Как генеративный ИИ увеличивает производительность работников знаний

Последние непрерывные и инновационные технологические достижения возглавляются такими областями, как искусственный интеллект (ИИ), робототехника, блокчейн и программируемая биология. Эти технологии революционизируют розничную торговлю, автомобильную промышленность, финансы, производство и многие другие отрасли на макро- и микроуровне.

ИИ, в частности генеративный ИИ, преобразует образ жизни и повседневные задачи работников знаний – людей, являющихся экспертами в определенной области с формальным образованием и подготовкой. Это явление особенно заметно в таких профессиях, как программирование, проектирование, инженерия и письмо, где генеративный ИИ повысил производительность работников знаний.

Но что такое генеративный ИИ и что делает его критически важным для работников знаний? Давайте более подробно рассмотрим эту идею!

Что такое генеративный ИИ?

Генеративный ИИ создает новый контент, такой как текст, видео, аудио и изображения, автоматически с помощью алгоритмов ИИ, основанных на человеческих подсказках.

Некоторые из наиболее заметных инструментов и продуктов генерации ИИ включают:

• ChatGPT – Разработанный компанией OpenAI, ChatGPT – это интеллектуальный чат-бот, способный предоставлять чрезвычайно подробные и персонализированные ответы на основе пользовательских подсказок.
• DALL-E 2, Stable Diffusion и Midjourney – Это инструменты генерации изображений на основе ИИ.
• Meta – Это инструмент генерации видео на основе ИИ, который позволяет пользователям генерировать видео из текстовых подсказок.
• Codex – Он позволяет программистам генерировать код на нескольких языках программирования всего за несколько секунд.

Теперь давайте посмотрим, как генеративный ИИ влияет на работников знаний!

Понимание того, как генеративный ИИ увеличивает производительность работников знаний из разных областей

Согласно отчету ARK’s Big Ideas 2023, ИИ должен увеличить производительность работников знаний более чем в 4 раза к 2030 году. В отчете также говорится, что при 100% принятии ИИ может принести примерно 200 триллионов долларов в виде производительности труда после общих расходов на ИИ в размере 31 триллиона долларов. Если поставщики смогут извлечь только 10% созданной ими стоимости, они смогут собрать почти 14 триллионов долларов дохода и 90 триллионов долларов стоимости предприятия в 2030 году.

Прогноз рынка ИИ на 2030 год. Источник: ARK’s Big Ideas 2023

Давайте более подробно рассмотрим, как инструменты генерации ИИ способствуют увеличению производительности писателей контента, разработчиков и художников.

1. Работники знаний: писатели контента и редакторы

Современным бизнесам нужен хорошо исследованный и умело созданный контент, чтобы привлечь аудиторию. Именно здесь генеративный ИИ делает работу писателей контента и редакторов проще.

С появлением интеллектуальных чат-ботов, таких как ChatGPT, создание контента становится все более простым и экономически эффективным. Согласно отчету ARK’s Big Ideas 2023, стоимость вывода ChatGPT за запрос составляет около 0,01 доллара в 2022 году. Для миллиарда запросов общая стоимость вывода составит 10 000 000 долларов. К 2030 году эта стоимость должна уменьшиться до 650 долларов, согласно закону Уоррена.

Снижение затрат такого масштаба позволит осуществить массовое внедрение инструментов контента на основе ИИ. Например, к 2030 году приложения, подобные ChatGPT, должны соответствовать масштабу поиска Google (GOOGL ) и обрабатывать 8,5 миллиарда поисковых запросов в день. Следовательно, станет проще для работников знаний в области контента использовать генеративный ИИ в повседневных задачах.

2. Работники знаний: программисты и разработчики

Учитывая сложные и длительные циклы разработки программного обеспечения, управление и развертывание программного обеспечения требует команды посвященных, квалифицированных разработчиков и программистов. Инструменты генерации кода на основе ИИ, такие как Codex и Copilot, делают разработку программного обеспечения проще и более продуктивной для работников знаний.

Фактически, отчет ARK’s Big Ideas 2023 гласит, что помощники кодирования ИИ сокращают время выполнения задачи на половину. К 2030 году помощники кодирования ИИ могут увеличить производительность программистов в 10 раз.

Время выполнения задач кодирования. Источник: ARK’s Big Ideas 2023

3. Работники знаний: визуальные художники и дизайнеры

Другая группа работников знаний, отнесенная к художникам и дизайнерам, также подвержена влиянию генеративного ИИ. Их задачи обычно включают создание визуальных концепций, графики, иллюстраций и творческих интерфейсов с помощью инструментов дизайна, таких как Adobe Photoshop, Illustrator и Canva, для обеспечения богатого пользовательского опыта.

С появлением революционных моделей генерации изображений, таких как DALL-E2, Stable Diffusion и Midjourney, производительность дизайнеров значительно увеличилась. Например, графические дизайны, созданные человеком за 5 часов и стоившие 150 долларов, теперь могут быть легко созданы менее чем за минуту за 8 центов с помощью моделей генерации изображений.

