{"id":2936,"date":"2023-03-29T20:53:25","date_gmt":"2023-03-29T20:53:25","guid":{"rendered":"http:\/\/architeles.eu\/ethics\/?p=2936"},"modified":"2023-03-29T21:01:29","modified_gmt":"2023-03-29T21:01:29","slug":"chatgpt-i-inne-generatory-tekstu-sposob-dzialania-sposob-wykrywania-generowanego-tekstu-mozliwosci-i-ograniczenia","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2023\/03\/29\/chatgpt-i-inne-generatory-tekstu-sposob-dzialania-sposob-wykrywania-generowanego-tekstu-mozliwosci-i-ograniczenia\/","title":{"rendered":"ChatGPT i inne generatory tekstu, spos\u00f3b dzia\u0142ania, spos\u00f3b wykrywania generowanego tekstu. Mo\u017cliwo\u015bci i ograniczenia."},"content":{"rendered":"<p><strong>W ostatnich latach sztuczna inteligencja (AI) zyska\u0142a na znaczeniu i rozwija si\u0119 w niespotykanym tempie. Dzi\u0119ki wprowadzeniu nowych architektur i algorytm\u00f3w uczenia w sieciach neuronowych mo\u017cliwo\u015bci tych technologii sta\u0142y si\u0119 niewiarygodne. W szczeg\u00f3lno\u015bci generatory tekstu i chatboty, umo\u017cliwiaj\u0105ce interakcj\u0119 cz\u0142owieka z maszyn\u0105, ciesz\u0105 si\u0119 coraz wi\u0119ksz\u0105 popularno\u015bci\u0105. Z jednej strony, niekt\u00f3rzy zachwycaj\u0105 si\u0119 mo\u017cliwo\u015bciami modeli takich jak ChatGPT, podczas gdy inni obawiaj\u0105 si\u0119, \u017ce mog\u0105 straci\u0107 swoj\u0105 prac\u0119 z powodu post\u0119puj\u0105cej automatyzacji. Czy ChatGPT faktycznie posiada nieograniczone mo\u017cliwo\u015bci? Czy stworzenie takiego modelu przez OpenAI otworzy\u0142o puszk\u0119 Pandory?<\/strong><br \/>\n<!--more--><\/p>\n<h1>Generatory tekstu i chatboty &#8211; co to?<\/h1>\n<p>Generatory tekstu to narz\u0119dzia sztucznej inteligencji, kt\u00f3re maj\u0105 za zadanie generowa\u0107 teksty na podstawie wprowadzonego mu kontekstu. Wykorzystuj\u0105 one r\u00f3\u017cne algorytmy, w tym uczenie maszynowego i sieci neuronowe, kt\u00f3re analizuj\u0105 ogromne ilo\u015bci danych tekstowych i wyci\u0105gaj\u0105 z nich wzorce. S\u0105 w stanie generowa\u0107 naturalne i sp\u00f3jne zdania, co pozwala na tworzenie tekstu w spos\u00f3b, kt\u00f3ry jest niemal\u017ce nieodr\u00f3\u017cnialny od tekstu napisanego przez cz\u0142owieka. Dzi\u0119ki temu generatory tekstu staj\u0105 si\u0119 coraz bardziej popularne w dziedzinach, takich jak marketing, gdzie pomagaj\u0105 w tworzeniu tre\u015bci reklamowych, czy w bran\u017cy medialnej, gdzie generuj\u0105 artyku\u0142y i raporty.<\/p>\n<p>Chatboty to specjalne generatory tekstu, kt\u00f3re zosta\u0142y zaprojektowane do interakcji z lud\u017ami w spos\u00f3b zbli\u017cony do rozmowy mi\u0119dzyludzkiej. Chatboty wykorzystuj\u0105 sztuczn\u0105 inteligencj\u0119 (AI) oraz r\u00f3\u017cnego rodzaju technologie przetwarzania j\u0119zyka naturalnego, aby interpretowa\u0107 pytania lub wypowiedzi u\u017cytkownika i udziela\u0107 na nie odpowiedzi. S\u0105 szeroko wykorzystywane w r\u00f3\u017cnych dziedzinach, takich jak e-commerce, bankowo\u015b\u0107, opieka zdrowotna, us\u0142ugi klienta, edukacja, rozrywka itp. Mog\u0105 pomaga\u0107 w automatyzacji proces\u00f3w biznesowych, poprawie jako\u015bci obs\u0142ugi klienta, zwi\u0119kszeniu zaanga\u017cowania u\u017cytkownik\u00f3w na stronach internetowych lub w aplikacjach mobilnych. Chatboty mog\u0105 by\u0107 oparte na regu\u0142ach lub na sztucznej inteligencji. Chatboty oparte na regu\u0142ach s\u0105 zaprogramowane, aby reagowa\u0107 na okre\u015blone wyra\u017cenia lub s\u0142owa kluczowe i udziela\u0107 na nie ustalonych z g\u00f3ry odpowiedzi. Chatboty oparte na AI u\u017cywaj\u0105 algorytm\u00f3w uczenia maszynowego i sieci neuronowych do uczenia si\u0119 na podstawie interakcji z u\u017cytkownikami, co pozwala im na bardziej zaawansowane i elastyczne odpowiedzi na pytania i wypowiedzi u\u017cytkownik\u00f3w.<\/p>\n<p>Aktualnie wi\u0119kszo\u015b\u0107 z nich bazuje na modelach j\u0119zykowych b\u0119d\u0105cych wielkimi sieciami neuronowymi. Ich nauka polega na dopasowywaniu zwracanych wynik\u00f3w do oczekiwanych poprzez minimalizacj\u0119 r\u00f3\u017cnicy mi\u0119dzy tymi dwoma. Realizowane jest to poprzez proces optymalizacji funkcji kosztu, kt\u00f3ra powinna by\u0107 dopasowana do zadania i by\u0107 tym mniejsza im model zachowuje si\u0119 lepiej (tzn. im generowany tekst jest bardziej zbli\u017cony do tekstu cz\u0142owieka). Zadanie to z regu\u0142y jest czasoch\u0142onne i wymaga znacznych zasob\u00f3w sprz\u0119towych.