Ключевое:
Страхи о том, что нейросети отнимут работу, сильно преувеличены. На практике это мощный, но ограниченный инструмент. Эксперты подкаста «Ось опыта» протестировали AI в реальных бизнес-процессах и делятся выводами.
Где нейросети уже работают эффективно?
- Генерация массового контента. Для создания описаний товаров, несложных SEO-статей или постов в соцсети нейросети (например, ChatGPT 4.0, отечественный RuGPT-3) справляются хорошо. Это отличный способ быстро получить черновик, который потом нужно «очеловечить» — добавить эмоций, личного опыта и экспертизы. Важно: на русском языке качество генерации пока заметно хуже, чем на английском.
- Создание изображений и визуала. Сервисы вроде Midjourney отлично помогают на этапе брейншторма и создания moodboard. Яркий пример: ювелиры используют AI, чтобы на основе пожеланий клиента («хочу что-то вдохновленное ар-нуво») сгенерировать десятки эскизов за пару дней. Это экономит время на первичное творчество, но финальный уникальный дизайн все равно создает человек-художник.
- Озвучка текста. Сервисы вроде Murf AI создают настолько качественные и реалистичные голоса, что это уже реальная альтернатива дорогой студийной записи для рекламных роликов или голосового сопровождения в магазине.
- Базовый видеомонтаж. Инструменты типа Lumen 5 помогают быстро собрать видео из шаблонов на основе текстового сценария. Это упрощает коммуникацию с клиентом на начальном этапе.
- Модерация и анализ отзывов. AI может автоматически отслеживать упоминания бренда в соцсетях, находить негативные комментарии и даже генерировать шаблонные ответы. Это разгружает SMM-менеджеров от рутины.
Где нейросети бессильны (пока)?
- Глубокий отраслевой анализ. Запросы вроде «сделай анализ рынка каркасных домов» возвращают набор общих фраз без реальной смысловой нагрузки. AI не обладает узкоотраслевой экспертизой и не может провести качественное исследование.
- Создание по-настоящему уникального креатива. Нейросеть оперирует данными, которые уже есть в сети. Она может комбинировать стили, но не способна придумать принципиально новую, инновационную идею, технологию или дизайн.
- Работа с эмоциями и эмпатией. Тексты и изображения, созданные AI, часто ощущаются «бездушными». Они не могут уловить и передать тонкие эмоциональные нюансы, критически важные в маркетинге и искусстве.
Главный вывод: AI — это молоток, а не плотник.
Нейросеть — это мощный инструмент, который усиливает человека, а не заменяет его. Она идеальна для решения рутинных, повторяющихся задач и генерации идей на старте проекта. Но финальное решение, креативную доработку и стратегическое мышление она обеспечить не может.
Совет для бизнеса: Не ждите, что AI решит все ваши проблемы. Начните с малого: поручите ему создать черновик описания для нового товара, сгенерировать варианты фона для карточки товара или озвучить простой рекламный текст. Тестируйте, учитесь формулировать правильные запросы и используйте AI как помощника, а не как угрозу. Ваша главная задача — оставаться человеком там, где нужны эмоции, креатив и экспертиза.
Аудиозапись
Транскрибация
Время прочтения(в минутах): 26
Спикер 4:
Здравствуйте, друзья, с вами 102-й выпуск подкаста «Оська. Опыта». И я, Екатерина Кузенцова, Камиль Калимулин.
Спикер 2:
Привет-привет.
Спикер 4:
И Наташа Красильникова. День добрый. Мы сегодня с вами поговорим о нейросетках, тема нашего выпуска — нейросети для розничного бизнеса, помощники или угроза. На самом деле, вы все тут, я в меньшей степени, но, у Камили и с Наташей в большей степени связаны с IT-бизнесом, как минимум, в образовании. Ну, понятно, что у Камили IT-компания, тут, в общем-то, всё однозначно.
Может быть, вы не знали, но Наташа Красильникова училась вместе с Камили, у Наташи тоже образование IT-шное, а у меня первое образование — прикладная лингвистика. И тема моей дипломной работы — механизм моделирования юмора на основе средств массовой информации. И, в общем-то, это как раз для того, чтобы учить искусственный интеллект разговаривать.
То есть все мы немножко про это, поэтому мы с огромной радостью сегодня говорим с вами про нейросетки, потому что действительно в последнее время об этом много говорят, кто-то нервничает, кто-то пробует, кто-то говорит, что это никогда не сработает, кто-то говорит, что это выкинет всех с рабочего рынка, нам будет нечего есть, будут работать только роботы. Вот, и, соответственно, мы решили разобрать эту тему, и на самом деле мы все попробовали, все попробовали нейросети, и мы сейчас будем делиться своим опытом, но сначала я все-таки хочу задать вопрос немножко не про опыт, а про видение.
Начнем с тебя, Камиль, но вопрос будет одинаковый для… Начнем с тебя, Камиль. Скажи, пожалуйста, Камиль, нейросетка в том состоянии, в котором она есть, могла бы придумать название обыска опыта для наших партнеров?
Спикер 2:
Да, я думаю, да. На самом деле сейчас… Ну что такое нейросеть, да? Чтобы понимание там базовое, да? Есть алгоритм. Алгоритм предполагает, что внутри такой вот структуры находятся определенные точки, через которые проходят сигналы, и чем больше этих точек, это математическая модель, тем любую штуку эта модель может представить. То есть, чем больше точек, ну или нейронов внутри головы, соответственно, тем более сложную функцию может эта штука моделировать.
