 DI klientų aptarnavimo statistikos duomenys už 2025 m. ), o tai rodo augantį pasitikėjimą DI teikiamomis paslaugomis.
Daugiakanalė pagalba: Dirbtinis intelektas skirtas ne tik pokalbiams. Balso asistentai (pvz., telefonų IVR sistemos su dirbtiniu intelektu) pradeda tvarkyti skambučius, o dirbtinis intelektas taip pat gali parengti el. pašto atsakymų į klientų užklausas projektus, kurie gali būti išsiųsti automatiškai, jei bus pripažinti tiksliais.
Kai įsikiša žmonės: Paprastai, jei dirbtinis intelektas (DI) susipainioja arba klausimas yra per sudėtingas, jis perduoda užduotį žmogui. Dabartinės sistemos daugeliu atvejų gerai žino savo ribas . Pavyzdžiui, jei klientas klausia ko nors neįprasto arba parodo nusivylimą („Tai jau trečias kartas, kai su jumis kreipiuosi ir esu labai nusiminęs...“), DI gali tai pažymėti, kad jį perimtų žmogus. Perdavimo ribą nustato įmonės, siekdamos suderinti efektyvumą su klientų pasitenkinimu.

Daugelis įmonių pranešė, kad didelę dalį sąveikų išsprendžia vien tik dirbtinis intelektas. Remiantis pramonės apklausomis, apie 70–80 % įprastų klientų užklausų šiandien gali tvarkyti dirbtinio intelekto pokalbių robotai, o apie 40 % įmonių klientų sąveikos įvairiais kanalais jau yra automatizuota arba padedama dirbtinio intelekto ( 52 dirbtinio intelekto klientų aptarnavimo statistika, kurią turėtumėte žinoti – „Plivo“ ). IBM pasaulinis dirbtinio intelekto diegimo indeksas (2022 m.) parodė, kad 80 % įmonių iki 2025 m. naudoja arba planuoja naudoti dirbtinio intelekto pokalbių robotus klientų aptarnavimui.

Įdomus pokytis yra tai, kad dirbtinis intelektas ne tik reaguoja į klientų klausimus, bet ir aktyviai padeda žmonėms agentams realiuoju laiku. Pavyzdžiui, tiesioginio pokalbio ar skambučio metu dirbtinis intelektas gali išklausyti ir akimirksniu pateikti žmogui agentui siūlomus atsakymus arba aktualią informaciją. Tai ištrina autonomijos ribą – dirbtinis intelektas nebendrauja su klientu vienas, bet aktyviai dalyvauja be aiškių žmogaus užklausų. Jis iš esmės veikia kaip autonominis agento patarėjas.

2030–2035 m. perspektyvos: daugiausia dirbtinio intelekto valdoma klientų sąveika

Tikimasi, kad iki 2030 m. dauguma klientų aptarnavimo sąveikų bus vykdomos naudojant dirbtinį intelektą, o daugelį jų nuo pradžios iki pabaigos visiškai atliks dirbtinis intelektas. Tai patvirtinančios prognozės ir tendencijos:

Sudėtingesnių užklausų sprendimas: Dirbtinio intelekto modeliams integruojant didžiules žinias ir tobulinant samprotavimus, jie galės tvarkyti sudėtingesnius klientų prašymus. Užuot tiesiog atsakęs į klausimą „Kaip grąžinti prekę?“, ateities dirbtinis intelektas gali spręsti daugiapakopes problemas, tokias kaip „Mano internetas neveikia, bandžiau paleisti iš naujo, ar galite padėti?“, diagnozuodamas problemą dialogo lange, padėdamas klientui atlikti sudėtingą trikčių šalinimą ir tik tuo atveju, jei visos kitos priemonės nepadeda – užduotis, kurioms šiandien greičiausiai reikėtų žmogaus pagalbos specialisto. Sveikatos priežiūros klientų aptarnavimo srityje dirbtinis intelektas gali tvarkyti pacientų vizitų planavimą ar draudimo užklausas nuo pradžios iki galo.
Visapusiškas paslaugų sprendimas: Galime matyti, kaip dirbtinis intelektas ne tik nurodo klientui, ką daryti, bet ir iš tikrųjų tai daro kliento vardu vidinėse sistemose. Pavyzdžiui, jei klientas sako: „Noriu pakeisti savo skrydį į kitą pirmadienį ir pridėti dar vieną bagažo vienetą“, 2030 m. dirbtinio intelekto agentas gali tiesiogiai sąveikauti su oro linijų bendrovės rezervavimo sistema, atlikti pakeitimą, apdoroti mokėjimą už bagažo vienetą ir patvirtinti klientui – visa tai savarankiškai. Dirbtinis intelektas tampa visaverčiu agentu, o ne tik informacijos šaltiniu.
Visapusiški dirbtinio intelekto agentai: įmonės greičiausiai diegs dirbtinį intelektą visuose sąlyčio su klientais taškuose – telefone, pokalbių languose, el. pašte, socialiniuose tinkluose. Daugelis klientų gali net nesuvokti, ar kalbasi su dirbtiniu intelektu, ar su žmogumi, ypač kai dirbtinio intelekto balsai tampa natūralesni, o pokalbių langų atsakymai labiau atsižvelgia į kontekstą. Iki 2035 m. susisiekimas su klientų aptarnavimo tarnyba dažnai gali reikšti bendravimą su išmaniuoju dirbtiniu intelektu, kuris prisimena jūsų ankstesnius bendravimo būdus, supranta jūsų pageidavimus ir prisitaiko prie jūsų tono – iš esmės tai bus suasmenintas virtualus agentas kiekvienam klientui.
Dirbtinio intelekto sprendimų priėmimas sąveikos metu: be atsakymų į klausimus, dirbtinis intelektas pradės priimti sprendimus, kuriems šiuo metu reikalingas vadovo patvirtinimas. Pavyzdžiui, šiandien žmogus gali reikalauti vadovo patvirtinimo, kad pasiūlytų pinigų grąžinimą arba specialią nuolaidą ir nuramintų piktą klientą. Ateityje šie sprendimai, neviršijant nustatytų ribų, gali būti patikėti dirbtiniam intelektui, remiantis apskaičiuota kliento gyvavimo ciklo verte ir nuotaikų analize. „Futurum“ / IBM atliktame tyrime prognozuojama, kad iki 2030 m. apie 69 % sprendimų, priimamų realiuoju laiku bendraujant su klientais, priims išmaniosios mašinos („ Norėdami iš naujo įsivaizduoti perėjimą prie klientų patirties, rinkodaros specialistai turi atlikti šiuos 2 dalykus “) – iš esmės dirbtinis intelektas nuspręs, koks veiksmas yra geriausias sąveikos metu.
100 % dirbtinio intelekto dalyvavimas: vienoje ataskaitoje teigiama, kad dirbtinis intelektas galiausiai atliks vaidmenį kiekvienoje kliento sąveikoje ( 59 dirbtinio intelekto klientų aptarnavimo statistikos duomenys už 2025 m. ), tiek iš anksto, tiek fone. Tai gali reikšti, kad net jei su klientu bendrauja žmogus, jam padės dirbtinis intelektas (teiks pasiūlymus, ieškos informacijos). Kita vertus, teigiama, kad nė viena kliento užklausa niekada nelieka neatsakyta – jei žmonės yra neprisijungę, dirbtinis intelektas visada yra šalia.

Iki 2035 m. galime pastebėti, kad žmonių klientų aptarnavimo agentai specializuojasi tik jautriausioms ar dažniausiai pasitaikančioms situacijoms (pvz., VIP klientams arba sudėtingiems skundams spręsti, kuriems reikalinga žmogiška empatija). Įprastas užklausas – nuo bankininkystės iki mažmeninės prekybos ir techninės pagalbos – galėtų aptarnauti dirbtinio intelekto agentų parkas, dirbantis visą parą ir nuolat mokantis iš kiekvienos sąveikos. Šis pokytis galėtų padaryti klientų aptarnavimą nuoseklesnį ir greitesnį, nes dirbtinis intelektas nereikalauja laukti ir teoriškai gali atlikti kelias užduotis vienu metu, kad aptarnautų neribotą skaičių klientų.

Šiai vizijai reikia įveikti iššūkius: dirbtinis intelektas turi būti labai patikimas, kad galėtų susidoroti su nenuspėjamumu tarp žmonių klientų. Jis turi gebėti susidoroti su slengu, pykčiu, sumaištimi ir begaline žmonių bendravimo būdų įvairove. Jam taip pat reikia naujausių žinių (nėra prasmės, jei dirbtinio intelekto informacija yra pasenusi). Investuojant į dirbtinio intelekto ir įmonės duomenų bazių integraciją (realiojo laiko informacijai apie užsakymus, tiekimo sutrikimus ir pan.), šias kliūtis galima įveikti.

Etiškai įmonės turės nuspręsti, kada atskleisti, kada „kalbate su DI“, ir užtikrinti sąžiningumą (DI nesielgia su tam tikrais klientais skirtingai ir neigiamai dėl šališkų mokymų). Darant prielaidą, kad šios problemos yra valdomos, verslo atvejis yra stiprus: DI klientų aptarnavimas gali smarkiai sumažinti išlaidas ir laukimo laiką. Prognozuojama, kad iki 2030 m. DI klientų aptarnavimo rinka išaugs iki dešimčių milijardų dolerių ( DI klientų aptarnavimo rinkos ataskaita 2025–2030 m.: atvejis ) ( Kaip generatyvinis DI skatina logistiką | Ryder ), organizacijoms investuojant į šias galimybes.

Apibendrinant, tikėkitės ateities, kurioje autonominis dirbtinio intelekto klientų aptarnavimas taps norma . Pagalbos gavimas dažnai reikš sąveiką su išmaniąja mašina, kuri gali greitai išspręsti jūsų problemą. Žmonės ir toliau prižiūrės ir spręs ekstremalias problemas, tačiau labiau kaip dirbtinio intelekto darbuotojų prižiūrėtojai. Rezultatas galėtų būti greitesnis ir labiau suasmenintas aptarnavimas vartotojams – jei tik dirbtinis intelektas bus tinkamai apmokytas ir stebimas, kad būtų išvengta praeities „robotų karštosios linijos“ patirties.

Generatyvus dirbtinis intelektas sveikatos priežiūros ir medicinos srityse

Sveikatos apsauga yra sritis, kurioje statymai yra dideli. Idėja, kad dirbtinis intelektas medicinoje veiktų be žmogaus priežiūros, kelia ir entuziazmą (dėl efektyvumo ir aprėpties), ir atsargumą (dėl saugumo ir empatijos priežasčių). Generatyvusis dirbtinis intelektas pradėjo skintis kelią tokiose srityse kaip medicininė vaizdų analizė, klinikinė dokumentacija ir net vaistų kūrimas. Ką jis gali atsakingai nuveikti pats?

Dabartiniai pajėgumai (2025 m.): padėti klinikų specialistams, o ne juos pakeisti

Šiuo metu generatyvinis dirbtinis intelektas sveikatos priežiūros srityje pirmiausia tarnauja kaip galingas medicinos specialistų asistentas , o ne kaip autonominis sprendimų priėmėjas. Pavyzdžiui:

