Что я понял пытаясь применить нейросети для повседневных задач: написание кода, генерацию изображений и составления текстов.
Стоны восторга и ужаса по поводу пришествия сверхумных нейросетей наводнили ленты соцсетей. Беспомощного обывателя подхватила волна хайпа: программисты больше не нужны, копирайтеры и иллюстраторы останутся без работы!
Это конечно же полная чушь и сейчас объясню почему.
Контекст: мои навыки
Для дальнейшего повествования важно понять, какие навыки у меня есть и каких нет. Это напрямую влияет на то, как и для чего я могу использовать нейросети.
Вообще я C-level менеджер, но помимо этого у меня есть и такие способности:
- Написание текстов — я достаточно много времени уделял этому, периодически пишу технические и бизнес-статьи; как-то ради интереса даже книгу написал (и да, её покупают!). Уровень владения — высокий.
- Дизайн и графика — сам не рисую, но у меня есть насмотренность: могу отличить иллюстрацию со стоков от дорогой работы, понимаю про стили, процесс производства, композицию и вот это все. Уровень владения — средний.
- Написание кода — в университете я писал на Паскале, потом сам верстал сайты на HTML+CSS, освоил Bootstrap, понимаю базовые концепции программирования и знаю про основные инструменты разработчика, SDLC, как приложение в облаке работает (в общих чертах). Уровень владения — на уровне джун+.
Дальше расскажу как я попробовал усилить каждый из этих навыков нейросетью и что из этого вышло. Спойлер: результаты разные.
Написание текстов
Я использовал ChatGPT в основном для написания писем на английском. И он отлично работает, если ты знаешь о чем и в какой форме надо написать, предоставляешь тезисы, а также знаешь английский, чтобы проверить полученный результат и внести правки.
То есть, чтобы получить хороший результат при написании важного текста, надо уже иметь все навыки для того, чтобы сделать это самостоятельно.
С первого промпта готовый текст никогда не выходит. Типичные проблемы, которые приходилось исправлять:
- Тезисы смешались и присутствуют в тексте в неоптимальном порядке.
- Одни и те же мысли дублируются в разных абзацах, повторения-повторения.
- Смысл написанного немного отличается от того, что автор хотел сообщить.
- Нейросеть не поняла суть тезиса и написала не то, что надо.
В общем, это очень похоже на результат работы неопытного сотрудника, которому надо подробно ставить задачу, объяснять как все сделать, а потом еще и проверить за ним. При этом нейросеть экономила мне до 90% времени на генерации и редактуре.
Внимание! Эта статья не содержит GPT. Текст написан кожаным мешком от начала и до конца, без привлечения какой-либо автоматизации.
Генерация изображений
Думаю много кто промптил «Путин краб» в MidJourney и сисястых дев в StableDiffusion (до того как нюдсы выпилили из стандартной поставки). Так что на проблемах с пальцами и базовой анатомией останавливаться не буду.
Нейросети по любому достаточно абстрактному запросу рисуют портреты. А в коммерческой иллюстрации портрет почти никогда не нужен; важен сюжет, жанровая сцена и соблюдение заданного стиля. Со стилями железяка более-менее разобралась, а со всем остальным есть проблемы.
Я пытался изобразить девушку сидящую на ветке большого дерева с чашкой чая. Получался в основном кошмар. Очень часто руки или ноги врастали в ствол или ветка торчала из живота. Попробуйте загадать нейроиллюстратору «человек делает стойку на руках» и для вас откроется портал в зловещую долину.
Что получаем по итогу? Чтобы сделать хорошую иллюстрацию надо разбираться в стилях (видеть где они нарушены), понимать как пользоваться перспективой, как выстроить композицию, соображать какой смысл вложить в картинку (метафора).
А еще — как запустить у себя на локальной машине скачанный SD и подружить его с ControlNet, чтобы изображение имело нужную композицию; где качать обученные модели под свою задачу, как обучить свою модель... И попутно разобраться со всеми этими крутилками.
Мне потребовалось полчаса и звонок другу-разработчику уровня CTO, чтобы просто запустить SD. И еще полчаса, чтобы получить какой-то адекватный результат по заданному сюжету, а не просто портрет. Я не представляю как какой-нибудь фрилансер-иллюстратор освоит этот инструментарий без полугодового онлайн курса от NeuroSkillBox.
Думаю вы уже сообразили: если кто-то (например я) не умел создавать коммерчески успешные иллюстрации без нейросети, то он и сейчас это не умеет. Но те, кто умели, смогут их делать быстрее и дешевле и съедят тех, кто не освоит новые инструменты. Такие дела.
Написание кода
На это направление я возлагал самые большие надежды: самостоятельно создавать приложения и не платить по 900k в наносекунду социально не адаптированным людям. Мечта!
Решил начать с простого: написать код на Пайтоне, который пушит аудио файл в Яндекс.Облако и там при помощи СпичКита расшифровывает его в текст. Два десятка строк кода, не больше!
За 5 минут я объяснил ChatGPT какой код мне нужен, а потом 2 часа пытался его запустить и дебажил. Из них примерно час я потратил на то, чтобы понять почему у меня не ставятся модули. Оказалось, что на (в) MacOS вместо pip install %module_name% надо набирать pip3 install %module_name%. Oh God WHY?
