„AI-ბრმა“ ვხდები — რატომ ვეღარ ვკითხულობთ AI-ის მიერ დაწერილ დოკუმენტებს
Rafal Cymerys თავის ესეში აღწერს, როგორ ვეღარ ამუშავებს სამსახურში მიღებულ დოკუმენტებს: ყველა მათგანს AI-ის ძლიერი კვალი ატყვია — და სწორედ ამ კვალის ამოცნობას ვსწავლობთ.
ინჟინერის მოკლე ესე იმაზე, თუ როგორ იკითხება დოკუმენტები სამსახურში, ფართო გამოხმაურებას იწვევს. Rafal Cymerys წერს, რომ სულ უფრო ხშირად იჭერს თავს იმ მომენტში, როცა სხვის მიერ გამოგზავნილ ტექსტს ვერ ამუშავებს. განცდას ზუსტად აღწერს: თითქოს კითხულობს, მაგრამ ტვინი შიგთავსის ანალიზზე უარს ამბობს, და საქმე ხანგრძლივ მიმოწერაში იხარჯება კითხვებზე, რომლებზეც პასუხი გამოგზავნილში უკვე იყო.
რადგან გასული წელი კონცენტრაციის ხელახლა სწავლას მოანდომა, ეს სურათი მას აშინებს. ამიტომ დაჯდა და შემთხვევები გააანალიზა; ერთი საერთო მნიშვნელი მალე გამოჩნდა — ყველა დოკუმენტს AI-ის ძლიერი კვალი ატყვია.
რა აერთიანებს ამ დოკუმენტებს
მაგალითები კონკრეტულია. დიზაინის დოკუმენტი, რომელიც Claude-იდან კოპირებულ ტექსტს ჰგავს: თემას მართლაც მოიცავს, მაგრამ მოდელისთვის დამახასიათებელი ფრაზებითა და ანალიზით მოდის — მაგალითად, „ეს პირდაპირ ჭრის პრობლემას“ ან „პირველი ჭიშკარი რეალურია“. 20-გვერდიანი მარკეტინგული კონცეფცია, რომელიც გონივრულ სტრატეგიას პროდუქტის ტექნიკური არქიტექტურის უაზრო ტექსტს ურევს და იდეას ასე „ყიდის“: „ეს X-ს არ ყიდის, ეს Y-ს ყიდის“, ხოლო Redis-ის საძირკველი, მისივე მტკიცებით, პროდუქტს თავიდან განსაზღვრავს. მესამე — ტექნიკური მოთხოვნების დოკუმენტი, სადაც საკმაოდ მარტივი კონცეფცია ძალიან გრძლადაა აღწერილი და დიდი ნაწილი გაურკვეველი, შიდა მსჯელობას ჰგავს, თითქოს ავტორი გადაწყვეტილებებში თავად არ არის დარწმუნებული.
ავტორის აზრით, ამ ტექსტებს მხოლოდ ლექსიკა არ ამხელს: წინადადებების დინება და ჩვევა, ყოველი წვრილმანი გარღვევად წარმოაჩინოს, თავადვე გასცემს მათ. მისი ტესტი მარტივია — თუ დოკუმენტი საწარმოო აპლიკაციის RBAC კონფიგურაციის ჩამრთველებს აღწერს, ეს ცეცხლის გამოგონებასავით არ უნდა გაიყიდოს.
„ბანერების სიბრმავე“ ტექსტისთვის
კვლევები ხშირად ამბობს, რომ ადამიანები AI-ის მიერ დაწერილ ტექსტს ცუდად ცნობენ. Cymerys ამას არ ეთანხმება — ყოველ შემთხვევაში, დაბალი ძალისხმევით შექმნილი შედეგების შემთხვევაში — და მიუთითებს Florian Roth-ის მიმოხილვაზე, სადაც ასეთი ტექსტის დამახასიათებელი ნიშნებია აღწერილი. მას ეჭვი აქვს, რომ AI-ის მიერ დაწერილ LinkedIn-ის პოსტებზე, წერილებსა და ვებგვერდებზე — შიგთავსზე, რომელიც სიტყვებით სავსეა და მნიშვნელობით ცარიელი — თითქოს წინასწარ „გაწვრთნილია“ და ტვინი ამ ნიშნებს ავტომატურად ცნობს, დიდი ფიქრის გარეშე გვერდს უვლის. ამას ზოგი „ბანერების სიბრმავეს“ ადარებს და ავტორს შედარება ზუსტი მიაჩნია: უამრავი კონტენტის პირობებში ფილტრაცია გონების შენარჩუნების ერთადერთი გზაა.
მოულოდნელი ფასი
ყველაზე მეტად ის ირონია აწუხებს: ტექნოლოგია, რომელიც პროდუქტიულობას უნდა გაზარდოს, მას პირიქით აფერხებს. ის ერთ დეტალსაც იხსენებს, რომელიც აჩვენებს, რომ ეს ფილტრი სრულად არ ექვემდებარება: ბალტიის სანაპიროზე, მშიერი, რესტორნებს ჩაუვლის და ერთს მზერის გარეშე გამოტოვებს, მაგრამ წუთში თავში კითხვა გაუჟღერდა — ნუთუ ამ ადგილმა ნამდვილად გამოკრული ნაოჭიანი კიშის ფოტო? ის უკან დაბრუნდა, რომ ეს დაენახა.
SiTech — AI-გაძლიერებული ვებ დეველოპმენტი
ვქმნით სწრაფ, თანამედროვე ვებსაიტებს და AI-ს ვაერთიანებთ ქართული ბიზნესებისთვის. გაქვთ პროექტი ან კითხვა? სიამოვნებით დაგეხმარებით.