Medicininė dokumentacija: Vienas sėkmingiausių dirbtinio intelekto panaudojimo sveikatos priežiūros srityje atvejų yra pagalba gydytojams tvarkant dokumentus. Natūralios kalbos modeliai gali užrašyti pacientų vizitus ir generuoti klinikines pastabas arba išrašų santraukas. Įmonės turi „dirbtinio intelekto rašytojus“, kurie klausosi apžiūros metu (per mikrofoną) ir automatiškai sukuria konsultacijos pastabų juodraštį, kurį gydytojas gali peržiūrėti. Tai taupo gydytojų laiką, kurį jie turėtų rašyti. Kai kurios sistemos netgi automatiškai užpildo dalis elektroninių sveikatos įrašų. Tai galima padaryti minimaliai įsikišant – gydytojas tiesiog ištaiso visas mažas klaidas juodraštyje, o tai reiškia, kad pastabų rašymas yra daugiausia autonomiškas.
Radiologija ir vaizdinimas: DI, įskaitant generatyvinius modelius, gali analizuoti rentgeno nuotraukas, MRT ir KT vaizdus, kad aptiktų anomalijas (pvz., navikus ar lūžius). 2018 m. FDA patvirtino DI sistemą, skirtą autonominiam diabetinės retinopatijos (akių ligos) nustatymui tinklainės vaizduose – jai buvo leista atlikti iškvietimą be specialisto peržiūros konkrečiame atrankos kontekste. Ta sistema nebuvo generatyvinė DI, tačiau ji rodo, kad reguliuotojai leido autonominę DI diagnozę ribotais atvejais. Generatyviniai modeliai naudojami kuriant išsamias ataskaitas. Pavyzdžiui, DI gali ištirti krūtinės ląstos rentgeno nuotrauką ir parengti radiologo ataskaitą , kurioje teigiama: „Nėra ūminių radinių. Plaučiai švarūs. Širdis normalaus dydžio.“ Tada radiologas tiesiog patvirtina ir pasirašo. Kai kuriais įprastais atvejais šios ataskaitos gali būti išsiunčiamos be redagavimo, jei radiologas pasitiki DI ir tiesiog atlieka greitą patikrinimą.
Simptomų tikrintuvai ir virtualios slaugytojos: generatyviniai dirbtinio intelekto pokalbių robotai naudojami kaip simptomų tikrintuvai. Pacientai gali įvesti savo simptomus ir gauti patarimų (pvz., „Tai gali būti paprastas peršalimas; ilsėkitės ir gerkite skysčių, bet kreipkitės į gydytoją, jei pasireiškia X arba Y“). Tokios programėlės kaip „Babylon Health“ naudoja dirbtinį intelektą rekomendacijoms teikti. Šiuo metu jos paprastai pateikiamos kaip informaciniai, o ne galutiniai medicininiai patarimai, ir skatina kreiptis į gydytoją dėl rimtų problemų.
Vaistų atradimas (generatyvinė chemija): generatyviniai dirbtinio intelekto modeliai gali pasiūlyti naujas vaistų molekulines struktūras. Tai labiau susiję su tyrimais nei su pacientų priežiūra. Šie dirbtiniai intelektai veikia autonomiškai ir siūlo tūkstančius kandidatų junginių su norimomis savybėmis, kuriuos žmonės chemikai peržiūri ir išbando laboratorijoje. Tokios įmonės kaip „Insilico Medicine“ naudojo dirbtinį intelektą, kad sukurtų naujus vaistų kandidatus per žymiai trumpesnį laiką. Nors tai tiesiogiai nesąveikauja su pacientais, tai yra pavyzdys, kaip dirbtinis intelektas savarankiškai kuria sprendimus (molekulių dizainą), kuriuos žmonėms rasti būtų užtrukę daug ilgiau.
Sveikatos priežiūros operacijos: DI padeda optimizuoti planavimą, tiekimo valdymą ir kitą logistiką ligoninėse. Pavyzdžiui, generatyvinis modelis gali imituoti pacientų srautą ir siūlyti planavimo koregavimus, siekiant sumažinti laukimo laiką. Nors tai nėra taip matoma, tai yra sprendimai, kuriuos DI gali priimti atlikdamas minimalius rankinius pakeitimus.

Svarbu pažymėti, kad nuo 2025 m. nė viena ligoninė neleido dirbtiniam intelektui savarankiškai priimti svarbių medicininių sprendimų ar skirti gydymo be žmogaus pritarimo. Diagnozė ir gydymo planavimas išlieka tvirtai žmonių rankose, o dirbtinis intelektas teikia savo indėlį. Pasitikėjimo, reikalingo dirbtiniam intelektui, kad jis galėtų visiškai savarankiškai pasakyti pacientui „Jis serga vėžiu“ arba išrašyti vaistų, dar nėra ir neturėtų būti be išsamaus patvirtinimo. Medicinos specialistai naudoja dirbtinį intelektą kaip antrą akių porą arba kaip laiko taupymo įrankį, tačiau jie patikrina svarbiausius rezultatus.

2030–2035 m. perspektyvos: dirbtinis intelektas kaip gydytojo kolega (ir galbūt slaugytoja ar vaistininkė)

Tikimės, kad ateinantį dešimtmetį generatyvinis dirbtinis intelektas savarankiškai atliks daugiau įprastų klinikinių užduočių ir padidins sveikatos priežiūros paslaugų pasiekiamumą:

Automatinės preliminarios diagnozės: iki 2030 m. dirbtinis intelektas galėtų patikimai atlikti daugelio įprastų ligų pradinę analizę. Įsivaizduokite klinikoje veikiančią dirbtinio intelekto sistemą, kuri per kamerą nuskaito paciento simptomus, ligos istoriją, net jo toną ir veido užuominas, pateikia diagnostinį pasiūlymą ir rekomenduojamus tyrimus – visa tai dar prieš gydytojui apžiūrint pacientą. Tada gydytojas gali sutelkti dėmesį į diagnozės patvirtinimą ir aptarimą. Telemedicinos srityje pacientas pirmiausia gali kalbėtis su dirbtiniu intelektu, kuris susiaurina problemą (pvz., tikėtina sinusų infekcija, o ne sunkesnė liga), o tada, jei reikia, sujungia jį su gydytoju. Reguliuotojai gali leisti dirbtiniam intelektui oficialiai diagnozuoti tam tikras nedideles ligas be žmogaus priežiūros, jei įrodyta, kad tai itin tikslu – pavyzdžiui, dirbtinis intelektas galėtų diagnozuoti paprastą ausies infekciją pagal otoskopo vaizdą.
Asmeniniai sveikatos monitoriai: plintant nešiojamiesiems įrenginiams (išmaniesiems laikrodžiams, sveikatos jutikliams), dirbtinis intelektas (DI) nuolat stebės pacientus ir automatiškai įspės apie problemas. Pavyzdžiui, iki 2035 m. jūsų nešiojamojo įrenginio DI gali aptikti nenormalų širdies ritmą ir automatiškai suplanuoti skubią virtualią konsultaciją arba net iškviesti greitąją pagalbą, jei aptiks širdies smūgio ar insulto požymius. Tai peržengia autonominio sprendimų priėmimo sritį – nusprendžia, kad situacija yra nepaprastoji, ir imasi veiksmų – tai yra tikėtinas ir gyvybes gelbstintis DI panaudojimas.
Gydymo rekomendacijos: generatyvinis dirbtinis intelektas, apmokytas remiantis medicinine literatūra ir pacientų duomenimis, gali pasiūlyti individualizuotus gydymo planus. Iki 2030 m. sudėtingoms ligoms, tokioms kaip vėžys, dirbtinio intelekto navikų tarybos galėtų analizuoti paciento genetinę sandarą ir ligos istoriją bei savarankiškai parengti rekomenduojamą gydymo režimą (chemoterapijos planą, vaistų parinkimą). Žmonės gydytojai jį peržiūrėtų, tačiau laikui bėgant, didėjant pasitikėjimui, jie galėtų pradėti priimti dirbtinio intelekto sugeneruotus planus, ypač įprastiems atvejams, koreguodami juos tik prireikus.
Virtualios slaugytojos ir priežiūra namuose: Dirbtinis intelektas, galintis bendrauti ir teikti medicinines konsultacijas, galėtų atlikti daug tolesnių veiksmų ir stebėti lėtinių ligų priežiūrą. Pavyzdžiui, namuose esantys pacientai, sergantys lėtinėmis ligomis, galėtų teikti dienos rodiklius dirbtinio intelekto slaugytojo padėjėjui, kuris duotų patarimų („Jūsų cukraus kiekis kraujyje šiek tiek per didelis, apsvarstykite galimybę pakoreguoti vakarinius užkandžius“) ir praneštų žmogui slaugytojui tik tada, kai rodmenys yra už diapazono ribų arba iškyla problemų. Šis dirbtinis intelektas galėtų veikti daugiausia autonomiškai, gydytojui nuotoliniu būdu prižiūrint.
Medicininis vaizdavimas ir laboratorinė analizė – visiškai automatizuoti procesai: iki 2035 m. kai kuriose srityse medicininių skenavimų skaitymą daugiausia gali atlikti dirbtinis intelektas. Radiologai prižiūrėtų dirbtinio intelekto sistemas ir tvarkytų sudėtingus atvejus, tačiau daugumą įprastų skenavimų (kurie iš tiesų yra įprasti) dirbtinis intelektas galėtų „nuskaityti“ ir patvirtinti tiesiogiai. Panašiai, patologijos preparatų analizė (pavyzdžiui, vėžio ląstelių aptikimas biopsijoje) galėtų būti atliekama automatiškai atliekant pradinę atranką, o tai žymiai pagreitintų laboratorinių tyrimų rezultatus.
Vaistų atradimas ir klinikiniai tyrimai: Dirbtinis intelektas greičiausiai ne tik kurs vaistų molekules, bet ir generuos sintetinius pacientų duomenis tyrimams arba ras optimalius tyrimų kandidatus. Jis galėtų savarankiškai vykdyti virtualius tyrimus (imituodamas pacientų reakciją), kad prieš tikrus tyrimus susiaurintų galimybes. Tai gali padėti vaistus greičiau pateikti į rinką, atliekant mažiau žmonių atliekamų eksperimentų.

Vizija, kad dirbtinio intelekto gydytojas visiškai pakeistų žmogų, vis dar gana tolima ir tebėra prieštaringa. Net ir 2035 m. tikimasi, kad dirbtinis intelektas bus kolega , o ne žmogiškojo prisilietimo pakaitalas. Sudėtingoms diagnozėms dažnai reikia intuicijos, etikos ir pokalbių, kad būtų galima suprasti paciento kontekstą – sritis, kuriose žmonės gydytojai pasižymi. Nepaisant to, dirbtinis intelektas galėtų susitvarkyti, tarkime, 80 % įprasto darbo krūvio: dokumentų tvarkymą, nesudėtingus atvejus, stebėjimą ir kt., o tai leistų žmonėms klinikų specialistams sutelkti dėmesį į sudėtingus 20 % ir santykius su pacientais.

Yra didelių kliūčių: autonominio dirbtinio intelekto (DI) sveikatos priežiūros srityje reguliavimo institucijų patvirtinimas yra griežtas (ir tai yra, kaip ir dera). DI sistemoms reikės išsamaus klinikinio patvirtinimo. Galime sulaukti laipsniško pripažinimo – pvz., DI bus leidžiama savarankiškai diagnozuoti ar gydyti nepakankamai aptarnaujamose vietovėse, kur nėra gydytojų, siekiant išplėsti sveikatos priežiūros paslaugų prieinamumą (įsivaizduokite „DI kliniką“ atokiame kaime iki 2030 m., kuri veiktų su periodine miesto gydytojo nuotoline priežiūra).

Etiniai aspektai yra svarbūs. Atskaitomybė (jei autonominis DI suklysta diagnozuodamas, kas yra atsakingas?), informuotas sutikimas (pacientai turi žinoti, ar DI dalyvauja jų priežiūroje) ir lygybės užtikrinimas (DI gerai veikia visoms populiacijoms, vengiant šališkumo) yra iššūkiai, su kuriais reikia susidoroti. Jei šie iššūkiai bus išspręsti, iki 2030-ųjų vidurio generatyvus DI galėtų būti įpintas į sveikatos priežiūros paslaugų teikimo struktūrą, atliekant daugybę užduočių, kurios atlaisvintų žmonių paslaugų teikėjus ir galėtų pasiekti pacientus, kurie šiuo metu turi ribotą prieigą.

Apibendrinant galima teigti, kad iki 2035 m. sveikatos priežiūros srityje dirbtinis intelektas greičiausiai bus giliai integruotas, tačiau daugiausia po gaubtu arba atliks pagalbines funkcijas. Pasitikėsime, kad dirbtinis intelektas daug ką atliks pats – skaitys skenavimus, stebės gyvybinius rodiklius, rengs planus, – tačiau svarbiausiems sprendimams vis dar bus taikoma žmogaus priežiūros saugos sistema. Rezultatas galėtų būti efektyvesnė ir reaguojanti sveikatos priežiūros sistema, kurioje dirbtinis intelektas atliktų sunkų darbą, o žmonės teiktų empatiją ir priimtų galutinį sprendimą.

Generatyvus dirbtinis intelektas švietime

Švietimas yra dar viena sritis, kurioje generatyvinis dirbtinis intelektas (DI) kelia bangas – nuo DI valdomų mokymo robotų iki automatizuoto vertinimo ir turinio kūrimo. Mokymas ir mokymasis apima bendravimą ir kūrybiškumą, o tai yra generatyvinių modelių stipriosios pusės. Tačiau ar galima pasitikėti DI, kad jis mokytų be mokytojo priežiūros?

