Dirbtinis intelektas, kuris kuria – ne tik analizuoja
Jei pastaruoju metu naudojai ChatGPT, paprašei Midjourney sugeneruoti paveikslėlį ar leidai GitHub Copilot užbaigti tavo kodą – tu jau susidūrei su generatyviniu AI. Bet kas tai iš tikrųjų yra? Ne ta abstrakti technologijų žargono versija, kurią girdi konferencijose, o realiai – kas vyksta po gaubtu ir kodėl tai keičia viską, ką žinojome apie tai, kaip mašinos veikia?
Tradicinis dirbtinis intelektas buvo geras viename dalyke: atpažinti, klasifikuoti, prognozuoti. Duodi jam tūkstančius kačių nuotraukų – jis išmoksta atpažinti katę. Duodi finansinius duomenis – jis prognozuoja akcijų kursą. Viskas gražu, bet sistema tik reaguoja į tai, kas jau egzistuoja. Generatyvinis AI žaidžia kitoje lygoje – jis kuria naują turinį: tekstą, vaizdus, garsą, vaizdo įrašus, kodą, net 3D modelius. Ir tai nėra tik techninis niuansas – tai fundamentalus pokytis.
Kaip generatyvinis AI iš tikrųjų veikia
Nesinori čia pateikti sausos akademinės definicijos, todėl pabandykime kitaip. Įsivaizduok žmogų, kuris perskaitė milijonus knygų, straipsnių, pokalbių, kodų eilučių. Jis neatsimena kiekvieno sakinio pažodžiui, bet supranta struktūras, ryšius, kontekstus. Kai paprašai jo parašyti eilėraštį apie lietų Vilniuje, jis nesikopijuoja iš kažkur – jis sintetina viską, ką žino apie poeziją, lietų, Vilnių ir emocijas, ir sukuria kažką naujo.
Generatyvinis AI veikia panašiai, tik skaičiais. Širdyje – didelieji kalbos modeliai (angl. Large Language Models, LLM), kaip GPT-4, Claude ar Gemini. Jie treniruojami ant milžiniškų duomenų kiekių naudojant procesą, vadinamą transformerių architektūra. Esmė: modelis mokosi numatyti, koks žodis (ar vaizdas, ar garsas) labiausiai tikėtinas po ankstesnio, atsižvelgiant į visą kontekstą. Tai skamba paprastai, bet kai turi šimtus milijardų parametrų ir treniruoji juos mėnesius ant superkompiuterių – rezultatas yra tai, ką matome dabar.
Vaizdų generavimui naudojama kiek kitokia technologija – difuzijos modeliai (Stable Diffusion, DALL-E, Midjourney). Jie mokosi „triukšmą” paversti vaizdais: pradeda nuo atsitiktinių pikselių ir žingsnis po žingsnio „išvalo” juos, kol gauna tai, ko buvo paprašyta. Todėl kartais matai tą keistą procesą, kai vaizdas tarsi „atsiranda iš rūko”.
Kuo generatyvinis AI skiriasi nuo to, ką turėjome anksčiau
Prieš kelerius metus AI buvo specializuotas. Spam filtras – vienas modelis. Veido atpažinimas – kitas. Vertimas – trečias. Kiekvienas darė vieną dalyką ir darė jį gerai, bet nieko daugiau. Generatyvinis AI sulaužė šią paradigmą dviem būdais.
Pirma – universalumas. Tas pats GPT-4 gali rašyti poeziją, debuginti Python kodą, aiškinti kvantinę mechaniką ir padėti suplanuoti atostogas. Ne todėl, kad buvo specialiai tam treniruotas, o todėl, kad išmoko tokio lygio abstrakciją, kuri leidžia perkelti žinias tarp domenų.
Antra – natūrali sąveika. Nebereikia mokytis specialių komandų ar programavimo kalbų. Rašai taip, kaip kalbėtum su žmogumi, ir sistema supranta. Tai atrodo trivialiai, bet tai yra vienas didžiausių barjerų, kuris buvo sulaužytas – technologijų demokratizacija tikrąja prasme.
Palyginkime konkrečiai: senasis AI galėjo pasakyti, ar el. laiškas yra spam. Generatyvinis AI gali parašyti el. laišką, išversti jį į penkias kalbas, sukurti jam vizualinį dizainą ir pasiūlyti, kurią dieną jį siųsti, kad atidarymo rodiklis būtų aukščiausias. Skirtumas milžiniškas.
