ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ НЕЙРОСЕТИ GPT-3 В СОВРЕМЕННОЙ ЭКОНОМИКЕ

PROSPECTS FOR THE IMPLEMENTATION OF THE GPT-3 IN THE MODERN ECONOMY

Natalia Yadova

candidate of Economic Sciences, Associate Professor of the Department « Economy and Business», Bauman Moscow State Technical University,

Russia, Moscow

Konstantin Kochetkov

student, Bauman Moscow State Technical University,

Russia, Zhukovsky

Muin Kurbonmamadov

student, Bauman Moscow State Technical University,

Russia, Moscow

АННОТАЦИЯ

Статья рассматривает быстрое развитие и большую популярность нейросети GPT-3.5 и чат-бота на ее основе ChatGPT. Данная нейросеть, в последнее время, благодаря успехам в своем развитии, вызвала большой общественный резонанс и скорее всего в будущем окажет огромное влияние на экономику. ChatGPT показывает потенциал в различных областях, таких как обработка естественного языка и автоматизация задач. Статья также анализирует возможное будущее этой технологии и ее применение в различных отраслях.

ABSTRACT

The article examines the rapid development and great popularity of the GPT-3.5 neural network and the chatbot based on it ChatGPT. This neural network, recently, thanks to the success in its development, has caused a great public outcry and is likely to have a huge impact on the economy in the future. ChatGPT shows potential in various fields such as natural language processing and task automation. The article also analyzes the possible future of this technology and its application in various industries.

Ключевые слова: нейросети; ChatGPT; экономика; обработка естественного языка; автоматизация задач; обучение с подкреплением; анализ данных; развитие; применение.

Keywords: neural networks; ChatGPT; economics; natural language processing; task automation; reinforcement learning; data analysis; development; application.

Нейросети являются одной из самых быстроразвивающихся областей современной науки, они находят все более широкое применение в различных сферах жизни, от медицины до финансов. Нейросеть – это компьютерная модель, которая может обучаться на данных и использоваться для решения разнообразных задач, решить которые обычные алгоритмы не способны. Она состоит из многих связанных между собой слоев, каждый из которых состоит из множества программных элементов, которые обрабатывают информацию и передают ее по слоям. Каждый элемент обычно называется "нейроном", так как имитирует работу нейронов в головном мозге. Нейросеть обычно обучается на большом количестве данных и настраивается таким образом, чтобы решать спектр конкретных задач.

С развитием нейросетей стали возможны новые методы анализа данных, которые позволяют более точно прогнозировать рыночные тенденции и поведение потребителей, что в дальнейшем помогает улучшить стратегию продаж, оптимизировать производственные процессы, снизить издержки и повысить прибыль.

Например, нейросети широко используются в финансовых инструментах, таких как прогнозирование цен на акции, определение оптимальных инвестиционных портфелей и риск-менеджмент, позволяя инвесторам принимать более обоснованные решения и повышать доходность своих инвестиций.

Более того, нейросети находят применение в маркетинге и рекламе. Они способны анализировать данные о поведении потребителей в социальных сетях, их предпочтениях и интересах, что помогает корпорациям создавать более эффективные рекламные кампании и улучшать взаимодействие с клиентами.

В целом, использование нейросетей обладает огромным потенциалом для развития современной экономики. На данный момент одной из самых популярных нейросетей является GPT-3.5, разработанная американской компанией OpenAI. Она может оказать значительное влияние на современную экономику, в том числе благодаря своим способностям к обработке естественного языка и генерации текста. Например, GPT-3.5 может быть использована для автоматического анализа и интерпретации данных о финансовых рынках, повышения эффективности бизнес-процессов, оптимизации инвестиционных стратегий и т.д.

В настоящее время ChatGPT признан одним из самых эффективных чат-ботов. Он способен разрабатывать контекстно-зависимые диалоги, оспаривать неверные предпосылки и отклонять неподходящие запросы на основе обширной базы знаний, тонкой настройки и ориентирования на человека. Эти преимущества позволяют ChatGPT хорошо адаптироваться к различным ситуациям реального мира, включая бизнес-консультации, инженерные, образовательные и исследовательские услуги.