Dabartinės galimybės (2025 m.): Mokytojai ir turinio generatoriai ant pavadėlio

Šiuo metu dirbtinis intelektas švietime naudojamas daugiausia kaip papildoma priemonė, o ne kaip atskiras mokytojas. Dabartinio naudojimo pavyzdžiai:

Dirbtinio intelekto korepetitorių asistentai: tokie įrankiai kaip „Khan Academy“ „Khanmigo“ (su GPT-4 technologija) arba įvairios kalbų mokymosi programėlės naudoja dirbtinį intelektą, kad imituotų individualų korepetitorių ar pokalbio partnerį. Mokiniai gali užduoti klausimus natūralia kalba ir gauti atsakymus arba paaiškinimus. Dirbtinis intelektas gali pateikti užuominų apie namų darbų problemas, skirtingai paaiškinti sąvokas arba netgi vaidinti istorinę asmenybę interaktyvioje istorijos pamokoje. Tačiau šie dirbtinio intelekto korepetitoriai paprastai naudojami prižiūrint; mokytojai arba programėlės kūrėjai dažnai stebi dialogus arba nustato ribas, ką dirbtinis intelektas gali aptarti (siekiant išvengti dezinformacijos ar netinkamo turinio).
Turinio kūrimas mokytojams: generatyvinis dirbtinis intelektas padeda mokytojams kurdamas viktorinos klausimus, skaitinių santraukas, pamokų planų metmenis ir pan. Mokytojas gali paprašyti dirbtinio intelekto „Sugeneruoti 5 praktikos uždavinius su kvadratinėmis lygtimis su atsakymais“, taip sutaupydamas laiko pasiruošimui. Tai yra autonominis turinio generavimas, tačiau mokytojas paprastai peržiūri išvestį, ar ji tiksli ir atitinka mokymo programą. Taigi, tai labiau darbo taupymo priemonė nei visiškai nepriklausoma.
Vertinimas ir atsiliepimai: DI gali automatiškai vertinti egzaminus su pasirenkamaisiais atsakymais (čia nieko naujo) ir vis dažniau gali vertinti trumpus atsakymus ar rašinius. Kai kurios mokyklų sistemos naudoja DI rašytiniams atsakymams vertinti ir grįžtamajam ryšiui mokiniams teikti (pvz., gramatikos pataisymai, pasiūlymai argumento išplėtimui). Nors tai nėra generatyvi užduotis, naujos DI netgi gali sugeneruoti suasmenintą atsiliepimų ataskaitą mokiniui, remdamosi jo rezultatais, pabrėždamos sritis, kurias reikia tobulinti. Mokytojai dažnai dar kartą patikrina DI įvertintus rašinius šiame etape, nes nerimauja dėl niuansų.
Adaptyviosios mokymosi sistemos: tai platformos, kurios koreguoja medžiagos sudėtingumą ar stilių pagal mokinio rezultatus. Generatyvioji dirbtinė intelektinė intelektas tai pagerina kurdamas naujas problemas ar pavyzdžius, pritaikytus mokinio poreikiams. Pavyzdžiui, jei mokiniui sunku suprasti kokią nors sąvoką, dirbtinis intelektas gali sugeneruoti kitą analogiją ar praktinį klausimą, susijusį su ta sąvoka. Tai yra gana autonomiška, tačiau veikia pedagogų sukurtos sistemos ribose.
Mokinių naudojimas mokymuisi: Mokiniai patys naudoja tokius įrankius kaip „ChatGPT“, kad padėtų mokytis – prašydami paaiškinimų, vertimų ar net naudodami dirbtinį intelektą, kad gautų atsiliepimų apie rašinio juodraštį („patobulinti įvadinę pastraipą“). Tai savarankiška ir gali būti atliekama be mokytojo žinios. Šiuo atveju dirbtinis intelektas veikia kaip korektorius arba korektorius pagal poreikį. Iššūkis yra užtikrinti, kad mokiniai jį naudotų mokymuisi, o ne tik atsakymams gauti (akademinis sąžiningumas).

Akivaizdu, kad nuo 2025 m. dirbtinis intelektas švietime yra galingas, tačiau paprastai veikia su žmogumi pedagogu, kuris tvarko dirbtinio intelekto indėlį. Suprantamas atsargumas: nenorime pasitikėti dirbtiniu intelektu, kad jis mokytų neteisingos informacijos arba tvarkytų jautrius mokinių bendravimo klausimus vakuume. Mokytojai dirbtinio intelekto korepetitorius laiko naudingais padėjėjais, kurie gali suteikti mokiniams daugiau praktikos ir tiesioginių atsakymų į įprastus klausimus, atlaisvindami mokytojus, kad jie galėtų sutelkti dėmesį į gilesnį mentorystę.

2030–2035 m. perspektyvos: suasmeninti dirbtinio intelekto mokytojai ir automatizuoti mokymo pagalbininkai

Per ateinantį dešimtmetį tikimės, kad generatyvinis dirbtinis intelektas sudarys sąlygas labiau suasmenintam ir autonomiškam mokymosi procesui , o mokytojų vaidmenys keisis:

Asmeniniai dirbtinio intelekto korepetitoriai kiekvienam mokiniui: iki 2030 m. vizija (kurią pritaria tokie ekspertai kaip Sal Khan iš Khan akademijos) yra ta, kad kiekvienas mokinys galėtų turėti prieigą prie dirbtinio intelekto korepetitoriaus, kuris daugeliu atžvilgių būtų toks pat veiksmingas kaip žmogus ( šis dirbtinio intelekto korepetitorius galėtų padaryti žmones 10 kartų protingesnius, teigia jo kūrėjas ). Šie dirbtinio intelekto korepetitoriai būtų pasiekiami visą parą, 7 dienas per savaitę, gerai išmanytų mokinio mokymosi istoriją ir atitinkamai pritaikytų savo mokymo stilių. Pavyzdžiui, jei mokinys yra vizualus besimokantysis, kuriam sunku suprasti algebros sąvoką, dirbtinis intelektas galėtų dinamiškai sukurti vaizdinį paaiškinimą arba interaktyvią simuliaciją, kad padėtų. Kadangi dirbtinis intelektas gali stebėti mokinio pažangą laikui bėgant, jis gali savarankiškai nuspręsti, kokią temą peržiūrėti toliau arba kada pereiti prie naujo įgūdžio – taip efektyviai valdydamas to mokinio pamokos planą mikro prasme.
Sumažintas mokytojų darbo krūvis atliekant įprastas užduotis: vertinimas, darbalapių rengimas, pamokų medžiagos rašymas – iki 2030 m. šias užduotis beveik visiškai būtų galima perkelti dirbtiniam intelektui. Dirbtinis intelektas galėtų sugeneruoti savaitei pritaikytų namų darbų klasei, įvertinti visas praėjusios savaitės užduotis (net ir atviras) su atsiliepimais ir atkreipti mokytoją dėmesį, kuriems mokiniams gali prireikti papildomos pagalbos kokiomis temomis. Tai galėtų įvykti su minimaliu mokytojo įsikišimu, galbūt tik trumpu žvilgsniu, siekiant įsitikinti, kad dirbtinio intelekto pažymiai atrodo teisingi.
Autonominės adaptyvios mokymosi platformos: Tam tikriems dalykams galime pasiūlyti visiškai dirbtinio intelekto valdomus kursus. Įsivaizduokite internetinį kursą be žmogaus dėstytojo, kuriame dirbtinio intelekto agentas pristato medžiagą, pateikia pavyzdžių, atsako į klausimus ir koreguoja tempą pagal studentą. Studento patirtis galėtų būti unikali, generuojama realiuoju laiku. Kai kurie įmonių mokymai ir suaugusiųjų mokymasis gali būti perkelti į šį modelį anksčiau, kai iki 2035 m. darbuotojas galėtų pasakyti „Noriu išmokti pažangių „Excel“ makrokomandų“, o dirbtinio intelekto dėstytojas mokytų jį pagal suasmenintą mokymo programą, įskaitant pratimų generavimą ir jų sprendimų vertinimą, be žmogaus dėstytojo.
Dirbtinio intelekto asistentai klasėje: fizinėse arba virtualiose klasėse dirbtinis intelektas galėtų klausytis klasės diskusijų ir skubiai padėti mokytojui (pvz., pašnibždėdamas pasiūlymus per ausinę: „Keletas mokinių atrodo sutrikę dėl šios sąvokos, galbūt pateikite kitą pavyzdį“). Jis taip pat galėtų moderuoti internetinius klasių forumus, atsakyti į tiesioginius mokinių užduodamus klausimus („Kada reikia atlikti užduotį?“ arba net patikslinti paskaitos teiginį), kad mokytojas nebūtų užverstas el. laiškais. Iki 2035 m. dirbtinio intelekto bendradarbio buvimas klasėje, o žmogus mokytojas sutelktų dėmesį į aukštesnio lygio konsultavimą ir motyvacijos aspektus, galėtų tapti standartu.
Visuotinė prieiga prie švietimo: autonomiški dirbtinio intelekto mokytojai galėtų padėti mokyti mokinius tose vietovėse, kuriose trūksta mokytojų. Planšetinis kompiuteris su dirbtinio intelekto mokytoju galėtų būti pagrindinis instruktorius mokiniams, kurie kitaip turėtų ribotą išsilavinimą, mokydamas pagrindinius raštingumo ir matematikos dalykus. Iki 2035 m. tai gali būti vienas iš efektyviausių panaudojimo būdų – dirbtinis intelektas padės sumažinti spragas ten, kur nėra žmonių mokytojų. Tačiau bus labai svarbu užtikrinti dirbtinio intelekto švietimo kokybę ir kultūrinį tinkamumą skirtinguose kontekstuose.

Ar dirbtinis intelektas pakeis mokytojus? Vargu ar visiškai. Mokymas yra daugiau nei turinio perteikimas – tai mentorystė, įkvėpimas, socialinė ir emocinė parama. Šiuos žmogiškuosius elementus dirbtiniam intelektui sunku atkartoti. Tačiau dirbtinis intelektas gali tapti antruoju mokytoju klasėje arba net pirmuoju mokytoju žinių perdavimo srityje, palikdamas žmones pedagogus sutelkti dėmesį į tai, ką jie daro geriausiai: įsijausti, motyvuoti ir ugdyti kritinį mąstymą.

Reikia spręsti šiuos klausimus: užtikrinti, kad dirbtinis intelektas teiktų tikslią informaciją (jokių edukacinių haliucinacijų dėl melagingų faktų), vengti šališkumo edukaciniame turinyje, išsaugoti mokinių duomenų privatumą ir išlaikyti mokinių įsitraukimą (dirbtinis intelektas turi būti motyvuojantis, o ne tik teisingas). Tikėtina, kad dirbtinio intelekto edukacinės sistemos bus akredituotos arba sertifikuotos – panašiai kaip tvirtinami vadovėliai – siekiant užtikrinti, kad jos atitiktų standartus.

Kitas iššūkis – per didelis pasikliovimas: jei dirbtinio intelekto korepetitorius pernelyg lengvai pateikia atsakymus, mokiniai gali neišmokti atkaklumo ar problemų sprendimo įgūdžių. Siekiant tai sušvelninti, būsimi dirbtinio intelekto korepetitoriai kartais galėtų leisti mokiniams kovoti (kaip tai darytų žmogus) arba skatinti juos spręsti problemas užuominomis, o ne duoti sprendimus.

Iki 2035 m. klasė gali pasikeisti: kiekvienas mokinys turės dirbtiniu intelektu prijungtą įrenginį, kuris padės jam mokytis savo tempu, o mokytojas koordinuos grupių veiklas ir teiks žmogiškųjų įžvalgų. Švietimas galėtų tapti efektyvesnis ir labiau pritaikytas individualiems poreikiams. Pažadas yra tas, kad kiekvienas mokinys gaus reikiamą pagalbą, kai jam jos reikia – tikrą „asmeninio korepetitoriaus“ patirtį dideliu mastu. Rizika yra prarasti žmogiškąjį ryšį arba netinkamai naudoti dirbtinį intelektą (pvz., mokiniai sukčiauja naudodamiesi dirbtiniu intelektu). Tačiau apskritai, jei generatyvusis dirbtinis intelektas yra gerai valdomas, jis gali demokratizuoti ir pagerinti mokymąsi, būdamas visada prieinamu, išmanančiu palydovu mokinio mokymosi kelionėje.

Generatyvus dirbtinis intelektas logistikoje ir tiekimo grandinėje

Logistika – prekių perkėlimo ir tiekimo grandinių valdymo menas ir mokslas – gali atrodyti ne kaip tradicinė „generatyviojo“ dirbtinio intelekto sritis, tačiau kūrybiškas problemų sprendimas ir planavimas šioje srityje yra labai svarbūs. Generatyvusis dirbtinis intelektas gali padėti imituodamas scenarijus, optimizuodamas planus ir netgi valdydamas robotų sistemas. Logistikos tikslas – efektyvumas ir sąnaudų taupymas, o tai puikiai dera su dirbtinio intelekto stipriosiomis savybėmis analizuojant duomenis ir siūlant sprendimus. Taigi, kiek autonomiškas gali būti dirbtinis intelektas valdant tiekimo grandines ir logistikos operacijas?