Realūs pritaikymai, kurie jau keičia kasdienybę
Teorija teorija, bet kur tai matome praktikoje? Štai keletas sričių, kuriose generatyvinis AI jau nėra ateitis – jis yra dabar:
Kūrybinės industrijos. Dizaineriai naudoja Midjourney ir Adobe Firefly koncepcijoms generuoti per minutes, o ne dienas. Muzikantai eksperimentuoja su Suno ir Udio, kurie generuoja pilnas dainas pagal tekstinį aprašymą. Scenaristai naudoja AI kaip „brainstorming partnerį”. Tai nekelia kūrėjų – tai keičia jų darbo eigą.
Programavimas. GitHub Copilot, Cursor, Amazon CodeWhisperer – šie įrankiai jau naudojami milijonų programuotojų kasdien. Tyrimai rodo, kad jie padidina produktyvumą 30-55%. Tai nereiškia, kad programuotojai nebeturi darbo – tai reiškia, kad jie gali daugiau laiko skirti architektūrai ir problemų sprendimui, o ne boilerplate kodui rašyti.
Sveikatos apsauga. Čia dar ankstyvos stadijos, bet potencialas milžiniškas. Modeliai kaip Med-PaLM 2 pasiekia gydytojo lygio rezultatus medicinos egzaminuose. AI padeda analizuoti medicininius vaizdus, generuoti pacientų ataskaitas, spartinti vaistų kūrimą.
Švietimas. Khan Academy’s Khanmigo yra AI tutoriai, kurie prisitaiko prie kiekvieno mokinio tempo ir stiliaus. Tai ne tik atsakymų mašina – ji klausia klausimų, skatina mąstyti, paaiškina tą patį dešimt skirtingų būdų, kol supranti.
Verslas ir marketingas. Personalizuotas turinys mastu, kurio anksčiau nebuvo įmanoma pasiekti. El. pašto kampanijos, pritaikytos kiekvienam gavėjui individualiai. Produktų aprašymai, automatiškai generuojami iš specifikacijų. Klientų aptarnavimo chatbotai, kurie iš tikrųjų supranta kontekstą.
Rizikos, apie kurias reikia kalbėti atvirai
Būtų neatsakinga kalbėti apie generatyvinį AI tik su entuziazmu. Yra realių problemų, ir jos nėra tik teorinės.
Haliucinacijos. Taip vadinamas reiškinys, kai AI tiesiog išgalvoja faktus – su visu pasitikėjimu ir be jokio perspėjimo. Paprašyk ChatGPT nurodyti šaltinius – jis gali sugeneruoti visiškai išgalvotas citatas su tikrais autorių vardais. Tai rimta problema bet kokiame kontekste, kur tikslumas svarbus. Praktinis patarimas: visada tikrink AI pateiktus faktus nepriklausomuose šaltiniuose, ypač jei naudoji juos profesiniam ar akademiniam tikslui.
Deepfake’ai ir dezinformacija. Generatyvinis AI dramatiškai sumažino barjerą sukurti įtikinamus suklastotus vaizdo įrašus, garso įrašus, nuotraukas. Politiniai deepfake’ai, sukčiavimo schemos naudojant balso klonavimą, masinė dezinformacijos gamyba – tai ne distopinė fantastika, tai jau vyksta.
Autorių teisių painiava. Ant kokių duomenų buvo treniruoti šie modeliai? Ar menininkai, rašytojai, programuotojai, kurių darbai buvo naudojami treniravimui, davė sutikimą? Šie klausimai šiuo metu sprendžiami teismuose visame pasaulyje, ir aiškių atsakymų dar nėra.
Darbo rinkos pokyčiai. Tai sudėtinga tema, kuriai reikia niuansų. Kai kurios profesijos tikrai transformuosis – ne visos išnyks, bet daugelis pasikeis iš esmės. Vertėjai, pradinio lygio copywriteriai, duomenų įvedimo specialistai, tam tikros kategorijos programuotojai – visi jaučia spaudimą. Tuo pačiu atsiranda naujos profesijos: prompt inžinieriai, AI treneriai, etikos specialistai.
Kaip pradėti naudoti generatyvini AI protingai
Jei dar nesate aktyvus generatyvinio AI naudotojas, štai konkretus veiksmų planas:
Pradėk nuo ChatGPT arba Claude. Abu turi nemokamas versijas. Claude dažnai geriau tvarko ilgus dokumentus ir yra šiek tiek atsargesnis su faktais. ChatGPT turi platesnę ekosistemą ir integracijų. Išbandyk abu ir pamatysi, kuris labiau tinka tavo poreikiams.