Рисунок 1. (Пример диалога с ChatGPT)

Основным принципом работы ChatGPT является применение трансформера - архитектуры нейронной сети, которая используется для обработки последовательностей данных, таких как тексты. Трансформер состоит из множества слоев, каждый из которых выполняет определенную функцию обработки данных. В частности, трансформер используется для извлечения взаимосвязей между словами в предложении, учитывая их контекст и зависимости друг от друга. ChatGPT основывается на огромном объеме текстовых данных: миллионах книг, статей, новостей, блогов и т.д. В ходе обучения модель пытается запомнить зависимости между словами и фразами, чтобы на основе этого генерировать новые тексты, отвечать на вопросы, переводить статьи на другие языки и выполнять другие задачи, связанные с обработкой естественного языка.

Специалисты по оценке персонала ранжировали ответы ChatGPT, что позволило оптимизировать некоторые параметры и помогло нейросети стать лучшим собеседником. Данная модель использует 175 миллиардов параметров. Чтобы обучить такую сложную сеть, OpenAI в партнерстве с Microsoft предоставила обучающий ресурс объемом более 350 ГБ памяти стоимостью 12 миллионов долларов.[5, с. 6]

До появления ChatGPT несколько чат-ботов работали по подобным алгоритмам. Однако основной компонент, позволивший ChatGPT получать последовательные и увлекательные ответы – это использование обучения с подкреплением. Обучение с подкреплением – это один из методов машинного обучения, при котором алгоритм запоминает информацию, взаимодействуя со средой через последовательность действий и получает от нее награду или штраф за каждое выполненное действие. Простыми словами, этот процесс схож с процессом обучения ребенка: если он выполняет задания правильно, то его поощряют (например, дарят конфетку), а если неправильно, - то его наказывают (например, забирают игрушку). Алгоритм в обучении с подкреплением работает аналогичным образом. Он принимает решения на основе текущего состояния среды и получает от нее награду или штраф. Задача алгоритма - максимизировать суммарную награду за определенный период времени, принимая наилучшие решения в каждой ситуации. Таким образом, обучение с подкреплением позволяет создавать алгоритмы, которые могут самостоятельно изучать и находить оптимальные решения в сложных ситуациях, где нет жестких правил и конкретных ответов.

О высокой популярности ChatGPT во всех сферах свидетельствует тенденция пользовательских запросов об этом чат-боте в известном поисковом сервисе Google*.

Рисунок 2. (Динамика популярности запросов об известных нейросетях за прошедший год)

На данном рисунке синим цветом обозначена динамика запросов ChatGPT, желтым – MidJourney, зеленым – XLNet, красным – BERT. Числа обозначают уровень интереса к теме по отношению к наиболее высокому показателю в таблице для определенного региона и периода времени. 100 баллов означают наивысший уровень популярности запроса, 50 – уровень популярности запроса, вдвое меньший по сравнению с первым случаем. 0 баллов означает местоположение, по которому недостаточно данных о рассматриваемом запросе (запросов не было или слишком мало для составления статистики).[2]

Также об успешном применении ChatGPT свидетельствует информация о том, на сколько быстро данный чат-бот набрал 1 миллион пользователей по сравнению с прочими крупнейшими популярными веб – сервисами.[4]

Рисунок 3. (Время достижения 1 миллиона пользователей для разных веб-приложений)

Исходя из вышесказанного, можно сделать вывод, что нейросеть GPT-3.5 за короткий период времени после запуска привлекла множество пользователей со всего мира, а также вызвала широкий отклик в СМИ и социальных сетях. Эти результаты подтверждают потенциал и перспективы GPT-3.5 в качестве новой платформы для коммуникации и обмена знаниями за счет того, что нейросети являются очень мощным инструментом для анализа данных, обучения и прогнозирования. Они могут извлекать сложные закономерности из больших объемов данных и использовать их для создания прогнозов и решения различных задач. Благодаря таким возможностям ChatGPT может непосредственно влиять на различные важные экономические процессы в мире.