<\/p>\n<h1>Historia chatbot\u00f3w i generator\u00f3w tekstu<\/h1>\n<h2>Generatory tekstu<\/h2>\n<p>Pierwsze generatory tekstu dzia\u0142a\u0142y na zasadzie regu\u0142 gramatycznych i prawdopodobie\u0144stwa, kt\u00f3re by\u0142y zapisane w programie. Programy te by\u0142y zwykle specjalizowane dla okre\u015blonych dziedzin, takich jak nauka czy biznes, i wymaga\u0142y wprowadzenia odpowiednich danych wej\u015bciowych, aby m\u00f3c generowa\u0107 poprawne teksty.<\/p>\n<h3>Love letter algorithm<\/h3>\n<p>Jeden z pierwszych generator\u00f3w tekstu zosta\u0142 opracowany w latach 50. przez informatyka Christophera Stracheya. Strachey opracowa\u0142 program, kt\u00f3ry mia\u0142 na celu generowanie rymowanych wierszy na podstawie podanych s\u0142\u00f3w kluczowych. Program ten korzysta\u0142 z regu\u0142 gramatycznych i prawdopodobie\u0144stwa, aby tworzy\u0107 poprawne sk\u0142adniowo wiersze. Poni\u017cej zawarty jest przyk\u0142ad wygenerowanego tekstu przez ten generator w 1954 roku:<\/p>\n<blockquote><p>Darling Sweetheart,<\/p>\n<p>You are my avid fellow feeling. My affection curiously clings to your passionate wish. My liking yearns for your heart. You are my wistful sympathy: my tender liking.<\/p>\n<p>Yours beautifully<\/p>\n<p>M. U. C.<\/p><\/blockquote>\n<h3>RACTER<\/h3>\n<p>RACTER by\u0142 pierwszym generatorem tekstu, kt\u00f3ry tworzy\u0142 opowiadania i wiersze. Tw\u00f3rcy, William Chamberlain i Thomas Etter w 1983 roku, stworzyli algorytm, kt\u00f3ry generowa\u0142 losowe zdania, a nast\u0119pnie dobiera\u0142 je w sp\u00f3jn\u0105 ca\u0142o\u015b\u0107. Program pono\u0107 w 1983 roku przygotowa\u0142 w ca\u0142o\u015bci ksi\u0105\u017ck\u0119 pod tytu\u0142em <em>&#8222;The Policeman&#8217;s Beard Is Half Constructed&#8221;<\/em>, oto jej fragment:<\/p>\n<blockquote><p>More than iron, more than lead, more than gold I need electricity.<br \/>\nI need it more than I need lamb or pork or lettuce or cucumber.<br \/>\nI need it for my dreams.<\/p><\/blockquote>\n<h3>Github Copilot<\/h3>\n<p>Github Copilot jest ju\u017c nowym generatorem tekstu bazuj\u0105cym na modelu j\u0119zykowym GPT-3 stworzonym przez Github i wytrenowanym dost\u0119pnym kodzie open-source (w tym w du\u017cej mierze na platformie Github). S\u0142u\u017cy on wspomagania programist\u00f3w poprzez generowanie kodu na podstawie m.in. komentarzy, dzi\u0119ki czemu znacz\u0105co mo\u017ce przyspieszy\u0107 pisanie aplikacji. Ostatnio zapowiedziano Github Copilot X, kt\u00f3re jest zintegrowane z modelem GPT-4 i ma posta\u0107 bardziej chatbota &#8211; mo\u017cna opisa\u0107 mu co ma wygenerowa\u0107, podobnie jak w przypadku ChatGPT.<\/p>\n<p><iframe loading=\"lazy\" title=\"Demo of GitHub Copilot\" width=\"600\" height=\"450\" src=\"https:\/\/www.youtube.com\/embed\/edSZh-tpTIk?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<h2>Chatboty<\/h2>\n<p>Pierwsze chatboty dzia\u0142a\u0142y na zasadzie programowania regu\u0142owego. Programista tworzy\u0142 szereg regu\u0142, wed\u0142ug kt\u00f3rych chatbot mia\u0142 odpowiada\u0107 na zadane pytania lub komunikaty. Chatbot dzia\u0142a\u0142 w oparciu o prosty algorytm, kt\u00f3ry por\u00f3wnywa\u0142 wprowadzone przez u\u017cytkownika s\u0142owa z wcze\u015bniej zdefiniowanymi wzorcami i w odpowiedzi wy\u015bwietla\u0142 gotowy tekst <strong><em>(Adamopoulou, 2020)<\/em><\/strong>.<\/p>\n<h3>ELIZA<\/h3>\n<p>ELIZA dzia\u0142a\u0142a poprzez analiz\u0119 tekstu wprowadzonego przez u\u017cytkownika i odpowiedzi w stylu terapeuty, kt\u00f3rego zadaniem by\u0142o stymulowanie dalszej rozmowy. ELIZA opiera\u0142a swoje odpowiedzi na szablonach j\u0119zykowych, kt\u00f3re by\u0142y zapisane w plikach tekstowych i zawiera\u0142y specjalne wyra\u017cenia regularne, kt\u00f3re umo\u017cliwia\u0142y dopasowanie do okre\u015blonych wzorc\u00f3w we wprowadzonych tekstach.<\/p>\n<figure id=\"attachment_3090\" aria-describedby=\"caption-attachment-3090\" style=\"width: 751px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3090 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ELIZA_conversation.png\" alt=\"ELIZA dialog screenshot\" width=\"751\" height=\"487\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ELIZA_conversation.png 751w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ELIZA_conversation-300x195.