Išmok rašyti gerus prompt’us. Tai vadinama „prompt inžinerija” ir tai tikrai svarbu. Vietoj „parašyk man el. laišką” rašyk „parašyk profesionalų, bet draugišką el. laišką potencialiam klientui, kuris domisi mūsų buhalterinės apskaitos programine įranga. Laiškas turi būti trumpas – ne daugiau 150 žodžių, su aiškiu call-to-action.” Kuo daugiau konteksto, tuo geresnis rezultatas.
Naudok AI kaip partnerį, ne kaip pakaitą. Geriausi rezultatai gaunami, kai tu atneši ekspertizę ir sprendimų priėmimą, o AI – greitį ir skalę. Tegul AI sugeneruoja pirmą juodraštį, tada tu jį redaguok, patikrink faktus, pridėk savo balsą.
Eksperimentuok su specializuotais įrankiais. Jei esi dizaineris – Midjourney ar Adobe Firefly. Programuotojas – GitHub Copilot ar Cursor. Marketingo specialistas – Jasper ar Copy.ai. Bendrieji modeliai yra puikūs, bet specializuoti dažnai duoda geresnius rezultatus savo srityje.
Laikykis informuotas. Ši sritis keičiasi taip greitai, kad žinios, kurios buvo aktualios prieš šešis mėnesius, gali jau būti pasenusios. Sek Andrej Karpathy, Ethan Mollick ir kitus praktikus, kurie aiškina šias technologijas suprantamai.
Lietuva ir generatyvinis AI – kur esame
Lietuviška perspektyva čia irgi svarbi. Mūsų technologijų ekosistema yra pakankamai brandi, kad jaustų šiuos pokyčius tiesiogiai. Vilniaus startuolių scena aktyviai eksperimentuoja su AI integracijomis – nuo fintech iki legaltech. Universitetai bando suprasti, ką daryti su studentais, kurie naudoja ChatGPT rašydami darbus.
Lietuvių kalbos atžvilgiu situacija gerėja, bet vis dar yra atotrūkis. GPT-4 ir Claude supranta ir generuoja lietuvišką tekstą pakankamai gerai kasdieniam naudojimui, bet specializuotuose kontekstuose – teisiniame, medicininiame – dar pasitaiko klaidų, kurios anglų kalboje jau būtų retos. Tai reiškia, kad lietuvių kalbos duomenų rinkiniai treniravimui vis dar yra vertingas ir nepakankamas resursas.
Reguliavimo pusėje – ES AI Act, kuris pradės veikti pilnai 2026 metais, tiesiogiai paveiks, kaip Lietuvos įmonės gali naudoti generatyvini AI. Ypač jautrios sritys: biometriniai duomenys, sprendimai, turintys įtakos žmonių gyvenimui (kreditai, įdarbinimas), ir „didelės rizikos” AI sistemos. Verta jau dabar susipažinti su šiais reikalavimais, jei planuoji AI integraciją versle.
Tai ne burbulas – tai infrastruktūra
Kiekvieną kartą, kai atsiranda nauja technologinė banga, kyla klausimas: ar tai tikra revoliucija, ar tik hype? Su generatyviniu AI atsakymas yra sudėtingesnis nei paprastas „taip” arba „ne”. Tikrai yra perdėtų lūkesčių – ne viskas, ką žadėjo AI startuoliai 2023 metais, išsipildė laiku. AGI (bendrasis dirbtinis intelektas) vis dar yra diskusijų objektas, ne realybė.
Bet čia yra esminis skirtumas nuo ankstesnių technologinių burbulų: generatyvinis AI jau dabar teikia realią vertę realiam vartotojui. ChatGPT pasiekė 100 milijonų vartotojų per du mėnesius – greičiau nei bet kuri kita technologija istorijoje. Įmonės, kurios integruoja šiuos įrankius, mato išmatuojamus produktyvumo padidėjimus. Tai ne spekuliacija – tai duomenys.
Geriausia analogija galbūt yra internetas 1995-2000 metais. Tada irgi buvo burbulas, irgi buvo perdėtų lūkesčių, irgi daug įmonių žlugo. Bet internetas pats savaime neišnyko – jis tapo infrastruktūra, ant kurios pastatyta visa šiuolaikinė ekonomika. Generatyvinis AI eina tuo pačiu keliu. Klausimas nėra „ar tai svarbu” – klausimas yra „kaip greitai tai taps taip įprasta, kad nebeįsivaizduosime be jo darbo”. Ir pagal visus ženklus, tas momentas yra arčiau nei toliau.