Поэтому, Ну, в принципе, сами нейросети — это не новость, то есть, не новая технология какая-то такая, сверх такая, типа, вот. Просто сейчас мы с вами проживаем такой этап вновления технологий, когда какая-то старая, готовая, понятная штука, она накопила какое-то определенное количество данных, вот, она накопила определенный уровень сервиса, да,
то есть нашли способы ее куда-то приложить, и вот мы с вами последний там год-два, наверное, три, кто не замечал, проживаем способ полезности использования этой технологии. Вот, в том числе в части текстов, в части графики, там, музыки и других-других штук, которые работают. Поэтому, в принципе, название придумать, наверное, сможет какая-то штука, вот, если ее научить придумывать это название. То есть основной такой вот, ну, мне кажется, основной ошибкой считается, я считаю, думать и заменять алгоритм некой такой вот, знаете, как бы живой штукой, которая сама что-то там сделает за тебя. Вот. Нет, она…
Это алгоритм, который сделает только то, чему его научили. То есть если есть какая-то выборка, условно говоря, названий, и алгоритму говорят хорошо или плохо, да, перебрали там десять тысяч именований, да, и сказали, хорошо или плохо. И когда мы даём там тысячи первое, он говорит, вот хорошо или плохо. Поэтому при достаточной образовательной выборке можно научить, конечно, и название придумать.
Вопрос-то только в том, что мне вот название там нравится, тебе нравится авоська, а кому-то не нравится. Слушай, как бы, какой критерий, да, крутости названий? Вот поэтому надо говорить о применимости технологии, надо говорить о том, где эта технология применима реально, где трудоемкость использования этой технологии, то есть количество трудочасов, потраченных людьми на создание этого алгоритма, будет эффективна для того, чтобы получать необходимые результаты в той задаче, которую вы решаете.
То есть не надо обожествлять алгоритмы математические, это всего лишь алгоритмы, хотя они дают крутые результаты в определенных задачах.
Спикер 4:
Спасибо, Камиль и Наташа. Тот же самый вопрос. Как ты думаешь, в том состоянии, в котором находится нейросеть сейчас, могла бы какая-то из них придумать такое крутое название для кого-нибудь?
Спикер 3:
Вот если мы говорим прямо вот сейчас-сейчас, да, с учетом того, что сегодня 24 марта 2023 года, если взять нейросеть базовую, да, там тот же самый, например, ЧАДЖИ-540, в принципе, потратить какое-то количество дней, и, может быть, даже дописать дополнительную нейросети, да, обучить. Я думаю, что вот сегодня она бы с этой задачей уже, пожалуй, могла справиться. Единственное но, что так же, как и в реальном нейминге такого класса бренды, названия, они появляются там в первом круге, даже от живых людей профессионально заточенных делают нейминг.
То есть это какое-то количество сессий, когда уже рождаются действительно потрясающие вещи. Есть, конечно, безусловно, там потрясающе одаренные люди, которые это делают просто вот так. Я несколько раз видела на защитах у Екатерины в вордшопе, как это делает Светлана Майбродская. Слушает, слушает, слушает, раз, через 5 минут название, все. Причем в большинстве случаев оно не занято. Конечно, не сравнишь.
Света, которая 50 лет тренирует в нейросети, решение этой задачи, не алгоритм, который тренировался 4 года, они незаблуждавимы. На самом деле, сегодня, если задаться этой задачей, взять алгоритм, обученный на огромном массиве данных, и добавить еще свое обучение, дописать свою специфическую историю, в принципе, на каком-то там 105-м круге, скорее всего, получить название такого класса можно. Просто надо в голове держать простую математику. Алгоритм учится на повторении данных в том числе.
То есть это данные, связанные некими правилами, и частота повторения данных, которые в это правило как бы подходят, они говорят нейросети, что это результат хорошего качества. Поэтому, если часто встречается всякий бред, то сеть в итоге выдает в бред как наиболее рекомендованный результат. Поэтому могут встречаться такого сорта вещи, названия с поставлением слов друг с другом, что сеть, например, предложит что-то другое.
То есть чисто теоретически, наверное, какое-то интересное название нейросеть генерить действительно может. Вот есть такой сервис на американском, правда, рынке. Называется он Nameless. Я несколько раз пробовала им пользоваться. Могу сказать, что в английской версии, на английском языке, иногда рождаются достаточно интересные вещи. Это полезная история, когда ты пробуешь раскачать себя для того, чтобы пройти несколько первых этапов в нейминге и куда-то двинуть свой уже творческий человеческий мозг, да, с огромным процессом обучения нейронной сети, достаточно сложной, и сделать на следующий шаг.
То есть как вспомогательный инструмент точно я бы рекомендовала сегодня этим попользоваться, прежде чем идти. И, наверное, если дописать некое расширение, когда она не только тестирует, но и заодно проверяет название на то, что они еще не заняты другими игроками в конкретных там локациях, территориях и странах. Глобально достаточно небыстрый процесс.
Вот если посмотреть вот это сочетание, то это, конечно, наверное, способно сегодня сократить период времени на выработку названий с автоматической проверкой. Здесь, конечно, я думаю, что было бы интересно специалистам попробовать такого сорта вещи.
Спикер 4:
Спасибо, коллеги. Ну, конечно же, осколкопыт придумала не нейросетка, опыта придумала моя студентка. Вот, наверное, Наташа сказала про Светлану Майброску. Светлана Майброска основательница Академии Workshop. Она там ведет курс по неймингу, и я там тоже преподаю. Моя студентка проходила в том числе курс по неймингу, и Светлана дала задание, предлагала придумать название. Вот, студентка его придумала, мы в него вступились, и поэтому теперь у нас с самого начала был оськопыт.
Ну это так, я раскрываю секрет. И, кстати, мы его не проверяли, поэтому ничего в этом плане не знаю. Да, ну у меня, честно говоря, есть сомнения, что это действительно стоит овчинковой делке, потому что, ну, я считаю, например, что аварийный столб для человека перенеет намного быстрее, с меньшей мощностью и с меньшим затратом денег, чем нейросетка, по крайней мере, в настоящем состоянии. И согласна, в том числе, с Наташей, что действительно ее можно использовать как помощь. Ну, сейчас мы уже… Я сама много пишу текстов. Сама, кстати, придумала название.
И могу сказать, что в помощь тебе C-Animizer, в помощь тебе разные карты, тезаусы, которые тебе помогают с этим работать, словари. То есть все это уже есть. Другое дело, что действительно это можно все загрузить в нейросеть. Хорошо. Размялись. Давайте перейдем уже к практике и розничному бизнесу. В розничном бизнесе есть огромное количество MSBI-областей, которые требуют автоматизации. И, конечно же, мы хотим, чтобы там было все автоматизировано.