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ELIZA_conversation-75x50.png 75w\" sizes=\"auto, (max-width: 751px) 100vw, 751px\" \/><figcaption id=\"caption-attachment-3090\" class=\"wp-caption-text\">Zrzut ekranu przedstawiaj\u0105cy rozmow\u0119 z odnowion\u0105 graficznie wersj\u0105 ELIZY \u017br\u00f3d\u0142o: <a href=\"https:\/\/en.wikipedia.org\/wiki\/ELIZA\" target=\"_blank\" rel=\"noopener\">https:\/\/en.wikipedia.org\/wiki\/ELIZA<\/a><\/figcaption><\/figure>\n<h3>Parry<\/h3>\n<p>Innym znanym przyk\u0142adem pierwszych chatbot\u00f3w by\u0142 &#8222;PARRY&#8221;, kt\u00f3ry zosta\u0142 stworzony r\u00f3wnie\u017c w latach 60. PARRY symulowa\u0142 rozmow\u0119 z osob\u0105 cierpi\u0105c\u0105 na chorob\u0119 psychiczn\u0105, a jego celem by\u0142o udawanie pacjenta, kt\u00f3ry odpowiada na pytania lekarza. Podobnie jak w przypadku ELIZA, PARRY opiera\u0142 swoje odpowiedzi na szablonach j\u0119zykowych i wykorzystywa\u0142 specjalne wyra\u017cenia regularne.<\/p>\n<h1><strong>ChatGPT<\/strong><\/h1>\n<p><span style=\"font-weight: 400\">ChatGPT to jeden z najbardziej znanych chatbot\u00f3w opartych o model j\u0119zykowy sztucznej inteligencji. Zyska\u0142 popularno\u015b\u0107 dzi\u0119ki swojej zdolno\u015bci do generowania naturalnie brzmi\u0105cego tekstu, kt\u00f3ry mo\u017ce by\u0107 wykorzystywany w r\u00f3\u017cnych zastosowaniach, od automatycznych odpowiedzi na platformach spo\u0142eczno\u015bciowych po tworzenie artyku\u0142\u00f3w i pisanie prac domowych.\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400\">Ale czym on w\u0142a\u015bciwie jest?<\/span><\/p>\n<h2>Model GPT<\/h2>\n<p><span style=\"font-weight: 400\">GPT, na kt\u00f3rym opiera si\u0119 ChatGPT, to skr\u00f3t od Generative Pre-trained Transformer. Wszystkie modele GPT korzystaj\u0105 z architektury transformer, czyli specjalnych sieci neuronowych stworzonych do przetwarzania sekwencji danych, zw\u0142aszcza w zadaniach zwi\u0105zanych z j\u0119zykiem naturalnym. Zamiast korzysta\u0107 z tradycyjnych warstw rekurencyjnych, transformer opiera si\u0119 na mechanizmie multi-head self-attention, kt\u00f3ry pozwala na wagowanie r\u00f3\u017cnych cz\u0119\u015bci sekwencji wej\u015bciowej w celu wnioskowania o kontek\u015bcie i znaczeniu. To pozwala na lepsze zrozumienie zale\u017cno\u015bci mi\u0119dzy elementami sekwencji i osi\u0105ganie lepszych wynik\u00f3w w zadaniach j\u0119zykowych.<\/span><\/p>\n<p>Od 2018 roku, kiedy OpenAI wypu\u015bci\u0142o model GPT w wersji 1, do zesz\u0142ego miesi\u0105ca ukaza\u0142y si\u0119 jeszcze 2 g\u0142\u00f3wne ods\u0142ony tego modelu: GPT-2 i GPT-3. Ka\u017cdy kolejny zawiera\u0142 coraz wi\u0119cej parametr\u00f3w i by\u0142 uczony na coraz wi\u0119kszych korpusach danych tekstowych, dzi\u0119ki czemu generowa\u0142 coraz to bardziej realistyczne i przekonuj\u0105ce teksty. Bardzo niedawno, bo 14 marca bie\u017c\u0105cego roku, wprowadzony zosta\u0142 najbardziej zaawansowany model z rodziny GPT: GPT-4. Uwa\u017cany jest za kolejny kamie\u0144 milowy w rozwoju uczenia maszynowego. Wed\u0142ug informacji, kt\u00f3re podano, GPT-4 posiada a\u017c 100 bilion\u00f3w parametr\u00f3w (w por\u00f3wnaniu do 175 miliard\u00f3w dla GPT-3). Co wi\u0119cej, osi\u0105ga lepsze wyniki od GPT-3.5 na wi\u0119kszo\u015bci problem\u00f3w benchmarkowych, <span style=\"text-decoration: underline\">w tym w zadaniach w j\u0119zyku polskim<\/span> <em><strong>(OpenAI, 2023)<\/strong><\/em>.<\/p>\n<figure id=\"attachment_3095\" aria-describedby=\"caption-attachment-3095\" style=\"width: 300px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3095 size-medium\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/gpt3vs4-300x228.png\" alt=\"gpt3_vs_gpt4\" width=\"300\" height=\"228\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/gpt3vs4-300x228.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/gpt3vs4.png 651w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><figcaption id=\"caption-attachment-3095\" class=\"wp-caption-text\">Por\u00f3wnanie wielko\u015bci modeli GPT-3 oraz GPT-4 pod k\u0105tem liczby parametr\u00f3w. \u0179r\u00f3d\u0142o:\u00a0<a href=\"https:\/\/uxplanet.org\/gpt-4-facts-rumors-and-expectations-about-next-gen-ai-model-52a4ddcd662a\" target=\"_blank\" rel=\"noopener\">GPT-4: Facts, Rumors and Expectations about next-gen AI model<\/a><\/figcaption><\/figure>\n<h2>Modele j\u0119zykowe jako chatboty<\/h2>\n<p><span style=\"font-weight: 400\">Modele j\u0119zykowe, takie jak sieci GPT, zosta\u0142y stworzone w celu rozumienia i generowania naturalnego j\u0119zyka ludzkiego. Maj\u0105 one wiele zastosowa\u0144, takich jak t\u0142umaczenie maszynowe, rozpoznawanie mowy, automatyczne podsumowania tekstu, generowanie opis\u00f3w i wiele innych. Jednak modele j\u0119zykowe, w przeciwie\u0144stwie do dedykowanych chatbot\u00f3w, nie s\u0105 zoptymalizowane pod k\u0105tem bezpo\u015bredniego interakcji z u\u017cytkownikami.