Рассмотрим разные сферы жизнедеятельности человека, в которых может быть использован ChatGPT:

• Коммуникации с пользователями: ChatGPT может быть использован для обработки запросов и вопросов от клиентов в различных сферах. Например, он может помочь компаниям в сфере технической поддержки обрабатывать запросы от клиентов, помогая им решать проблемы быстро и эффективно. ChatGPT может быть использован для автоматической обработки электронных писем и ответов на часто задаваемые вопросы или выявления писем, носящих мошеннический характер.
• Анализ данных и маркетинг: данную нейросеть можно использовать для анализа данных и прогнозирования поведения потребителей в различных сферах. Например, с помощью продвинутого анализа данных можно определить наиболее эффективные стратегии рекламы и маркетинга, а также прогнозировать спрос на продукты и услуги. Также ChatGPT могут использовать для автоматического анализа обратной связи от клиентов и выявления тенденций и проблем в процессе продажи.
• Образование: Возможность ChatGPT генерировать интересные и понятные ответы, можно использовать в качестве инструмента для обучения студентов. Например, обучающиеся могут находить ответы на вопросы в режиме реального времени, чтобы понять сложные концепции в различных предметах. Также данная нейросеть может использоваться для создания учебных материалов.
• Медицина: ChatGPT может быть использован для анализа медицинских данных, а также помощи в диагностике и лечении различных заболеваний. Например, можно автоматически обрабатывать медицинские карты и определять наиболее эффективные стратегии лечения. Также ChatGPT может использоваться для обработки запросов от пациентов и предоставления им информации о лечении.
• Финансы: ChatGPT может иметь серьёзное влияние в сфере финансов. Его способности могут применяются для анализа финансовых данных, прогнозирования рыночных тенденций и принятия решений по инвестированию и управлению портфелями. Например, ChatGPT может анализировать финансовые новости и данные, чтобы предсказать, какая компания имеет высокий потенциал роста и является наиболее перспективной для инвестирования. Также ChatGPT может быть использован для автоматизации торговли на финансовых рынках, что может увеличить эффективность и точность принятия решений. Кроме того, ChatGPT может использоваться в банковском секторе для улучшения обслуживания клиентов. Например, с помощью ChatGPT банки могут создать персонализированные рекомендации для клиентов и предоставлять им точную информацию о своих финансовых продуктах и услугах. Однако, как и в любой другой сфере, применение ChatGPT в финансовом секторе также имеет свои риски. Например, применение новых технологий для принятия финансовых решений может привести к потере доверия со стороны клиентов, если они не будут понимать, как устроена новая система. Тем не менее, при правильном использовании ChatGPT может значительно повысить эффективность и точность принятия финансовых решений, что в свою очередь может привести к улучшению финансовых результатов и увеличению удовлетворенности клиентов.
• Государственное управление: нейросеть может обрабатывать большие объемы данных и помогать принимать решения в различных вопросах государственного управления, в том числе в экономической политике, мониторинге социальных тенденций и прогнозировании различных событий и последствий.
• Технологические инновации: ChatGPT может быть использован для разработки новых технологий и инноваций в различных отраслях, включая искусственный интеллект, робототехнику, автоматизацию производства и другие сферы. Его возможности в обработке естественного языка и анализе данных могут помочь ускорить разработку новых технологий и улучшить их эффективность и функциональность.

