בחודשים האחרונים התגייסתי מחדש לשירות מילואים (אל תשאלו למה, זו אשמת פרופ' יורם יובל). כך קרה שבשבועיים האחרונים השתתפתי בתרגיל הצה״לי שהתקיים, וזו הייתה הזדמנות להתנסות בכלי בינה מלאכותית יוצרת (Generative AI) בהקשרים חדשים, והפעם בעיקר ב-Chat GPT (מעכשיו: ג׳פטו).
אז בקצרה - הנה כמה דברים שניסיתי לעשות ואיך הם עבדו:
1. ניסוח שאלות לסקר/ריאיון/שאלון/פאנל/מבחן
מה אפשר לעשות?
כל מי שאי פעם ניסח שאלות לצרכים שונים (מחקר, ריאיון, מבחן) יעריך את השימוש הזה ב-Chat GPT. נסו לכתוב מה הנושא שעליו אתם רוצים לשאול שאלות, מה המטרה שלכם ומה הייתם רוצים לבדוק ולסיום בקשו מג׳פטו שיציע לכם. אם יש מידע נוסף שקשור לרקע - הכניסו אותו וכך תדייקו את השאילתא.
אני מוסיפה בפרומפטים שלי עוד בקשה שעוזרת לי מאוד להעריך את התוצאות שמתקבלות -מבקשת ממנו להסביר למה הוא מציע לשאול כל שאלה. ככה אני מבינה יותר טוב את הרציונל ומבינה מה המטרה של השאלה (בעיני הבינה המלאכותית).
איך התוצאה?
ממש מוצלח. ממליצה.
זו לא הפעם הראשונה שהשתמשתי בג׳פטו לניסוח שאלות, ובכל פעם אני מופתעת גם מהשאלות הרלבנטיות והשימושיות, וגם מההסברים הטובים למה כדאי לשאול אותן. הפעם הוספתי לסקר שכתבתי כמה שאלות על בסיס ההצעות שהתקבלו. כמובן שעל פי המומחיות והידע שלכם, תבחרו את השאלות שמתאימות, תשנו ניסוחים וכו׳. אבל זה בהחלט נותן כיווני מחשבה טובים, כמו סיעור מוחות עם עוד מישהו שמכיר לא רע את החומר.
2. רעיונות לבניית תוכנית עבודה / תכנון פרויקט
מה אפשר לעשות?
כשפונים לכתוב תוכנית עבודה צריך לחשוב על הרבה גורמים, להציע מגוון אפשרויות וכו׳. תהליך הייעוץ האסטרטגי הקלאסי (שאני לעיתים מתפרנסת ממנו) כולל שלב של הגדרת שאלות ומטרות, איסוף נתונים מעמיק (בריאיונות, למידה וכו׳) ולבסוף בניית תוכנית עבודה. זה תהליך ארוך ועמוק. אבל לפעמים אין זמן לתהליך המלא וישר רצים לבניה של תוכנית העבודה. לפעמים ידע קודם ומומחיות מאפשרים לקצר תהליכים לקפוץ ישר לשלב כתיבת התוכניות.
ג׳פטו יכול להיות שותף טוב לסיעור המוחות והחשיבה על הרכיבים השונים שצריכים להכלל בתוכנית או פרויקט. בשאילתא (prompt) שכתבתי הגדרתי למה נוגעת התוכנית ומה המטרה, התייחסתי לדברים שצריך להביא בחשבון (קהלי יעד, מגבלות, וכו׳) וביקשתי שיציע למשל סעיפים אליהם התוכנית צריכה להתייחס. לאחר מכן שאלתי איך כל אחד מהסעיפים יתרום לפתרון הבעיה שהתוכנית נועדה להתמודד איתה. עוד שאלה רלבנטית נגעה לסוג השותפים שכדאי לי לגייס לפרויקטים עליהם התייעצתי ואיך למסד את מערכות היחסים איתם.
איך התוצאה?
מפתיעה לטובה.
קודם כל, ההצעות שקיבלתי בשאילתות שונות מסוג זה היו ברובן טובות. כלומר כללו רכיבים רלבנטיים (כולל בנושאים שדרשו התמחות או מומחיות מסויימת). באחת הסוגיות, בשביל הניסוי, לקחתי את ההנחיות שקיבלו קבוצת מומחים והזנתי אותה לג׳פטו. אחרי שהמומחים ערכו דיון וגיבשו רשימת המלצות מקצועית - השוונו את ההמלצות שהם גיבשו ואת אלה של ג׳פטו. לא תאמינו, המכונה ידעה להציע חלק גדול מההצעות שגיבשו המומחים. האם היא מייתרת אותם? לא. אבל היא יכלה אולי לחסוך חלק מזמן הדיון ולהציע בסיס לתוכנית ממנו היו מתחילים את הדיון (או לייעל את התהליך בדרכים אחרות).
3. ניתוח תשובות על שאלות פתוחות (נתונים טקסטואליים)
מה אפשר לעשות?