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Jednym z powod\u00f3w, dla kt\u00f3rych modele j\u0119zykowe nie radz\u0105 sobie dobrze jako chatboty, jest fakt, \u017ce s\u0105 one &#8222;niezestrojone&#8221; lub nie idealnie dopasowane do potrzeb u\u017cytkownik\u00f3w. W przypadku chatbot\u00f3w, oczekiwania u\u017cytkownik\u00f3w dotycz\u0105 bardziej konkretnych dzia\u0142a\u0144, takich jak udzielanie odpowiedzi na konkretne pytania lub rozwi\u0105zywanie problem\u00f3w, a nie tylko generowanie naturalnie brzmi\u0105cego tekstu. Ponadto, modele j\u0119zykowe nie s\u0105 w stanie dok\u0142adnie zrozumie\u0107 kontekstu i intencji u\u017cytkownik\u00f3w, co cz\u0119sto prowadzi do niew\u0142a\u015bciwych odpowiedzi lub braku odpowiedzi na pytania.<\/span><\/p>\n<h2>Dostrojenie modelu, czyli jak z GPT powsta\u0142 ChatGPT<\/h2>\n<p><span style=\"font-weight: 400\">Aby przystosowa\u0107 model GPT-3 do dzia\u0142ania w roli chatbota, czyli aby wyj\u015bcie modelu by\u0142o bli\u017csze zamiarom u\u017cytkownika, poddano go procesowi fine-tuningu z nadzorem ludzkim. A dok\u0142adniej u\u017cyto metody Reinforcement Learning from Human Feedback (RLHF), kt\u00f3rej wykorzystanie w tym przypadku zosta\u0142o w spos\u00f3b uproszczony opisane poni\u017cej <strong><em>(Ouyang, 2022)<\/em><\/strong>.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Pierwszy etap to uczenie nadzorowane (supervised learning), w kt\u00f3rym wykorzystano zbi\u00f3r danych z OpenAI API uzupe\u0142niony o odpowiedzi stworzone przez labeler\u00f3w. Zbi\u00f3r ten zosta\u0142 wykorzystany do dostrojenia GPT-3 i stworzenia modelu GPT-3.5.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Drugi etap polega\u0142 na wytrenowaniu modelu nagrody (reward model) z wykorzystaniem uczenia ze wzmocnieniem (Reinforcement Learning), w kt\u00f3rym model nauczy\u0142 si\u0119 produkowa\u0107 odpowiedzi, kt\u00f3re maksymalizuj\u0105 nagrod\u0119. Do wytrenowania modelu nagrody etykietuj\u0105cy mieli za zadanie uporz\u0105dkowa\u0107 od najlepszego do najgorszego 4 do 9 wynik\u00f3w modelu GPT-3 dla jednego zapytania wej\u015bciowego.<\/span><\/p>\n<p><span style=\"font-weight: 400\">W ostatnim etapie, wykorzystuj\u0105c algorytm uczenia ze wzmocnieniem Proximal Policy Optimization (PPO), model otrzymuje losowy prompt i zwraca odpowied\u017a. Odpowied\u017a generowana jest przy u\u017cyciu &#8222;polityki&#8221;, kt\u00f3r\u0105 model nauczy\u0142 si\u0119 w drugim etapie, a nagroda dla pary prompt-odpowied\u017a jest ustalana na podstawie modelu nagrody. Nagroda nast\u0119pnie wp\u0142ywa z powrotem na model, aby ten m\u00f3g\u0142 ewoluowa\u0107 swoj\u0105 polityk\u0119.<\/span><\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<figure id=\"attachment_3086\" aria-describedby=\"caption-attachment-3086\" style=\"width: 600px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3086 size-large\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ChatGPT_Training_Diagram-1024x608.png\" alt=\"ChatGPT Fine-Tuning Diagram\" width=\"600\" height=\"356\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ChatGPT_Training_Diagram-1024x608.png 1024w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ChatGPT_Training_Diagram-300x178.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ChatGPT_Training_Diagram-768x456.png 768w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/ChatGPT_Training_Diagram.png 1140w\" sizes=\"auto, (max-width: 600px) 100vw, 600px\" \/><figcaption id=\"caption-attachment-3086\" class=\"wp-caption-text\">Diagram przedstawiaj\u0105cy kolejne kroki procesu fine-tuningu, dzi\u0119ki kt\u00f3remu powsta\u0142 ChatGPT. \u0179r\u00f3d\u0142o: <a href=\"https:\/\/openai.com\/blog\/chatgpt\">https:\/\/openai.com\/blog\/chatgpt<\/a><\/figcaption><\/figure>\n<div class=\"mceTemp\"><\/div>\n<h1>Metody detekcji sztucznie wygenerowanego tekstu<\/h1>\n<p><span style=\"font-weight: 400\">Z powodu coraz powszechniejszych modeli, takich jak GPT, kt\u00f3re mog\u0105 generowa\u0107 naturalnie brzmi\u0105cy tekst, oraz narz\u0119dzi, takich jak ChatGPT, ro\u015bnie potrzeba wykrywania, czy dany tekst zosta\u0142 wygenerowany przez sztuczn\u0105 inteligencj\u0119.\u00a0<\/span><\/p>\n<p><span style=\"font-weight: 400\">Istniej\u0105 ju\u017c algorytmy, kt\u00f3re pozwalaj\u0105 na takie wykrycie, ale niekt\u00f3re z nich powsta\u0142y niedawno, aby sprosta\u0107 nowym wyzwaniom zwi\u0105zanym z zaawansowanymi modelami j\u0119zykowymi.