В начале года я записала видео о том, как использую ChatGPT в работе. Некоторые выводы за год:

1. использую почти каждый день. Самый распространенный сценарий: саммаризация информации из текста.

2. часто слышу от студентов: зачем нам сейчас “учить”фреймворки, если можно все найти быстро в ChatGPT?) ChatGPT хорошо работает для уточнения инфо в контексте какой-то задачи. Но парадокс: вы либо знаете, как сделать работу самостоятельно (и LLM ускоряет вас), либо вы не знаете, как это сделать, но результат выглядит довольно неплохо, поэтому вы просто его используете. Но что такое неплохо?:))

Я еще не видела ни одного убедительного хорошего результата, который можно было бы использовать в немодифицированном виде для чего-либо важного.

3. Немного рыночной аналитики. Есть убедительные аргументы, что LLM уже достигли пика, и что добавление дополнительных вычислительных мощностей не поможет. Уже говорят о крахе моделей, потому что они уже исчерпали общедоступный контент (который, кстати, переполнен мусором, сгенерированным ИИ, из-за чего модели «съедают сами себя»)

Есть еще одна проблема — факт, что модели безумно дороги в обучении (для все более маржинальной отдачи), а вычислительные ресурсы, необходимые для их запуска, сумасшедшие.

4. Более философская проблема познания и формирования навыков. Когда мы учились в школе и университете, то обучение было построено по принципу от общего к частному: поэтому давалась общая теория и частная практика с углублением в темы. Сейчас кажется все наоборот: есть конкретный вопрос и ты начинаешь его копать с помощью запросов, расширяясь от частного к общему. Это как если бы не нужно было учить таблицу умножения, ведь есть калькулятор.

Все это приводит к ухудшению базовых системных знаний о структуре принятия решений. Короче, вы не можете постоянно носить с собой калькулятор, на встречах и в дискуссиях причинно-следственные цепочки придется выстраивать самостоятельно.