4. Работники знаний: музыканты и звукорежиссеры

Генеративный ИИ делает композицию и микширование музыкальной дорожки намного проще. Например, AudioLM от Google – это модель генерации аудио, которая создает реалистичную музыку для фортепиано и дополняет незавершенные акустические тона. Google также разработал модель генерации музыки под названием MusicLM, которая может генерировать красивые мелодии на основе текстовых описаний.

В 2020 году Open AI представила аналогичный инструмент генерации музыки под названием Jukebox, который генерирует новую музыкальную дорожку на основе жанра, артиста и текста в качестве входных данных. Ранее Open AI выпустила модель GPT-2 на основе MuseNet, которая может генерировать 4-минутные музыкальные композиции, используя 10 инструментов.

Хотя модели генерации аудио находятся на ранней стадии развития, возможности увеличения производительности музыкантов и звукорежиссеров будут только расти каждый год с появлением лучших инструментов генерации музыки на основе ИИ.

5. Работники знаний: ютуберы и создатели видеоконтента

Видеоконтент набирает популярность. В 2022 году было примерно 51 миллион каналов на YouTube. Производство видеоконтента проходит через несколько стадий, включая запись, редактирование, добавление иллюстраций и звуков, а также пред- и постпродакшн.

Платформы генерации видео на основе ИИ облегчают создание видеоконтента для работников знаний. Инструменты, такие как Synthesia.io и Pictory, делают генерацию видео проще для видеомаркетологов и брендинговых экспертов. Эти передовые платформы ИИ позволяют создателям контента создавать видео из сценариев. Они могут добавить рассказчика и видеофон, чтобы создать профессионально выглядящие видео на основе этих сценариев.

В сентябре 2022 года Meta AI выпустила платформу Make-A-Video, которая может генерировать высококачественные видеоклипы на основе текстовых подсказок. Она была обучена на публично доступных наборах данных, чтобы изучить закономерности видео. Она может создавать уникальные видео, полные цветов, персонажей и пейзажей.

Создание более качественного контента в короткие сроки повысит производительность ютуберов и создателей видеоконтента в будущем.

Преимущества и недостатки генеративного ИИ для работников знаний

Давайте рассмотрим различные преимущества и недостатки, которые генеративный ИИ представляет работникам знаний.

Преимущества генеративного ИИ для работников знаний

1. Генерация синтетических данных: Обучение инновационных моделей ИИ требует большого количества наборов данных, и генеративный ИИ может решить эту проблему. Согласно отчету, генеративный ИИ, как ожидается, будет составлять 10% всех данных, произведенных в 2025 году, по сравнению с 1% в 2023 году. Следовательно, ученые-исследователи и эксперты по ИИ не столкнутся с проблемами, связанными с сбором данных.
2. Низкие затраты: Gartner прогнозирует, что около 50% платформ разработки с низким кодом/без кода будут предоставлять функциональность «текст в код» к 2024 году. Для разработчиков это означает больше функций с минимальными усилиями и затратами.

Недостатки генеративного ИИ для работников знаний

1. Обнаружение синтетического контента: Хотя генеративный ИИ увеличивает производительность, проблема обнаружения контента, сгенерированного ИИ, и его различия станут серьезной проблемой в исследованиях и академии. К 2024 году Европейский Союз примет законодательство, требующее «водяного знака» артефактов, сгенерированных ИИ.
2. Безработица: Разработчики могут столкнуться с безработицей, если генеративный ИИ станет «слишком» интеллектуальным. Gartner прогнозирует, что к 2025 году 20% профессионалов, занимающихся процедурным кодом, должны будут приобрести новые навыки, поскольку генеративный ИИ возьмет на себя их основной набор навыков.

Стоимость создания моделей генеративного ИИ

Генеративный ИИ – это, пожалуй, наиболее инновационная ветвь ИИ. В настоящее время стоимость обучения модели генеративного ИИ высока, но постепенно снижается. Например, оценочная стоимость обучения GPT-3 составила 4,6 миллиона долларов в 2020 году. В 2022 году она снизилась до 450 000 долларов.

Стоимость обучения GPT-3. Источник: ARK’s Big Ideas 2023

Отчет ARK’s Big Ideas 2023 прогнозирует, что к 2030 году модели ИИ с 57 раз большим количеством параметров, чем GPT-3 (175 миллиардов параметров), могут быть обучены всего за 600 000 долларов. Это будет в основном возможно благодаря снижению затрат на обучение моделей ИИ. Закон Уоррена предполагает, что относительные затраты на производство вычислительных единиц ИИ (RCU) и программного обеспечения должны снизиться на 57% и 47% в годовых темпах, что приведет к снижению затрат на обучение на 70% в год до 2030 года.

Стоимость оборудования для обучения ИИ. Источник: ARK’s Big Ideas 2023

Оставайтесь в курсе всех инновационных технологий ИИ на unite.ai.