<\/span><\/p>\n<h2>Analiza statystyczna<\/h2>\n<p><span style=\"font-weight: 400\">Jest to jedna z najprostszych metod, i polega na zbadaniu r\u00f3\u017cnych statystyk tekstu, takich jak \u015brednia d\u0142ugo\u015b\u0107 s\u0142owa, d\u0142ugo\u015b\u0107 zdania, rozk\u0142ad liter, wyst\u0119powanie s\u0142\u00f3w kluczowych, rozk\u0142adu N-gram\u00f3w itp. i por\u00f3wna\u0107 je z typowymi warto\u015bciami dla naturalnego tekstu. Metoda ta jednak s\u0142abo radzi sobie w konfrontacji z tekstami wygenerowanymi przez z\u0142o\u017cone modele, gdy\u017c by\u0142y one trenowane na ogromnych zbiorach tekst\u00f3w, nieraz wi\u0119kszych ni\u017c te u\u017cyte do obliczenia wspomnianych statystyk.<\/span><\/p>\n<h2>Badanie losowo\u015bci<\/h2>\n<p><span style=\"font-weight: 400\">W 2019 roku Harvard i MIT-IBM Watson AI Lab opracowali narz\u0119dzie eksperymentalne, kt\u00f3re skanuje tekst i podkre\u015bla s\u0142owa na podstawie ich poziomu losowo\u015bci. Dzi\u0119ki temu mo\u017cna wykry\u0107, czy tekst zosta\u0142 wygenerowany przez AI. Dlaczego? AI generuje ci\u0105g znak\u00f3w, kt\u00f3ry jest najbardziej prawdopodobny w kontek\u015bcie danych treningowych. Cz\u0142owiekowi natomiast cz\u0119\u015bciej zdarzy si\u0119 napisa\u0107 dziwne i niepasuj\u0105ce s\u0142owo.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Edward Tian, student Princeton, opracowa\u0142 podobne narz\u0119dzie o nazwie <a href=\"https:\/\/gptzero.me\/\">GPTZero,<\/a> kt\u00f3re by\u0142o oryginalnie przeznaczone dla nauczycieli, aby pom\u00f3c w wykryciu zada\u0144 domowych napisanych przez ChatGPT. Samo OpenAI, kt\u00f3re stoi za ChatGPT, opracowa\u0142o narz\u0119dzie do skanowania tekstu d\u0142u\u017cszego ni\u017c 1000 znak\u00f3w. Otwarcie m\u00f3wi jednak o ograniczeniach narz\u0119dzia, takich jak fa\u0142szywie pozytywne wyniki oraz skuteczno\u015b\u0107 g\u0142\u00f3wnie w j\u0119zyku angielskim.<\/span><\/p>\n<h2>Znak wodny<\/h2>\n<p><span style=\"font-weight: 400\">Chocia\u017c narz\u0119dzia wykrywaj\u0105ce generowany przez AI tekst s\u0105 obecnie pomocne, Tom Goldstein, profesor informatyki na Uniwersytecie Maryland, widzi przysz\u0142o\u015b\u0107, w kt\u00f3rej stan\u0105 si\u0119 one mniej skuteczne wraz ze wzrostem zaawansowania przetwarzania j\u0119zyka naturalnego.<\/span><\/p>\n<blockquote><p><span style=\"font-weight: 400\">Te rodzaje detektor\u00f3w opieraj\u0105 si\u0119 na fakcie, \u017ce istniej\u0105 systematyczne r\u00f3\u017cnice mi\u0119dzy tekstem ludzkim a maszynowym. Ale celem tych firm jest tworzenie tekstu maszynowego, kt\u00f3ry jest mo\u017cliwie najbardziej podobny do tekstu ludzkiego &#8211; pisze Goldstein.<\/span><\/p><\/blockquote>\n<p><span style=\"font-weight: 400\">Goldstein w swoim artykule proponuje sposoby na umieszczenie w generatorach tekstu AI znak\u00f3w wodnych, kt\u00f3re umo\u017cliwi\u0105 wykrycie, czy tekst zosta\u0142 napisany przez cz\u0142owieka czy maszyn\u0119 <strong><em>(Goldstein, 2023)<\/em><\/strong>. G\u0142\u00f3wnym celem takiego rozwi\u0105zania jest oznaczenie wzorc\u00f3w s\u0142\u00f3w niedozwolonych dla generator\u00f3w tekstu AI. Dzi\u0119ki temu, gdy tekst zostanie zeskanowany, a zasady znaku wodnego zostan\u0105 z\u0142amane wiele razy, wtedy istnieje wysokie prawdopodobie\u0144stwo, \u017ce zosta\u0142 on napisany przez cz\u0142owieka.<\/span><\/p>\n<p>Obecnie znak wodny jest zawarty w darmowej wersji ChatGPT, ale oczywi\u015bcie w p\u0142atnej jest ju\u017c zdj\u0119ty.<\/p>\n<h2>Zatruwanie danych treningowych<\/h2>\n<p><span style=\"font-weight: 400\">R\u00f3wnolegle prowadzone s\u0105 dzia\u0142ania w wykrywaniu sztucznie wygenerowanych obraz\u00f3w.\u00a0<\/span><span style=\"font-weight: 400\">Jedna z metod polega na \u201czatruwaniu\u201d danych treningowych poprzez kontrolowan\u0105 manipulacj\u0119 obraz\u00f3w, kt\u00f3re je\u015bli trafi\u0105 do zbior\u00f3w treningowych modelu, mog\u0105 wprowadzi\u0107 algorytmicznie wykrywalne wzorce w generowanych obrazach.<\/span><\/p>\n<p><span style=\"font-weight: 400\">Jednak ta metoda jest mniej skuteczna dla danych tekstowych, poniewa\u017c zwyk\u0142y tweet zawiera\u0107 mo\u017ce mniej ni\u017c 5 s\u0142\u00f3w, podczas gdy obraz sk\u0142ada si\u0119 z co najmniej setek tysi\u0119cy pikseli.<\/span><\/p>\n<h1>Mo\u017cliwo\u015bci i ograniczenia generator\u00f3w tekstu<\/h1>\n<p>Mo\u017cliwo\u015bci generator\u00f3w tekstu s\u0105 coraz wi\u0119ksze, dzi\u0119ki post\u0119powi w dziedzinie uczenia maszynowego i sztucznej inteligencji. Poni\u017cej zosta\u0142y wymienione kilka z nich:<\/p>\n<ul>\n<li>Generowanie tekst\u00f3w na temat r\u00f3\u017cnych dziedzin, w tym nauki, polityki, biznesu, kultury, a tak\u017ce literatury i poezji.<\/li>\n<li>Umo\u017cliwienie tworzenia spersonalizowanych wiadomo\u015bci, kt\u00f3re wykorzystuj\u0105 informacje o u\u017cytkowniku (takie jak np. imi\u0119 czy preferencje) w celu lepszego dostosowania wiadomo\u015bci do jego potrzeb.