Dabartiniai pajėgumai (2025 m.): optimizavimas ir supaprastinimas naudojant žmonių priežiūrą

Šiandien dirbtinis intelektas (įskaitant kai kuriuos generatyvinius metodus) logistikoje taikomas pirmiausia kaip sprendimų palaikymo priemonė :

Maršruto optimizavimas: Tokios įmonės kaip UPS ir FedEx jau naudoja dirbtinio intelekto algoritmus pristatymo maršrutams optimizuoti – užtikrindamos, kad vairuotojai pasirinktų efektyviausią kelią. Tradiciškai tai buvo operacijų tyrimo algoritmai, tačiau dabar generatyviniai metodai gali padėti ištirti alternatyvias maršruto parinkimo strategijas įvairiomis sąlygomis (eismas, oras). Nors dirbtinis intelektas siūlo maršrutus, žmonės dispečeriai arba vadovai nustato parametrus (pvz., prioritetus) ir prireikus gali juos pakeisti.
Krovinio ir erdvės planavimas: DI gali generuoti optimalius pakrovimo planus sunkvežimiams ar gabenimo konteineriams pakuoti. Generatyvus DI gali sukurti kelias pakavimo konfigūracijas, kad maksimaliai išnaudotų erdvę, iš esmės „sukurdamas“ sprendimus, iš kurių žmonės galėtų rinktis. Tai pabrėžta tyrime, kuriame pažymima, kad JAV sunkvežimiai dažnai važiuoja 30 % tuščiais, o geresnis planavimas, padedamas DI, gali sumažinti šias atliekas ( Svarbiausi generatyvaus DI naudojimo atvejai logistikoje ). Šiais DI generuojamais pakrovimo planais siekiama sumažinti degalų sąnaudas ir išmetamųjų teršalų kiekį, o kai kuriuose sandėliuose jie vykdomi atliekant minimalius rankinius pakeitimus.
Paklausos prognozavimas ir atsargų valdymas: dirbtinio intelekto modeliai gali numatyti produktų paklausą ir generuoti atsargų papildymo planus. Generatyvus modelis gali imituoti skirtingus paklausos scenarijus (pavyzdžiui, dirbtinis intelektas „įsivaizduoja“ paklausos padidėjimą dėl artėjančių švenčių) ir atitinkamai planuoti atsargas. Tai padeda tiekimo grandinės vadovams pasiruošti. Šiuo metu dirbtinis intelektas teikia prognozes ir pasiūlymus, tačiau galutinį sprendimą dėl gamybos lygių ar užsakymų paprastai priima žmonės.
Rizikos vertinimas: Pasaulinė tiekimo grandinė susiduria su sutrikimais (stichinėmis nelaimėmis, vėlavimais uostuose, politiniais klausimais). Dirbtinio intelekto sistemos dabar kruopščiai peržiūri naujienas ir duomenis, kad nustatytų galimas rizikas. Pavyzdžiui, viena logistikos įmonė naudoja generalinį dirbtinį intelektą, kad nuskaitytų internetą ir pažymėtų rizikingus transporto koridorius (vietoves, kuriose gali kilti problemų dėl, tarkime, artėjančio uragano ar neramumų) ( Svarbiausi generatyvinio dirbtinio intelekto naudojimo atvejai logistikoje ). Turėdami šią informaciją, planuotojai gali automatiškai nukreipti siuntas aplink problemines vietas. Kai kuriais atvejais dirbtinis intelektas gali automatiškai rekomenduoti maršruto ar transporto rūšies pakeitimus, kuriuos vėliau patvirtina žmonės.
Sandėlio automatizavimas: daugelis sandėlių yra pusiau automatizuoti, o surinkimą ir pakavimą atlieka robotai. Generatyvusis dirbtinis intelektas gali dinamiškai paskirstyti užduotis robotams ir žmonėms, kad srautas būtų optimalus. Pavyzdžiui, dirbtinis intelektas kiekvieną rytą gali generuoti robotų surinkėjų darbo eilę pagal užsakymus. Tai dažnai vykdoma visiškai autonomiškai, vadovams tereikia stebėti KPI – jei užsakymų skaičius netikėtai išauga, dirbtinis intelektas pats koreguoja operacijas.
Transporto priemonių parko valdymas: dirbtinis intelektas padeda planuoti transporto priemonių techninę priežiūrą, analizuodamas modelius ir kurdamas optimalius techninės priežiūros grafikus, kurie sumažina prastovas. Jis taip pat gali grupuoti siuntas, kad sumažintų reisus. Šiuos sprendimus dirbtinio intelekto programinė įranga gali priimti automatiškai, jei tik ji atitinka techninės priežiūros reikalavimus.

Apskritai, nuo 2025 m. tikslus nustato žmonės (pvz., „sumažinti išlaidas, bet užtikrinti pristatymą per 2 dienas“), o dirbtinis intelektas pateikia sprendimus arba tvarkaraščius jiems pasiekti. Sistemos gali veikti kiekvieną dieną be įsikišimo, kol neįvyksta kažkas neįprasto. Didelė dalis logistikos apima pasikartojančius sprendimus (kada ši siunta turėtų išvykti? iš kurio sandėlio vykdyti šį užsakymą?), kuriuos dirbtinis intelektas gali išmokti priimti nuosekliai. Įmonės pamažu pasitiki dirbtiniu intelektu, kad šis priimtų šiuos mikrosprendimus, ir įspėja vadovus tik tada, kai įvyksta išimtys.

2030–2035 m. perspektyvos: savaeigės tiekimo grandinės

Per ateinantį dešimtmetį galime įsivaizduoti daug logistikos koordinavimą,

Autonominės transporto priemonės ir dronai: Savaeigiai sunkvežimiai ir pristatymo dronai, nors ir platesnė dirbtinio intelekto / robotikos tema, tiesiogiai veikia logistiką. Iki 2030 m., jei bus įveikti reguliavimo ir techniniai iššūkiai, dirbtinis intelektas gali reguliariai vairuoti sunkvežimius greitkeliais arba dronai tvarkys paskutinės mylios pristatymus miestuose. Šie dirbtiniai intelektai priims sprendimus realiuoju laiku (maršruto keitimas, kliūčių vengimas) be žmonių vairuotojų. Generatyvus aspektas yra tas, kaip šie transporto priemonių dirbtiniai intelektai mokosi iš didžiulių duomenų ir modeliavimų, efektyviai „mokydamiesi“ daugybės scenarijų. Visiškai autonominis transporto priemonių parkas galėtų veikti visą parą, o žmonės stebėtų tik nuotoliniu būdu. Tai pašalina didžiulį žmogiškąjį elementą (vairuotojus) iš logistikos operacijų, smarkiai padidinant autonomiją.
Savaime atsistatančios tiekimo grandinės: generatyvinis dirbtinis intelektas (DI) greičiausiai bus naudojamas nuolat modeliuoti tiekimo grandinės scenarijus ir rengti nenumatytų atvejų planus. Iki 2035 m. DI gali automatiškai aptikti tiekėjo gamyklos uždarymą (per naujienas arba duomenų srautus) ir nedelsdamas perkelti tiekimą į alternatyvius tiekėjus, kuriuos jau patikrino modeliavime. Tai reiškia, kad tiekimo grandinė „atsigyja“ nuo sutrikimų, DI imantis iniciatyvos. Žmonės vadovai būtų informuojami apie tai, ką padarė DI, o ne tie, kurie inicijavo sprendimą.
Visapusiškas atsargų optimizavimas: dirbtinis intelektas galėtų savarankiškai valdyti atsargas visame sandėlių ir parduotuvių tinkle. Jis nuspręstų, kada ir kur perkelti atsargas (galbūt tam naudodamas robotus ar automatizuotas transporto priemones), kiekvienoje vietoje laikydamas tik reikiamą atsargų kiekį. Iš esmės dirbtinis intelektas valdo tiekimo grandinės valdymo bokštą: mato visus srautus ir realiuoju laiku atlieka koregavimus. Iki 2035 m. „savarankiškai važiuojančios“ tiekimo grandinės idėja gali reikšti, kad sistema kiekvieną dieną pati atranda geriausią paskirstymo planą, užsako produktus, planuoja gamyklos veiklą ir organizuoja transportą. Žmonės prižiūrėtų bendrą strategiją ir tvarkytų išimtis, kurių dirbtinis intelektas šiuo metu nesupranta.
Generatyvus dizainas logistikoje: galėtume įsivaizduoti dirbtinį intelektą, kuris kuria naujus tiekimo grandinės tinklus. Tarkime, įmonė plečiasi į naują regioną; dirbtinis intelektas, remdamasis duomenimis, galėtų sugeneruoti optimalias sandėlių vietas, transporto jungtis ir atsargų politiką tame regione – tai, ką šiandien daro konsultantai ir analitikai. Iki 2030 m. įmonės gali pasikliauti dirbtinio intelekto rekomendacijomis, spręsdamos tiekimo grandinės projektavimo klausimus, pasitikėdamos, kad jis greičiau įvertins veiksnius ir galbūt ras kūrybiškų sprendimų (pvz., neakivaizdžių paskirstymo centrų), kurių žmonės nepastebi.
Integracija su gamyba (Pramonė 4.0): Logistika nėra atskira; ji yra susijusi su gamyba. Ateities gamyklose gali būti naudojamas generatyvinis dirbtinis intelektas, kuris planuoja gamybos eigas, užsako žaliavas laiku ir tada nurodo logistikos tinklui nedelsiant išsiųsti produktus. Šis integruotas dirbtinis intelektas gali reikšti mažiau žmogiškojo planavimo – vientisą grandinę nuo gamybos iki pristatymo, kurią valdo algoritmai, optimizuojantys kainą, greitį ir tvarumą. Jau dabar iki 2025 m. didelio našumo tiekimo grandinės yra pagrįstos duomenimis; iki 2035 m. jos gali būti daugiausia pagrįstos dirbtiniu intelektu.
Dinamiškas klientų aptarnavimas logistikoje: remiantis klientų aptarnavimo dirbtiniu intelektu, tiekimo grandinės dirbtinis intelektas gali tiesiogiai bendrauti su klientais. Pavyzdžiui, jei didelis klientas nori paskutinę minutę pakeisti savo didmeninį užsakymą, dirbtinio intelekto agentas galėtų derėtis dėl įgyvendinamų alternatyvų (pvz., „Dėl apribojimų galime pristatyti pusę dabar, pusę kitą savaitę“) nelaukdamas žmogaus vadovo. Tai apima generatyvų dirbtinio intelekto supratimą apie abi puses (klientų poreikius ir veiklos pajėgumus) ir sprendimų priėmimą, kurie užtikrina sklandžią veiklą ir tenkina klientų poreikius.

Tikimasi, kad nauda bus efektyvesnė , atsparesnė ir reaguojanti logistikos sistema. Įmonės numato didžiules santaupas – „McKinsey“ apskaičiavo, kad dirbtinio intelekto pagrįstas tiekimo grandinės optimizavimas galėtų gerokai sumažinti išlaidas ir pagerinti paslaugų lygį, o tai potencialiai padidintų vertę trilijonais vertės įvairiuose pramonės sektoriuose („Dirbtinio intelekto padėtis 2023 m.: generatyvinio dirbtinio intelekto proveržio metai“ | „McKinsey“ ).

Tačiau didesnės kontrolės perdavimas dirbtiniam intelektui taip pat kelia pavojų, pavyzdžiui, kaskadinių klaidų atsiradimas, jei dirbtinio intelekto logika yra ydinga (pvz., liūdnai pagarsėjęs scenarijus, kai dirbtinio intelekto tiekimo grandinė netyčia pritrūksta įmonės prekių dėl modeliavimo klaidos). Tokios apsaugos priemonės kaip „žmogaus dalyvavimas priimant svarbius sprendimus“ arba bent jau ataskaitų suvestinės, leidžiančios greitai pakeisti sprendimus, greičiausiai išliks iki 2035 m. Laikui bėgant, kai paaiškės dirbtinio intelekto sprendimai, žmonės jausis drąsiau ir žengdami žingsnį atgal.

Įdomu tai, kad optimizuodamas efektyvumą, dirbtinis intelektas kartais gali priimti sprendimus, kurie prieštarauja žmonių pageidavimams ar tradicinei praktikai. Pavyzdžiui, vien tik optimizavimas gali lemti labai taupias atsargas, o tai yra efektyvu, bet gali atrodyti rizikinga. 2030 m. tiekimo grandinės specialistams gali tekti pakoreguoti savo intuiciją, nes dirbtinis intelektas, apdorodamas didžiulius duomenis, gali parodyti, kad jo neįprasta strategija iš tikrųjų veikia geriau.

