Prosto do celu
Oczywistością jest to, że przy inwestycjach w AI jakie dokonują się w USA czy w Unii Europejskiej, poziom finansowania w Polsce… posiada swoje ograniczenia. Jednocześnie zamiast narzekać i wyliczać czego to nam brakuje, warto skupić się na tym co mamy i jak to można wykorzystać do rozwoju. Otóż mamy rodzinę modeli AI – PLLuM, która powstała z inicjatywy Ministerstwa Cyfryzacji, we współpracy z uczelniami i instytucjami naukowymi. Idea była prosta: stwórzmy model, który będzie sobie radził lepiej od innych modeli w zrozumieniu polskiego kontekstu. A jak już taki model będzie rozumiał zawiłości naszej polskiej składni to wykorzystać go można w urzędach i innych instytucjach publicznych. Jak konkretnie? Na przykład w aplikacji mobilnej mObywatel. 18-letni petent nie wie jak wyrobić dowód osobisty. Wpisuje w okienko chata zapytanie: „Mam 18 lat. Jak wyrobić dowód osobisty po raz pierwszy?”. A czat mu odpisuje i podaje konkretne instrukcje co i jak zrobić. Działać ma to też od drugiej strony, czyli kiedy urzędnik otrzymuje pismo od petenta i nie wie co z nim zrobić, pyta chatbota, co powinien w danej sytuacji zrobić, a ten pomaga. A więć PLLuM „wycelowany” jest w polskość urzędową, a więc obszar na którym gigantom takim jak ChatGPT raczej nie prędko będzie zależeć.
Co można wyPLLuMować?
Skoro można Google’ować to można też PLLuM’ować, bo niby czemu nie. Ale co dokładnie można zrobić w PLLuM już dzisiaj? To na co warto zwrócić uwagę to biblioteka pytań, którą znajdziemy na stronie PLLuM. Podpowiada ona użytkownikom o co potencjalnie mogliby zapytać, czyli innymi słowy co mogliby wyPLLuMować. Oprócz tematów urzędowych, takich jak: zgłoszenie narodzin dziecka, złożenie wniosku o zasiłek chorobowy itd. znajdziemy też propozycje związane z programowaniem, tworzeniem postów na Instagrama czy… pisaniem horoskopu (tak, to nie żart). A więc model PLLuM pozwala realizować wiele funkcji analogicznie do ChataGPT i innych modeli „gigantów”. Jednocześnie powstaje pytanie czy jest porównywalnie precyzyjny.
Precyzja PLLuM na tle ChatGPT
Zadaliśmy PLLuMowi następujące zadanie:
„W szufladzie w ciemnym pokoju leżą 24 skarpetki czerwone i 24 skarpetki białe. Jaka jest najmniejsza ilość skarpet, które muszę wyciągnąć, aby mieć 100% pewność, że mam co najmniej dwie skarpety w tym samym kolorze?”
Odpowiedź modelu była następująca:
„Aby mieć 100% pewność, że masz co najmniej dwie skarpety w tym samym kolorze, musisz wyciągnąć co najmniej 25 skarpet. Dlaczego? Bo jeśli wyciągniesz 25 skarpet, to możesz mieć 12 skarpet czerwonych i 12 skarpet białych, albo 13 skarpet czerwonych i 12 skarpet białych, albo 12 skarpet czerwonych i 13 skarpet białych. W każdym z tych przypadków masz co najmniej dwie skarpety w tym samym kolorze.”
Dla porównania to samo zadanie zadaliśmy ChatowiGPT, który odpowiedział:
„Musisz wyciągnąć 3 skarpetki.
Wyjaśnienie:
1. W najgorszym przypadku możesz wyciągnąć jedną czerwoną i jedną białą skarpetkę.
2. Trzecia skarpetka, niezależnie od koloru, będzie tego samego koloru co jedna z wcześniejszych skarpetek.
Dlatego trzy skarpetki gwarantują, że masz przynajmniej dwie w tym samym kolorze.”
Co przed nami?
W związku z powyższym powstaje pytanie: po co wyciągać 25 skarpetek skoro można 3? Po chwili namysłu każdy z czytelników na pewno odkryje, że prawidłowa odpowiedź to 3. Teraz można napisać w obronie PLLuMa, że przecież nie po to go stworzyli, żeby liczył skarpetki, ale żeby wspierał urzędy. No cóż... Mam wrażenie, że sprawy urzędowe potrafią być dużo bardziej złożone niż zadanie ze skarpetkami. Dobra informacja jest taka, że PLLuM jest dalej rozwijany i można się spodziewać, że jego precyzja będzie wzrastać. Być może doczekamy też momentu, kiedy będzie podłączony do internetu i będzie mógł go przeczesywać tak jak robi to ChatGPT. Trzymajmy za to narodowo kciuki, bo może się kiedyś okazać, że to narzędzie ułatwi nam życie. Bo kto z nas nie stał kiedyś w kolejce do urzędu, tylko po to, żeby się dowiedzieć, że to nie ta kolejka.
Notatka dla fanów AI: ciekawą opcją PLLuM dla miłośników AI jest zmiana parametrów modelu: temperatury* oraz Top P**. Warto pobawić się i zobaczyć jak różnią się odpowiedzi modelu w zależności od ustawionych parametrów.
________
*Temperatura określa stopień losowości – niskie wartości sprawiają, że model generuje przewidywalne i rzeczowe odpowiedzi, a wyższe pozwalają na bardziej kreatywne i zaskakujące sformułowania.
**Top-P kontroluje zakres wyboru słów – niższe wartości zmuszają model do wybierania tylko najbardziej prawdopodobnych opcji, co zwiększa spójność, podczas gdy wyższe pozwalają na bardziej eksperymentalne i różnorodne odpowiedzi.
Artykuł został napisany na podstawie autorskich testów aplikacji PLLuM. Za wsparcie w testach dziękuję Annie Kowalskiej.
Materiał: Dr Dominik Skowroński
Wydział Zarządzania Uniwersytetu Łódzkiego
Dr Dominik Skowroński jest ekspertem w zakresie praktycznego wykorzystania sztucznej inteligencji w biznesie i edukacji. Autor kanału na YouTube: Dominik Skowroński – Napędź biznes z AI. Prowadzi szkolenia i warsztaty związane z tą tematyką dla dyrekcji szkół, ośrodków doskonalenia zawodowego, nauczycieli, a także uczniów. W 2024 roku wystąpił na konferencji TEDx z prelekcją pt. “What we miss in the AI era?”.