Ну, как я понимаю, если мы, например, берем интернет-магазин, на котором большое количество картинок те же самые, большое количество описаний, большое количество текстов, большое количество рекламных описаний и в соответствии с рекламными описаниями картинки всего-всего-всего остального. Мы, как я уже сказала, протестировали различные нейросетки, я лично пробовала работать с IntelliJourney, причем работала я лично сама и мои дизайнеры, разные дизайнеры с разной подготовкой.
Скажу честно, сделать серию картинок у нас не получилось. Возможно, мы мало старались, мы же мало вложили времени, чтобы с той стороны получилось то, что нужно. Но когда нам нужно, допустим, было сделать для нашей школы лакарусы, и при помощи лакарусов проиллюстрировать несколько разных идей, у нас получилось две, третий никак не получался совсем, вот, и мы поняли, что нам проще просто сделать это каким-то другим способом.
То же самое произошло, когда нужно было сделать девушку с разными выражениями лица, и у нас тоже не получалась серийность. То же самое произошло, когда я пыталась, в принципе, сделать человека под нужную задачу, в нужном стиле, опять же, с нужным выражением лица. С выражением лица возникают очень большие проблемы. Видимо, потому что все-таки мы умеем считывать, как люди, нюансы. Сеть этого не понимает, да, нюансы эмоционального настроения слов совсем.
Поэтому слово «стресс» у нее может быть абсолютно по-разному выглядеть, и у меня не получилось. Поэтому, зная, что, Калий, ты пробовал нейросетку, расскажи, какую, расскажи, что у тебя получилось, и насколько это применимо вообще вот к розничному бизнесу с твоей точки зрения.
Спикер 2:
Ну да, я вот считаю, что действительно есть задачи, которые нейросети могут решать для бизнеса, и генерация контента — это одна из задач, которые решают бизнес очень активно, особенно если вы работаете с визуальным товаром, особенно если вы продаете, там, неважно, пишете контент. Вот. И, соответственно, тут есть потребность и в текстовом контенте, и в графическом контенте, и в видеоконтенте, кстати, да. Вот. Сейчас много разных стихологий, которые видео могут генерировать на базе этой истории.
Вот. Сервиса достаточно много. И, наверное, я не знаю, мы не договаривались, но мы можем скинуть, наверное, в наш группу подкаст список. Вот, мы делали такой небольшой обзор, да, вот. Поэтому, ребят, смотрите, используйте, потому что сервисы разные, они меняются, это как живой организм, да, сегодня не получилось, завтра, может, получится и так далее. Вот, да, я использовал сервисы, ну, еще там российские сервисы, типа, дали, дали, Сбербанк нас с Майкрософтом делали, вот.
У меня была очень простая задача. Я захотел, короче, разместить в синей толстовке, значит, человека, который куда-то там что-то стреляет и так далее, вот. Но, значит, сложный запрос для сети, потому что, действительно, вот я там перебирал разные запросы, то есть, вбивал запросы и примерно, ну, понимая, что есть определенные такие вот, ну, как бы, паттерны, да, определенные уже наработанные картинки, которые, там даже Янекс же, он вынабирает, он же как-то ищет, там, например, наберите, там, человек в синем худи, да, он же цвет синий определяет, и человека показывает, да.
То есть, фактически нейросети, они были давно, да, там, в картинках. Вот. И, да, у меня там удалось это сделать, но это достаточно сложно получилось, то есть, и качество, да, было ниже, чем-то, что я ожидал, да. Вот. Но это не говорит о том, что это не работает, это говорит о том, что есть разные продукты, у них есть разные уровни качества, и я ожидаю, что, в общем-то, через какое-то время вот то, о чем говорит Екатерина, там, связанное с эмоциями,
связанное с различными вариантами представления, это вопрос выборки, вопрос запросов, вопрос анализа семантики, такие достаточно сложные алгоритмические вопросы, которые последние 10 лет, 15 лет решают большие гиганты типа Гугла и типа Яндекса, вот. Но вот то, что происходит сейчас, вот эта хайповость, да, вот эта востребованность этого продукта. Оно позволяет аудитории и компаниям больше в это инвестировать и, соответственно, повышать качество этого продукта.
Вот кроме картинок, я знаю ребят, активно я смотрел на них, как они делают, они делают стартап по разбору документов и выжимки из этих документов, представление выжимки из этих документов. Вот. Таких, на самом деле, ребят достаточно много в стране в целом, вот. Но хочу сказать, что это школьники, первое. То есть, уже школьники могут, используя библиотеки OpenAI и так далее, сделать уже какой-то софт, который решает какую-то бизнесовую задачу.
То есть, реально, 10-классники, 11-классники приходят в компанию, говорят, слушайте, давайте мы вам такую софтину дадим, которая, значит, вам поможет вместо 20 документов читать, не знаю, два абзаца и экономит свое время. Например, вот у них такой стартап. Мы говорим с ними сейчас о том, чтобы они там, разобрали подкаст авоська, и что мы смогли сгенерировать. Я надеюсь, у нас это получится, и мы покажем, как это работает в реальности, да, если вы подписаны на наш подкаст.
Вот. То, что касается текстовых историй, там похожая история, да. То есть, есть история про генерацию контента, описание товара, но понятно, что если чем более он специфичный, чем более он технический, чем более задача узкая, тем вот та обученная выборка, обучаемая, да, на которой обучали этот алгоритм, да, то есть понятно, что она менее-менее будет вероятностна, да, для того, чтобы выдать вам нужный результат. Поэтому я думаю, вот мой прогноз такой, что массовые истории будут достаточно качественными, вот, девушка рыженькая, улыбающаяся, да, будет достаточно качественная, вот.