Galiausiai turime atsižvelgti į tai, kad fiziniai apribojimai (infrastruktūra, fizinių procesų greitis) riboja logistikos pokyčių greitį, todėl revoliucija čia yra susijusi su išmanesniu išteklių planavimu ir naudojimu, o ne su visiškai nauja fizine realybe. Tačiau net ir esant šioms riboms, generatyvinio dirbtinio intelekto kūrybiški sprendimai ir nenutrūkstamas optimizavimas galėtų smarkiai pagerinti prekių judėjimą visame pasaulyje, minimaliai planuojant rankiniu būdu.

Apibendrinant, logistika iki 2035 m. gali veikti panašiai kaip gerai sutepta automatizuota mašina: prekės juda efektyviai, maršrutai realiuoju laiku prisitaiko prie sutrikimų, sandėliai patys save valdo robotų pagalba, o visa sistema nuolat mokosi ir tobulėja iš duomenų – visa tai organizuoja generatyvus dirbtinis intelektas, kuris veikia kaip operacijos smegenys.

Generatyvusis dirbtinis intelektas finansuose ir versle

Finansų sektorius daug dirba su informacija – ataskaitomis, analize, klientų aptarnavimu, todėl tai yra palanki dirva generatyviniam dirbtiniam intelektui (DI). Nuo bankininkystės iki investicijų valdymo ir draudimo organizacijos tyrinėja DI automatizavimui ir įžvalgų generavimui. Kyla klausimas, kokias finansines užduotis DI gali patikimai atlikti be žmogaus priežiūros, atsižvelgiant į tikslumo ir pasitikėjimo svarbą šioje srityje?

Dabartinės galimybės (2025 m.): Automatinės ataskaitos ir sprendimų palaikymas

Šiandien generatyvinis dirbtinis intelektas prisideda prie finansų keliais būdais, dažnai prižiūrint žmogui:

Ataskaitų generavimas: bankai ir finansų įmonės rengia daugybę ataskaitų – pelno santraukas, rinkos komentarus, portfelio analizę ir kt. Dirbtinis intelektas jau naudojamas šioms ataskaitoms rengti. Pavyzdžiui, „Bloomberg“ sukūrė „BloombergGPT“ – didelį kalbos modelį, apmokytą naudoti finansinius duomenis, kad padėtų savo terminalų naudotojams atlikti tokias užduotis kaip naujienų klasifikavimas ir klausimų bei atsakymų sesija ( generatyvusis dirbtinis intelektas ateina į finansų sritį ). Nors pagrindinis dirbtinio intelekto panaudojimo būdas yra padėti žmonėms rasti informaciją, tai rodo augantį jo vaidmenį. „Automated Insights“ (bendrovė, su kuria bendradarbiavo AP) taip pat generavo finansinius straipsnius. Daugelyje investicinių naujienlaiškių dirbtinis intelektas naudojamas kasdieniams rinkos pokyčiams ar ekonominiams rodikliams apibendrinti. Paprastai žmonės juos peržiūri prieš siųsdami klientams, tačiau tai yra greitas redagavimas, o ne rašymas nuo nulio.
Klientų komunikacija: Mažmeninės bankininkystės srityje dirbtinio intelekto pokalbių robotai tvarko klientų užklausas apie sąskaitų likučius, operacijas ar produktų informaciją (susiliejant į klientų aptarnavimo sritį). Be to, dirbtinis intelektas gali generuoti suasmenintus finansinių patarimų laiškus ar primygtinius raginimus. Pavyzdžiui, dirbtinis intelektas gali nustatyti, kad klientas galėtų sutaupyti mokesčių, ir automatiškai parašyti pranešimą, kuriame siūloma pereiti prie kito tipo sąskaitos, o šis pranešimas išsiunčiamas su minimaliu žmogaus įsikišimu. Toks suasmenintas bendravimas dideliu mastu yra dabartinis dirbtinio intelekto panaudojimo būdas finansų srityje.
Sukčiavimo aptikimas ir įspėjimai: generatyvinis dirbtinis intelektas gali padėti kurti pasakojimus arba paaiškinimus apie sukčiavimo sistemų aptiktas anomalijas. Pavyzdžiui, jei pažymima įtartina veikla, dirbtinis intelektas gali sugeneruoti paaiškinamąjį pranešimą klientui („Pastebėjome prisijungimą iš naujo įrenginio...“) arba ataskaitą analitikams. Aptikimas automatizuotas (naudojant dirbtinį intelektą / mašininį mokymąsi anomalijų aptikimas), o komunikacija vis labiau automatizuojama, nors galutiniai veiksmai (paskyros blokavimas) dažnai turi būti patikrinti žmogaus.
Finansinis konsultavimas (ribotas): Kai kurie robotų konsultantai (automatizuotų investavimo platformos) naudoja algoritmus (nebūtinai generatyvinį dirbtinį intelektą) portfeliams valdyti be žmonių konsultantų. Generatyvus dirbtinis intelektas veikia, pavyzdžiui, pateikdamas komentarus apie tai, kodėl buvo sudaryti tam tikri sandoriai, arba klientui pritaikytą portfelio rezultatų santrauką. Tačiau grynos finansinės konsultacijos (pvz., sudėtingas finansinis planavimas) vis dar dažniausiai grindžiamos žmonėmis arba taisyklėmis, algoritmais; laisvos formos generatyvinės konsultacijos be priežiūros yra rizikingos dėl atsakomybės, jei jos yra klaidingos.
Rizikos vertinimas ir draudimo sutarčių sudarymas: Draudimo bendrovės testuoja dirbtinį intelektą, kad jis automatiškai rašytų rizikos vertinimo ataskaitas ar net polisų projektus. Pavyzdžiui, turėdamas duomenų apie turtą, dirbtinis intelektas galėtų sugeneruoti draudimo poliso projektą arba draudiko ataskaitą, kurioje aprašomi rizikos veiksniai. Šiuo metu šiuos rezultatus peržiūri žmonės, nes bet kokia sutarties klaida gali būti brangi.
Duomenų analizė ir įžvalgos: Dirbtinis intelektas gali peržiūrėti finansines ataskaitas ar naujienas ir generuoti santraukas. Analitikai naudoja įrankius, kurie gali akimirksniu apibendrinti 100 puslapių metinę ataskaitą į pagrindinius punktus arba išgauti pagrindines išvadas iš pelno skelbimo stenogramos. Šios santraukos taupo laiką ir gali būti naudojamos tiesiogiai priimant sprendimus arba perduodamos toliau, tačiau apdairūs analitikai dar kartą patikrina svarbiausias detales.

Iš esmės, dabartinė dirbtinio intelekto finansų srityje funkcija yra kaip nenuilstantis analitikas / rašytojas , kuriantis turinį, kurį tobulina žmonės. Visiškai autonomiškas naudojimas dažniausiai pasireiškia tiksliai apibrėžtose srityse, tokiose kaip duomenimis pagrįstos naujienos (nereikia subjektyvaus vertinimo) arba klientų aptarnavimo atsakymai. Tiesioginis pasitikėjimas dirbtiniu intelektu priimant sprendimus dėl pinigų (pvz., lėšų pervedimas, sandorių vykdymas ne pagal iš anksto nustatytus algoritmus) yra retas dėl didelių statymų ir reguliavimo institucijų kontrolės.

2030–2035 m. perspektyvos: dirbtinio intelekto analitikai ir autonominės finansų operacijos

Žvelgiant į ateitį, iki 2035 m. generatyvinis dirbtinis intelektas galėtų būti giliai integruotas į finansines operacijas ir potencialiai savarankiškai atlikti daugelį užduočių:

Dirbtinio intelekto valdomi finansų analitikai: Galime pamatyti dirbtinio intelekto sistemas, kurios gali analizuoti įmones ir rinkas bei teikti rekomendacijas ar ataskaitas žmogiškųjų išteklių tyrimų analitiko lygmeniu. Iki 2030 m. dirbtinis intelektas galėtų įsivaizduojamai perskaityti visus įmonės finansinius dokumentus, palyginti juos su pramonės duomenimis ir savarankiškai parengti investavimo rekomendacijų ataskaitą („Pirkti / parduoti“ su argumentais). Kai kurie rizikos draudimo fondai jau naudoja dirbtinį intelektą prekybos signalams generuoti; iki 2030 m. dirbtinio intelekto tyrimų ataskaitos galėtų tapti įprastos. Žmonių portfelių valdytojai gali pradėti pasitikėti dirbtinio intelekto sukurta analize kaip vienu iš daugelio įvesties šaltinių. Yra netgi potencialas, kad dirbtinis intelektas galėtų savarankiškai valdyti portfelius: nuolat stebėti ir perbalansuoti investicijas pagal iš anksto nustatytą strategiją. Tiesą sakant, algoritminė prekyba jau yra labai automatizuota – generatyvinis dirbtinis intelektas galėtų padaryti strategijas labiau pritaikomas, pats generuodamas ir išbandydamas naujus prekybos modelius.
Automatizuotas finansinis planavimas: Su vartotojais bendraujantys dirbtinio intelekto konsultantai galėtų tvarkyti įprastinį asmenų finansinį planavimą. Iki 2030 m. galėtumėte pasakyti dirbtiniam intelektui savo tikslus (pirkti namą, taupyti studijoms), ir jis galėtų sugeneruoti jums pritaikytą išsamų finansinį planą (biudžetą, investicijų paskirstymą, draudimo pasiūlymus). Iš pradžių jį galėtų peržiūrėti žmogus-finansų planuotojas, tačiau, augant pasitikėjimui, tokios konsultacijos galėtų būti teikiamos tiesiogiai vartotojams, su atitinkamais atsakomybės apribojimais. Svarbiausia bus užtikrinti, kad dirbtinio intelekto konsultacijos atitiktų reglamentus ir būtų naudingos klientui. Jei ši problema būtų išspręsta, dirbtinis intelektas galėtų padaryti pagrindines finansines konsultacijas daug prieinamesnes ir pigesnes.
Administracinių procesų automatizavimas: generatyvinis dirbtinis intelektas galėtų savarankiškai tvarkyti daugelį administracinių dokumentų – paskolų paraiškas, atitikties ataskaitas, audito santraukas. Pavyzdžiui, dirbtinis intelektas galėtų apdoroti visus operacijų duomenis ir sugeneruoti audito ataskaitą , kurioje būtų pažymėtos visos problemos. 2035 m. auditoriai galėtų skirti daugiau laiko dirbtinio intelekto pažymėtų išimčių peržiūrai, o ne patys viską peržiūrėti. Panašiai, atitikties srityje dirbtinis intelektas galėtų generuoti įtartinos veiklos ataskaitas (SAR) reguliavimo institucijoms, analitikui jų nerašant nuo nulio. Autonominis šių įprastų dokumentų generavimas, kai žmogaus priežiūra pereina prie išimčių, galėtų tapti standartu.
Draudimo išmokos ir rizikos vertinimas: Dirbtinis intelektas galėtų apdoroti draudimo išmoką (su nuotraukomis ir kt.), nustatyti draudimo apsaugą ir automatiškai sugeneruoti išmokos sprendimo raštą. Galime pasiekti tašką, kai paprastos išmokos (pvz., autoįvykiai su aiškiais duomenimis) bus visiškai išspręstos dirbtinio intelekto per kelias minutes nuo pateikimo. Naujų polisų rizikos vertinimas galėtų būti panašus: dirbtinis intelektas įvertina riziką ir sugeneruoja poliso sąlygas. Iki 2035 m. galbūt tik sudėtingi ar ribiniai atvejai bus perduoti žmonėms draudikams.
Sukčiavimas ir saugumas: Dirbtinis intelektas greičiausiai bus dar svarbesnis aptinkant ir reaguojant į sukčiavimą ar kibernetines grėsmes finansų srityje. Autonominiai dirbtinio intelekto agentai gali stebėti operacijas realiuoju laiku ir imtis neatidėliotinų veiksmų (blokuoti sąskaitas, įšaldyti operacijas), kai atitinka tam tikrus kriterijus, o tada pateikti pagrindimą. Čia labai svarbus greitis, todėl pageidautinas minimalus žmogaus įsikišimas. Generacinė dalis gali būti aiški šių veiksmų komunikacija su klientais ar reguliavimo institucijomis.
Vadovų palaikymas: Įsivaizduokite dirbtinio intelekto „personalo vadovą“, kuris gali akimirksniu generuoti verslo ataskaitas vadovams. Paklauskite: „Kaip mūsų Europos padalinys pasiekė rezultatų šį ketvirtį ir kokie buvo pagrindiniai veiksniai, palyginti su praėjusiais metais?“, ir dirbtinis intelektas parengs glaustą ataskaitą su tiksliomis diagramomis, pagrįstomis duomenimis. Tokio tipo dinamiškas, autonomiškas ataskaitų teikimas ir analizė gali tapti tokia pat paprasta, kaip pokalbis. Iki 2030 m. dirbtinio intelekto užklausos dėl verslo analitikos ir pasitikėjimas, kad jis pateiks teisingus atsakymus, galėtų iš esmės pakeisti statines ataskaitas ir galbūt net kai kuriuos analitikų vaidmenis.