הדבר הבא שרציתי לבדוק היה לראות האם אפשר להשתמש בג׳פטו כדי לנתח תשובות בשפה חופשית שהתקבלו בסקר בו המשיבים ענו על שאלות פתוחות. יש מגוון כלים שנועדו לצורך הזה. אבל רובם דורשים ידע טכנולוגי (או אחר) ופחות נותנים מענה מיידי (ברמת השניות או הדקות הספורות). אז ניסיתי להזין לתוך ג׳פטו את רשימת התשובות לשאלה מסויימת - שורת טקסט לכל תשובה. ביקשתי ממנו שיזהה את הנושאים המרכזיים שעולים מן התשובות, יעשה ניתוח לסנטימנט שעולה מהן (כמה מהן חיוביות, כמה שליליות וכו׳) וגם שיציג את ההתפלגות של התשובות לפי הנושאים המרכזיים שזיהה בהן.
איך התוצאה?
מעניינת, אבל לא אמינה.
קודם כל, גם במקרה הזה הופתעתי. כי המכונה ידעה לזהות נכון את הנושאים המרכזיים שעלו בתשובות. גם במקרה הזה השוונו את התוצאות לתוצאות אמת (של אנשים בשר ודם שביצעו את אותה משימה), וראינו שהנושאים שזוהו היו דומים מאוד. שאר המשימות עבדו פחות חלק. בניתוח הסנטימנט (איזה תשובות מעידות על רגש חיובי ואיזה על שלילי) ניתן היה לראות שיש מילים שזוהו לא נכון (כלומר, מילים חיוביות שהופיעו ברשימת המילים ששייכת לסנטימנט שלילי ולהפך). חשוב לומר שאת המשימה כולה ביצעתי על נתונים בעברית - שזו בפני עצמה חולשה של ג׳פטו, ושווה לחזור על התרגיל כולו הזה עם תשובות באנגלית.
מבחינת הנתונים המספריים על התפלגות התשובות לפי קטגוריות נושא - קיבלתי תשובה ונתוני אחוזים, אבל לא כאלה שיכולתי לסמוך עליהם. כשביקשתי משימה מורכבת יותר - כלומר להחזיר לי את רשימת התשובות שהזנתי, ולייצר טבלה שבה כתוב ליד כל תשובה לאיזו קטגוריה נושאית היא משתייכת - ג׳פטו לא עמד במשימה.
בשורה התחתונה: המשימה הזו לא מתאימה לג׳פטו, בוודאי לא במלואה. יחד עם זאת, לפעמים כשאין זמן לנתח כמות גדולה של מידע ורוצים באופן מיידי להבין את הכיוון הכללי (למשל, מה התימות המרכזיות שעולות) - זה פתרון אפשרי עד שמפעילים יכולות אחרות. בשביל ניתוח מקצועי ומדויק צריך להשתמש בכלים אחרים.
4. כתיבת Case Studies וחומרי גלם כבסיס לדיון
מה אפשר לעשות?
אחת היכולות המרשימות של ג׳פטו היא לייצר טקסטים שנראים אמיתיים. למשל, כמו כתבות עיתונאיות. זו כמובן יכולת שהיא גם בעיה כי היא הופכת אותו לבית חרושת לפייק ניוז, אבל זה שייך לדיון אחר. לפעמים צריך לייצר טקסטים שנראים אמיתיים לכל מיני צרכים - למשל, כדי לייצר סיפורים/מקרים/קייס סטאדיס שיהיו בסיס לדיון בסוגיה מסויימת. במקרים האלה, אפשר להזין פרופמט שמכיל את המידע שרוצים שיופיע (״תכתוב לי כתבה על… הכתבה צריכה לכלול מרואיינים במגוון גילאים וממגוון מקומות שיתייחסו בציטוטים שלהם ל… ותציג דיעות שונות…״).
איך התוצאה?
אחלה. ג׳פטו מצטיין במטרה הזו.
זה מסוג הדברים שגם כיף לעשות, וגם אין בעיה שצריך לבדוק כל פיסת מידע ארבע פעמים כדי לבדוק שהיא נכונה, כי הדיוק לא חשוב.
בשורה התחתונה: אם אתם עוד לא משחקים בכלי בינה מלאכותית יוצרת - אתם גם נשארים מאחור, מבזבזים זמן יקר, ואולי גם מפספסים רעיונות טובים ומידע שישפר את הדברים שאתם עושים. כן, זה לא תמיד מספיק טוב. אבל הרבה פעמים זה טוב מאוד או יכול לחסוך לכם כמה שלבים בדרך. זו טכנולוגיה חדשה ומשמעותית שרק תלך ותשתפר ותצמח, וחשוב להתחיל להתנסות בה ולהבין את השימושים שמתאימים לכם ואת היכולות ואת המגבלות. בכל הקשר של החיים השימושים (והאיכות/התאמה שלהם) משתנים. אז אני ממש מעודדת אתכם לפתוח את הראש ולהתנסות מתי שרק אפשר.
・
בפרק הבא במשחקים בבינה מלאכותית יוצרת: האם הייתם נותנים ל-ChatGPT לערוך את טקס החתונה שלכם או סומכים עליו שיתכנן לכם טיול בחו״ל?
댓글