Когда речь заходит об искусственном интеллекте в садоводстве, чаще всего слышишь одну и ту же реакцию: бесполезная игрушка, которая постоянно ошибается. Долгое время я и сам относился к этому скептически, пока не начал разбираться глубже. Оказалось, что проблема не в самих нейросетях, а в том, как именно их используют. Большинство людей судит по самым простым и доступным версиям, даже не догадываясь, насколько разные бывают нейронки по своим возможностям.
Недавно мне попалась статья, где автор категорично заявляла, что все нейросети одинаково глупы и доверять им нельзя. Тема меня зацепила, потому что я сам регулярно работаю с ИИ и знаю, насколько такие обобщения далеки от реальности. Мне не хотелось бы превращать разбор в личную критику, ведь многие материалы этого автора я читаю с интересом. Но когда видишь откровенно спорные утверждения, хочется внести ясность.
Заголовок той статьи сразу настраивает на определённый лад — мол, отличить машинный текст от человеческого проще простого. Но так ли это на самом деле? Давайте разберём основные аргументы по порядку.
Разные нейросети — разные уровни интеллекта
Часто приходится слышать, что искусственный интеллект — это что-то единое и одинаковое. На деле же разница между отдельными моделями колоссальная. Взять хотя бы ту же Алису — это самый массовый, но и самый примитивный вариант. Именно по ней многие и составляют впечатление обо всех нейросетях сразу. Но сравнивать её с продвинутыми версиями ChatGPT — всё равно что сравнивать велосипед с автомобилем.
У меня был показательный случай несколько лет назад. Я спросил у бесплатной версии ChatGPT, что она знает об Олеге Телепове и его компостных дорожках. В ответ получил совершенно фантастическую историю про изобретателя дорожных покрытий, с наградами и регалиями. Абсолютная выдумка. Но когда тот же вопрос я задал только появившейся тогда версии ChatGPT-4, ответ оказался точным и осмысленным. Две версии одной и той же нейросети — и результаты как небо и земля.
Кроме того, у нейросетей есть разные режимы работы. Быстрый ответ и глубокое исследование — это два совершенно разных подхода к поиску информации. В одном случае вы получаете поверхностную сводку, в другом — серьёзный анализ с опорой на источники. Поэтому говорить, что все нейросети одинаково тупы, просто некорректно.
Маркеры машинного текста: миф или реальность
Автор той статьи предлагала определять тексты ИИ по нескольким признакам: отсутствие ошибок, кавычки-ёлочки, длинные тире, обилие подзаголовков и перечислений. Звучит убедительно, но у меня на этот счёт есть собственный опыт.
Когда-то я учился в школе для вебрайтеров. И там с первых занятий требовали использовать именно кавычки-ёлочки и длинные тире. Для удобства даже давали специальную раскладку клавиатуры, которая автоматически ставит эти символы. На одном из моих компьютеров такая раскладка стоит до сих пор. Так что считать эти знаки препинания исключительной приметой нейросетей — заблуждение.
Что касается отсутствия ошибок, тут всё зависит от грамотности конкретного человека. Если автор внимательно вычитывает текст и знает правила русского языка, то и в его статье не будет ошибок. К тому же площадки вроде Дзена сами подсвечивают проблемные места — достаточно не лениться их исправлять.
Просторечные обороты — тоже не проблема для нейросети. Если правильно составить запрос и дать ей образцы текста в нужном стиле, она легко воспроизведёт любую манеру изложения. Хоть с шутками, хоть с просторечиями, хоть с эмоциональными вставками. Всё зависит от того, кто и как с ней работает.
Кто на самом деле размножает чушь
Мне запомнился аргумент о том, что ИИ собирает данные из разных источников, часть которых пишут не самые умные люди. Мол, поэтому он и не может отличить правду от вымысла. Но давайте посмотрим на то, как работают люди.
Свои первые статьи для садоводческих журналов в начале двухтысячных я писал, опираясь на книги и периодику. И там тоже хватало откровенных глупостей. Помню случай: редактор уважаемого журнала «Приусадебное хозяйство» в моём черновике о плоскорезе Фокина исправила фразу на «крепление ручки к древку этого инструмента позволяет настроить его для своего роста». Но у плоскореза нет никаких ручек на древке — это просто палка с металлическим лезвием. И с этой правкой статья ушла в печать.
