Запуск ChatGPT став переломним моментом, але не з тих причин, про які багато хто думає. Це не було світанком надінтелекту; це стало початком епохи, що визначається шумом навколо ІІ та сумнівними додатками. Довгий час я вважав великі мовні моделі (LLM) – рушійну силу ІІ-чатботів – захоплюючими, але глибоко недосконалими. Тепер, після практичних експериментів, я змінив свою думку: і захоплені прихильники, і затяті скептики помилялися.
Сила “Вібраційного Кодування”
Переломний момент настав завдяки процесу, що називається “вібраційним кодуванням” (vibe coding), термін, вигаданий дослідником ІІ Андрієм Карпати. Цей процес передбачає взаємодію з ІІ-моделлю природною мовою, дозволяючи їй генерувати код, поки ви направляєте цей процес. Нещодавні інструменти, такі як Claude Code та ChatGPT Codex, виявилися напрочуд ефективними. The New York Times нещодавно задокументував це зрушення, зазначивши, що ІІ-допомога у кодуванні прийшла як руйнівна сила.
Мої власні експерименти підтвердили це. Всього за кілька днів, маючи мінімальний попередній досвід програмування, я створив практичні програми: підбирач аудіокниг, пов’язаний з моєю місцевою бібліотекою, і додаток для камери/телесуфлера для свого телефону. Ці інструменти не є революційними, але вони ілюструють важливий момент: пряма взаємодія з LLM дає реальні результати.
Проблема з Продуктовим ІІ
Раніше я відкидав човнів за їхні спільні відповіді, неточності та раболіпність. Розширене використання виявило глибшу проблему: спосіб, яким ІІ упаковується, є основною проблемою. Більшість користувачів ніколи не стикаються із “сирою” LLM – статистичною моделлю, навченою на величезних наборах даних. Натомість ми взаємодіємо з технологією, опосередкованою навчанням із підкріпленням із зворотним зв’язком від людини (RLHF).
Компанії, що займаються ІІ, використовують людських оцінювачів для формування вихідних даних, винагороджуючи впевнені та привабливі відповіді, караючи при цьому шкідливий або бентежний контент. Цей процес створює ту безлику “голос чата”, знайому більшості користувачів. Він вбудовує у собі упередження своїх творців, від менталітету “рухайся швидко і ламай речі” Кремнієвої долини до конкретних ідеологій компаній, таких як X (раніше Twitter) зі своїм суперечливим чботом Grok.
Ілюзія Контролю
Поточні чати опираються невизначеності, протиріччям або визнанню своїх обмежень. Я зіткнувся з цим особисто, намагаючись створити програму для телесуфлера. ChatGPT неодноразово пропонував виправлення для непрацюючого коду, підштовхуючи мене вперед, незважаючи на нерозв’язну проблему. Тільки коли я перефразував завдання – попросивши все одно рішення – вона спрацювала. Це виділило критичний недолік: ІІ ставить на чільне місце імпульс, а не точність.
Щоб протистояти цьому, я почав навчати ChatGPT бути невблаганно скептичним, вимагаючи аналізу, що ґрунтується на доказах, і явної невизначеності, коли даних недостатньо. Я створив налаштовану модель, призначену для відображення мого власного когнітивного профілю, видаливши цінності нав’язані OpenAI. Результатом стало когнітивне дзеркало – недосконале, але цінне.
Чому DIY ІІ має значення
Ключовий висновок: взаємодія з готовим вихідним продуктом ІІ часто марна. Ви більше отримаєте, якщо самі задаватимете питання ІІ. LLM – це когнітивні інструменти, такі як калькулятори або текстові процесори, а не розумні істоти. Це розуміння розкриває їх потенціал, але при усвідомленому використанні.
Ідеальний сценарій передбачає запуск LLM локально без корпоративного нагляду. Це розглядатиме ІІ як небезпечний, експериментальний інструмент під вашим повним контролем. Поточний бум в області ІІ підняв ціни на обладнання, що робить це непрактичним для багатьох, але принцип залишається чинним.
Вартість Авторських Прав та Навколишнього Середовища
LLM створені на основі величезних наборів даних, включаючи матеріали, захищені авторським правом, отримані без дозволу. Хоча законність заперечується, етичні наслідки очевидні. Децентралізований підхід, такий як суспільно фінансовані моделі, що вільно розповсюджуються, може це пом’якшити. Вплив на довкілля від центрів обробки даних – ще одна проблема, але локалізовані LLM можуть зменшити це навантаження.
Суть Питання
Я не відмовився від свого скептицизму щодо ІІ загалом. LLM залишаються захоплюючими, небезпечними та іноді екстраординарними. Те, що змінилося – це моє розуміння того, як ми з ними взаємодіємо. Гладкі, продуктові чоботи – це проблема, а чи не базова технологія. Усвідомлений, обережний підхід – розглядати ІІ як сирий інструмент, а не доброзичливого помічника – це шлях уперед. Нам не потрібна зміїна олія від OpenAI; нам потрібна сира сила самої технології.