А еще 2 часа перед этим я разбирался как использовать функцию работы с speech2text (там есть 3 или больше варианта вызова), какие форматы аудио поддерживаются, где взять API-ключи (достиг успеха только со второй попытки), что такое IAM-токен, создавал object storage, загружал файл и выдавал на него права... Все это относительно простые вопросы если ты 15 лет работаешь в IT (как я) или ты УЖЕ программист (не как я).
Довести программу до рабочего состояния мне так и не удалось. Я не решил проблему с SSL сертификатами и не понял почему API возвращает ошибку «пустое аудио», хотя там 15-минутная запись моих очень умных мыслей.
Говорят на Си (не путать с Xi) все еще сложнее чем на китайском — надо потратить неделю только на то, чтобы подготовиться к разработке (и это если уже знаешь что делать).
Наверно, я смог бы написать калькулятор при помощи ChatGPT. Но зачем?
И наверно, я смог бы решить свою задачу, если бы уже умел писать веб-приложения на Пайтоне и работать с API.
Кажется, мы пришли к одинаковым выводам во всех трех сценариях. Давайте обобщим.
Выводы: жизнь станет лучше, но сложней
- Нейросети помогают, но не делают за тебя. По прежнему нужна хорошая квалификация для получения коммерчески-значимого результата.
- Профессионалам станет легче работать за счет автоматизации рутины. А набор необходимых базовых знаний для новичков будет только расти: делай все то же самое, что и раньше, но теперь с применением нейросетей.
- Вывод Шредингера: хорошая новость — те, кто работают головой, смогут получать результат быстрее; плохая новость — работать головой придется еще больше (и не все смогут).
Мой Телеграм канал, где я рассказываю про свой опыт управления, бизнеса и работы над собой.
Еще можно понять, если бы автор прямо указывал на проблемы начального ChatGPT, GPT-4 трахнет все доводы автора в хвост и в гриву. Доступ хотя бы к Copilot-y купи, нуб)))
п. с. автор ведь с претензией высказывает свое мнение? Ну вот и ловит по щам пущай)
Четвертая версия ни чем не лучше третьей. Прогресс на самом деле встал уже в гпт-2.
Ой ли. На пикче RU тройка, тот же ответ и на EN, но я удалил уже диалог. И вот что отвечает 4:
If one highly effective software project manager estimates an initiative in 4 scrum sprints, then how will 2 highly effective software project managers estimate the same initiative? Evaluate step-by-step.
Having two highly effective software project managers does not necessarily mean that the estimation for the initiative will change. Estimations are typically based on the development team's capacity and the complexity of the tasks involved, rather than the number of project managers overseeing the project.
In this scenario, it's important to note that having two highly effective project managers might result in better communication, risk management, and coordination, but it doesn't necessarily change the estimation of how long the initiative will take. The number of sprints required would still depend on the development team's capacity and the complexity of the tasks involved.
Связанность рассуждений в 4й версии колоссальная. Поверьте, я работаю начиная с 2ки, плотно с 3й и прогресс каждый раз заметно ощущается. По навыкам, это как растёт ребёнок. Вначале несёт балабольщину и чепуху, потом начинает осмысленно ставить слова в одно псевдо предложение и сейчас уже формирует полностью предложения. Только у GPT взросление идёт несколько с другими особенностями.
@Роман Жихарев у вас была 3ка или 4ка в экспериментах?
А задайте тот же вопрос про "как быстро смогут выносить 1 ребенка 9 женщин", плиз? Просто любопытно, на этом распространённом примере тоже включится логика арифметической задачки или там что-то щёлкнет?
Это зависит от нескольких факторов, таких как физическая подготовка женщин, наличие медицинского оборудования и помощи медицинского персонала, а также сложность родового процесса.
В среднем, естественный родовой процесс для первородящих женщин может занять от 12 до 24 часов, а для женщин, рожавших ранее, может занять от 6 до 12 часов. Однако у каждой женщины может быть свой индивидуальный опыт родов.
Если предположить, что каждая из девяти женщин занимается родами одновременно, и все они находятся в хорошей физической форме, с медицинским оборудованием и медицинским персоналом, то процесс может занять около 1-2 часов на одного ребенка.
Однако стоит отметить, что роды могут быть непредсказуемыми, и необходимо учитывать возможные осложнения, которые могут затянуть процесс. В любом случае, важно обеспечить качественную медицинскую помощь для всех женщин, рожающих ребенка.
Если на английском:
It's not possible for 9 women to collectively bear a single child. Each woman can bear a child individually, but the process of pregnancy and childbirth is specific to each individual and cannot be shared or distributed among multiple people.
Furthermore, pregnancy and childbirth involve a biological process that takes a specific amount of time, and there are limits to how quickly this process can occur. On average, human pregnancy lasts around 9 months or 40 weeks, and the process of childbirth can take several hours to complete.
So, to answer your question directly, 9 women cannot bear 1 child together, and the process of bearing a child takes a set amount of time and cannot be accelerated by adding more people to the process.