Но какой-нибудь, я не знаю, инженер, не знаю, бурильщик в синей шапке, с какими-то, значит, с бородой, значит, еще там, не знаю, там саперной лопатой, да. Вот, наверное, вот это еще мы будем ждать какое-то время для того, чтобы дожить до того, чтобы этот продукт мы получили достаточно качественный.
Поэтому не боготворите алгоритмы. Это просто алгоритмы, которые позволяют решать задачи. И пробуйте, пробуйте. Я за то, чтобы пробовать, смотреть, и, может быть, конкретно ваша задача, не знаю, наложение фона, например, для какого-то продукта, да, есть такие сети, да, вот, вы получите офигенный результат, а почему нет? То есть это новая технология. И это круто, там реально очень крутые и интересные вещи получаются.
Спикер 4:
Да, спасибо, Камиль. Я вот могу сказать, что на самом деле нейросетки делают уже достаточно сложные моменты. Опять же, они до конца не проверены, но вот у меня, поскольку дочка в направлении биоинженера и биоинформатики учится, я, конечно, обращаю внимание на биоизработки. И вот недавно была такая новость, что в Канаде, в Торонто, в институте искусственный телевизор за 30 дней заработал по специальной речективе лекарства от рака печени, то есть лекарства, и сейчас его собираются тестировать.
Вот, так что да, всё, ну понятно, что это в институте, понятно, что там были специальные люди, ну опять же про дочку, да, биоинженерию, биоинформатику она знает 5 языков программирования. Понятно, что они сами, сами это разрабатывают, каким-то образом умеют, естественно, и кормить правильную информацию, потому что они разрабатывали фоды. То есть да, так это работает. С другой стороны, мы сегодня говорим все-таки про бизнес, про розничный бизнес. И вот у меня студент попросил Чан Чжэпэти делать рубежный анализ для рынка проектированного в квартирных домах в России.
Вот сейчас я прочитаю вам только политический, но все остальные я могу сказать вам абсолютно такие же. Политические постановления о разрешении государственных органов ВОЛОК влияют на развитие и строительство многофактурных домов. Изменения в политической среде могут повлиять на доверие инвесторов и повлиять на доступность финансируемости для проекта. Вы сами понимаете, это шум сессии. Примерно всё такое же, да.
Спикер 2:
В тему, в тему, говорит, в тему.
Спикер 4:
В тему, в тему, да, в тему, правильно. А в тему, в тему, в тему, но на самом деле смысла здесь ноль, ровно ноль. Выблокировать анализ, конечно.
Спикер 2:
Я понимаю, что разные задачи, понимаете, ребят, но не надо вот как бы, да, иметь это как человека,
Спикер 4:
Который ожидания просто, понимаете. Сейчас, пока не получается, не сейчас, да. Поэтому вопрос у меня, Наташа, к тебе. Я думаю, что ты действительно произвела большой анализ, ты у нас визионер. Расскажи, где вообще ни шоу, кроме контента, его можно применить, и все-таки его можно применить удачно.
Спикер 3:
Слушайте, я вам даже расскажу про контент, где применяется, и применяется удачно. Могу же сказать, я выкладывала уже, когда у нас шел анонс эфира, я кое-что выкладывала из того, что мы делаем, и даже знаю, что ребята говорят, слушайте, красивые у тебя картинки. Это делала не я, это делают ребята, которые у нас работают на ювелирной части задачи. Это действительно ювелиры, которые отвечают за технологию, за сборку и производство ювелирных изделий и украшений для людей.
И они активно пользуются. То есть люди приходят и говорят, слушайте, мы хотим, нам понравилось, где-то видели вот что-то такое, мы хотим не реплику, мы хотим что-то вдохновленное такого сорта образа. Приносят десяток или двадцать картинок. Ювелир-человек смотрит это все, примерно из этого понимает что-то в качестве запроса человека, потому что люди словами структурно свой запрос не описывают. Дальше они берут, вот ребята используют у нас Миджорни, и достаточно часто говорят, что за полгода стало лучше работать.
То есть они научились, Миджорни там чему-то научился, это уже такая для меня магия там получается. Факт есть факт. Мы, говорит, грузим картинки, мы пишем тексты в описании, мы пишем запрос, исходя из разговора, там, часового-полуторачасового с клиентом, вот мы все это выгружаем, ждем, что он делает, повторяем цикл несколько раз. То есть, ну, я показала там 4 картинки по факту, их было около сотни из них, там, 12 ювелира отобрали, показали мне.
Вот я там вам какую-то часть показала в предэфире. Вот. В принципе, для базового эскизирования неплохой результат. Если перед вами есть художник, который с этой задачей работает, он эту задачу решает примерно за 40 минут. Системы на это уходят до 10 дней сегодня. То есть, понимаете разницу, да? Но, тем не менее, инструмент развивается, и я думаю, что в течение, там, двух-трех лет он уже по срокам от подклика на задачу более-менее релевантным станет уже достаточно удобным для работы вот специалистов.
То есть я в этом вижу не то, что там какое-то визионерское будущее, а весьма себе краткосрочное. Ребята говорят буквально следующее, когда нам нужно на базе нескольких идей сгенерить целый ряд и посмотреть, что мы от этого можем оттолкнуться и сделать следующий шаг уже человеческим способом, вот сегодня это уже вошло в реальную практику, это устойчиво повторяется, используется и так работает. Это при моделировании конкретных продуктов, конкретного ряда в конкретных совершенно там изделиях. Заметьте, все равно специалист с очень узкой специализацией это делает.
То есть это не любой там сел. Школьник, взрослый, сел там, что-то написал, у него получилось. Нет, это делает специалист. Его средства десятилетия уже работают вот на этой задаче. То есть конкретно профиль этого человека уже это бигдата огромная, там есть привязка поисков в тех же самых поисковых системах. Они друг с другом, простите, общаются, собирают данные, в том числе, из профиля клиента и так далее. То есть есть какие-то, в том числе, вкусовые предпочтения.