В целом, ChatGPT можно использовать в любой сфере, где требуется обработка и анализ больших объемов данных, а также автоматизация процессов. Его возможности могут помочь повысить эффективность и точность принятия решений в различных сферах. Именно эти преимущества уже активно используются в компаниях. Сервис ResumeBuilder провел опрос среди 1000 руководителей крупных предприятий и выяснил, что спрос на использование нейросетей значительно вырос. Прямо сейчас 66% из опрошенных компаний используют ChatGPT[3]:

• Для написания программного кода
• Для создания контента
• Для организации службы поддержки
• Для подведения итогов работы компании

Рисунок 4. (Функции ChatGPT в компаниях)

Несмотря на то, что многие компании не афишируют это – некоторые должности активно замещают нейросетями, ведь они лишены «человеческого фактора.

Стоит отметить то, как внедрение данной нейросети может облегчить или заменить труд человека.

Улучшение производительности: ChatGPT может помочь автоматизировать многие задачи, которые раньше требовали большого количества времени и усилий со стороны людей. Это может значительно повысить производительность труда и снизить издержки на оплату труда. Таким образом, внедрение ChatGPT может улучшить эффективность и конкурентоспособность различных отраслей экономики.

Создание новых бизнес-моделей: Внедрение ChatGPT может помочь создавать новые бизнес-модели, которые основаны на обработке больших объемов данных и использовании искусственного интеллекта. Это может привести к созданию новых рынков и возможностей для развития бизнеса, что в свою очередь может способствовать росту экономики.

Сокращение расходов: ChatGPT может быть использован для автоматизации многих процессов, что помогает снизить издержки на оплату труда и улучшить использование ресурсов. Это особенно полезно для малых и средних предприятий, которые не могут позволить себе большие инвестиции в автоматизацию и обработку данных.

Теоретически, внедрение ChatGPT в экономику может привести к значительному росту производительности и улучшению качества продукции и услуг. Однако, существует и ряд потенциальных рисков, связанных с использованием искусственного интеллекта, таких как потеря рабочих мест и нарушение приватности данных.

В целом, внедрение ChatGPT в различные сферы экономики может привести к значительным изменениям в производстве, потреблении и работе, и для достижения наилучших результатов, необходимо балансировать потенциальные преимущества и риски, связанные с этой технологией.

ChatGPT – это удивительный пример того, как современные искусственные нейронные сети могут создавать высококачественный и контекстно-зависимый текст. Он имеет огромный потенциал для улучшения качества общения между людьми и машинами, а также для улучшения различных процессов, включая поиск информации, обработку естественного языка, анализ данных и т.д. Разработка и совершенствование подобных моделей продолжается, и уже в ближайшем будущем будет представлена GPT – 4, новая версия нейросети. Она позволит использовать "мультимодальные модели, которые будут предлагать совершенно разные возможности".[1] Мультимодальная модель способна объединять и обрабатывать несколько источников данных, таких как текст, аудио или изображения, для уточнения результатов.

* (По требованию Роскомнадзора информируем, что иностранное лицо, владеющее информационными ресурсами Google является нарушителем законодательства Российской Федерации – прим. ред)

Список литературы:

1. AI in Focus - Digital Kickoff (Андреас Браун, 2023). (Дата обращения: 12 марта 2023).
2. Google *Trends. URL: https://trends.google.ru (Дата обращения: 1 марта 2023).
3. ResumeBuilder. (2023). 1 из 4 компаний уже заменили работников на ChatGPT. [1 in 4 companies have already replaced workers with ChatGPT]. URL: https://www.resumebuilder.com/1-in-4-companies-have-already-replaced-workers-with-chatgpt/ (Дата обращения: 10 марта 2023).
4. Statista. (2022). Время достижения одного миллиона пользователей. [Time to reach one million users]. URL: https://www.statista.com/chart/29174/time-to-one-million-users/ (Дата обращения: 20 февраля 2023).
5. Вей, Дж., и Тай, Й. (2022, ноябрь). Характеристика возникающих явлений в больших языковых моделях. [Characterizing emergent phenomena in large language models]. Google Research Blog. URL: https://ai.googleblog.com/2022/11/characterizing-emergent-phenomena-in.html (Дата обращения: 27 февраля 2023).