Чи замінить ШІ лікарів? Чому чат-боти ще поступаються бабусям
Привіт, друзі! Сьогодні за чашкою кави поговоримо про те, що вирує у світі технологій. Згадаймо, як колись пророкували, що комп’ютери замінять бухгалтерів, а роботи – робітників на заводах. Та це були лише “квіточки”. Тепер обговорюємо, як штучний інтелект (ШІ) може стати нашим лікарем або ж персональним помічником, який пише код краще за вас. Але чи все так просто?
Мене особисто зачепила ця тема після епізоду подкасту “Mixture of Experts” минулого тижня – справжній вибух думок від технічних геніїв. Вони так захопливо ділилися новинами, що я не змогла втриматися, щоб не поділитися цим з вами. Розберемося, чому навіть найрозумніші машини поки не здатні перевершити людську інтуїцію, чому “блокові” інтерфейси для ШІ – це як конструктор LEGO для дорослих, та чи справді нам загрожує повне витіснення професій. Готові дізнатися? Тоді тримайтеся!
ChatGPT, ти втомився? Знайомтесь, AgentKit!
Одне з найгучніших обговорень тижня – випуск OpenAI свого AgentKit. Уявіть: раніше, щоб створити “розумну” систему (агента), потрібен був диплом програміста, а, можливо, й чарівна паличка. Тепер OpenAI пропонує “конструкторську майстерню”, яка спрощує цей процес [1].
Olivia Buzek (IBM) порівнює це з інструментом Langflow, який нещодавно з’явився в IBM. Як і AgentKit, Langflow дозволяє швидко розробляти агентів, але в open-source форматі. Це як гра з LEGO, де деталі дають змогу створювати реальні механізми. Згадувалися також Crew AI та Langraph – різні набори LEGO: одні складніші, інші простіші [2].
Проблема в іншому: раніше ми думали, що з “кодогенератором” (ШІ пише код) ми всі станемо програмістами. Але виявилось, що й у світі, де машини пишуть код, візуальні інтерфейси все ще потрібні! Це як складати великий пазл, де зручніше бачити всю картинку, а не лише окремі частини.
До речі: Перші розробки в галузі штучного інтелекту почались у 1960-х роках [3]. І досі ми шукаємо найкращі способи взаємодії з ним.
Chris Hay, один з експертів, додав, що більшість складних систем, навіть тих, що використовують ШІ, складається зі звичайного “традиційного” коду. Тому, коли ми просимо Велику Мовну Модель (LLM) робити абсолютно все, ми змушуємо найдорожчу частину системи працювати над кожною дрібницею. А це не завжди ефективно.
Код чи блоки: хто кого?
Mihi Criveti висловлює категоричну думку: код – основа, і поява ШІ цього не змінить. Він згадав 90-ті, коли захоплювались UML – графічною мовою опису програм. Тоді здавалось, що все можна зробити за допомогою діаграм. Але, як показала практика, це працювало для маленьких проєктів, а зі складнішими системами та інтеграцією з різними мовами програмування виникали труднощі [4].
Те ж саме, на його думку, відбувається з “блоковими” системами типу AgentKit: вони привабливі, особливо для дітей (згадайте Scratch), і дозволяють швидко щось зробити. Але коли проєкт стає більшим, виникає потреба в контролі версій, інтеграції з іншими системами – усе це ускладнюється. Тому Mihi вважає, що для серйозних проєктів писати код – найкращий варіант.
Chris Hay заперечує, захищаючи “блокові” інтерфейси. На його думку, вони роблять агентів доступними для всіх. Уявіть: достатньо 5-10 хвилин, щоб навчитися їх створювати. Це як збирати пазл, де просто з’єднуєш блоки: “підключитися до Google Mail”, “записати в Google Sheets”. Навіть у корпоративному світі це може бути зручно, щоб швидко встановити “бар’єри безпеки” або автоматизувати прості завдання.