Ребята сказали, что мы используем это для того, чтобы тоже клиент не был заложником нашего вкуса, нашего стиля, а мог получить такую среднестатистическую выборку. Значит, на выходе получается что? Получается что-то среднестатистическое, то есть ни разу не уникальное. Это надо понимать, что это какой-то вот такой повторяющийся вариант изделия для масс-маркета. Ну, наверное, да, для того, чтобы взять за базу, это сделать можно. Это работает сегодня. Вот мы стерильный меджурн.
Еще из картинок, как бы это можно использовать для чего. Когда вам нужно, например, подстроить карточку товара в своем магазине или на маркетплейсе, вы действительно можете взять там свою фотографию и загуглить, ну, дать как бы задачу нейросети поискать аналогично. Тот же, там, Дали так делает, тот же, там, сейчас GPT это может делать, меджурни это может делать. Он вам может сгенерить, в общем-то, вполне себе приемлемую карточку для товара, которую можно использовать в интернете.
Действительно, вот Камиль заметил интересную историю про фоны. Да, мы знаем, что есть стилистика всего дизайна сайта. И хорошо, когда фон достаточно часто повторяется. Эти картинки легче читать, видеть и воспринимать. Да, поэтому часто, например, используется белый фон, с которым просто не надо работать. Да, там контур вырезали, на белый фон поставили. Окей. На самом деле, если у вас задача товары выше среднего продавать, да, то это же фон, он создает атмосферу. Здесь, конечно, есть там инструмент, который это делать тоже неплохо. Я пробовала эту историю в виде генерации контента.
Правда, не совсем для розничной истории, а для нашей внутренней. А я попробовала пользоваться Beautiful. Ai для презентации. Слушайте, очень неплохо. То есть, это лучше, чем я до этого делала. Я не дизайнер. У меня ноль навыков к визуализации таких профессиональных. Я что-то могу, но, в общем, я ни разу не дизайнер. Я могу просто оценить, что это приятный взгляд. Вот я пробовала делать презентационный материал для каталогов, для продаж сложного технического оборудования, конкретно.
Справляется очень неплохо, причем помогает расставить грамотно блоки, так, чтобы это, в общем-то, выглядело сбалансировано. Да, руками потом доделываешь, он такую возможность, безусловно, отдает, но начальный вот вариант прям очень-очень неплохо. Это вот за последний месяц я попробовал, честно говорю, мне понравилось. Из того, что генерит, например, там тексты, да, я часто пробовала это делать. Правда, честно скажу, на английском языке в большей степени, чем на русском. На русском мне вообще радикально не нравится все, что делают сети, это плохо.
Русский очень сложный язык, это не английский. Вот допросят меня лингвист, да, реально, английский десятый раз больше, чем русский. И вот на английском языке я пробовала делать различного рода описания каких-то инженерных сложных решений, ну, как бы, что продаем, с тем и работаем, да, вот. Слушайте, честно, очень неплохо справляется, неплохо структурирует, понимает, что вынести в табличный формат там, да, и так далее, какие тексты написать.
Но пишет абсолютный бред с точки зрения инженерных специфик. Вот как Камиль сказал, если мы там описываем какое-нибудь кресло-качалку с тысячами примеров карточек, написанных людьми, то есть там тот же самый, я знаю, там агентство маркетингового E-Lama делал такой анализ-эксперимент. Они прям сравнивали три вещи. Они сравнивали chat-GPT, правда, в версии 3.5 Эксперимент был описан в четвертый. Они брали бот InSales, и они брали бот точки Marketplace, да, вот их, и просили их там сгенерить текстовое описание одного и того же изделия.
Там несколько экспериментов, и надо сказать, что вот как раз на более сложном изделии, но бытового применения нейросети справились очень неплохо. Безусловно, этот текст нужно потом править человеку, да, но уже не нужно сидеть и прям вот с нуля разбираться, вычитывать, в каталоге выписывать. То есть, как первый этап подготовки текстов для карточки на Marketplace, они конкретно прямо эту задачу стали, управляется очень недурно. И вот то, что я видела из того, что, ну, удалось.
Я смотрела не сама, смотрела через профайл. Ребята по Charge4.0, которые сейчас слышат. Слушайте, это действительно прорывная история. Они очень даже на нормальный текст пишут в этой части. Вот. Но там все равно надо пройти. Я попробовала на нашем железе, да, вот эти вот истории, я попробовала копию AI, да, на английском языке, еще раз говорю, ну, в общем, как сказать, вот то, что он выбрал параметры, там, структурировал, там, в табличке занес, ну, в общем, это сделано неплохо, но для человека это совершенно очевидная вещь.
А вот то, что нужно взять и написать какие-то комментарии инженера к этой инженерной системе, да, и обратить внимание технолога, проектировщика производства на какие-то аспекты, с этим пока сеть совершенно не справляется, потому что нет достаточного объема данных, которыми можно вообще скормить, чтобы он что-то внятное это сделал. То есть он действительно не в состоянии сделать технологический анализ четырех единиц, продаваемых от разных брендов.
Ну вот нет, вот здесь не работает. Очень узкая отраслевая экспертиза, и он, к сожалению, не может найти достаточное количество данных, чтобы его описание было достоверным. А вот в части описания, например, отдельно взятые бутылки, которые вы можете купить себе домой в качестве вазы, Они уже хороши. Вот это вот чёткая граница, где…
Спикер 4:
Наташа, всё-таки понятно про КТА, можно применять в ограниченных вещах. Скажи всё-таки про другие применения, потому что я знаю, что это сложно объяснить.
Спикер 3:
Другие практические применения, где это работает. Да, я могу сказать, что я была абсолютно потрясена. В рамках обзора я нашла такую штуку, она называется MIRF-AI. Это озвучка весьма реалистичными голосами. То есть если вы делаете вот для магазина, для интернет-магазина или оффлайн-магазина, вы делаете какую-то штуку, вам нужно, чтобы определенного сорта голос, там, мужской, женский, что-то рассказал. Слушайте, это реально работает круто. Это лучше, чем платить за озвучку на ступе. Это офигенно.