<\/li>\n<li>Generowanie opis\u00f3w i opowiada\u0144, kt\u00f3re pozwalaj\u0105 na tworzenie tre\u015bci zwi\u0119kszaj\u0105cych zaanga\u017cowanie i emocje.<\/li>\n<li>Automatyzacja proces\u00f3w tworzenia tre\u015bci, co pozwala na zaoszcz\u0119dzenie czasu i koszt\u00f3w.<\/li>\n<\/ul>\n<p>Niemniej jednak, generatory tekstu maj\u0105 tak\u017ce pewne ograniczenia, kt\u00f3re powinny by\u0107 brane pod uwag\u0119, takie jak:<\/p>\n<ul>\n<li>Brak intuicji i kreatywno\u015bci, co oznacza, \u017ce generowany tekst mo\u017ce by\u0107 nieco &#8222;sztywny&#8221; i pozbawiony nieoczekiwanych element\u00f3w.<\/li>\n<li>Trudno\u015b\u0107 w rozumieniu kontekstu, co mo\u017ce prowadzi\u0107 do generowania tekst\u00f3w, kt\u00f3re nie s\u0105 odpowiednie dla okre\u015blonego odbiorcy lub sytuacji.<\/li>\n<li>Ryzyko b\u0142\u0119d\u00f3w lub nierzetelno\u015bci, gdy generowane teksty nie s\u0105 oparte na wiarygodnych \u017ar\u00f3d\u0142ach lub algorytmach.<\/li>\n<li>Ograniczenia technologiczne, takie jak z\u0142o\u017cono\u015b\u0107 i kosztowno\u015b\u0107 technologii, co mo\u017ce ogranicza\u0107 dost\u0119pno\u015b\u0107 generator\u00f3w tekstu dla mniejszych firm czy os\u00f3b prywatnych.<\/li>\n<\/ul>\n<p>W przypadku ChatGPT zapytali\u015bmy samo narz\u0119dzie o t\u0119 kwesti\u0119 i uzyskali\u015bmy poni\u017csz\u0105 odpowied\u017a:<\/p>\n<blockquote><p>Jako sztuczna inteligencja typu GPT-3.5, moje mo\u017cliwo\u015bci obejmuj\u0105 przede wszystkim generowanie naturalnego j\u0119zyka, rozumienie tekstu, odpowiadanie na pytania, t\u0142umaczenie j\u0119zyk\u00f3w, przetwarzanie danych i wiele innych. Mog\u0119 analizowa\u0107 i przetwarza\u0107 setki tysi\u0119cy dokument\u00f3w i tekst\u00f3w w ci\u0105gu sekund, co umo\u017cliwia mi dostarczanie dok\u0142adnych odpowiedzi i rozwi\u0105zywanie z\u0142o\u017conych problem\u00f3w.<\/p>\n<p>Jednym z moich g\u0142\u00f3wnych ogranicze\u0144 jest jednak to, \u017ce moje odpowiedzi s\u0105 oparte na wcze\u015bniej zgromadzonych danych, a nie na wiedzy wyniesionej z do\u015bwiadczenia lub intuicji. W praktyce oznacza to, \u017ce nie zawsze mog\u0119 dostarczy\u0107 odpowiedzi na pytania, kt\u00f3rych wcze\u015bniej nie napotka\u0142em. Ponadto, mimo \u017ce moje odpowiedzi s\u0105 wysoce zaawansowane, czasem mog\u0105 zawiera\u0107 b\u0142\u0119dy lub nie uwzgl\u0119dnia\u0107 kontekstu lub specyficznych wymaga\u0144 u\u017cytkownika.<\/p>\n<p>Ostatecznie, moj\u0105 funkcj\u0105 jest pomaganie u\u017cytkownikom w odkrywaniu informacji i wykonywaniu prostych zada\u0144, ale nie jestem w stanie zast\u0105pi\u0107 ludzkiego do\u015bwiadczenia czy intuicji.<\/p><\/blockquote>\n<p>Warto doda\u0107 jedn\u0105 wad\u0105, kt\u00f3ra nie jest wymieniona w odpowiedzi ChatGPT czyli brak dost\u0119pu do \u017ar\u00f3de\u0142 danych z Internetu. Ponadto, niedawno dodano model GPT-4 do ChatGPT (kt\u00f3ry jest dost\u0119pny tylko w wersji p\u0142atnej), w kt\u00f3rym kluczowa zmiana to powi\u0119kszenie kontekstu branego pod uwag\u0119 przy generowaniu s\u0142\u00f3w w odpowiedzi.<\/p>\n<h1>ChatGPT Plugins<\/h1>\n<p>OpenAI ostatnio doda\u0142o mo\u017cliwo\u015b\u0107 tworzenia i kupowania plugin\u00f3w do ChatGPT. S\u0105 one p\u0142atne i znacz\u0105co powi\u0119kszaj\u0105 mo\u017cliwo\u015bci tej technologii oraz usuwania niekt\u00f3rych ze wspomnianych ogranicze\u0144.<\/p>\n<h3>Plugin &#8222;Browsing&#8221;<\/h3>\n<p>Plugin &#8222;Browsing&#8221; pozwala ChatGPT na dost\u0119p do Internetu i wspieranie si\u0119 danymi pochodz\u0105cymi z r\u00f3\u017cnych \u017ar\u00f3de\u0142. Korzystaj\u0105c z takiego plugina nie pojawiaj\u0105 si\u0119 problemy takie jak na obrazkach w sekcji Appendix A.<\/p>\n<h3>Plugin &#8222;Code Interpreter&#8221;<\/h3>\n<p>Z kolei plugin &#8222;Code Interpreter&#8221; pozwala na wykonanie napisanego kodu (aktualnie obs\u0142ugiwany jest tylko j\u0119zyk Python) i obserwacj\u0119 wynik\u00f3w przez model. Pozwala to mi\u0119dzy innymi na wykonanie analizy danych oraz wykres\u00f3w jedynie na podstawie przes\u0142anego pliku. Dodatek mo\u017cna wykorzysta\u0107 tak\u017ce do przetwarzania obraz\u00f3w (ze wzgl\u0119du na obecno\u015b\u0107 bibliotek do tego w j\u0119zyku Python). (<a href=\"https:\/\/openai.com\/blog\/chatgpt-plugins\" target=\"_blank\" rel=\"noopener\">https:\/\/openai.com\/blog\/chatgpt-plugins<\/a>)<\/p>\n<h3>Inne pluginy<\/h3>\n<p>Opracowywane s\u0105 tak\u017ce inne pluginy (m.in. &#8222;Retrieval&#8221; do skanowania i interakcji z dokumentami), w tym przez osoby trzecie (np. &#8222;Wolfram&#8221; do oblicze\u0144, &#8222;Instacart&#8221; do sk\u0142adania zam\u00f3wie\u0144 w sklepach lokalnych). Wygl\u0105da na to, \u017ce pozwoli to na integracj\u0119 ChatGPT z wieloma innymi platformami. Z jednej strony wygl\u0105da to do\u015b\u0107 niepokoj\u0105co, gdy\u017c stworzony model pr\u00f3buje si\u0119 wsz\u0119dzie &#8222;wepcha\u0107&#8221;, z drugiej strony mo\u017ce to prowadzi\u0107 do powstania ciekawych projekt\u00f3w maj\u0105cych na celu u\u0142atwienie \u017cycia.