Дэйв Бертон
Замечали ли вы, что в большинстве областей технологии развиваются урывками? В течение долгого времени технология просто ползет вперед, а затем происходит внезапный всплеск прогресса. Что ж, это происходит снова… Я думаю.
Последние шестьдесят лет ученые-компьютерщики без особого успеха пытались сделать программирование на компьютерах более продуктивным. Создание языков высокого уровня в 1950-х и начале 1960-х годов дало большой прирост производительности, но затем прогресс замедлился. Несмотря на поразительное увеличение вычислительной мощности (увеличение скорости, оперативной памяти, дискового пространства и разрешения дисплея на 5-6 порядков на моих домашних компьютерах за пять десятилетий!), а также несмотря на усовершенствованные инструменты и ряд причуд в методология программирования практически не изменилась, а разработчики программного обеспечения остались примерно такими же (не)продуктивными, как мы были в 1975 году, когда Фред Брукс написал « Мифический человеко-месяц ».
Новые языки программирования, такие как Python, JavaScript и Rust, немного помогли, но программисты, использующие эти языки, лишь немного более продуктивны, чем программисты, работающие на Паскале и Си полвека назад. StackOverflow в Интернете удобнее, чем полка с бумажными книгами, но в большинстве случаев это просто немного сокращает время обучения. Новые инструменты, такие как редактор VSCode, очень хороши (конечно, лучше, чем перфокарты!), но они не делают программистов намного более продуктивными.
Но теперь ситуация, по-видимому, наконец изменилась. Долгожданный внезапный всплеск наконец-то наступил. Передовые программисты теперь используют «ИИ-помощников», таких как Microsoft/Github CoPilot, чтобы помочь им писать код, и они сообщают о значительном повышении производительности и, возможно, даже улучшении качества кода.
Меня не шокирует то, что инструменты, созданные программистами, полезны программистам. Но, что удивительно, эта технология также очень и очень хороша в анализе, реагировании и написании «естественного языка» (например, английского).
Вот показательный пример. Я задал ChatGPT 3.5 этот вопрос, на который, я уверен, подавляющее большинство профессиональных «ученых-климатологов» не ответят правильно:
«Ссылаясь на агрономическую литературу, определите, как повышенный уровень CO2 помогает растениям более эффективно использовать воду и повышает устойчивость сельскохозяйственных культур к засухе за счет снижения устьичной проводимости и потери воды за счет транспирации».
Ответ ChatGPT был на удивление хорош:
«В агрономии широко изучается влияние повышенного уровня CO2 на эффективность использования воды растениями и устойчивость к засухе. Одним из ключевых механизмов, благодаря которому повышенный уровень CO2 повышает эффективность использования воды, является снижение устьичной проводимости и, следовательно, потери воды за счет транспирации.
«Устьица — это небольшие поры на поверхности листьев растений, которые регулируют газообмен, включая поглощение CO2 для фотосинтеза и выделение водяного пара посредством транспирации. Когда уровень CO2 повышен, растения могут поддерживать ту же или более высокую скорость фотосинтеза, одновременно снижая устьичную проводимость. Такое снижение устьичной проводимости приводит к уменьшению потерь воды за счет транспирации, не оказывая существенного влияния на поглощение CO2, что приводит к повышению эффективности использования воды».
Ух ты! Я был очень впечатлен. Этот ответ совершенно правильный, и проза идеальна. Я объяснял это людям в течение многих лет и думаю, что объяснение ChatGPT лучше моего.
Но не все так радужно и розово, потому что так бывает не всегда. Затем я задал ChatGPT 3.5 вопрос, который мне показался гораздо более простым. Это требует тривиальных физических и математических рассуждений, но я думаю, что даже большинство ученых-климатологов, вероятно, смогут ответить на этот вопрос правильно:
«Сколько составляет 5,7 PgC в ppmv CO2?»
Я ожидал, что инструменты ИИ без труда ответят на этот простой вопрос. Но все они потерпели неудачу. На самом деле они дали мне десять разных неправильных ответов.
Обычно «1 ppmv CO2» обозначает 1 мкмоль/моль сухой атмосферы («сухая молярная доля»). 1 ppmv CO2 = 7,8024 Gt CO2 = 2,12940 PgC, поэтому правильный ответ на заданный мной вопрос — 5,7 / 2,1294 = 2,67681 ppmv . (Водяной пар добавляет около 0,25% к массе атмосферы, что составляет 0,41% по мольной доле, поэтому ответ будет немного больше, если не опускать водяной пар.)
ChatGPT 3.5 полностью развалился. Там было сказано :
«5,7 PgC примерно эквивалентны 61,9 ppmv CO2 в атмосфере».
ChatGPT 4.0 не является бесплатным на веб-сайте OpenAI, но у Popai есть возможность использовать ChatGPT 4.0 в качестве своего движка, поэтому я попробовал это. Он дал другой неправильный ответ :
«5,7 PgC примерно эквивалентно 4,07 ppmv CO2 в атмосфере».
Я спросил у Mistral AI , и он тоже дал неправильный ответ :
«5,7 PgC примерно эквивалентно 569 ppmv CO2 при равномерном распределении по всей атмосфере».
Я спросил Microsoft Copilot , и он тоже дал неправильный ответ :
«5,7 PgC примерно эквивалентно 12,198 ppmv CO₂».
CoPilot также интегрирован в браузер Microsoft Edge. Как ни странно, эта версия дала другой неправильный ответ :
«К сожалению, не зная конкретной температуры воздуха и других факторов, мы не можем предоставить точное значение ppmv».
Я спросил Ламу 2 , и она тоже дала неправильный ответ :
«5,7 PgC эквивалентно 1220 ppmv CO2».
Я спросил Клода , и он тоже дал неправильный ответ :
«5,7 PgC (петаграмм углерода) примерно эквивалентны 9,86 ppmv (частей на миллион по объему) CO2 в атмосфере».
Я спросил у Scite , и он тоже дал неверный ответ :
«5,7 PgC эквивалентно примерно 25,2 ppmv CO2 в атмосфере»
Я спросил Арию (в браузере Opera) , и она тоже дала неправильный ответ :
«5,7 PgC * 2,12 ppmv/PgC = 12,084 ppmv»
Я также спросил Google Gemini , и он дал самый смешной неправильный ответ из всех :
«5,7 PgC эквивалентно 5700000000000000000,00 ppmv CO2».
Двумя ярыми сторонниками позиции, согласно которой ИИ является преобразующей технологией, являются Мэтт Уэлш и Мэтью Берман (оба, конечно, есть на YouTube). Вот противоположная точка зрения (предупреждение о ненормативной лексике). ИМХО, жюри еще не вынесено, но…
Мой первый вывод заключается в том, что инструменты ИИ подобны детям, которые проходят уроки естествознания, «заучивая формулы». Они не могут «заниматься наукой».
Мой второй вывод заключается в том, что они, тем не менее, могут быть весьма полезны. Просто всегда помните совет президента Рейгана по поводу отношений с Советами: «Доверяй, но проверяй».
Мой третий вывод : использование этих инструментов помогает вести их за нос. Будьте очень, очень конкретны в своих вопросах. Например, если вы предпочитаете, чтобы они полагались на (надежную) агрономическую литературу, а не на (безнадежно политизированную) литературу по науке о климате, то так и скажите. Вот видео с некоторыми советами о том, как лучше всего использовать ChatGPT.
Дэйв Бертон
Комментариев нет:
Отправить комментарий