Viena įdomi prognozė: iki 2030-ųjų didžioji dalis finansinio turinio (naujienų, ataskaitų ir kt.) gali būti sukurta dirbtinio intelekto . Jau dabar tokios agentūros kaip „Dow Jones“ ir „Reuters“ tam tikroms naujienoms naudoja automatizavimą. Jei ši tendencija tęsis ir atsižvelgiant į finansinių duomenų sprogimą, dirbtinis intelektas gali būti atsakingas už daugumos jų filtravimą ir perdavimą.

Tačiau pasitikėjimas ir patvirtinimas bus svarbiausi. Finansų sektorius yra griežtai reguliuojamas, ir bet koks autonomiškai veikiantis dirbtinis intelektas turės atitikti griežtus standartus:

Užtikrinant, kad nekiltų haliucinacijų (negalima prašyti dirbtinio intelekto analitiko išgalvoti finansinio rodiklio, kuris nėra realus – tai galėtų suklaidinti rinkas).
Venkite šališkumo ar neteisėtos praktikos (pvz., netyčinio skolinimo sprendimų pakeitimo dėl šališkų mokymo duomenų).
Audituojamumas: reguliuotojai greičiausiai reikalaus, kad dirbtinio intelekto sprendimai būtų paaiškinami. Jei dirbtinis intelektas atsisako paskolos arba priima prekybos sprendimą, turi būti pagrįstas pagrindas, kurį galima patikrinti. Generatyviniai modeliai gali būti tarsi juodoji dėžė, todėl tikimasi, kad bus sukurtos paaiškinamos dirbtinio intelekto technikos, kurios užtikrins jų sprendimų skaidrumą.

Tikėtina, kad ateinančius 10 metų dirbtinis intelektas (DI) ir finansų specialistai glaudžiai bendradarbiaus, palaipsniui keisdami autonomijos ribas, augant pasitikėjimui. Pirmieji laimėjimai bus pasiekiami mažos rizikos automatizavimo srityje (pvz., ataskaitų rengimo). Sunkesni bus esminiai sprendimai, pavyzdžiui, sprendimai dėl kredito ar investicijų, tačiau net ir čia, DI reputacijai kaupiantis, įmonės gali suteikti jam daugiau autonomijos. Pavyzdžiui, galbūt DI fondą prižiūrės žmogus, kuris įsikiš tik tuo atveju, jei veiklos rezultatai nukryps nuo normos arba jei DI praneš apie neapibrėžtumą.

Ekonomiškai „McKinsey“ apskaičiavo, kad dirbtinis intelektas (ypač generuojamasis dirbtinis intelektas) bankų sektoriui kasmet galėtų pridėti 200–340 milijardų dolerių vertės ir panašaus didelio poveikio draudimo bei kapitalo rinkoms („ Dirbtinio intelekto padėtis 2023 m.: generatyvinio dirbtinio intelekto proveržio metai“ | „McKinsey “) („ Kokia generatyvinio dirbtinio intelekto ateitis?“ | „McKinsey“ ). Tai pasiekiama dėl efektyvumo ir geresnių sprendimų rezultatų. Norint gauti šią vertę, didelė dalis įprastos finansinės analizės ir komunikacijos greičiausiai bus perduota dirbtinio intelekto sistemoms.

Apibendrinant, iki 2035 m. generatyvinis dirbtinis intelektas (DI) galėtų būti tarsi jaunesniųjų analitikų, patarėjų ir tarnautojų armija, dirbanti visame finansų sektoriuje ir atliekanti didelę dalį pagrindinio darbo bei kai kurias sudėtingas analizes savarankiškai. Žmonės vis tiek nustatys tikslus ir tvarkys aukšto lygio strategiją, santykius su klientais ir priežiūrą. Finansų pasaulis, būdamas atsargus, palaipsniui didins autonomiją, tačiau kryptis aiški: vis daugiau informacijos apdorojimo ir net sprendimų rekomendacijų teiks DI. Idealiu atveju tai lems greitesnį aptarnavimą (momentines paskolas, konsultacijas visą parą), mažesnes išlaidas ir potencialiai didesnį objektyvumą (sprendimus, pagrįstus duomenų modeliais). Tačiau labai svarbu išlaikyti pasitikėjimą; viena didelio atgarsio sulaukusi DI klaida finansų srityje gali padaryti didelę žalą (įsivaizduokite DI sukeltą staigų gedimą arba neteisingai nesuteiktą naudą tūkstančiams žmonių). Todėl apsauginiai turėklai ir žmonių atliekami patikrinimai greičiausiai išliks, ypač su vartotojais susijusiems veiksmams, net ir tada, kai administraciniai procesai tampa labai autonomiški.

Iššūkiai ir etiniai aspektai

Visose šiose srityse, generatyviniam dirbtiniam intelektui prisiimant daugiau autonominių pareigų, kyla bendrų iššūkių ir etinių klausimų. Užtikrinti, kad dirbtinis intelektas būtų patikimas ir naudingas autonominis agentas, yra ne tik techninė, bet ir visuomeninė užduotis. Čia apžvelgiame pagrindinius rūpesčius ir kaip jie sprendžiami (arba reikės spręsti):

Patikimumas ir tikslumas

Haliucinacijų problema: generatyvinio dirbtinio intelekto modeliai gali pateikti neteisingus arba visiškai sufabrikuotus rezultatus, kurie atrodo užtikrintai. Tai ypač pavojinga, kai nėra žmogaus, kuris pastebėtų klaidas. Pokalbių robotas gali duoti klientui neteisingas instrukcijas arba dirbtinio intelekto parašytoje ataskaitoje gali būti sugalvota statistika. Nuo 2025 m. organizacijos netikslumą pripažįsta kaip didžiausią generatyvinio dirbtinio intelekto riziką („Dirbtinio intelekto būklė 2023 m.: generatyvinio dirbtinio intelekto proveržio metai“ | „McKinsey“ ) ( „Dirbtinio intelekto būklė: pasaulinė apklausa“ | „McKinsey“ ). Ateityje, siekiant sumažinti haliucinacijas, diegiami tokie metodai kaip faktų tikrinimas duomenų bazėse, modelių architektūros tobulinimas ir sustiprintas mokymasis su grįžtamuoju ryšiu. Autonominėms dirbtinio intelekto sistemoms greičiausiai reikės griežto testavimo ir galbūt oficialaus patikrinimo, kad būtų galima atlikti kritines užduotis (pvz., kodo generavimą, kuris, jei bus neteisingas, gali sukelti klaidų / saugumo spragų).

Nuoseklumas: Dirbtinio intelekto sistemos turi patikimai veikti laikui bėgant ir skirtingose situacijose. Pavyzdžiui, dirbtinis intelektas gali gerai atlikti standartinius klausimus, bet suklupti ties kraštutiniais atvejais. Norint užtikrinti nuoseklų veikimą, reikės išsamių mokymo duomenų, apimančių įvairias situacijas, ir nuolatinio stebėjimo. Daugelis organizacijų planuoja taikyti hibridinius metodus – dirbtinis intelektas veikia, tačiau atsitiktines imtis tikrina žmonės – kad būtų galima įvertinti nuolatinį tikslumo lygį.

Apsauga nuo gedimų: Kai dirbtinis intelektas yra autonomiškas, labai svarbu, kad jis atpažintų savo paties neapibrėžtumą. Sistema turėtų būti suprojektuota taip, kad „žinotų, kada nežino“. Pavyzdžiui, jei dirbtinio intelekto gydytojas nėra tikras dėl diagnozės, jis turėtų pranešti žmogui, kad jį peržiūrėtų, o ne pateikti atsitiktinį spėjimą. Neapibrėžtumo įvertinimo įtraukimas į dirbtinio intelekto išvestis (ir automatinio žmogaus perdavimo slenksčių nustatymas) yra aktyvi plėtros sritis.

Šališkumas ir sąžiningumas

Generatyvusis dirbtinis intelektas mokosi iš istorinių duomenų, kuriuose gali būti šališkumo (rasės, lyties ir kt.). Autonominis dirbtinis intelektas gali įtvirtinti ar net sustiprinti šiuos šališkumus:

Įdarbindamas ar priimdamas darbuotojus, dirbtinio intelekto sprendimus priimantis asmuo galėtų nesąžiningai diskriminuoti, jei jo mokymo duomenys būtų šališki.
Klientų aptarnavimo srityje dirbtinis intelektas gali reaguoti skirtingai į naudotojus, remdamasis dialektu ar kitais veiksniais, nebent tai būtų atidžiai patikrinta.
Kūrybinėse srityse dirbtinis intelektas gali nepakankamai reprezentuoti tam tikras kultūras ar stilius, jei mokymo rinkinys būtų nesubalansuotas.

Norint tai išspręsti, reikia kruopščiai rinkti duomenų rinkinius, atlikti šališkumo testavimą ir galbūt atlikti algoritminius koregavimus, siekiant užtikrinti sąžiningumą. Skaidrumas yra labai svarbus: įmonės turės atskleisti dirbtinio intelekto sprendimų priėmimo kriterijus, ypač jei autonominis dirbtinis intelektas turi įtakos kieno nors galimybėms ar teisėms (pvz., gauti paskolą ar darbą). Reguliavimo institucijos jau atkreipia dėmesį; pvz., ES dirbtinio intelekto įstatymas (rengiamas nuo 2020 m. vidurio) greičiausiai pareikalaus atlikti šališkumo vertinimus didelės rizikos dirbtinio intelekto sistemoms.

Atskaitomybė ir teisinė atsakomybė

Kai autonomiškai veikianti dirbtinio intelekto sistema padaro žalą arba klaidą, kas yra atsakingas? Teisinės sistemos vejasi:

Įmonės, diegiančios dirbtinį intelektą, greičiausiai bus atsakingos, panašiai kaip ir už darbuotojo veiksmus. Pavyzdžiui, jei dirbtinis intelektas pateikia blogą finansinę konsultaciją, dėl kurios patiriama nuostolių, įmonei gali tekti atlyginti klientui žalą.
Diskutuojama apie dirbtinio intelekto „asmenybę“ arba apie tai, ar pažangus dirbtinis intelektas galėtų būti iš dalies atsakingas, tačiau kol kas tai labiau teorinis klausimas. Praktiškai kaltė bus siejama su kūrėjais arba operatoriais.
Gali atsirasti naujų draudimo produktų, skirtų dirbtinio intelekto gedimams. Jei savaeigis sunkvežimis sukelia avariją, ją gali padengti gamintojo draudimas, analogiškai kaip ir gaminio atsakomybės atveju.
Dirbtinio intelekto sprendimų dokumentavimas ir registravimas bus svarbus atliekant tolesnę analizę. Jei kas nors negerai, turime patikrinti dirbtinio intelekto sprendimų seką, kad pasimokytume iš to ir priskirtume atsakomybę. Būtent dėl šios priežasties reguliavimo institucijos gali įpareigoti registruoti autonominius dirbtinio intelekto veiksmus.

Skaidrumas ir paaiškinamumas

Idealiu atveju autonominis dirbtinis intelektas turėtų gebėti paaiškinti savo samprotavimus žmogui suprantama kalba, ypač susijusiose srityse (finansai, sveikatos apsauga, teisingumo sistema). Paaiškinamas dirbtinis intelektas – tai sritis, siekianti atverti juodąją dėžę:

Jei DI atmeta paskolą, reglamentai (pvz., JAV, ECOA) gali reikalauti nurodyti pareiškėjui priežastį. Todėl DI turi pateikti veiksnius (pvz., „didelis skolos ir pajamų santykis“) kaip paaiškinimą.
Su dirbtiniu intelektu (DI) sąveikaujantys vartotojai (pvz., studentai su DI korepetitoriumi arba pacientai su DI sveikatos programėle) nusipelno žinoti, kaip gaunami patarimai. Dedamos pastangos, kad DI samprotavimai būtų lengviau atsekami, supaprastinant modelius arba taikant lygiagrečius aiškinamuosius modelius.
Skaidrumas taip pat reiškia, kad vartotojai turėtų žinoti, kada jie bendrauja su dirbtiniu intelektu (DI), o kada su žmogumi. Etikos gairės (ir tikriausiai kai kurie įstatymai) linkusios reikalauti atskleisti informaciją, jei klientas bendrauja su robotu. Tai užkerta kelią apgaulei ir leidžia vartotojams duoti sutikimą. Kai kurios įmonės dabar aiškiai žymi DI parašytą turinį (pvz., „Šį straipsnį sukūrė DI“), kad išlaikytų pasitikėjimą.