<\/p>\n<h1>Podsumowanie<\/h1>\n<p>Zar\u00f3wno chatboty jak i generatory tekstu to narz\u0119dzia o olbrzymim potencjale, kt\u00f3re s\u0105 w stanie znacznie zautomatyzowa\u0107 liczne procesy realizowane przez ludzi. Potrafi\u0105 wprawi\u0107 nas w zachwyt swoimi umiej\u0119tno\u015bciami ale tak\u017ce przera\u017ca\u0107 mo\u017cliwo\u015bci\u0105 zast\u0105pienia nas (w szczeg\u00f3lno\u015bci obserwuj\u0105c ich mo\u017cliwo\u015bci programistyczne). Niemniej jednak w kontek\u015bcie naukowym s\u0105 prawdziwym ewenementem w dziedzinie informatyki i mamy nadziej\u0119, \u017ce ich uniwersalno\u015b\u0107 zostanie u\u017cyta do przyspieszenie rozwoju i automatyzacji wielu zada\u0144, a nie jedynie do redukcji zatrudnienia.<\/p>\n<h2>\u0179r\u00f3d\u0142a:<\/h2>\n<ul>\n<li>Clark, M. (2023, January 31). ChatGPT\u2019s creator made a free tool for detecting AI-generated text. <em>The Verge<\/em>. <a href=\"https:\/\/www.theverge.com\/2023\/1\/31\/23579942\/chatgpt-ai-text-detection-openai-classifier\">https:\/\/www.theverge.com\/2023\/1\/31\/23579942\/chatgpt-ai-text-detection-openai-classifier<\/a><\/li>\n<li>OpenAI (2023, March 23). ChatGPT plugins. <em>OpenAI blog<\/em>. <a href=\"https:\/\/openai.com\/blog\/chatgpt-plugins\">https:\/\/openai.com\/blog\/chatgpt-plugins<\/a><\/li>\n<li>Entrepreneur staff (2023, February 16. ChatGPT: What Is It and How Does It Work? <em>Entrepreneur<\/em>. https:\/\/www.entrepreneur.com\/science-technology\/chatgpt-what-is-it-and-how-does-it-work\/445014<\/li>\n<li>Adamopoulou, E., &amp; Moussiades, L. (2020). Chatbots: History, technology, and applications.\u00a0<i>Machine Learning with Applications<\/i>,\u00a0<i>2<\/i>, 100006.<\/li>\n<li>OpenAI. (2023, March 4). GPT-4 Technical Report.<\/li>\n<li>Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C. L., Mishkin, P., \u2026 Lowe, R. (2022, March 4). Training language models to follow instructions with human feedback.<\/li>\n<li>Kirchenbauer, J., Geiping, J., Wen, Y., Katz, J., Miers, I., &amp; Goldstein, T. (2023, January 24). A Watermark for Large Language Models.<\/li>\n<li>Reece, R. (2023, February 8). How to Detect AI-Generated Text, According to Researchers. <em>WIRED blog.<\/em> <a href=\"https:\/\/www.wired.com\/story\/how-to-spot-generative-ai-text-chatgpt\/\" target=\"_blank\" rel=\"noopener\">https:\/\/www.wired.com\/story\/how-to-spot-generative-ai-text-chatgpt\/<\/a><\/li>\n<\/ul>\n<h1>Appendix A: Przyk\u0142ady dzia\u0142ania ChatGPT<\/h1>\n<figure id=\"attachment_3096\" aria-describedby=\"caption-attachment-3096\" style=\"width: 783px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3096 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/KLD.png\" alt=\"KL Divergence\" width=\"783\" height=\"764\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/KLD.png 783w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/KLD-300x293.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/KLD-768x749.png 768w\" sizes=\"auto, (max-width: 783px) 100vw, 783px\" \/><figcaption id=\"caption-attachment-3096\" class=\"wp-caption-text\">ChatGPT wykorzystany do wyt\u0142umaczenia zagadnie\u0144 teoretycznych z uczenia maszynowego. Trzeba pami\u0119ta\u0107 jednak, \u017ce nie jest on &#8222;\u017ar\u00f3d\u0142em wiedzy&#8221; i nie nale\u017cy polega\u0107 na nim w pe\u0142ni.<\/figcaption><\/figure>\n<p>&nbsp;<\/p>\n<figure id=\"attachment_3097\" aria-describedby=\"caption-attachment-3097\" style=\"width: 779px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3097 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/wstep.png\" alt=\"wygenerowany_lid\" width=\"779\" height=\"586\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/wstep.png 779w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/wstep-300x226.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/wstep-768x578.png 768w\" sizes=\"auto, (max-width: 779px) 100vw, 779px\" \/><figcaption id=\"caption-attachment-3097\" class=\"wp-caption-text\">ChatGPT prezentuje umiej\u0119tno\u015b\u0107 parafrazy. Tak wygenerowali\u015bmy lida tego wpisu \ud83d\ude1b<\/figcaption><\/figure>\n<p>&nbsp;<\/p>\n<figure id=\"attachment_3098\" aria-describedby=\"caption-attachment-3098\" style=\"width: 783px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3098 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/klocek.png\" alt=\"slimak_klocek\" width=\"783\" height=\"459\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/klocek.png 783w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/klocek-300x176.