То есть вы даете готовый текст, и вот он озвучивает. Это очень интересно. Мне прямо понравилось, потому что это вау, да, там было для меня. Я понимаю, что в реальности для бизнеса это делает доступным, да, совершенно обалденную вот эту вот технологию, потому что нейросети работают с аудио, с видео, с картинкой, с текстом, со смыслами и так далее. Вот это прям круто-круто. Я ничего не умею делать в видеомонтаже, но я спрашивала людей, кто профессионально занимается видеомонтажем даже на уровне монтажа кинофильмов, документальных, профессиональных и так далее.
Они говорят, что существуют сотни инструментов. Я вот спрашивала ребят, кто занимается видеороликами, сказали, что Lumen 5 — это интересный инструмент, в котором тоже генерируется вот эта вот базовая видеоистория. Говорит, можно, например, делать предложение клиенту, профессиональная видеомонтажера, и говорит, мы показываем, как может, в принципе, то есть мы поговорили на словах, загнали на какой сценарий и показываем, какой видеоряд может быть.
Это упрощает взаимодействие в этой части. И на самом деле мы понимаем, что там 5−6 лет, вот если как визионер отвечать на твой вопрос, то через 5−6 лет можно будет уже заниматься генерацией видеоконтента абсолютно полноценно, не прибегая к сотням людей, которые до этого это делали. То есть там технологические прорывы прям вот уже наметились, и это просто сейчас принимает уже удобную форму для потребления, да. Я думаю, что еще Камиль там расскажет, потому что мы улучшали как-то звук там в виде правоопытоводских опытов частных.
Я потестировала еще две вещи. Я попробовала попользоваться как бы сервисами, которые могут писать комментарии на пост в сетях социальных. Я посмотрела, как работает, почитала какие-то комментарии. Я, например, была удивлена. Можно спокойно сделать сетку для работы по СЕРМ при мониторинге, когда вы как брендовую коммуникацию ведете, у вас не хватает персонала и денег, чтобы нанять кучу SMM-агентов, которые будут отслеживать эту историю.
Например, кто-то где-то матерится, говоря о вашем бренде. Вот это все можно автоматически парсить, находить, писать на это комментарий, не надо сажать человека, который просто структурирует, приводит к среднему знаменателю. Эти вещи действительно технически сделаны для того, чтобы вы ведете какую-то свою колонку, вы пытаетесь исключить людей, которые, во-первых, роботы пишут комментарии.
Вот уже нейросети борются с другими элементами искусственного интеллекта сами, без участия человека. Война в ботах идет. Это действительно работа. Я знаю, что используются вот такого рода инструменты, ну, с разных платформ, да, для того, чтобы использовать. Я еще попробовала, потестировала Gerwin AI, но это, правда, было не за последние месяцы, это было постарше в течение последнего года. Это русский продукт, а он очень прилично пишет на русском тексте.
Значит, мой опыт был не очень удачный, но я понимаю, что я давала очень специфичную задачу. Я скормила ему несколько десятков статей на английском и, наверное, около десяти статей на русском, просто не было бы она противника, который для того, чтобы он мне написал научную статью, переработал, вот такой обзор научный сделал. Справился фигово. Но я понимаю по выкладкам, что скорми, я ему там гораздо больше объем данных и предоставь возможность написать статью такую более ориентированную на обычного потребителя, там, с комментариев про яблоки, там, еще что-то.
Он бы сделал круто, реально. То есть могу сказать, что вот эта штука работает лучше, чем ЧАДЖИ-5 на русском языке точно, по крайней мере, сегодня. Может написать статью 5−6 страниц, вполне себе внятно, сделать себе заготовку, которую вы потом вручную откорректируете, добавите уже куски вашего личного опыта и вашей личной позиции, очеловечить, эмоционально окрасить, потому что тексты, которые генерированы нейросетями, они немножко по мне так бесчеловечно, и вот их бездуховность ощущают, да, Петя, вообще.
Но на самом деле у меня много молодых сотрудников, я знаю, как они пишут. Конечно, пока у человека нет вот этого опыта, он не может этими красками пользоваться, еще просто там боится какую-то свою позицию оставлять. Ну, это примерно одинаково.
Спикер 4:
Да, то, что я слышу, что от Камильи, что они массовые, ну, как бы entry-level, то есть пока они справляются по уровню, и, в общем-то, как я понимаю, Угроза будет как раз для такого плана сотрудников, которые делают какие-то массовые вещи, повторяющиеся вещи. Я, например, слышала, что алгоритмы, искусственный интеллект лучше справляется с диагностикой. Понятно, что в несложных каких-то ситуациях, но вот с массовой диагностикой, что это, грубо говоря, грипп или простуда, они справляются лучше, чем человек.
Спикер 3:
У гриппа или простуды самая сложная категория заболеваний, а вот с тем, чтобы дать поддержку принятию решений, например, разметки МРТ лёгких, да, они дают огромную базис и это действительно большая помощь, даже не то, что лучше или хуже. Он справляется не так, как человек, он справляется так, как машина.
Спикер 4:
То есть, в первую очередь, используют алгоритмы, когда это лучше и старый диагноз диагностику проводит более точно, чем справляется человек. Вот, и поэтому у меня, наверное, знаете, какой к вам вопрос будет, да? Последний вопрос, да, опять начнем, Камиль, с тебя. Скажи, пожалуйста, Камиль, ну как ты думаешь, вы вообще, нас выкинут из космонтеллекта все-таки или нет, конечно, еще?
Спикер 2:
Просто вопрос подорожащий. Я люблю историю, у меня бабушка в деревне с дедушкой жили. Вот. И, значит, они прямо рассказывают историю, когда была электрификация всей страны. Ленин, помните, да, там электрифицировал, вот. Значит, для того, чтобы вернуть лампочку, нужно было ставить бутылку, короче, электрику. То есть, чтобы лампочку вернули, тебе, то есть, ты завез же электрика, короче, ставишь бутылку, это валюта такая, да, вот, и тебе выворачивают лампочку, да. Вот. Соответственно, ну, там, понятно, что, да, потом все научились, как бы, дорого, там, научились выворачивать лампочки, там, и так далее, да.