Privatumas ir duomenų apsauga

Generatyviam dirbtiniam intelektui dažnai reikia duomenų, įskaitant potencialiai jautrius asmens duomenis, kad jis veiktų arba mokytųsi. Autonominės operacijos turi gerbti privatumą:

Dirbtinio intelekto klientų aptarnavimo agentas prisijungs prie paskyros informacijos, kad padėtų klientui; šie duomenys turi būti apsaugoti ir naudojami tik užduočiai atlikti.
Jei dirbtinio intelekto korepetitoriai turi prieigą prie studentų profilių, pagal tokius įstatymus kaip FERPA (JAV) reikia atsižvelgti į švietimo duomenų privatumo užtikrinimo aspektus.
Dideli modeliai gali netyčia prisiminti konkrečius dalykus iš savo mokymo duomenų (pvz., atkurti asmens adresą, matytą mokymo metu). Tokios technikos kaip diferencinis privatumas ir duomenų anonimizavimas mokymo metu yra svarbios siekiant išvengti asmeninės informacijos nutekėjimo sugeneruotuose rezultatuose.
Tokie reglamentai kaip BDAR suteikia asmenims teises dėl jiems įtakos turinčių automatizuotų sprendimų. Žmonės gali prašyti žmogaus atliktos peržiūros arba kad sprendimai nebūtų visiškai automatizuoti, jei jie jiems daro didelį poveikį. Iki 2030 m. šie reglamentai gali keistis, nes dirbtinis intelektas taps vis labiau paplitęs, galbūt nustatant teises į paaiškinimą arba teisę atsisakyti dirbtinio intelekto apdorojimo.

Saugumas ir piktnaudžiavimas

Autonominės dirbtinio intelekto sistemos gali tapti įsilaužimo taikiniais arba gali būti išnaudotos kenkėjiškiems veiksmams atlikti:

Dirbtinio intelekto turinio generatorius galėtų būti netinkamai panaudotas kuriant dezinformaciją dideliu mastu (pvz., giliųjų klastočių vaizdo įrašai, netikri naujienų straipsniai), o tai kelia visuomenei riziką. Dėl labai galingų generatyvinių modelių paskelbimo etikos karštai diskutuojama (pavyzdžiui, „OpenAI“ iš pradžių atsargiai vertino GPT-4 vaizdų kūrimo galimybes). Sprendimai apima dirbtinio intelekto sugeneruoto turinio žymėjimą vandens ženklais, siekiant padėti aptikti klastotes, ir dirbtinio intelekto naudojimą kovai su dirbtiniu intelektu (pvz., giliųjų klastočių aptikimo algoritmai).
Jei dirbtinis intelektas valdo fizinius procesus (dronus, automobilius, pramonės valdymą), labai svarbu jį apsaugoti nuo kibernetinių atakų. Nulaužta autonominė sistema gali padaryti žalos realiame pasaulyje. Tai reiškia patikimą šifravimą, gedimų prevencijos funkcijas ir galimybę žmogui pakeisti sistemą arba ją išjungti, jei atrodo, kad kažkas yra pažeista.
Taip pat nerimaujama, kad dirbtinis intelektas gali peržengti numatytas ribas („nesąžiningo dirbtinio intelekto“ scenarijus). Nors dabartiniai dirbtiniai intelektai neturi veiksnumo ar ketinimų, jei būsimos autonominės sistemos bus veiksmingesnės, reikės griežtų apribojimų ir stebėsenos, siekiant užtikrinti, kad jie, tarkime, nevykdytų neteisėtų sandorių ar nepažeistų įstatymų dėl neteisingai apibrėžto tikslo.

Etiškas naudojimas ir poveikis žmonėms

Galiausiai, platesni etiniai aspektai:

Darbo vietų perkėlimas: jei dirbtinis intelektas gali atlikti užduotis be žmogaus įsikišimo, kas nutinka tiems darbams? Istoriškai technologijos automatizuoja kai kuriuos darbus, bet sukuria kitus. Perėjimas gali būti skausmingas darbuotojams, kurių įgūdžiai susiję su užduotimis, kurios tampa automatizuotos. Visuomenei reikės tai valdyti perkvalifikuojant, mokant ir galbūt permąstant ekonominę paramą (kai kurie teigia, kad dirbtinis intelektas gali pareikalauti tokių idėjų kaip visuotinės bazinės pajamos, jei daug darbo bus automatizuota). Jau dabar apklausos rodo prieštaringus jausmus – vienas tyrimas parodė, kad trečdalis darbuotojų nerimauja, kad dirbtinis intelektas pakeis darbo vietas, o kiti mano, kad tai panaikina varginantį darbą.
Žmonių įgūdžių nykimas: jei dirbtinio intelekto mokytojai mokys, vairuos autopilotai, o dirbtinis intelektas rašys kodą, ar žmonės praras šiuos įgūdžius? Pernelyg didelis pasikliovimas dirbtiniu intelektu blogiausiu atveju gali susilpninti kompetenciją; švietimo ir mokymo programos turės prie to prisitaikyti, užtikrindamos, kad žmonės vis tiek išmoktų pagrindus, net jei dirbtinis intelektas padeda.
Etiškas sprendimų priėmimas: DI trūksta žmogiško moralinio vertinimo. Sveikatos priežiūros ar teisės srityje vien duomenimis pagrįsti sprendimai atskirais atvejais gali prieštarauti užuojautai ar teisingumui. Gali tekti į DI (DI etikos tyrimų sritis, pvz., DI sprendimų derinimas su žmogiškosiomis vertybėmis) užkoduoti etikos sistemas. Bent jau patartina informuoti žmones apie etiškai pagrįstus sprendimus.
Įtrauktis: užtikrinti, kad dirbtinio intelekto teikiama nauda būtų plačiai paskirstyta, yra etinis tikslas. Jei tik didelės įmonės gali sau leisti pažangų dirbtinį intelektą, mažesnės įmonės ar skurdesni regionai gali likti nuošalyje. Atvirojo kodo pastangos ir įperkami dirbtinio intelekto sprendimai gali padėti demokratizuoti prieigą. Be to, sąsajos turėtų būti suprojektuotos taip, kad dirbtinio intelekto įrankiais galėtų naudotis kiekvienas (skirtingos kalbos, prieinamumas neįgaliesiems ir kt.), kad nesukurtume naujos skaitmeninės atskirties – „kas turi dirbtinio intelekto asistentą, o kas ne“.

Dabartinis rizikos mažinimas: Teigiama pusė yra ta, kad įmonėms diegiant generalinį dirbtinį intelektą, didėja informuotumas apie šias problemas ir imamasi veiksmų. Iki 2023 m. pabaigos beveik pusė dirbtinį intelektą naudojančių įmonių aktyviai dirbo, kad sušvelnintų tokią riziką kaip netikslumas („ Dirbtinio intelekto būklė 2023 m.: generatyvinio dirbtinio intelekto proveržio metai“ | „McKinsey“ ) ( „Dirbtinio intelekto būklė: pasaulinė apklausa“ | „McKinsey“ ), ir šis skaičius auga. Technologijų įmonės įsteigė dirbtinio intelekto etikos tarybas; vyriausybės rengia reglamentus. Svarbiausia – nuo pat pradžių integruoti etiką į dirbtinio intelekto kūrimą („Etika pagal dizainą“), o ne reaguoti vėliau.

Apibendrinant apie iššūkius: suteikti dirbtiniam intelektui daugiau autonomijos yra dviašmenis kardas. Tai gali padidinti efektyvumą ir inovacijas, tačiau reikalauja didelės atsakomybės. Ateinančiais metais greičiausiai bus pristatyti įvairūs technologiniai sprendimai (siekiant pagerinti dirbtinio intelekto elgseną), procesų sprendimai (politikos ir priežiūros sistemos) ir galbūt nauji standartai ar sertifikavimas (dirbtinio intelekto sistemos gali būti audituojamos ir sertifikuojamos taip, kaip šiandien varikliai ar elektronika). Sėkmingas šių iššūkių įveikimas nulems, kaip sklandžiai galėsime integruoti autonominį dirbtinį intelektą į visuomenę taip, kad padidėtų žmonių gerovė ir pasitikėjimas.

Išvada

Generatyvusis dirbtinis intelektas (DI) sparčiai vystėsi iš naujo eksperimento į transformuojančią bendrosios paskirties technologiją, paliečiančią kiekvieną mūsų gyvenimo kampelį. Šiame informaciniame dokumente nagrinėjama, kaip iki 2025 m. DI sistemos jau rašo straipsnius, kuria grafiką, koduoja programinę įrangą, bendrauja su klientais, apibendrina medicinines pastabas, konsultuoja studentus, optimizuoja tiekimo grandines ir rengia finansines ataskaitas. Svarbu tai, kad atliekant daugelį šių užduočių DI gali veikti beveik be žmogaus įsikišimo , ypač aiškiai apibrėžtų, pasikartojančių užduočių atveju. Įmonės ir asmenys pradeda pasitikėti DI, kad jis šias užduotis atliks savarankiškai, o tai rodo greičio ir masto pranašumus.

Žvelgiant į 2035 m., esame ant eros slenksčio, kai dirbtinis intelektas (DI) bus dar labiau paplitęs bendradarbis – dažnai nematoma skaitmeninė darbo jėga , kuri tvarko rutiną, kad žmonės galėtų sutelkti dėmesį į išskirtinius dalykus. Tikimės, kad generatyvinis DI patikimai vairuos automobilius ir sunkvežimius mūsų keliuose, valdys atsargas sandėliuose per naktį, atsakys į mūsų klausimus kaip išmanantys asmeniniai asistentai, teiks individualias instrukcijas studentams visame pasaulyje ir netgi padės atrasti naujus vaistus medicinoje – visa tai su vis mažesne tiesiogine priežiūra. Riba tarp įrankio ir agento išnyks, DI pereinant nuo pasyvaus nurodymų vykdymo prie proaktyvaus sprendimų generavimo.

Tačiau kelionė į šią autonominę dirbtinio intelekto ateitį turi būti atliekama atsargiai. Kaip jau minėjome, kiekviena sritis turi savų apribojimų ir pareigų:

Šiandienos realybės patikrinimas: DI nėra neklystantis. Jis puikiai atpažįsta šablonus ir generuoja turinį, tačiau jam trūksta tikro supratimo ir sveiko proto žmogiškąja prasme. Todėl kol kas žmogaus priežiūra išlieka saugos tinklu. Labai svarbu atpažinti, kada DI yra pasirengusi skristi savarankiškai (o kada ne). Daug sėkmių šiandien slypi žmogaus ir DI komandos modelyje, ir šis hibridinis požiūris ir toliau bus vertingas ten, kur visiška autonomija dar nėra protinga.
Rytojaus pažadas: Tobulėjant modelių architektūroms, mokymo metodams ir priežiūros mechanizmams, dirbtinio intelekto galimybės ir toliau plėsis. Per ateinantį dešimtmetį MTEP galėtų būti išspręstos daugelis dabartinių problemų (sumažinti haliucinacijas, pagerinti interpretuojamumą, suderinti dirbtinį intelektą su žmogiškosiomis vertybėmis). Jei taip atsitiks, iki 2035 m. dirbtinio intelekto sistemos galėtų būti pakankamai patikimos, kad joms būtų suteikta daug didesnė autonomija. Šiame straipsnyje pateiktos prognozės – nuo dirbtinio intelekto mokytojų iki daugiausia savarankiškai valdomų įmonių – gali būti mūsų realybė arba netgi pranokti inovacijos, kurias šiandien sunku įsivaizduoti.
Žmogaus vaidmuo ir prisitaikymas: Užuot visiškai pakeitęs žmones, numatome vaidmenų pokyčius. Kiekvienos srities specialistams greičiausiai reikės įgudti dirbti su DI – jam vadovauti, jį tikrinti ir sutelkti dėmesį į darbo aspektus, kuriems reikalingos išskirtinai žmogiškos stiprybės, tokios kaip empatija, strateginis mąstymas ir sudėtingų problemų sprendimas. Švietimas ir darbuotojų mokymas turėtų būti orientuoti į šių unikalių žmogiškųjų įgūdžių, taip pat į DI raštingumą visiems. Politikos formuotojai ir verslo lyderiai turėtų planuoti pokyčius darbo rinkoje ir užtikrinti paramos sistemas tiems, kuriems įtakos turi automatizavimas.
Etika ir valdymas: Turbūt svarbiausia, kad šį technologinį augimą turi lemti etiško dirbtinio intelekto naudojimo ir valdymo sistema. Pasitikėjimas yra priėmimo valiuta – žmonės leis dirbtiniam intelektui vairuoti automobilį ar padėti operacijose tik tuo atveju, jei tikės, kad tai saugu. Šiam pasitikėjimui kurti reikia griežtų bandymų, skaidrumo, suinteresuotųjų šalių įtraukimo (pvz., gydytojų įtraukimo į medicininio dirbtinio intelekto kūrimą, mokytojų įtraukimo į dirbtinio intelekto mokymo priemones) ir tinkamo reguliavimo. Tarptautinis bendradarbiavimas gali būti būtinas sprendžiant tokius iššūkius kaip giliosios klastotės ar dirbtinis intelektas kare, užtikrinant pasaulines atsakingo naudojimo normas.