В школе вебрайтеров нас учили простой схеме: читаешь пять-двадцать статей из топа выдачи браузера и переписываешь их своими словами. При этом разбираться в теме не обязательно. Я тогда уже неплохо знал некоторые вопросы и попробовал работать по этой схеме. И быстро понял, что в топе выдачи — по большей части несусветная хрень. Потому что туда попадают не правильные статьи, а те, что оптимизированы под поисковики. И писали их не специалисты, а такие же вебрайтеры с навыками СЕО.
То есть люди давно делают ровно то, в чём обвиняют нейросети. Разница лишь в том, что нейронку можно попросить опираться только на учебники для агрономов, практические руководства или научные работы. И она это сделает, если правильно сформулировать запрос.
Способность подстраиваться под пользователя
Да, у большинства нейросетей действительно есть особенность — отвечать так, чтобы пользователь остался доволен. И давать ответ даже тогда, когда они его не знают. Это правда. Но процент выдумок напрямую зависит от качества модели и от умения того, кто задаёт вопросы.
Можно поставить перед нейросетью задачу не выдумывать ответ, если информации недостаточно. Можно попросить её не соглашаться с пользователем, если он неправ. И она выполнит эти условия. Всё упирается в то, насколько грамотно составлен промпт.
Контроль, безусловно, нужен. Но разве это делает инструмент плохим? Никто же не считает автомобиль бесполезным только потому, что водителю приходится постоянно следить за дорогой, жать на педали и крутить руль. Это нормальное требование к любому сложному инструменту.
О стиле изложения
Автор той статьи признавалась, что её напрягает академическое изложение — всё верно, всё чётко, но занудно до отвращения. Тут я с ней не соглашусь. Стиль — это личный выбор каждого. И человек, умеющий работать с нейросетями, может задать любой тон: от строгого научного до лёгкого разговорного.
Мне, например, гораздо интереснее читать учебник или научную статью, чем лёгкое чтиво с шутками и бесполезными вставками вроде «который, на минуточку». Такие слова не несут смысловой нагрузки, только захламляют текст и увеличивают время чтения без всякой пользы. Эмоциональные окраски тоже часто искажают факты. Я предпочитаю писать так, как сам бы хотел читать: без лишней воды, эмоций и прибауток.
И вот что ещё интересно: если текст «всё верно и чётко», то он не может одновременно быть враньём. Либо одно, либо другое. Противоречие в самой постановке вопроса.
Как я использую нейросети
Всё, о чём я говорю, — не теоретические рассуждения, а личный опыт. Большинство моих статей за последние годы написаны с помощью нейросетей. В некоторых случаях я использую ИИ только для поиска информации, в других — для создания текстов, которые потом редактирую. Но вся информация обязательно проверяется.
Проверяю даже то, в чём уверен давно. И нередко оказывается, что не всё так однозначно, как мне казалось. К сожалению, мои знания в области ИИ пока базовые. Хотелось бы разобраться глубже, но работа, уход за садом и огородом, сбор и отправка заказов, ведение канала — всё это отнимает слишком много времени.
Главный вывод
Проблема плохих статей вовсе не в искусственном интеллекте. Она в том, что авторы, использующие нейросети, часто делают свою работу спустя рукава. Берут низкокачественные модели, не проверяют факты, не редактируют написанное. Короче говоря, гонят халтуру. И такие тексты, конечно, не стоит воспринимать как источник достоверной информации.
Но навыки работы с нейросетями полезны не только авторам. Они пригодятся любому огороднику и садоводу — хотя бы для того, чтобы проверять информацию от популярных блогеров. Вот лишь несколько примеров тем, где такой подход помогает отделить зёрна от плевел:
Биопрепараты и хранение чеснока — тема, вокруг которой много спекуляций. Или покупные органические удобрения, которые работают совсем не так, как обещает производитель. Или антимифы садовода — целый пласт недоказанных идей, которые блогеры продвигают ради просмотров.
Не стоит считать инструмент плохим только потому, что не умеешь с ним работать. Это правило применимо к чему угодно — от лопаты до нейросети. Освоишь — получишь пользу. Не освоишь — будешь ругать и рассказывать, какая она глупая.