Вот, мне кажется, что мы проживаем обычный стандартный сценарий развития любой технологии. То есть, да, есть, ну, не знаю, там, на лошадях кто-то раньше ездил, были кучеры, да, потом появилась газ-кнопка, да, и там что-то еще. Вот, то есть, вот даже сейчас, когда мы обсуждали, да, вот сколько отраслевых решений появилось, и сколько людей занято созданием этих решений, сколько появилось людей, которые начинают обучать эти решения и понимают, как их настраивать.
И, соответственно, мы говорим не о том, что мы все умрем, или там все заменят роботы. Мы говорим, что работа, которая раньше делалась, физическая работа, либо какая-то другая работа, она просто становится другой. И люди просто будут заниматься чуть другим, и, возможно, это будет чуть интереснее.
То есть, это, знаешь, термин есть такой. Чем больше мы знаем, тем больше мы не знаем. Это о чём? О том, что вот этот вот периметр того, что находится на грани знаний и незнаний, да, он постоянно расширяется. Поэтому люди будут заниматься просто другими задачами, более интересными. То же самое, как и произошёл пандемию, я не знаю, но люди же перестроились, то есть, да, вот не умерли никто, да, от того, что, значит, вышли, как бы там, экономические какие-то изменения произошли.
Да, есть, понятно, что любая штука, которой сейчас ты занимаешься, она, может быть, завтра неактуальная. И здесь, наверное, да, надо быть готовым, постоянно учиться, и в этой части, конечно, мир меняется. То есть, динамика, с которой все происходят изменения, она, конечно, ускоряется. Поэтому здесь надо нос по ветру держать, да.
Спикер 4:
Получается, что у нас как бы вот основной аргумент, ну, есть один из аргументов, опять же, на просторах сети, что да, ну, конечно, вот эту вот лёгкую работу займут, мы начнем креатив. Но мы же сейчас видим прекрасно, и опять же, в сети тоже это обсуждается, мы же видим прекрасно, что сетка заходит на креатив. Мы обсуждали картинки, мы обсуждали видео. Наташа рассказывала про то, как использовать для ювелирных изделий. Я могу сказать, что я, как архитектор, тоже, естественно, когда я впервые увидела то, что я генерировал искусственный интеллект для архитектуры, я сказала «вау».
Ну, второй раз я сказала «вау», а третий раз я сказала «блин, да где ты это видела?» Сейчас я уже сразу вижу картинку, которая сгенерировала искусственный интеллект, потому что вот чему-то для архитектуры, а ничего другого.
Спикер 2:
Можно я ещё вот один тез добавлю, Кать? А, смотри, ну вот, что такое нейронная сеть, чтобы все понимали? Ну, этой же, этой штуки уже, там, 70 лет придумали люди назад. Вот. Кто-нибудь, называется, занимается придумыванием новых штук. Вот. Вы понимаете, что вот в мире сейчас, да, на самом деле, придумыванием новых штук типа нейронных сетей вообще мало кто занимается. Вот. Может, наконец-то уже кто-то займётся как бы фундаментальными следствиями. Ну, может, уже слетаем, там, что-нибудь построим, да? Слушайте, ну, давайте займёмся какими-то более интересными задачами,
Спикер 1:
чем просто, там, не знаю, там, делать то, что может сделать алгоритм математический. Да, это к вопросу креатив. Наташа, как это креатив? Не только креатив, да, инженерная задача. То есть, да, это профессиональный следователь.
Спикер 3:
Это просто креатив.
Спикер 1:
В целом, изыскательский, да, вопрос.
Спикер 4:
Понимаешь, что это креатив? Наташа, вот скажи, тогда, раз мы так перешли на называние креатива, скажи, а нейросеть может рано или поздно заняться креативом? И может ли она сейчас заняться креативом? Вот то, что сказал Камиль сделать.
Спикер 3:
Придумай что-то новое. Я бы, вот представьте, все-таки разделила, в той части, когда это такая маленькая, какая-то там узенькая задача, вот там на креатив мне какой-то элементик, не знаю, там, ручку отвернуть, да, то есть ручки отвернуть существуют, там, сколько это, 3000 лет, да, огромное количество данных есть в интернете, правда, не все, но много, да, там, данные там появляются, там, конечно, что-то она в этом смысле на креатив, да, ввозит.
А вот, например, стать разработчиком инновационной технологии, простите, нет. Когда даже вот ты рассказываешь пример, что за 30 дней там искусственный интеллект подобрал какое-то лекарство или вот это не совсем корректно, потому что на самом деле там тот же самый университет Торонто занимался этой темой последние лет 60. В том числе это делали и обрабатывали в технических системах, смотрели различные пути данных своих, исследований. Там даже до нейросети есть такие прям алгоритмы, которые абсолютно просто с данными работают.
Это не со знаниями, а именно с данными. Есть такая разница, то есть данные — это просто данные и данные, да. Знания — это данные плюс правила, по которым они превращаются в какие-то решения, да. Там, условно, быстро, в человеческий язык объяснять, вот. Вот там эта история, ей там не один десяток лет, там огромный бэкграунд человеческий, который вот это вот все подстраивает, учит и разделяет на части, да. То есть, вот с точки зрения того, кто вы, и доступно ли вам это сейчас или будет через 10 лет.
Понимаешь, если вы маленький бизнес, завести там 30 аналитиков, которые будут сидеть на вашем типе данных, разбирать их на части, писать базовые нейросетки, обучаться, смотреть, что вылезло, и дальше подстраивать это под вашу задачу. Вот сегодня это может быть так. Конечно, для малого бизнеса это просто недоступная роскошь, содержать такого сорта людей. Даже если это школьники, смотрите, у меня они там завтра захотят зарплату, да, вот и так далее.
Но это развивается, и через 8−10 лет будет огромное количество инструментов, которые написаны большими-маленькими командами, которые просто в экономике шейринга разделены по участию, как бы в облаке пользуются сейчас какими-то сервисами. Например, взяв уже Google Docs, мы сможем пользоваться заусловно бесплатно или за какие-то небольшие деньги. Для меня, например, прорывом является, что 5 лет назад выиграться в нейросети нужно было 6−7 тысяч долларов вложить, а сегодня за там 12−13 долларов подписки вы можете это сделать. Вот в чем разница.