Apibendrinant galima teigti, kad generatyvinis dirbtinis intelektas yra galingas pažangos variklis. Išmintingai naudojamas, jis gali atleisti žmones nuo vargo, išlaisvinti kūrybiškumą, suasmeninti paslaugas ir pašalinti spragas (suteikiant patirtį ten, kur trūksta ekspertų). Svarbiausia – jį panaudoti taip, kad būtų sustiprintas žmogaus potencialas, o ne jį smukdytas . Artimiausiu metu tai reiškia, kad reikia nuolat informuoti žmones, kad jie galėtų vadovauti dirbtiniam intelektui. Ilguoju laikotarpiu tai reiškia, kad humanistinės vertybės turi būti įtrauktos į dirbtinio intelekto sistemų pagrindą, kad net ir veikdami savarankiškai, jie veiktų mūsų bendram interesui.

Domenas	Patikima autonomija šiandien (2025 m.)	Tikimasi patikimos autonomijos iki 2035 m.
Rašymas ir turinys	– Įprastos naujienos (sportas, pajamos), generuojamos automatiškai. – Dirbtinio intelekto apibendrintos produktų apžvalgos. – Straipsnių ar el. laiškų juodraščiai, skirti žmonėms redaguoti. ( Philana Patterson – ONA bendruomenės profilis ) ( „Amazon“ gerina klientų apžvalgų patirtį naudodama dirbtinį intelektą )	– Didžioji dalis naujienų ir rinkodaros turinio parašyta automatiškai, laikantis faktinio tikslumo. – Dirbtinis intelektas kuria išsamius straipsnius ir pranešimus spaudai su minimalia priežiūra. – Labai suasmenintas turinys generuojamas pagal poreikį.
Vaizduojamasis menas ir dizainas	- Dirbtinis intelektas generuoja vaizdus pagal užklausas (žmogus parenka geriausią). - Autonomiškai kuriami koncepciniai menai ir dizaino variantai.	- Dirbtinis intelektas kuria pilnas vaizdo įrašų / filmų scenas ir sudėtingą grafiką. - Generatyvus gaminių / architektūros dizainas, atitinkantis specifikacijas. - Pagal poreikį kuriama suasmeninta medija (vaizdai, vaizdo įrašai).
Programinės įrangos kodavimas	– Dirbtinis intelektas automatiškai užbaigia kodą ir rašo paprastas funkcijas (peržiūrėjo kūrėjai). – Automatinis testų generavimas ir klaidų pasiūlymai. („ Coding on Copilot“: 2023 m. duomenys rodo spaudimą mažinti kodo kokybę (įskaitant 2024 m. prognozes) – „GitClear “) ( „GitHub Copilot“ pirmauja tyrimų ataskaitoje apie dirbtinio intelekto kodo asistentus – „Visual Studio Magazine “)	- Dirbtinis intelektas patikimai įgyvendina visas funkcijas pagal specifikacijas. - Autonominis žinomų šablonų derinimas ir kodo priežiūra. - Mažo kodo programų kūrimas su minimaliu žmogaus indėliu.
Klientų aptarnavimas	– Pokalbių robotai atsako į DUK, išsprendžia paprastas problemas (perduoda sudėtingas bylas). – Dirbtinis intelektas kai kuriais kanalais tvarko ~70 % įprastų užklausų. ( 59 dirbtinio intelekto klientų aptarnavimo statistika už 2025 m. ) ( Iki 2030 m. 69 % sprendimų, priimamų bendraujant su klientais, bus... )	– Dirbtinis intelektas tvarko daugumą klientų sąveikų nuo pradžios iki galo, įskaitant sudėtingas užklausas. – Dirbtinis intelektas realiuoju laiku priima sprendimus dėl paslaugų nuolaidų (grąžinimų, atnaujinimų). – Žmonės dalyvauja tik eskalavimo ar ypatingais atvejais.
Sveikatos priežiūra	– Dirbtinis intelektas rengia medicinines pastabas; siūlo diagnozes, kurias gydytojai patikrina. – Dirbtinis intelektas prižiūrimai nuskaito kai kuriuos skenavimus (radiologijos duomenis); atlieka paprastų atvejų triažą. ( Dirbtinio intelekto medicininio vaizdavimo produktų skaičius iki 2035 m. galėtų išaugti penkis kartus .)	– Dirbtinis intelektas patikimai diagnozuoja dažniausiai pasitaikančius negalavimus ir interpretuoja daugumą medicininių vaizdų. – Dirbtinis intelektas stebi pacientus ir inicijuoja priežiūrą (pvz., priminimus apie vaistus, skubios pagalbos pranešimus). – Virtualios dirbtinio intelekto „slaugytojos“ atlieka įprastinius stebėjimus; gydytojai daugiausia dėmesio skiria sudėtingai priežiūrai.
Švietimas	- Dirbtinis intelektas korepetitoriams atsako į mokinių klausimus, generuoja praktines užduotis (mokytojas stebi). - Dirbtinis intelektas padeda vertinti (su mokytojo peržiūra). ([Generatyvus dirbtinis intelektas K-12 ugdymui]	„Applify“ tyrimo ataskaita]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Logistika	- DI optimizuoja pristatymo maršrutus ir pakavimą (žmonės nustato tikslus). - DI žymi tiekimo grandinės rizikas ir siūlo jų mažinimo būdus. ( Populiariausi generatyvinio DI naudojimo atvejai logistikoje )	- Dažniausiai savarankiškai vairuojami pristatymai (sunkvežimiai, dronai), kuriuos prižiūri dirbtinio intelekto valdytojai. - Dirbtinis intelektas automatiškai nukreipia siuntas, apeidamas sutrikimus, ir koreguoja atsargas. - Visapusiškas tiekimo grandinės koordinavimas (užsakymai, paskirstymas), valdomas dirbtinio intelekto.
Finansai	– Dirbtinis intelektas generuoja finansines ataskaitas / naujienų santraukas (peržiūrimas žmonių). – Robotai-konsultantai valdo paprastus portfelius; dirbtinio intelekto pokalbių funkcija tvarko klientų užklausas. ( Generatyvusis dirbtinis intelektas ateina į finansų sektorių .)	- Dirbtinio intelekto analitikai labai tiksliai rengia investavimo rekomendacijas ir rizikos ataskaitas. - Autonominė prekyba ir portfelio balansavimas neviršijant nustatytų ribų. - Dirbtinis intelektas automatiškai tvirtina standartines paskolas / pretenzijas; išimtis tvarko žmonės.

Nuorodos:

Patterson, Philana. Automatiškai daugėja pajamų ataskaitų . „The Associated Press“ (2015 m.) – aprašomas AP automatizuotas tūkstančių pajamų ataskaitų generavimas be žmogaus rašytojo ( Automatiškai daugėja pajamų ataskaitų | „The Associated Press“ ).
„McKinsey & Company“. Dirbtinio intelekto būklė 2024 m. pradžioje: dirbtinio intelekto diegimas sparčiai auga ir pradeda kurti vertę . (2024 m.) – Pranešama, kad 65 % organizacijų reguliariai naudoja generatyvųjį dirbtinį intelektą, tai yra beveik dvigubai daugiau nei 2023 m. („ Dirbtinio intelekto būklė 2024 m. pradžioje“ | „McKinsey “), ir aptariamos rizikos mažinimo pastangos ( „Dirbtinio intelekto būklė: pasaulinė apklausa“ | „McKinsey“ ).
„Gartner“. Už „ChatGPT“ ribų: generatyvinio dirbtinio intelekto ateitis įmonėms . (2023 m.) – prognozuoja, kad iki 2030 m. 90 % populiariausio filmo galėtų būti sukurta dirbtinio intelekto ( Generatyvaus dirbtinio intelekto naudojimo atvejai pramonės šakoms ir įmonėms ), ir pabrėžia generatyvinio dirbtinio intelekto naudojimo atvejus, tokius kaip vaistų kūrimas ( Generatyvaus dirbtinio intelekto naudojimo atvejai pramonės šakoms ir įmonėms ).
„Twipe“. 12 būdų, kaip žurnalistai naudoja dirbtinio intelekto įrankius redakcijoje . (2024 m.) – „Klaros“ dirbtinio intelekto pavyzdys naujienų agentūroje, kuri rašo 11 % straipsnių, o žmonės redaktoriai peržiūri visą dirbtinio intelekto turinį ( 12 būdų, kaip žurnalistai naudoja dirbtinio intelekto įrankius redakcijoje – „Twipe“ ).
„Amazon.com News“. „Amazon“ gerina klientų atsiliepimų patirtį naudodama dirbtinį intelektą . (2023 m.) – Paskelbta apie dirbtinio intelekto generuojamas atsiliepimų santraukas produktų puslapiuose, siekiant padėti pirkėjams ( „Amazon“ gerina klientų atsiliepimų patirtį naudodama dirbtinį intelektą ).
„Zendesk“. 59 dirbtinio intelekto klientų aptarnavimo statistika 2025 m . (2023 m.) – rodo, kad daugiau nei du trečdaliai klientų patirties organizacijų mano, jog generatyvus dirbtinis intelektas suteiks „šilumos“ aptarnavimui ( 59 dirbtinio intelekto klientų aptarnavimo statistika 2025 m .), ir prognozuoja, kad galiausiai dirbtinis intelektas bus naudojamas 100 % klientų sąveikų ( 59 dirbtinio intelekto klientų aptarnavimo statistika 2025 m .).
„Futurum Research“ ir SAS. „Patirtis 2030: Klientų patirties ateitis“ . (2019 m.) – Apklausa, rodanti, kad prekių ženklai tikisi, jog iki 2030 m. ~69 % sprendimų, priimamų bendraujant su klientais, bus priimami išmaniųjų įrenginių ( norėdami iš naujo įsivaizduoti perėjimą prie klientų patirties, rinkodaros specialistai turi atlikti šiuos 2 dalykus ).
„Dataiku“. Populiariausi generatyvinio dirbtinio intelekto naudojimo atvejai logistikoje . (2023 m.) – aprašoma, kaip „GenAI“ optimizuoja pakrovimą (sumažindama ~30 % tuščios sunkvežimio vietos) ( Populiariausi generatyvinio dirbtinio intelekto naudojimo atvejai logistikoje ) ir žymi tiekimo grandinės riziką skenuodamas naujienas.
Visual Studio“ žurnalas. „GitHub Copilot“ pirmauja tyrimų ataskaitoje apie dirbtinio intelekto kodo asistentus . (2024 m.) – „Gartner“ strateginio planavimo prielaidos: iki 2028 m. 90 % įmonių kūrėjų naudos dirbtinio intelekto kodo asistentus (palyginti su 14 % 2024 m.) ( „GitHub Copilot“ pirmauja tyrimų ataskaitoje apie dirbtinio intelekto kodo asistentus – „Visual Studio“ žurnalas ).
„Bloomberg News“. Pristatome „BloombergGPT“ . (2023 m.) – išsamiai aprašomas „Bloomberg“ 50 milijardų parametrų modelis, skirtas finansinėms užduotims, integruotas į terminalą klausimų ir atsakymų bei analizės palaikymui ( generatyvusis dirbtinis intelektas ateina į finansų sektorių ).

Straipsniai, kuriuos galbūt norėsite perskaityti po šio:

🔗 Darbai, kurių dirbtinis intelektas negali pakeisti – ir kokius darbus pakeis dirbtinis intelektas?
Pasaulinė perspektyva apie besikeičiančią darbo rinką, nagrinėjant, kurie vaidmenys yra saugūs nuo dirbtinio intelekto sukeltų sutrikimų, o kuriems gresia didžiausias pavojus.

🔗 Ar dirbtinis intelektas gali numatyti akcijų rinką?
Išsamiai apžvelgiamos dirbtinio intelekto naudojimo akcijų rinkos prognozavimui galimybės, apribojimai ir etiniai aspektai.

🔗 Kaip generatyvinis dirbtinis intelektas gali būti naudojamas kibernetinio saugumo srityje?
Sužinokite, kaip generatyvinis dirbtinis intelektas taikomas apsaugai nuo kibernetinių grėsmių – nuo anomalijų aptikimo iki grėsmių modeliavimo.

Atgal į tinklaraštį

Šalis / regionas