Chris також зазначає, що AgentKit від OpenAI побудований поверх їхнього SDK. Тобто, під капотом все одно є код (TypeScript або Python), і візуальну модель можна перетворити в код. Це як спочатку зібрати машину з LEGO, а потім її розібрати й побачити, як вона працює.
Порада з особистого досвіду: Я теж думав, що все можна автоматизувати, просто написавши один великий запит до LLM. Але багато завдань потребують чіткої послідовності, а не “творчого польоту думки” моделі.
IBM + Anthropic: чи зможе IBM об’єднати Google та Apple?
Перейдемо до ще однієї важливої новини: IBM оголосила про партнерство з Anthropic. Два гіганти об’єднують зусилля, щоб зробити ШІ для бізнесу безпечнішим та надійнішим [5].
Ключовий аспект цього партнерства – створення “життєвого циклу розробки ШІ-агентів” (ADLC). Mihi Criveti пояснює: ШІ-агенти – це не просто програми, а системи, які вчаться та змінюються. Тому їхній “життєвий цикл” має бути особливим. Потрібно враховувати, що моделі працюють на ймовірностях, а не на точних алгоритмах. Отож потрібні нові методи тестування та перевірки результатів.
Це нагадує, як бабуся готує борщ. Спочатку показує, як нарізати буряк (тестування), потім як його варити (розгортання), а потім – як приправити, щоб було смачно (операційне управління). І все це – частина одного великого процесу.
Levi Khoo доповнює: раніше вважали, що буде одна супер-модель, яка все вміє. Але світ ШІ стає “багатополярним”. Кожна компанія має свої сильні сторони. IBM має величезний досвід роботи з великим бізнесом, а Anthropic – експерти в створенні потужних мовних моделей. Разом вони можуть створити щось дійсно цінне для корпорацій.
Це як об’єднання української родини: одні вміють будувати міцні будинки, інші – вирощувати найкращі урожаї. Разом вони створять успішне господарство.
Анатомія генія: що таке “модульні маніфольди” та чому вони важливі?
А тепер розігріємо мізки. Chris Hay спробував пояснити “модульні маніфольди” (modular manifolds) у навчанні ШІ. Уявіть, що ви тренуєте велику модель, яка вивчає все з інтернету. Це як підійматись на гору: кожен крок – зміна параметрів моделі. Якщо зробите різкий рух, можете зірватися (це називається “градієнтна вибуховість”).
Маніфольд допомагає моделі залишатися “на шляху” під час навчання. Земля виглядає плоскою, але насправді сферична. Так само і з маніфольдами: вони допомагають моделі не “вилітати” і не втрачати прогрес [6].
Знаєте? Квантові комп’ютери використовують принцип суперпозиції, щоб бути одночасно в кількох станах. Уявіть, що ви можете одночасно пройти всіма стежками лісу, і тільки в кінці обрати найкоротшу. Звичайний комп’ютер йде по одній стежці за раз. Квантовий – всіма одразу. Ось і маніфольди допомагають моделям “йти всіма стежками” навчання, не гублячись.
Chris жартує, що це як гравітація для космонавта: вона утримує його на орбіті. А без неї він просто полетить кудись далеко. Це робить процес навчання стабільнішим, передбачуванішим і, що найважливіше, дешевшим. Бо, коли таке навчання “злітає”, компанії втрачають мільйони доларів.
Olivia Buzek додає: ці “маніфольди” допомагають зробити ШІ стабільнішим, менш схильним до “дрейфу” від нових даних. Це як вивчати рецепт: спочатку ви точно слідуєте інструкції, але з часом можете почати додавати щось своє. Маніфольди допомагають не забути про основу.
Коли комп’ютер бачить краще за лікаря? (Але лікар все одно потрібен!)
І нарешті, одна з найінтригуючих тем: чи замінить ШІ радіологів? Стаття “Алгоритм побачить тебе зараз” виданні “Works in Progress” досліджує цю тему [7].
Загальна думка була такою: комп’ютерний зір замінить радіологів першим! Але… реальність виявилась іншою. Попит на радіологів зростає, і вони отримують рекордні зарплати.