То есть это стало доступнее на порядок. С точки зрения там чистого креатива пойти создать инновационную технологию, даже найти применение существующей технологии, которого не сделала человечество до этого момента, нейросети сегодня такого не может, на слово вообще. Это просто не только нейросети, любые другие варианты и виды формы искусственного интеллект, глубинное машинное обучение. Нет, это не так. Анализ проводит, конечно, в счете живой человек, который делает из этого вывод.
Я приведу конкретные инженерные примеры, с которыми много связано. Люди, которые заходят в горы, получают огромное количество информации о том, что происходит в горе. Это горнооблокотительные кабинеты делают, их меняют, стараются менять на роботов, потому что этого сорта люди очень долго учатся, их нужно 20−25 лет учить, чтобы он понимал, что происходит. Если что-то происходит непредсказуемое в горе, это трудно предсказать. Сегодня мы не обладаем массивом данных о земле в таком количестве, чтобы говорить, что это безопасный запах.
Нет, это всегда риск. Чтобы не потерять человека, которого мы учили очень долго, конечно, выгодно использовать разного рода системы компьютерного зрения, системы видеоанализа, системы анализа с датчиком. Человек, например, метана не слышит, у него нет запаха для нас, который мы определяем, А датчики его видят. Человек — это просто инструмент. Вы можете гвоздь пальцем засовывать в стену, а можете молотком забивать.
Искусственный интеллект — это молоток. Конечно, это круто, когда он у вас появляется, потому что это облегчает вашу жизнь. Заменить человека искусственный интеллект не сможете. Я возьму на себя страшное предсказание. Там говорится, что люди станут бессмертными через 7 лет в 2030 году благодаря нейросетям. Слушайте, через 100 лет этого не будет. И не будет, что человек будет вытеснен из работы даже в некреативных, простите, областях нейросетями.
Есть какие-то вещи, которые называются механизация, автоматизация, информатизация и цифровизация. Четыре разных процесса. И, безусловно, там впахивают роботы, отдыхает человек в великом электронике. Мы еще там в нашем детстве смотрели. Это мечта. Шах, и мы можем размладиться. И так не будет. У нас появляется скорость прироста информации, по закону ВУРа, вот эти вещи, которые происходят, она настолько радикальна, что уже то количество людей, которые сегодня… Ну, как бы люди не рождаются быстрее, чем за 9 месяцев.
Чтобы стал человеком взрослым, способным к другому части социального взаимодействия, нужно хотя бы 25 лет. Вот 25 лет он должен расти. И ускорить мы это не можем со всеми нашими представлениями о нейросетях или чем-то еще. Чтобы человек дорос, а задача прирастает в десятки раз, это вот такая, вы знаете, экспонент, экспоненциальный рост, и получается, что у нас просто физически нет такого количества людей, которые могут делать эти вещи. Этих людей нужно заменять какой-то автоматизацией, каким-то роботом, для того, чтобы кормить людей это нужно делать.
У нас нет сотни тысяч людей, которые готовы бегать с лейкой и поливать редиску, делают роботы сегодня.
Спикер 4:
На этой прекрасной ноте искусственный интеллект нас не заменит, Никогда. Но-но-но, у меня есть несколько, во-первых, да, человек очень хорошо адаптируется к числу, давайте про это не забывать. И хоть он нас не заменит, как опять же сказала Камиль, нам придётся адаптироваться к нему как к инструменту. Появляются новые работы, появляются новые профессии, появляются новые направления, и поэтому, ребята, держать руку на пояс всё очень важно, потому что действительно вы сможете его использовать, не будет кто-нибудь другой будет тогда его использовать быстрее, эффективнее, круче.
И он действительно нас, по крайней мере, в том состоянии, как он здесь не заменит. Ещё есть очень маленький момент, кстати, по поводу замены, да. Мы, когда говорим о принятии решения, нам всем кажется, что мы очень рациональные люди. Но когда мы говорим о принятии решения, мы принимаем решение эмоционально. Это просто уже доказыванный факт, и об этом нужно помнить. У искусственного интеллекта нет эмоций.
Это, мне кажется, самое главное. Да, Наташа, последние две секунды.
Спикер 3:
Я прям добавлю, что вот именно благодаря тому, что у него нет эмоций, есть одна область, в которой он действительно прекрасен и используется уже сегодня, и это происходит. Это тоже происходит как следствие развития технологии. Называется область fraud detection, это защита от мошенничества. То есть есть различного рода мошеннические схемы, повторяющийся набор этих атак и данных. Действительно, человек не может, видите, обобщать с такой скоростью, с которой нужно выставлять вот эту вот защиту. И вот защита от мошенничества, в основе которой лежит слабость человеческой природы.
Как раз вот с этим роботы справляются очень круто. Это не вызывает экстремальной эмоциональной нагрузки на людей, которые работают в системах защиты. То есть это действительно есть, это работает. Это отрасль потрясающе прогрессирует и дальше будет развиваться. И это то, что действительно помогает. Я считаю, что это очень круто, что там нашли такую замену человеку. Потому что человек может сойти с ума от ужаса людей злых, которые вот это зло творят. А система с этим просто работает искусственно. И это очень крутое применение.
Спикер 4:
То есть отвечая на наш вопрос, который задали в заголовке помощники или угроза, конечно же помощники, защитники даже в каких-то областях, да, но адаптироваться надо. На этом мы заканчиваем сегодняшний выпуск, пишите нам, что вы думаете про искусственный интеллект, пишите нам, описывайте нам свой опыт того, как вы использовали нейросетки, удачно или неудачно, давайте делиться, давайте обсуждать и давайте адаптироваться вместе. До встречи.
Спикер 2:
Пока.
Спикер 3:
Всем пока и всем успехов в использовании искусственного Вашим бизнесом.