Заменит ли аналитиков искусственный интеллект?
Иногда кажется, что ИИ может все, и даже больше (что так и есть). Вот уже легко превосходит нас не только в решении задач международной математической олимпиады, но и в креативности (которая считалась прерогативой человека), не говоря уже про умение переубеждать. А что с диаграммами и таблицами? Вопрос, как выяснилось, не праздный.
🔥 Еще больше интересного в моем канале Продуктовые штучки**
О чем речь?
Исследователи из китайского университета Чжэцзян "скормили" нейронке 11 193 абстрактных изображений, охватывающих восемь видов данных:
- дашборды
- дорожные карты (планы развития проекта)
- диаграммы
- таблицы
- блок-схемы
- графики взаимосвязей
- визуальные головоломки
- двумерные планы помещений
Что получилось?
Спойлер: и тут выясняется, что при анализе простых диаграмм ИИ превращается буквально в ребенка!
Даже такие продвинутые модели, как GPT-4o и Claude 3.5 Sonnet достигли точности только в 64,7% и 59,9% соответственно (ср.человеческий показатель - 82,1%).
Модели с открытым исходным кодом (считается, что они более слабые по качеству) показали себя еще хуже, особенно в задачах интерпретации визуального контента. В то время как закрытые модели, такие как Claude 3.5 Sonnet, достигли точности до 62% при тестировании дорожной карты и визуальных головоломок, модели с открытым исходным кодом показали результаты ниже 20%.
О чем это говорит?
Только о том, что у моделей пока “не дошли руки” до таких задач. Нейросети специально не тренировали на этот тип задач.
Абстрактный и визуальный контент точно не являются чем-то неприступным для них. Так, ИИ способен читать медицинские снимки и ставить диагноз.
Уж если ИИ завоевывает медали на математической олимпиаде и изобретают новые белки и лекарства, эта задача точно по зубам!
Нейросеть (как и человека) нужно натренировать: показать задачи, рассказать алгоритм решения и показать правильные и неправильные решения.
Неслучайно на сложные математические и биологические задачи создают самостоятельные модели. Так, у Google есть AlphaGeometry - модель для математических задач, а AlphaFold3 - для биологических. А у Microsoft есть насколько специаизированных медицинских ИИ моделей: BiomedParse — ИИ-модель для анализа медицинских изображений, и GigaPath — модель для патологий.А в медицинских данных расшифровка изображений и таблиц — важная часть анализа данных и постановки диагноза, с которой ИИ справляется не хуже человека.
Как только появится необходимость, модели резко “поумнеют”, и начнут как орешки щелкать диаграммы и головоломки.
Пожалуйста, поддержите меня, поставьте лайк!
Появление генеративного ИИ бросает вызов представлениям об уникальности человеческого творчества. Но мало что известно о влиянии генеративного ИИ на наше творчество. Результаты исследования полезны, любопытны и неоднозначны.
Интересно наблюдать, как рождаются продукты на наших глазах. А если и не сам продукт, то хотя бы фишки, которые помогают ему стать виральным и быстро набрать аудиторию (что тоже весьма неплохо, когда завоевываешь место на рынке). Покажу это на конкретном примере.