Чому так? Mihi Criveti вважає, що справа в “людському інтерфейсі”. ШІ не може говорити з пацієнтом, не може зрозуміти його історію хвороби так, як робить лікар. Для цього потрібні чіткі дані. А хто їх збиратиме? Медсестри? Чи самі пацієнти?
Olivia Buzek доповнює: справа не тільки в точності діагностики, а й у довірі. Ми ще не готові повністю довірити машинному розуму рішення про наше здоров’я. Раніше комп’ютерний зір мав проблеми з тим, що дані для навчання були з однієї лікарні, тому модель “хапала” не ті ознаки. Зараз LLM стали кращими, але поки що найкраще ШІ справляється з “легкими” завданнями. Складні випадки, де потрібно глибоке розуміння контексту, – це поки що територія людей.
Chris Hay, має іншу думку: колись ШІ стане кращим за людину в багатьох сферах. І чому б не довірити йому прийняття рішень, якщо він робить це краще, швидше та безпечніше? Він наводить приклад з шахами: з ким би ви зіграли – з найкращим гросмейстером чи з комп’ютерною програмою Stockfish? І якщо на кону буде доля планети, він обрав би Stockfish.
Але Olivia заперечує: машини по суті ймовірнісні, і завжди буде шанс помилки. А у людини є свідомість та інтуїція. Крім того, радіологія – це завжди певна інтерпретація. Щоб розібратися, іноді треба поговорити з тим, хто робив знімок, дізнатися деталі позиції пацієнта. Це величезний інженерний виклик – зібрати всю цю інформацію для ШІ.
Mihi додає, що навіть приклади з реального життя показують: системи можуть бути зламані (як випадок з Windows XP) [8]. І тоді все повертається до “людини з папірцем”. Навіть якщо ми створимо автоматизовані системи, їхнє впровадження займе десятиліття. Тож, найімовірніше, ми побачимо гібридну модель: ШІ допомагає з аналізом, triage, вимірами, але остаточне рішення і відповідальність – за людиною.
Підсумовуючи: Ми живемо у надзвичайно цікаві часи. Технології стрімко розвиваються, і штучний інтелект стає частиною нашого повсякденного життя. Від простих інструментів для створення агентів до складних наукових досліджень “модульних маніфольдів” – усе це змінює правила гри.
Однак, як показує історія з радіологами, прогрес не завжди означає повну заміну. Здебільшого це – співпраця, де людина та машина доповнюють одне одного, використовуючи сильні сторони кожного. Чи зможе ШІ колись повністю замінити людську інтуїцію, емпатію та свідомість? Це питання, відповідь на яке ми отримаємо не скоро.
Але нам, як громадянам, користувачам і, можливо, творцям цих систем, потрібно бути обізнаними. Треба розуміти, як це працює, які є ризики та можливості.
Що далі?
- Продовжуйте вчитися: Слідкуйте за новинами в світі ШІ. Цікавтесь, як працюють нові інструменти.
- Експериментуйте: Спробуйте створити простого ШІ-агента за допомогою доступних інструментів. Це допоможе краще зрозуміти, як вони функціонують.
- Задавайте питання: Не бійтеся ставити під сумнів очевидне. Як показує приклад з радіологами, реальність часто нас дивує.
Пам’ятайте, майбутнє створюється сьогодні, і кожен з нас може стати його частиною. Не бійтеся технологій, а навчіться їх розуміти та використовувати на благо. І, звісно, пийте каву, думайте про велике і діліться своїми думками! До наступної зустрічі!
[1] – Опис AgentKit.
[2] – Порівняння інструментів для створення агентів.
[3] – Історія розвитку штучного інтелекту.
[4] – Міркування щодо коду та візуальних мов.
[5] – Новини про партнерство IBM та Anthropic.
[6] – Пояснення модульних маніфольдів.
[7] – Стаття про перспективи ШІ в медицині.
[8] – Приклад збою системи.
