Chociaż ChatGPT zauroczył konsumentów swoją zdolnością do generowania wszystkiego - od sonetów w stylu Szekspira po prace semestralne studentów - jego skłonność do „halucynowania” błędnych informacji uniemożliwiła mu na razie zrewolucjonizowanie większości obszarów przemysłu, jak twierdzą.
- Lekcją, jak sądzę, jest przepaść między umiejętnością zrobienia czegoś w pewnym stopniu a umiejętnością zrobienia tego wystarczająco dobrze do konkretnego celu - powiedział Anthony Aguirre, założyciel i dyrektor wykonawczy Instytutu Przyszłości Życia, organizacji non-profit mającej na celu zmniejszenie katastrofalnych ryzyk związanych z zaawansowaną sztuczną inteligencją.
Sherry Marcus, dyrektor nauk stosowanych w Amazon AWS, powiedziała, że klienci są na różnych etapach postępu. „Zauważyłam wiele zastosowań generatywnej AI, które już działają komercyjnie, podczas gdy inni klienci dopiero rozpoczynają swoją podróż”.
Jednym ze sposobów, w jaki generatywna AI jest już szeroko wdrażana, jak podkreślali prelegenci z różnych branż, jest pisanie kodu komputerowego.
Jak powiedziała wiceprezes korporacyjna Microsoftu Lili Cheng na platformie online firmy Microsoft Github, służącej do przechowywania kodu, około połowa udostępnionego programowania została napisana przy pomocy narzędzia AI o nazwie Copilot, które automatycznie sugeruje linie kodu.
- Kiedy rozmawiamy z programistami, naprawdę czują, że są bardziej produktywni z Copilotem, - powiedziała Cheng - Myślę, że to świetny przykład wykorzystania modelu generatywnego w połączeniu z danymi, które są w GitHub, aby sprawić, że ludzie czują się bardziej efektywni i uczynić programowanie bardziej dostępnym dla większej liczby osób.
Jako kolejny przykład na to jak technologia udowadnia swoją użyteczność, podała automatycznie generowane streszczenia transkryptów spotkań.
Przedstawiciele świata finansów również aktywnie wdrażają modele AI w swoich firmach do zadań takich jak kodowanie, generowanie dokumentacji i bardziej efektywne wykorzystanie kapitału, chociaż przyznali, że poruszają się ostrożnie ze względu na uregulowany charakter usług finansowych.
Gary Marcus, profesor na Uniwersytecie Nowojorskim, stwierdził, że generatywna AI jest podatna na błędy w kodowaniu, tak jak w innych obszarach, ale że problem ten jest mniej uciążliwy w sektorze technologicznym, ponieważ programiści wiedzą, jak sobie z nim radzić.
Marcus zauważył, że znajomość technologii lub eksperckość pracowników sprawia, że organizacja staje się bardziej odporna na halucynacje AI, które stanowią poważny problem.
Firmy powinny powoli i z rozwagą integrować technologię z zastosowaniami, w których dokładność ma znaczenie, podkreślali eksperci.
Vijoy Pandey z Cisco powiedział, że jego zdaniem AI udowodniła swoją użyteczność dla prostych, powtarzalnych czynności. Teraz wyzwaniem, jak stwierdził, jest przeniesienie technologii na nową fazę dla bardziej wrażliwych „kluczowych przypadków użycia biznesowego”, takich jak prawo i bezpieczeństwo.
- Powinniśmy po prostu założyć, że ludzie będą robić głupie rzeczy i skupić się w najbliższych latach na tworzeniu technologii, wytycznych i ram ochrony wszystkich przed owymi głupimi działaniami - powiedział Pandey.