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/klocek-768x450.png 768w\" sizes=\"auto, (max-width: 783px) 100vw, 783px\" \/><figcaption id=\"caption-attachment-3098\" class=\"wp-caption-text\">ChatGPT potrafi generowa\u0107 historyjki, i to znacznie lepsze ni\u017c ja. Ju\u017c wiem sk\u0105d b\u0119d\u0119 bra\u0142 opowiadania dla swoich dzieci.<\/figcaption><\/figure>\n<p>&nbsp;<\/p>\n<figure id=\"attachment_3105\" aria-describedby=\"caption-attachment-3105\" style=\"width: 826px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3105 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/lid.png\" alt=\"ChatGPT lead generation problem\" width=\"826\" height=\"663\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/lid.png 826w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/lid-300x241.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/lid-768x616.png 768w\" sizes=\"auto, (max-width: 826px) 100vw, 826px\" \/><figcaption id=\"caption-attachment-3105\" class=\"wp-caption-text\">Czasami ChatGPT ma te\u017c problemy z dzia\u0142aniem &#8211; w tym przypadku niewa\u017cne jak d\u0142ugo oczekiwa\u0142em, nie by\u0142em w stanie dosta\u0107 \u017cadnej odpowiedzi od modelu.<\/figcaption><\/figure>\n<p>&nbsp;<\/p>\n<figure id=\"attachment_3104\" aria-describedby=\"caption-attachment-3104\" style=\"width: 660px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3104 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/pomgoda.png\" alt=\"ChatGPT weather problem\" width=\"660\" height=\"880\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/pomgoda.png 660w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/pomgoda-225x300.png 225w\" sizes=\"auto, (max-width: 660px) 100vw, 660px\" \/><figcaption id=\"caption-attachment-3104\" class=\"wp-caption-text\">W tym przypadku widoczne by\u0142o, \u017ce ChatGPT jest ograniczony co do dost\u0119pu do Internetu i rozmowa z nim zdecydowanie wygl\u0105da\u0142a gorzej ni\u017c standardowo.<\/figcaption><\/figure>\n<figure id=\"attachment_3123\" aria-describedby=\"caption-attachment-3123\" style=\"width: 794px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3123 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/co_wieksze.png\" alt=\"Co jest wi\u0119ksze 2747 czy 2400?\" width=\"794\" height=\"358\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/co_wieksze.png 794w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/co_wieksze-300x135.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/03\/co_wieksze-768x346.png 768w\" sizes=\"auto, (max-width: 794px) 100vw, 794px\" \/><figcaption id=\"caption-attachment-3123\" class=\"wp-caption-text\">ChatGPT mo\u017ce i \u0142adnie i sensownie pisze, ale asertywno\u015bci mu brakuje&#8230;<\/figcaption><\/figure>\n","protected":false},"excerpt":{"rendered":"<p>W ostatnich latach sztuczna inteligencja (AI) zyska\u0142a na znaczeniu i rozwija si\u0119 w niespotykanym tempie. Dzi\u0119ki wprowadzeniu nowych architektur i algorytm\u00f3w uczenia w sieciach neuronowych mo\u017cliwo\u015bci tych technologii sta\u0142y si\u0119 niewiarygodne. W szczeg\u00f3lno\u015bci generatory tekstu i chatboty, umo\u017cliwiaj\u0105ce interakcj\u0119 cz\u0142owieka z maszyn\u0105, ciesz\u0105 si\u0119 coraz wi\u0119ksz\u0105 popularno\u015bci\u0105. Z jednej strony, niekt\u00f3rzy zachwycaj\u0105 si\u0119 mo\u017cliwo\u015bciami modeli [&hellip;]<\/p>\n","protected":false},"author":123,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[225],"tags":[15,112,246,247,20],"class_list":["post-2936","post","type-post","status-publish","format-standard","hentry","category-agh-2022-23","tag-ai","tag-chatbot","tag-chatgpt","tag-generowanie-tekstu","tag-sztuczna-inteligencja"],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/2936","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/123"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=2936"}],"version-history":[{"count":22,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/2936\/revisions"}],"predecessor-version":[{"id":3124,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/2936\/revisions\/3124"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=2936"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=2936"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=2936"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}